皮皮网

1.Linux内核源码解析---万字解析从设计模式推演per-cpu实现原理
2.HTTP连接池及源码分析（一）
3.源码详解系列(四) ------ DBCP2的码分使用和分析（包括JNDI和JTA支持）已停更
4.langchain分析1
5.通达信龙头趋势启动选股指标公式源码

Linux内核源码解析---万字解析从设计模式推演per-cpu实现原理

       引子

       在如今的大型服务器中，NUMA架构扮演着关键角色。码分它允许系统拥有多个物理CPU，码分不同NUMA节点之间通过QPI通信。码分虽然硬件连接细节在此不作深入讨论，码分但需明白每个CPU优先访问本节点内存，码分spring源码 设计模式当本地内存不足时，码分可向其他节点申请。码分从传统的码分SMP架构转向NUMA架构，主要是码分为了解决随着CPU数量增多而带来的总线压力问题。

       分配物理内存时，码分numa_node_id() 方法用于查询当前CPU所在的码分NUMA节点。频繁的码分内存申请操作促使Linux内核采用per-cpu实现，将CPU访问的码分变量复制到每个CPU中，以减少缓存行竞争和False Sharing，码分类似于Java中的Thread Local。

       分配物理页

       尽管我们不必关注底层实现，buddy system负责分配物理页，关键在于使用了numa_node_id方法。接下来，我们将深入探索整个Linux内核的per-cpu体系。

       numa_node_id源码分析获取数据

       在topology.h中，我们发现使用了raw_cpu_read函数，传入了numa_node参数。接下来，我们来了解numa_node的定义。

       在topology.h中定义了numa_node。我们继续跟踪DECLARE_PER_CPU_SECTION的定义，最终揭示numa_node是答题系统源码 asp一个共享全局变量，类型为int，存储在.data..percpu段中。

       在percpu-defs.h中，numa_node被放置在ELF文件的.data..percpu段中，这些段在运行阶段即为段。接下来，我们返回raw_cpu_read方法。

       在percpu-defs.h中，我们继续跟进__pcpu_size_call_return方法，此方法根据per-cpu变量的大小生成回调函数。对于numa_node的int类型，最终拼接得到的是raw_cpu_read_4方法。

       在percpu.h中，调用了一般的read方法。在percpu.h中，获取numa_node的绝对地址，并通过raw_cpu_ptr方法。

       在percpu-defs.h中，我们略过验证指针的环节，追踪arch_raw_cpu_ptr方法。接下来，我们来看x架构的实现。

       在percpu.h中，使用汇编获取this_cpu_off的地址，代表此CPU内存副本到".data..percpu"的偏移量。加上numa_node相对于原始内存副本的偏移量，最终通过解引用获得真正内存地址内的值。

       对于其他架构，如何编译tomcat源码实现方式相似，通过获取自己CPU的偏移量，最终通过相对偏移得到pcp变量的地址。

       放入数据

       讨论Linux内核启动过程时，我们不得不关注per-cpu的值是如何被放入的。

       在main.c中，我们以x实现为例进行分析。通过setup_percpu.c文件中的代码，我们将node值赋给每个CPU的numa_node地址处。具体计算方法通过early_cpu_to_node实现，此处不作展开。

       在percpu-defs.h中，我们来看看如何获取每个CPU的numa_node地址，最终还是通过简单的偏移获取。需要注意如何获取每个CPU的副本偏移地址。

       在percpu.h中，我们发现一个关键数组__per_cpu_offset，其中保存了每个CPU副本的偏移值，通过CPU的索引来查找。

       接下来，我们来设计PER CPU模块。

       设计一个全面的PER CPU架构，它支持UMA或NUMA架构。我们设计了一个包含NUMA节点的结构体，内部管理所有CPU。为每个CPU创建副本，其中存储所有per-cpu变量。静态数据在编译时放入原始数据段，小程序展示源码动态数据在运行时生成。

       最后，我们回到setup_per_cpu_areas方法的分析。在setup_percpu.c中，我们详细探讨了关键方法pcpu_embed_first_chunk。此方法管理group、unit、静态、保留、动态区域。

       通过percpu.c中的关键变量__per_cpu_load和vmlinux.lds.S的链接脚本，我们了解了per-cpu加载时的地址符号。PERCPU_INPUT宏定义了静态原始数据的起始和结束符号。

       接下来，我们关注如何分配per-cpu元数据信息pcpu_alloc_info。percpu.c中的方法执行后，元数据分配如下图所示。

       接着，我们分析pcpu_alloc_alloc_info的方法，完成元数据分配。

       在pcpu_setup_first_chunk方法中，我们看到分配的smap和dmap在后期将通过slab再次分配。

       在main.c的mm_init中，我们关注重点区域，完成map数组的slab分配。

       至此，我们探讨了Linux内核中per-cpu实现的原理，从设计到源码分析，java项目编写源码全面展现了这一关键机制在现代服务器架构中的作用。

HTTP连接池及源码分析（一）

       HTTP连接池是一个管理与复用HTTP连接的高效技术，它旨在提高HTTP请求的性能与效率。尤其在高并发场景中，传统每次请求建立新TCP连接并关闭，这种操作可能引起性能瓶颈。连接池通过预先创建并复用一定数量的连接，有效管理资源，避免了因等待连接而造成的性能下降。

       构建HTTP连接池的核心在于提升并发场景下的系统性能。当一个连接被占用，其他客户端线程需要等待，因此复用已有的连接成为关键。HTTP连接池通过维护目标主机与端口号跟踪连接复用情况，当找到可复用连接时，将请求发送至该连接，避免了创建新连接。连接池策略考虑安全性、空闲时间等因素，确保高效复用。

       使用HTTP连接池时，首先在Maven仓库选择合适的httpclient包，如版本4.5.，配置依赖。一个简单使用案例即可完成基本操作。核心对象包括PoolingHttpClientConnectionManager与CloseableHttpClient，PoolingHttpClientConnectionManager管理连接池，CloseableHttpClient提供可关闭的HTTP客户端。

       PoolingHttpClientConnectionManager的官方解释强调，它维护连接池，服务多线程的连接请求，基于路由管理连接，重用已有的连接而非每次创建新连接。设置setMaxTotal限制总连接数，避免资源过度占用，setDefaultMaxPerRoute确保对单个目标主机的并发请求平衡，提高整体性能。

       Apache HttpClient库的配置通过HttpClients.custom()方法开始，设置连接管理器连接池对象，使用build()方法构建配置好的CloseableHttpClient实例，确保资源高效管理与释放。

       理解连接池管理对象与HTTP客户端对象是关键，它们协同作用提升HTTP请求性能。连接池原理涉及路由管理、复用策略，通过源码探索可深入理解其内部机制与优化点。

源码详解系列(四) ------ DBCP2的使用和分析（包括JNDI和JTA支持）已停更

       DBCP是一个用于创建和管理数据库连接的工具，通过连接池复用连接以减少资源消耗。它具备连接数控制、连接有效性检测、连接泄露控制和缓存语句等功能。Tomcat内置连接池、Spring团队推荐使用DBCP，阿里巴巴的druid也是基于DBCP开发的。

       DBCP支持通过JNDI获取数据源，并且可以获取JTA或XA事务中的连接对象，用于两阶段提交（2PC）的事务处理。本篇文章将通过例子来解释如何使用DBCP。

       以下是文章的详细内容：

       使用例子需求

       本例将展示如何使用DBCP连接池获取连接对象，并进行基本的增删改查操作。

       工程环境

       JDK：1.8.0_

       maven：3.6.1

       IDE：eclipse 4.

       mysql-connector-java：8.0.

       mysql：5.7.

       DBCP：2.6.0

       主要步骤

       创建Maven项目，打包方式为war（war也可以是jar，这里选择war是为了测试JNDI功能）。

       引入DBCP相关依赖。

       在resources目录下创建dbcp.properties文件，配置数据库连接参数及连接池基本参数。

       编写JDBCUtils类，实现初始化连接池、获取连接、管理事务和资源释放等功能。

       创建测试类，实现基本的增删改查操作。

       配置文件详解

       dbcp.properties文件包含数据库连接参数和连接池基本参数，如数据库URL、用户名、密码、连接池大小等。其中，数据库URL后面添加了参数以避免乱码和时区问题。建议根据项目需求调整参数设置。

       基本连接属性

       数据库URL

       用户名

       密码

       连接池大小

       缓存语句（在MySQL下建议关闭）

       连接检查参数（建议开启testWhileIdle，避免性能影响）

       事务相关参数（通常使用默认设置）

       连接泄漏回收参数

       其他参数（较少使用）

       源码分析

       DBCP主要涉及以下几个类：

       BasicDataSource：提供基本的数据库操作数据源。

       BasicManagedDataSource：BasicDataSource的子类，用于创建支持XA事务或JTA事务的连接。

       PoolingDataSource：BasicDataSource中实际调用的数据源，用于管理连接。

       ManagedDataSource：PoolingDataSource的子类，用于支持XA事务或JTA事务的连接。

       使用DBCP连接池创建连接时，首先创建BasicDataSource对象，初始化配置参数。然后从连接池中获取连接。连接获取过程涉及到数据源和连接池的创建，连接对象的包装和回收。

       通过JNDI获取数据源对象需求

       使用JNDI获取DBCP数据源对象，以PerUserPoolDataSource和SharedPoolDataSource为例。为了在tomcat容器中测试，需要配置JNDI上下文。

       引入依赖

       引入JNDI相关的依赖。

       编写context.xml文件，配置JNDI上下文。

       在web.xml中配置资源引用，将JNDI对象与web应用绑定。

       测试结果

       打包项目并部署到tomcat上运行，通过访问指定的jsp页面，验证JNDI获取数据源对象的正确性。

       使用DBCP测试两阶段提交

       介绍如何使用DBCP实现JTA事务的两阶段提交（2PC）。使用DBCP的BasicManagedDataSource类支持事务处理。通过测试代码验证了2PC的正确性。

       以上内容涵盖了DBCP的使用、配置、源码分析、JNDI集成以及两阶段提交的实现，为开发者提供了全面的参考。

langchain分析1

       LangChain是一个用于构建由大型语言模型驱动的应用程序的框架。其核心目标是支持不仅通过API调用语言模型，还涉及与环境交互的应用程序。框架提供了两个主要价值支柱，旨在为开发者提供构建复杂应用的工具和结构。

       语境中提到的LangChain功能通过示例进行展示，随后深入分析了源代码以理解其内部工作机制。其中，`agent`是LangChain框架中核心组件，负责根据用户输入决策调用特定工具。`agent`由三个关键部分组成，而`tool`则是与世界交互的功能单元，可以是通用工具或特定功能，如搜索、其他代理等。

       示例代码中展示了如`shelltool`和`wikipedia tool`的使用，但遇到不同操作系统的兼容性问题。对于中文支持问题，`arxiv tool`未成功调用，`google search tool`虽有代码示例但遇到API访问限制。深入源码分析显示，`google search tool`问题可能源于API密钥配置或服务访问限制。

       在解决问题过程中，作者发现`serperapi`账户配置错误导致API无法正常访问。重新申请正确账号后，问题得以解决，但关于API访问频率的担忧也提了出来。通过代码分析，作者确认`google search tool`访问限制源于API密钥问题，而非框架设计缺陷。

       文章进一步探讨了`agent`的基本使用示例，通过代码展示了`agent`调用工具解决问题的过程，尽管在使用非训练有素模型时遇到了挑战。作者强调了`agent`在遵循思考-动作-观察循环中执行多步骤分析的能力。

       在分析`agent`实现时，重点关注了`agentexecutor`类中的`_call`函数和`_take_next_step`函数，它们分别负责初始化和迭代逻辑。`take_next_step`函数是执行单步操作的关键，遵循思考-动作-观察循环，将决策过程交由`LLM`（大型语言模型）完成。

       文章最后总结了`agent`的工作流程，强调了`LangChain`框架对于规范问题模板、调用工具集以及通过`LLM`执行复杂任务的支持。此外，`agent`与`LLM`之间的交互允许用户通过`stop`参数控制`LLM`的响应，以实现更灵活的对话控制。

通达信龙头趋势启动选股指标公式源码

       去ST:=NAMELIKE('ST')=0 AND NAMELIKE('*ST')=0 AND NAMELIKE('SST')=0 AND NAMELIKE('S*ST')=0;

       去除停牌:=DYNAINFO(4)>0;

       去除创业板:=IF(CODELIKE('') OR CODELIKE('') ,0,1) ;

       去除科创板:=IF(CODELIKE(''),0,1);

       XG:=去ST AND 去除停牌 AND 去除创业板 AND 去除科创板;

       MA:=MA(CLOSE,);

       MA:=MA(CLOSE,);

       HJ_8:=(REF(CLOSE,3)-CLOSE)/REF(CLOSE,3)*>5;

       HJ_9:=FILTER(HJ_8,);

       HJ_:=BArslAST(HJ_9);

       HJ_:=REF(HIGH,HJ_+2);

       HJ_:=REF(HIGH,HJ_+1);

       HJ_:=REF(HIGH,HJ_);

       HJ_:=MAX(HJ_,HJ_);

       HJ_:=MAX(HJ_,HJ_);

       HJ_:=(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*>3.5;

       HJ_:=HJ_<;

       HJ_:=(OPEN-HJ_)/HJ_*<;

       HJ_:=(CLOSE-LLV(LOW,HJ_))/LLV(LOW,HJ_)*<;

       HJ_:=(CLOSE-REF(OPEN,5))/REF(OPEN,5)*<;

       HJ_:=vol/MA(VOL,5)<3.5;

       HJ_:=(CLOSE-REF(CLOSE,))/REF(CLOSE,)*<;

       HJ_:=HJ_ AND HJ_ AND HJ_ AND HJ_ AND HJ_ AND HJ_ AND HJ_;

       boll:=MA(CLOSE,);

       UPPER:=BOLL+2*STD(CLOSE,);

       PER:=crOSS(C,UPPER);

       TPZ1:=MA((L+H+C)/3,5);

       TPZ2:=HHV(TPZ1,);

       TPZ3:=CROSS(C,TPZ2*0.) OR CROSS(C,TPZ2*0.) ;

       TPZ4:=PER AND HJ_ AND TPZ3;

       TPZ5:=MA(CLOSE,)+MA(CLOSE,)*/*0.;

       TPZ6:=(MA(MA(H,),)-MA(MA(L,),))*1+MA(MA(H,),);

       TPZ7:=REF(CTPZ6 AND C>TPZ5 ;

       TPZ8:=TPZ4 OR TPZ7;

       TPZ9:TPZ8 AND XG AND C/REF(C,1)>1. AND REF(C,1)/REF(C,2)<1. AND REF(C>3.7,1) AND REF(C<,1) AND (CAPITAL/)/<= AND O/REF(C,1)<1. AND C>O,COLORRED;