GaGa's Blog

GSLB就是DNS基础上的智能流量调度系统”,它的核心目的是将用户请求分配到不同地理位置（不同数据中心、云平台）的最佳服务器上，以实现：

• 提高业务可用性（一个数据中心故障，自动切到另一个）
• 降低访问延迟（让用户访问离自己最近、网络最快的节点）
• 分担流量压力（把请求分散到多地）

1. GSLB 与传统负载均衡的区别

Stable Diffusion 是一种基于扩散模型（Diffusion Model）的文本生成图像（Text-to-Image）深度学习模型，由 CompVis、Stability AI 等机构联合推出。

其核心能力是：

将自然语言描述（prompt）转换为高质量图像。

它属于潜空间扩散模型（Latent Diffusion Model, LDM）的一种实现。

Ajax（Asynchronous JavaScript and XML）本质上是浏览器在不刷新页面的情况下，通过异步HTTP请求向后端获取数据的机制。

在爬虫、安全测试、前后端调试、接口逆向中，Ajax 数据获取是高频场景，尤其在：

• 分页列表
• 无限下拉加载（scroll loading）
• 搜索联想
• 商品详情动态加载
• 用户行为触发接口（点击、切换Tab）
• SPA（Vue / React / Angular）单页应用

中非常常见。

1.传递单个参数

1.1 init

1

curl -sSL https://xxxx/ops/monitor/auto.sh | bash -s -- init

1.2 update

Fiddler是一款非常经典的 HTTP/HTTPS 抓包与调试代理工具（Web Debugging Proxy），主要用于：

• 抓取客户端与服务器之间的 HTTP/HTTPS 请求
• 分析接口调用过程
• 调试 Web 应用、移动端 App、API 接口
• 性能分析与网络故障排查
• 安全测试与请求重放
• Mock 接口与请求篡改

其本质是：

一个运行在本机的代理服务器（Proxy Server）

小红书 搭子本质是源于，小红书 社区的一种轻社交关系模型，指的是：

基于某个具体场景或兴趣，临时或长期结伴的人

区别于传统“朋友关系”，它更偏向：

• 弱关系连接
• 低社交成本
• 目的导向明确

股票 K线，也叫 蜡烛图（Candlestick），本质上是把某一时间周期内的价格变化，用一根图形表示出来。

一根K线通常反映 4 个核心价格：

• 开盘价
• 收盘价
• 最高价
• 最低价

K线（蜡烛图）整体结构

在 Spring Boot 中定义“服务上线前缀”（即统一 URL 前缀）有多种实现路径，本质属于 请求路径规范化（API Namespacing）。

1. 基础方式：全局 Context Path（推荐基础方案）

这是最直接、最常用的方式，相当于给整个服务加一层统一前缀。

JCP（Java Community Process） 是 Java 技术规范的官方制定与演进方向制定，由 Oracle 主导维护。

它的核心作用是：

• 定义 Java 标准（语言、API、平台）
• 组织社区（厂商、个人、组织）参与规范制定
• 保证 Java 生态的一致性与兼容性

可以理解为：
JCP = Java 标准制定的立法机构

• GraalVM 是一个高性能的JDK 分发，同时也是一个多语言运行时（polyglot runtime），不仅支持 Java／JVM 语言，还支持 JavaScript、Python、Ruby、LLVM bitcode 等。

• 它的目标包括：提升 JVM 语言（如 Java、Kotlin、Scala 等）性能、缩短启动时间、降低资源消耗，同时支持多语言互操作。

核心特性

• JIT／编译器改进：GraalVM 包含了 Graal 编译器，可作为 HotSpot 的替代或补充。

• Ahead-of-Time 编译（AOT）／Native Image：一个亮点是可以将 Java 应用编译成本地二进制（native executable），从而在很多场景中获得极快的启动速度和较低内存/CPU 消耗。

• 多语言互操作（Polyglot）：允许在同一运行时内混合使用多种语言，并且降低不同语言间调用的开销。

• https://www.graalvm.org/

云厂商的“抢占式实例”（或称为“竞价实例”）通常是指在云平台中，按照实时竞价方式提供的实例。这类实例通常是云服务商在数据中心的空闲计算资源上提供的按需、价格相对较低的计算实例。因为其基于资源剩余和竞价模型，使用时存在一定的不确定性和风险，**云厂商可能随时回收这些资源(默认竞价获得实例拥有时间1h)**。

抢占式实例的特点

1. 低成本：相比标准实例，抢占式实例通常价格更便宜，适合成本敏感型的应用。

2. 资源随时可能被回收：抢占式实例的主要特点是，云服务商可以根据资源需求情况随时回收这些实例。因此，它们适合运行那些不需要持续稳定运行的负载。

3. 短暂性：这些实例通常有最大使用时间限制，且云厂商会在资源紧张时优先回收它们。

4. 适用场景：

   • 计算密集型任务（如大规模数据处理、数据分析、批量计算等）
   • 高可扩展性的微服务应用
   • 在任务完成后可以容忍实例中断的工作负载
   • 分布式系统中的部分任务，如容错机制较强的系统（例如 Hadoop、Spark）

DeepSeek-TUI 是一个面向终端（Terminal）的 AI Coding Agent（代码代理）工具，本质上属于：

• Terminal Native AI Agent
• TUI（Text User Interface）交互模式
• 面向 DeepSeek V4 系列模型优化
• Rust 编写的高性能终端代理框架

它的定位并不是简单“聊天 CLI”，而是：

“可直接在终端中读写代码、执行命令、管理 Git、搜索 Web、协同子 Agent 的 AI 开发代理系统”