数据库索引与查询优化:从 EXPLAIN 读懂性能瓶颈
数据库索引与查询优化:从 EXPLAIN 读懂性能瓶颈先别猜,先看执行计划慢查询优化的第一步不是加索引,而是回答: 是否走索引 扫描了多少行 是否回表 是否排序/临时表 索引设计三条规则 高选择性列更适合做前导列 复合索引遵循最左前缀 避免在索引列上做函数/隐式转换 常见优化手段(按侵入程度从低到高) 覆盖索引减少回表 改写 SQL(OR -> UNION 等) 分页优化(避免深分页) 分表/分区(最后手段) 一个小技巧每次优化只改一件事,并记录前后对比: 耗时 扫描行数 CPU/IO 指标 这样你才知道改动是否真的有效。
安全测试清单:把 OWASP Top 10 落到具体用例
安全测试清单:把 OWASP Top 10 落到具体用例为什么需要清单安全测试如果只靠“经验”,很难稳定覆盖。OWASP Top 10 可以做覆盖面框架,但必须拆成可执行用例。 拆解方法:先找入口按业务入口列清单: 登录/注册/找回密码 搜索与筛选 文件上传/下载 导出报表 管理后台 用例示例(按类别) 注入:特殊字符、编码绕过、参数边界 认证:弱口令、会话固定、token 过期与刷新 访问控制:水平越权、垂直越权、IDOR 敏感数据:日志脱敏、下载权限、缓存控制 配置:默认账户、调试接口暴露、错误信息泄露 自动化与人工结合 能自动化的:鉴权、越权、参数边界、弱口令策略 难自动化的:业务逻辑漏洞、复杂权限组合、供应链 建议你把清单固化为每次发布前的“安全回归最小集”。
CI 质量门禁设计:从 lint 到覆盖率的可操作清单
CI 质量门禁设计:从 lint 到覆盖率的可操作清单门禁的目标门禁不是为了卡人,而是把问题前置:在合并前发现,让修复成本更低。 推荐的门禁顺序(从快到慢) lint/format(最快,收益高) 单元测试 覆盖率阈值(可以逐步提高) 依赖漏洞扫描(可选) 构建产物检查(体积、关键文件) 一些可执行的规则建议 PR 必须通过所有检查才能合并 关键目录必须有 reviewer 禁止直接 push 到 main(只走 PR) 覆盖率怎么设才不“逼疯人” 先设一个较低阈值(例如 50%) 每个季度提高 5-10% 对核心模块单独设阈值 失败定位要点门禁失败时,要能一眼看出是: 代码风格 单测失败 环境不稳定 依赖/构建问题 把日志写清楚,比堆更多规则更重要。
RAG 基础:向量检索、Chunking 与评估的实战笔记
RAG 基础:向量检索、Chunking 与评估的实战笔记先别急着换模型很多 RAG 效果差,根因不在模型,而在: 切分方式(chunking)不合理 召回策略单一(只向量召回) 没有评估闭环(调参全靠感觉) Chunking:最容易被低估的环节建议: 优先按语义/标题层级切分,而不是固定长度硬切 做适度 overlap,避免跨段信息断裂 给 chunk 带上 metadata(标题、来源、章节) 检索:从“召回”到“可用”一个常见组合: 向量召回 TopK 关键词/规则补召回(对专有名词很有用) rerank(提升相关性) 评估闭环:至少要有三类题 事实型:答案是否正确 步骤型:是否漏步骤/顺序错 对比型:是否能讲清差异与取舍 防止胡编的两条措施 检索不到就明确返回“不确定/无证据” 让模型引用检索片段(或至少给出来源标题) RAG 的工程化关键不是“做出来”,而是“持续可改进”。
前端构建提速:Vite 项目里最常见的 8 个性能坑
前端构建提速:Vite 项目里最常见的 8 个性能坑先明确你要优化的是哪一段构建慢通常分三类: 本地 dev 启动慢 生产 build 慢 CI 构建慢(缓存缺失/机器慢) 8 个高频坑(对照自查) 依赖预构建没命中(频繁重新 optimize) 大型库全量引入(没按需) sourcemap 全开(产物变大、生成慢) 图片/字体不压缩(产物大、加载慢) chunk 拆分策略缺失(首屏大包) 插件堆叠且无评估(有些插件只在开发期需要) CI 不缓存(npm cache、构建缓存、pnpm store 等) 构建机资源不足(CPU/IO) 最小改动获得最大收益建议顺序: 产物分析(先知道胖在哪里) 依赖按需 + chunk 分组 CI 缓存(npm cache、构建缓存) 一个简单的实践建议每次做性能优化,只改一个变量,并记录: build 时间 产物体积 首屏关键资源大小 否则你很容易“优化了,但不知道为什么变快/变慢”。
威胁建模入门:用 STRIDE 给 Web 项目做风险清单
威胁建模入门:用 STRIDE 给 Web 项目做风险清单STRIDE 是什么STRIDE 把威胁分成六类: Spoofing(伪造身份) Tampering(篡改数据) Repudiation(抵赖) Information Disclosure(信息泄露) Denial of Service(拒绝服务) Elevation of Privilege(权限提升) 它的价值在于:让你不靠拍脑袋,也能系统梳理风险。 最小落地流程(建议 1 小时内完成一版) 画数据流图(用户、前端、网关、服务、数据库、第三方) 对每条数据流、每个存储点套 STRIDE 输出风险清单:威胁 -> 影响 -> 缓解措施 -> 优先级 重点链路优先做 登录/鉴权 文件上传与下载 管理后台与权限系统 支付/订单 缓解措施要“落到工程里”避免写成“加强安全”这种空话。更好的写法: 增加统一鉴权中间件 + 访问控制策略 对上传文件做类型校验与病毒扫描 审计日志必须包含 user、action、object、request_id、ip 对敏感信息脱敏与加密存储 一...
API 自动化测试架构:分层、数据驱动与可观测性
API 自动化测试架构:分层、数据驱动与可观测性为什么接口测试越写越难维护常见问题是把所有东西都写在用例里: 鉴权、重试、超时到处复制 测试数据写死,换环境全挂 失败只看到 500,不知道请求细节 推荐的三层分工1) client 层:只关心“怎么发请求” base_url、超时、重试、日志 统一注入鉴权 header 统一收集 request_id、耗时等信息 2) service 层:只关心“业务动作”例如:登录、创建订单、查询订单、取消订单。 service 层避免散落的接口细节,让测试更像“业务脚本”。 3) test 层:只关心“断言与编排”用例应该读起来像: 用户登录 创建订单 断言订单状态与金额 数据驱动怎么做才不会乱 输入数据与断言数据分开 关键字段带 trace_id,失败时能追踪 对随机数据做“可追踪随机”(例如固定 seed 或记录生成值) 可观测性:让失败可定位建议每个请求都记录: method + path 核心入参(脱敏) 响应码与响应体摘要 request_id / trace_id 耗时 一个简单但有效的策略当用例失败时,...
Python 项目工程化:pyproject.toml、依赖锁定与可复现构建
Python 项目工程化:pyproject.toml、依赖锁定与可复现构建目标:让本地与 CI 一致工程化不是“工具越多越好”,而是把项目变成: 新同学拉下来能跑 你换电脑/换环境也能跑 CI 能稳定跑,并且失败好定位 一套推荐的落地顺序 统一入口:pyproject.toml 固定解释器版本(例如 3.11/3.12) 锁依赖(避免“今天装到 A,明天装到 B”) 加质量门禁:lint、测试、类型检查(按需) pyproject.toml 里建议集中哪些配置 格式化与 lint:ruff/black 测试:pytest(覆盖率可选) 类型检查:mypy(可选) 这样避免多个配置文件互相打架。 依赖管理的实用原则 生产依赖与开发依赖分组 升级小步快跑:一次升级一类核心依赖 关键库要有版本约束区间,减少破坏性更新 目录结构建议(最小可维护)12345project/ pyproject.toml src/<pkg>/ tests/ .github/workflows/ CI 里的三个关键固定项 Python 版本固定 ...
本地大模型开发环境搭建:Ollama 与 LM Studio 的选择
本地大模型开发环境搭建:Ollama 与 LM Studio 的选择这篇笔记要解决什么如果你想在本地做 LLM 学习与实验,最常见的痛点是: 环境装好了但不好用:模型下载散、参数不知道怎么调、跑起来还慢。 只能对话不能集成:想把推理能力接进脚本、测试工具或 Web 服务,却没有统一入口。 没法复现:今天能跑、明天升级后就跑不了。 本文目标是给你一套“可复现、可扩展”的本地 LLM 工具链选择与落地路径。 选择思路:你更像“用服务”还是“用客户端”Ollama 更适合 你希望有一个稳定的本地推理服务(HTTP API) 你要写脚本、写后端、做小型 RAG/代理工具 你希望模型管理更“工程化”(拉取、启动、查看列表) LM Studio 更适合 你更偏向“先试用再集成” 你需要桌面 UI 来对比不同模型参数、速度、显存占用 你希望快速导入/下载并立刻对话 推荐组合(学习 + 工程两不误) Ollama 做统一推理入口:后续不管你换模型还是换前端,脚本调用不变。 LM Studio 做对比与调参:用 UI 快速试错,找到你机器上性价比最高的模型组合。 最小...
软考笔记
计算机系统基础知识计算机系统硬件基本组成123451.运算器2.控制器3.存储器4.输入设备5.输出设备 中央处理单元1中央处理器cpu是计算机系统的核心部件,他负责获取查询指令,对指令进行译码并加以执行 12345CPU的功能:1.程序控制2.操作控制3.时间控制4.数据处理 运算器1234运算器是由算数逻辑单元,累加寄存器,数据缓存寄存器和状态条件寄存器等组成运算器的主要功能 1 - 执行所有的算术运算,例如加减乘除等基本运算以及附加运算 2 - 执行所有的逻辑运算并进行逻辑测试 12345运算器中各组成部件的功能1.算术逻辑单元(ALU):ALU是运算器的主要组成部件,负责处理数据,实现对数据的算术运算和逻辑运算2.累加寄存器(AC):ac通常称为累加器,它是一个通用寄存器,其功能是当运算器的算术逻辑单元执行算术或者逻辑运算时,为alu提供一个工作区3.数据缓冲寄存器(DR):在对内存储器进行读写操作的时候,用dr暂时存放有内存储器读写的一条指令或一个数字,将不同时间段内的读写的数据隔离开来。主要作用是作为CPU和内存,外部设备之间数据传输的中转站4.状态条件寄存器...