GaGa's Blog

1.详细说明

1. Spring Boot 3.x 系列（目前最常用）

   • 最低要求：Java 17（强制，不能用 Java 8/11）
   • 大部分 3.x 版本都能运行在 Java 21 上，且表现更好（支持 Virtual Threads 等现代特性）
   • 推荐：新项目直接使用 Spring Boot 3.5.x + Java 21

2. Spring Boot 4.0（2025 年底发布的新一代）

   • 最低仍然是 Java 17
   • 支持到 Java 26
   • 推荐使用 Java 21 或 25（LTS 版本）

3. 生产环境推荐（2026 年）

   • 最佳选择：Spring Boot 3.5.x 或 4.0.x + JDK 21
   • 次选：JDK 17（兼容性最好，但错过部分新特性）
   • JDK 25/26：适合追求最新特性的项目

2.如何在项目中指定 JDK 版本

SQLite → MySQL 不建议直接手工转 SQL。

1

gitea dump → MySQL初始化 → 导入dump的gitea-db.sql → 启动Gitea

Gitea 官方说明：备份一致性要求停机，gitea dump 会生成 ZIP 备份包。

• https://docs.gitea.com/administration/backup-and-restore

1. SQLite 持久化位置（Gitea）

在你给的 docker-compose 配置中：

1
2

volumes:
  - ./data:/data

1.1 实际存储路径

Gitea 是一个轻量级、自托管的 Git 服务平台，类似于 GitHub / GitLab，但更加简洁、资源占用更低，适合私有化部署和中小规模团队。

其核心定位可以理解为：

“自建 GitHub + DevOps 基础能力（轻量版）”

1.整体定位：Codex Plugin 能力模型

Codex 插件并不是简单 API，而是：

= Skills + App Integration + MCP + Agent执行能力

官方定义：

在Nginx中，keepalive_timeout是一个指令，用于设置连接的空闲超时时间。当一个连接在指定的时间内没有任何数据传输时，Nginx将关闭该连接（空闲关闭连接）。

关键点

1. 默认值：Nginx的默认keepalive_timeout值通常是75秒。这意味着如果连接在75秒内没有任何数据传输，Nginx将关闭它。

2. 配置位置：你可以在Nginx配置文件的http块、server块或location块中设置keepalive_timeout。

3. 作用：这个指令可以减少空闲连接占用的服务器资源，从而提高服务器的并发处理能力。

4. 与客户端的交互：keepalive_timeout也会影响客户端的行为。例如，浏览器可能会根据这个值来决定何时关闭与服务器的连接。

5. 示例配置：

   1 2 3

   http { keepalive_timeout 65; }

   这个配置将全局的keepalive_timeout设置为65秒。

6. 注意事项：设置keepalive_timeout时，需要考虑到应用程序的需求和网络条件。过短的超时时间可能会导致频繁的连接建立和关闭，增加服务器负载；过长的超时时间可能会导致资源浪费。

JVM 类加载（Class Loading）是指将 .class 字节码加载到内存，并转换为 JVM 可执行结构的全过程。其核心目标是：

• 按需加载（Lazy Loading）
• 保证类型安全（Type Safety）
• 支持动态扩展（如反射、热部署）

1. 总体架构分层

flowchart TD
    A[客户端层] --> B[客户端库层]
    B --> C[网络访问层]
    C --> D[服务端层]
    D --> E[存储层]

LiteRT-LM = Google 面向边缘设备的 LLM 推理引擎（Inference Runtime + GenAI Layer）

• 开源
• 面向 on-device / edge AI
• 专注 推理（inference），不做训练

👉 官方定义：

• “用于在边缘设备部署大模型的高性能推理框架”

1.整体走势结构分析

• 1.横盘震荡
• 2.止跌试探上攻
• 3.趋势加速拉升

litert-lm run gemma-4-E2B-it.litertlm该命令本质是：基于 LiteRT-LM runtime，加载并运行一个 LiteRT 格式的大模型（Gemma 变体）进行推理。

1.组件拆解

1.1 litert-lm

1.解读

• https://huggingface.co/litert-community/DeepSeek-R1-Distill-Qwen-1.5B

概述

• 同一个基础模型 DeepSeek-R1-Distill-Qwen-1.5B

• 被转换成 LiteRT / TFLite / LiteRT-LM 可部署格式

• 面向 Android / iOS / Web / MediaPipe LLM Inference API / LiteRT-LM 场景

• 提供了不同的：

  • 精度格式：f32、q8
  • 推理图形态：seq128、multi-prefill-seq
  • KV Cache 容量：ekv1280、ekv4096
  • 封装格式：.tflite、.task、.litertlm

  ---