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，码分字符D的源码当本地内存不足时，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是战法共振指标源码一个共享全局变量，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，设备报修源码怎么查实现方式相似，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，T字板源码指标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，大型病毒源码是什么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;