这里是全站文章的归档入口，下面是按时间倒序排列的全部文章。若想按主题浏览，请从首页的专题分类进入。
深度学习进阶：CNN、RNN、正则化与训练调参实战
从 MLP 走向深度学习的进阶实战：CNN 卷积网络结构、RNN/LSTM 序列建模、Dropout/BatchNorm/数据增强正则化、优化器演进（SGD/Adam）、学习率调度、迁移学习，PyTorch 训练 CIFAR 全流程。
posts
文章归档
PlumePHP 全站文章的归档入口，按时间倒序汇总各专题的技术文章，并提供按主题浏览的专题分类入口。
正则表达式深层解析：引擎、回溯与灾难性回溯
从正则引擎底层讲透正则表达式：DFA/NFA 引擎、回溯机制、贪婪/懒惰/占有量词、零宽断言、灾难性回溯（ReDoS）与防护，附带跨语言差异与实用模式库。
模型部署与 MLOps：ONNX、FastAPI、Docker 与监控
系统覆盖 ML 模型上线：ONNX 导出跨框架、FastAPI 推理服务、Docker 容器化、批处理 vs 在线推理、A/B 测试、模型版本与回滚、监控告警、MLOps 全流程。
模型可解释性实战：特征重要性、SHAP、LIME 与业务落地
模型可解释性实战：全局与局部解释、特征重要性（内置/置换）、PDP 部分依赖图、SHAP 原理与 TreeSHAP、LIME 局部解释、反事实解释、可解释性与业务落地（风控合规/调试/信任）。
标识符设计：UUID v4/v7、ULID、雪花算法与工程权衡
系统讲解主键标识符设计：自增 ID 与 UUID 的根本权衡、UUID 各版本（v1/v4/v5/v7）的语义、UUID 作主键的索引与存储代价、ULID/KSUID/雪花算法的排序性、单调性要求、长度与可读性权衡（Base62/Short UUID），以及分布式多机房下的 ID 生成器设计。
查询缓存与预热：缓存策略、热点治理与查询加速
系统讲解 ClickHouse 查询缓存与预热实践：查询结果缓存（Query Cache）的配置与适用场景、profile events 分析查询成本、Prepared Statements、预聚合与物化视图作为「预热」手段、热点查询治理（重复查询去重）、缓存失效策略，以及缓存与实时性的权衡。
智能合约升级模式：Proxy/Beacon/Diamond 与可升级陷阱
系统讲解智能合约升级：为什么需要升级、Proxy 模式的 delegatecall 原理、EIP-1967 存储槽、Transparent Proxy 与 UUPS 对比、Beacon Proxy、Diamond 多面体、存储布局冲突与不可变陷阱，以及可升级合约的安全审计清单。
时间序列预测实战：ARIMA、Prophet 与 LSTM
系统覆盖时间序列预测：平稳性检验、ACF/PACF 分析、经典方法（移动平均/指数平滑/ARIMA）、Prophet 自动预测、LSTM 深度学习时序、特征工程与评估（RMSE/MAE）、实战对比。
时间与时区处理全解：UTC、ISO 8601、Instant 与夏令时
彻底理清时间处理：时刻 vs 本地时间、UTC/Unix 时间戳、ISO 8601 格式、IANA 时区、夏令时陷阱、闰年与日历计算、数据库时间存储、分布式系统时钟（NTP/逻辑时钟）。
时序分析最佳实践：时间序列建模、降采样与异常检测 SQL
系统讲解 ClickHouse 处理时间序列数据的最佳实践：时序表设计（时间列/排序键/分区）、时间分组聚合（dateBin/toStartOfInterval）、降采样与稀疏化、滑动窗口与同比环比、常见时序指标（最大最小值/变异系数）、SQL 异常检测（Z-score/移动平均）、与 TSDB（InfluxDB/Prometheus）的对比，以及大规模时序写入与保留策略。
文本相似度与模糊匹配：Levenshtein、Jaro-Winkler 与 SimHash
系统讲解文本相似度与模糊匹配：编辑距离（Levenshtein/Damerau/DP 优化）、token 级相似（Jaccard/Sørensen-Dice）、Jaro-Winkler 人名匹配、模糊搜索与拼音（fzf/FuzzyMatch）、大规模去重的 SimHash/MinHash、近似最近邻，以及工程里的匹配引擎设计（阈值/候选集/索引）。
数据迁移实战：从 MySQL/MongoDB 迁到 PostgreSQL
把生产库迁到 PostgreSQL 是常见但高风险的工程。本文系统讲解迁移评估（兼容性差异矩阵）、迁移方案（逻辑导出导入/ETL 工具/双写 CDC）、MySQL 到 PG 的类型与语法差异、MongoDB 到 PG 的文档关系映射、零停机切换流程（双写/校验/回滚）、以及迁移后的验证与优化清单。
数据模型与 Schema 演进：从表设计到线上平滑迁移
系统覆盖微型博客的数据建模：领域实体与核心表设计（用户/内容/关注/互动四域）、时间线的热温冷分层存储、索引与读写路径、软删除与墓碑机制、Schema 字段演进（additive/backfill/双写）、大表拆分与归档、计数一致性与快照对账、迁移工具链与灰度发布，帮助读者把「能跑的表结构」升级为「能长期演进的 Schema」。
数据序列化格式全景：JSON、Protobuf、MessagePack 与 Parquet
对比主流数据序列化格式：JSON/XML/YAML/TOML 文本族、Protobuf/MessagePack/CBOR/BSON 二进制族、Parquet/ORC 列式族——schema 演进、性能基准、版本兼容与选型决策树。
数据压缩原理：Huffman、LZ 家族与通用压缩算法
系统讲解通用数据压缩：熵与信息量的直觉、Huffman 编码（前缀码/建树/解码）、LZ77/LZ78 与 Deflate、LZMA/zstd/brotli 对比、压缩级别权衡（速度 vs 比率）、分块与字典、常见格式（gzip/bzip2/xz）的适用场景，以及压缩在生产中的使用决策。
数学必刷8题：素数、进制与数学建模
精选 LeetCode 数学类 8 道必刷题：质数计数、快乐数、回文数、进制转换、整数反转、Pow(x,n) 快速幂、最大公约数、阶乘后的零，覆盖面试高频的数学建模与数论技巧。
搜索排序优化：BM25、召回-排序-重排与中文分词实战
全面讲解微型博客的搜索排序优化：相关性排序（BM25/TF-IDF）、新鲜度与权威性加权、召回-粗排-精排-重排四阶段漏斗、中文分词与查询改写、搜索日志与点击反馈、以及搜索效果的评估与迭代。
推荐系统入门实战：协同过滤、矩阵分解与召回排序
系统覆盖推荐系统全流程：User-Item 矩阵、相似度计算、协同过滤（User/Item-based）、矩阵分解（SVD/ALS）、基于内容的推荐、召回-粗排-精排架构、评估指标（准确率/召回率/NDCG）与冷启动问题。
拓扑量子计算：Majorana 费米子、任意子与容错新范式
深入拓扑量子计算：容错的第三条路、Majorana 费米子与任意子（anyon）、拓扑保护原理、非阿贝尔编织（braiding）、拓扑量子比特、研究现状（Microsoft）与挑战。
投机采样（Speculative Decoding）：草案模型、并行验证与加速原理
投机采样（Speculative Decoding）是当前 LLM 推理延迟优化的核心技术——用一个小草案模型快速生成候选 token，再用大模型一次并行验证多个候选，单步接受多个 token，显著降低自回归解码的串行延迟。