服务发现：到底是要 CP 还是 AP？
本文探讨RPC框架中服务发现的CP与AP选择问题。在超大规模集群下，基于ZooKeeper的强一致（CP）方案因性能瓶颈易导致宕机，而最终一致（AP）方案通过消息总线实现数据同步，兼顾性能与稳定性，更适用于高可用、低延迟的服务发现场景。
RPC 实战：剖析 gRPC 源码，动手实现一个完整的 RPC
本讲通过剖析 gRPC 源码，深入讲解 RPC 框架的实现原理。从 Protocol Buffer 接口定义到 Stub 生成，结合 Netty 实现网络通信，解析请求的序列化、Frame 封装及 HTTP/2 多路复用机制，带你动手实现一个完整 RPC，掌握高性能框架设计核心。
时间空间复杂度入门
本文介绍时间与空间复杂度入门知识，使用Big O表示法（如O(1)、O(n)、O(n²)），强调估算而非精确计算，保留最高次项。时间复杂度常由循环嵌套层数决定，空间复杂度看额外内存占用。分析以最坏情况为主，越小越好。结合多个代码示例，帮助初学者理解复杂度分析的基本方法与常见误区。
线性结构检索：从数组和链表的原理初窥检索本质
本节深入解析数组与链表的存储特性及其对检索效率的影响。数组支持随机访问，适合二分查找，检索效率为O(log n)；链表虽检索较慢，但插入删除高效，适用于频繁动态调整场景。通过改造链表结构，如结合数组提升检索性能，揭示了数据组织方式对检索的核心作用，帮助理解“快速缩小查询范围”这一检索本质。
03 | 哈希检索：如何根据用户 ID 快速查询用户信息？
本文介绍了哈希表的原理与实现。通过哈希函数将键转化为数组下标，利用数组随机访问特性实现O(1)查询。针对哈希冲突，讲解了开放寻址法（线性探查、二次探查、双散列）和链表法两种解决方案，并分析其优劣。最后指出哈希表的缺点：空间开销大、不支持有序操作。实际应用中常结合链表或红黑树优化性能。
时间空间复杂度入门
初学者只需掌握：用Big O表示时空复杂度，保留最高次项；时间复杂度看循环嵌套层数，空间复杂度看额外内存占用；通常分析最坏情况，越小越好。n指输入规模，如数组长度。
零拷贝
实现文件传输时，传统方式需频繁系统调用与内存拷贝，导致大量上下文切换和性能损耗。为提升效率，可采用零拷贝技术，如`sendfile`，在内核态直接将磁盘数据通过PageCache传至Socket，减少上下文切换与内存拷贝。对于大文件或高并发场景，结合异步IO与直接IO，绕过PageCache，避免缓存污染，进一步优化性能。
Java泛型类型擦除以及类型擦除带来的问题
Java泛型在编译时会进行类型擦除，所有泛型信息被移除，仅保留原始类型（如Object或限定类型）。例如，List<String>和List<Integer>在运行时均为List，导致无法通过instanceof判断泛型类型。类型检查在编译期完成，基于引用而非对象本身。擦除后的方法重写可能引发桥方法机制以解决多态冲突，且泛型不支持基本数据类型、静态成员不能使用类级泛型参数。反射可绕过泛型限制，自动类型转换由编译器插入强转实现。
HTTP协议中常见的状态码?
HTTP状态码分为1xx到5xx五类，常见如200（成功）、302（重定向）、401（未认证）、404（资源未找到）、500（服务器错误）等。转发是服务器内部跳转，客户端无感；重定向由浏览器发起新请求。Cookie通过Set-Cookie和Cookie头实现会话跟踪，但数据存于客户端，安全性较低。
