稀土掘金 稀土掘金
    • 首页
    • AI Coding
    • 数据标注 NEW
    • 沸点
    • 课程
    • 直播
    • 活动
    • APP
      插件
      • 搜索历史 清空
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
  • 全部
  • 后端
  • Java
  • 面试
  • Python
  • 架构
  • 大数据
  • 数据库
  • Spring Boot
  • 前端
  • 展开
  • 全部
  • 后端
  • Java
  • 面试
  • Python
  • 架构
  • 大数据
  • 数据库
  • Spring Boot
  • 前端
  • Go
  • MySQL
  • .NET
  • Elasticsearch
  • Node.js
  • C#
  • 暂无数据
    • 推荐
    • 最新
  • 分享金融业务中规则路由的设计
    前言 ”路由“ 这个词在我们工作技术栈中涉及领域广泛。例如 SpringCloud GateWay 、Nginx、SpringMvc,这些都可以针对一个 Http 请求,根据不同规则,把请求路由/转发
    • 暮色妖娆丶
    • 123
    • 3
    后端 架构 开源
  • 分享自研的轻量级状态机流程引擎
    前言 还记得刚入职的时候,看到代码里面一堆 xml 配置的流程节点,如下图 我还吐槽一个借款/还款流程为什么要搞这么复杂?老老实实的写 Java 代码不好吗,花里胡哨的。现在回想起来,只能说当时的我还
    • 暮色妖娆丶
    • 266
    • 4
    后端 架构 开源
  • 有赞一面:Redis Pipeline 和 MGET有啥区别?
    文章内容收录到个人网站,方便阅读:http://hardyfish.top/ pipeline(流水线) 特点 多个命令一起发送,但执行顺序不变。 减少 TCP 往返次数(N 个请求变成 1 次)。
    • 程序员飞鱼
    • 48
    • 5
    后端 面试 Java
  • SpringBoot注解参数校验,给代码穿上“防弹衣”
    SpringBoot的注解校验就像给你的方法参数请了个私人保镖,专门拦截那些不靠谱的输入。没有它?用户传个`null`过来,你的程序可能就会表演“当场崩溃”的绝活。
    • 悟空码字
    • 21
    • 点赞
    后端 Java Spring Boot
    SpringBoot注解参数校验,给代码穿上“防弹衣”
  • Undertow:高性能Java Web服务器
    引言:为何选择Undertow? 在Java Web容器的世界里,除了大众熟知的Tomcat和Jetty,还有一款性能“炸裂”的后起之秀——Undertow。作为Red Hat开发的高性能Web服务器
    • 鲁大波浪
    • 15
    • 点赞
    后端
  • C++编程从新手到高手的成长之路
    我的C++学习之旅 我:最近想学C++,但是感觉好难啊!指针、内存管理、模板... 头都大了! C++导师:别担心,每个C++程序员都经历过这个阶段。让我带你一步步理解C++的精髓。想想看,C++就像
    • 码事漫谈
    • 10
    • 点赞
    后端
  • Hibernate(52)Hibernate中如何处理N+1问题?
    在使用Hibernate进行数据库访问时,N+1问题(也称为select n+1问题)是一个常见的性能问题。它通常发生在关联查询中,即当你查询一个实体及其关联实体时,生成多条SQL查询语句,从而导致性
    • Victor356
    • 11
    • 点赞
    后端
  • Hibernate(51)Hibernate的查询缓存如何使用?
    Hibernate的查询缓存(Query Cache)可以显著提高重复查询的性能。查询缓存存储的是查询结果的集合,而不是单个实体。要使用查询缓存,需要启用Hibernate的二级缓存,并对特定的查询启
    • Victor356
    • 7
    • 点赞
    后端
  • Service Mesh:解耦微服务治理,释放云原生生产力
    技术团队始终在寻找一种既能让业务专注核心逻辑,又能高效管控分布式系统的方法。Service Mesh(服务网格)的出现,正是为了解决这一矛盾,成为云原生时代微服务治理的关键答案。
    • IT橘子皮
    • 21
    • 点赞
    后端
  • Hibernate(50)Hibernate的批量插入如何优化?
    批量插入是提高数据库写入性能的重要技术,特别是当需要插入大量数据时。Hibernate提供了一些优化批量插入的技巧和配置,以下是详细的解释和代码示例。 优化批量插入的技巧 使用JDBC批量处理:通过H
    • Victor356
    • 24
    • 点赞
    后端
  • SpringBoot + Arthas,线上监控诊断进阶玩法!
    Arthas 是一款线上监控诊断产品,通过全局视角实时查看应用 load、内存、gc、线程的状态信息,并能在不修改应用代码的情况下,对业务问题进行诊断,包括查看方法调用的出入参、异常,监测方法执行耗时
    • 神奇小汤圆
    • 21
    • 点赞
    后端
  • Redis 分布式锁实战:从手写实现到Redisson优化
    本文从原生 Redis 分布式锁的手写实现出发,分析了基础版的缺陷,进而引入 Redisson 框架提供生产级解决方案。
    • 三水不滴
    • 23
    • 1
    Redis 后端
  • 3 分钟吃透 C 语言自定义类型!结构体 + 共用体 + 枚举应用案例大合集
    3 分钟吃透 C 语言自定义类型!结构体 + 共用体 + 枚举应用案例大合集 大家好,我是学嵌入式的小杨同学。在嵌入式开发中,除了基础数据类型,结构体、共用体、枚举是处理复杂数据的核心自定义类型。
    • 小杨同学66
    • 15
    • 点赞
    后端 算法 编程语言
    3 分钟吃透 C 语言自定义类型!结构体 + 共用体 + 枚举应用案例大合集
  • 搞定嵌入式文件读写!16 个核心函数 + 二进制 / 文本文件实战指南
    今天就结合资料,系统讲解 Linux 环境下 C 语言文件操作的核心知识点、常用函数和嵌入式实战案例,帮你彻底掌握文件读写技巧。
    • 小杨同学66
    • 10
    • 点赞
    后端 架构 算法
    搞定嵌入式文件读写!16 个核心函数 + 二进制 / 文本文件实战指南
  • Rust实战(五):用户埋点数据分析-实时分析和可视化展示
    本篇是 Rust 实战系列的第五篇,文章详细讲解了如何利用 Rust + 滑动窗口算法 实现 5 分钟窗口内的实时指标聚合;基于Axum和Chart.js构建了实时监控大屏。
    • Amos_Web
    • 51
    • 1
    Rust 后端
    Rust实战(五):用户埋点数据分析-实时分析和可视化展示
  • 【MySQL性能优化】- MySQL8.0定时删除数据
    在Java开发中,日志表、流水表等业务表会随时间快速膨胀,定期清理过期数据(如删除30天前数据)是保障数据库性能的常规操作。本文针对MySQL8.0环境,详细讲解两种定时删除方案......
    • 怒放吧德德
    • 65
    • 1
    后端 MySQL
  • 像 ChatGPT 一样丝滑:Spring Boot 如何实现大模型流式(Streaming)响应?
    # 一、为什么需要流式响应? 同样的 HTTP 请求,为什么像 ChatGPT 这类模型的回答能像
    • 风象南
    • 46
    • 点赞
    后端
  • Java Agent 深度解析:从原理到 Spring Boot/Cloud 实战
    在微服务架构的演进历程中,服务治理始终是核心挑战之一。从早期依赖 SDK 硬编码治理逻辑,到后来尝试解耦的 Java Agent 模式,再到如今 Service Mesh 的兴起。
    • IT橘子皮
    • 28
    • 1
    后端
  • Spring AI vs Spring AI Alibaba
    引言 最近Java非常火的AI agent智能体开发框架Spring AI 和 Spring AI Alibaba,我们到底该选谁呢?它们到底有什么区别呢?希望这篇文章能给你的技术选型带来帮助,让我们
    • 想用offer打牌
    • 643
    • 5
    后端 人工智能 架构
    Spring AI vs Spring AI Alibaba
  • 大数据-216 KMeans 选 n_clusters:轮廓系数(Silhouette)实战 + init/n_init/random_state 版本坑(sc
    KMeans 选 n_clusters 方法:在候选簇数(如 2/4/6/8)上计算 silhouette_score 与 silhouette_samples,结合轮廓系数分布图与聚类散点图判断最优
    • 武子康
    • 13
    • 点赞
    后端 大数据 机器学习
    大数据-216 KMeans 选 n_clusters:轮廓系数(Silhouette)实战 + init/n_init/random_state 版本坑(sc
  • 晚上好!
    点亮在社区的每一天

    推荐话题 换一换

    #挑战每日一条沸点#
    #挑战每日一条沸点#

    22.4m

    #2025 AI/Vibe Coding 对我的影响#
    #2025 AI/Vibe Coding 对我的影响#

    231k

    #每日快讯#

    9.7m

    #每日精选文章#

    3.1m

    #日新计划#

    10.6m

    #每天一个知识点#

    47.1m

    #我的 2026新年 flag#
    #我的 2026新年 flag#

    346k

    #工作中做得最正确的一件事#
    #工作中做得最正确的一件事#

    404k

    #掘金一周#

    1.4m

    #新人报道#

    38.3m

    查看更多
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多后端文章
    • 举报邮箱: feedback@xitu.io
    • 座机电话: 010-83434395
    • 京ICP备:18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2026 稀土掘金