虎鲸不是鱼

本文介绍了如何在Spring Boot中实现MyBatis全表扫描拦截器，用于监控和防止无where条件的全表查询操作。通过拦截器记录SQL执行情况，避免不当查询导致的内存问题。 文章包含三个核心部分： 背景说明：阐述全表扫描可能带来的性能问题及内存风险 代码实现：详细给出了拦截器的完整实现方案，包括配置类、拦截逻辑和原生插件获取工具 验证方法：展示了如何在SQL预编译阶段进行拦截

摘要：生产环境出现OOM问题，通过Zabbix监控发现频繁Full GC。使用Eclipse MAT分析Dump文件，发现1.3GB大对象由Activiti历史任务查询导致。原因是调用createTaskInstanceQuery().processInstanceId().list()时未限制结果集大小，导致全表扫描。建议优化查询方式，添加分页或结果集限制，并适当增加JVM堆内存配置。

文章介绍了在AMD云GPU环境成功部署Deepseek AI模型的经验。通过CSDN开发者大会获得的AMD ROCM平台，作者详细记录了全过程。关键步骤包括使用Anaconda创建Python 3.11环境、安装open-webui服务包，并通过简单的命令行操作启动服务。服务器配置信息显示系统配备了INTEL Xeon Platinum处理器和AMD GPU，运行温度45°C，功率156W。文章提供了完整的命令行操作示例，为开发者提供了在AMD ROCM平台上部署AI模型的实用参考

使用Spring Boot 3实现Dify聊天助手的流式访问接口。回顾了Dify 1.4.1及LM Studio的集成配置，指出批式访问存在响应延迟问题，提出采用流式访问提升用户体验。重点分析SSE(Server-Sent Events)协议，包含请求参数和响应报文格式。通过Spring Boot的SseEmitter组件实现了流式响应，将Dify返回的Unicode编码内容实时转换。提供Controller层的关键代码示例，展示构建流式聊天接口。该方法可以有效避免用户长时间等待，实现更自然的对话交互体验

摘要：本文介绍了如何使用Spring Boot3集成Dify聊天助手接口实现批式访问。首先配置Dify1.4.1与LM Studio集成，通过Spring Boot3作为中间层调用Dify后端接口，确保安全性和可观测性。文章详细展示了Dify聊天助手的配置过程（包括开启Think模式和DeepSeek14b小模型），提供了接口文档说明和示例请求/响应报文。最后给出Spring Boot3的Maven依赖配置，为开发人员提供了实用的技术参考方案。

本文介绍了在战99设备上部署最新Dify1.4.1并集成LM Studio QWQ32B模型的工作流程。主要步骤包括：1)安装配置Dify；2)开启LM Studio接口并通过1234端口调用；3)配置Dify模型供应商，使用OpenAI兼容API插件；4)创建工作流，包含LLM节点、代码节点(支持JS/Python)和条件分支节点；5)验证工作流运行效果。作者指出在实际生产中，基于条件分支和RAG(检索增强生成)的应用最为稳定可靠。整个过程展示了如何将本地大模型集成到工作流系统中实现多样化应用场景。

Win10环境启动一个Vben前端项目，方便后续开发一个管理系统

基于最新版Spring Boot3.4.2搭建一个图书管理系统