最近的一个小项目是做一个简单的数据仓库，需要将其他数据库的数据抽取出来，并通过而出抽取成页面需要的数据，以空间换时间的方式，让后端报表查询更快。因为在抽取的过程中，有一定的先后顺序，需要做一个任务调度器，某一优先级的会先执行，然后会进入下一个优先级的队列任务中。先定义了一个Map的集合，key是优先级，value是任务的集合，某一个优先级内的任务是并发执

数据结构与算法数据结构与算法，我就不想多说了，重要性不用说。应届生秋招和春招最大的优势估计就是数据结构与算法的掌握了。上面三门课程的学习，基本也都是离不开数据结构的，对于如何学习数据结构与算法，我觉得可以在写一篇文章了，所以数据结构与算法的学习，我这里不写了。论面试，我觉得 操作系统计算机网络数据库 数据结构算法 这四大块是问的最多的，所以我写的

聚簇索引数据库表的索引从数据存储方式上可以分为聚簇索引和非聚簇索引（又叫二级索引）两种。Innodb的聚簇索引在同一个BTree中保存了索引列和具体的数据，在聚簇索引中，实际的数据保存在叶子页中，中间的节点页保存指向下一层页面的指针。“聚簇”的意思是数据行被按照一定顺序一个个紧密地排列在一起存储。一个表只能有一个聚簇索引，因为在一个表中数据的

接口设计是整个系统设计中非常重要的一环，其中包括限流、权限、入参出参、切面等方面。设计一个好的接口可以帮助我们省去很多不必要的麻烦，从而提升整个系统的稳定性和可扩展性。作为接口设计经验分享的第三篇，我想分享一下如何在用户使用过程中留下操作痕迹。在实际开发中，我会采取一些手段来记录用户操作，例如使用日志记录用户行为，或者在数据库中保存用户操作记录。这些痕迹可以帮助我们快速定位和解决问题，同时也可以为后续数据分析和优化提供有价值的参考。

检索增强生成(RAG)为大型语言模型赋予访问外部知识库的能力，提升其精准性和实用性。它包含三个步骤：检索、增强和生成。RAG通过向量数据库进行语义搜索，克服了传统关键词匹配的局限性。文章以云计算促进人工智能发展为例，在大模型分发助手平台上演示了RAG的实际流程，包括知识准备、知识切割、向量化、提问、相似度计算、提示词构建和答案生成。RAG的未来在于提升精准性、个性化、可扩展性、可解释性和成本效益，最终实现更深入的知识理解和推理，更自然的人机交互以及更广泛的领域应用。