当前位置: 首页 > news >正文

2025年2月-3月后端go开发找工作感悟

整体感悟

 目标

找工作首先要有一个目标,这个目标尽可能的明确,比如我要字节、拼多多之类的公司,还是要去百度、滴滴这样的,或者目标是创业公司。但是这个目标是会动态调整的,有可能我们的心态发生了变化,一开始想去字节这样的公司,但后来了解可能需要大量的加班+okr汇报,觉的不是自己想要的。 结合自己的实际情况定一个目标,然后朝着这个目标去做学习计划、去面试。

当有一个目标时,可能学习的内容相对就能定下来。比如我这次想去的公司有两种,一个是滴滴这样的,去相对不卷的部门, 一种是大模型创业公司,感觉是风口。面对这个目标,我的算法可能就比较好固定,就刷hot100的简单中等题,然后重点放在codetop第一二页。八股文也相对范围比较小,比如go的话,gmp、gc、channel、内存分配、slice、map等 mysql就是事务与锁 再加上索引相关。redis就是底层数据结构,淘汰机制,持久化、集群方式再加上高并发常见缓存穿透、热key等问题。kafka内容比较多,但是其实面试常考的内容感觉不是很多,尤其对于后端研发, 一般就考顺序性、消息不丢失、消息堵塞, 一致性都比较少考,

面试总结

面试总结要抓重点, 我觉得可以三个方面, 通用八股文、针对自己的项目的提问、自己的表达。

通用八股文,每一次面试,要对面试做技术的总结, 面试是查漏补缺的过程,但是不要让一次的面试就极大的改变学习计划,有些面试官只是按照自己的想法或者自己会的内容进行考察, 有时候学习这些东西其实不具有性价比,比如有些面试官问tcp相关的滑动窗口、拥塞控制等概念,这些东西可能绝大部分公司都不问,问tcp也只是问一下tcp三次握手,四次挥手,再难一点最多问下timewait的存在原因,所以不要把自己的学习清单越列越长,最终没法抓住重点。

针对自己项目的提问:

比如说 你项目中用了分布式锁, 那分布式锁你还了解哪些实现,当时为什么用这个来解决。你项目中的难点是什么,如何解决的, 项目中问过的问题,下一个面试官很可能还会问,如果提前利用deepseek等工具做了处理,那下一次问到类似的问题就像开卷考试

自己的表达:(这部分仅代表自己观点)

面试其实一直是证明自己实力、表达自己能力的过程。一般面试有4个部分, 第一部分 自我介绍,第二部分项目介绍 + 八股文 第三部分 leetcode 第四面试官给予提问的机会。(有些面试官先问八股文、有些面试官不问八股文)

自我介绍方面, 这个部分要尽可能短的时间让面试官抓到自己的优势和 岗位的匹配对,提前对jd做个拆分 ,如果内推的话找同学了解下这个岗位要做的内容。 然后针对做一个自我介绍,时间要控制在1分钟左右, 语气要从容,尽可能发音要清楚, 内容的话介绍自己过去的工作经历和一些成就,还有就是比如哪一方面自己有过深入研究,也可以直接说出来,有些面试官可能 愿意接你的招,直接顺着你的自我介绍让你开始介绍 项目或者自己深入研究的内容。 一个好的开始,很有可能就是这场面试的成功。

项目介绍方面:

这方面首先要对自己的项目了如指掌,尽可能就是真实的自己负责的,即使有些水分也要做到有深刻的理解。介绍项目时建议遵守小学写作文的套路,总分总结构,一开始先计划从哪些方面介绍下这个项目,并且提示面试官如果有问题可以随时打断,显示自己对项目的掌握与自己的自信。在介绍的过程中每一个点举一个比较详细的例子,比如介绍我对某一个功能进行了性能的优化,我采用什么样的手段,达到了什么样的结果。最后在项目介绍完后,整体做一个收尾,可以说这个项目整体达到了什么效果,或者从这个项目中有了什么样子的成长。

八股文:

八股文我理解有两种,一种是直接可以说答案性, 比如innodb事务是如何实现的,原子性是如何实现的。这种更多就是看我们的记忆里还有对这些八股的理解了。但是现在更多考八股文是比较宽泛的,比如说 redis为什么快? kafka为什么吞吐量高? go在支持高高并发做了哪些事情。针对这种类型的问题 答案就不那么标准,或者说不要求全说出来,我们就可以尽可能地想一下 这个东西是什么,我们对应的八股文都背了哪些,为啥总考这些,很可能就是答案。比如redis为什么快,我们总说redis是基于内存的,这是快的原因,我们常考redis的底层数据结构,这些数据结构也是他快的原因。所以八股文尽可能多准备,但要灵活的应变。

Leetcode

这方面 ,如何能够直接写出来,就没什么了,如果碰到自己有思路,但是写不出来, 可以直接和面试官说自己的思路,说自己对此题的理解,如果面试官觉得不满意,询问是否可以换一题。

心态:

我这次面试心态经过了几个历程,首先觉得没什么 ,不能踏实准备面试,一直刷boss直聘, 然后开始面试接收到一个个的负反馈 开始否定己,想着要不要降低标准,自己能力是不是不行。 这个阶段是每个人走向不同薪资或者级别的分叉口。如果能够在这个阶段一直相信自己,对自己进行合理的学习计划,可能找到一份比较好的满意的工作,如果拿到负反馈就一直降低标准,或者给自己找各种退路,可能就找到一个相对不那么满意的工作。

我是属于降低自己标准,找退路那种, 但庆幸的是 家人给了我足够的关怀给予我时间去充分准备工作,另外也在刷抖音时 刷到拉勾CEO的一段录音,这段录音介绍了一个大厂被裁员的朋友 ,几个月没找到工作就进了外包,后来经过他的劝学辞去了外包,又涨薪不少 去了另外一个大厂的故事。 通过这个故事,我觉得我还是要调整自己的心态,努力去向着理想的工作奋斗。

成长

向上的路是艰难的, 是需要我们有所付出的,同时我们也在成长。找工作是一个让人成长很快的阶段,我们可以在目标设计、调整计划、沟通表达、技术实力、心态调整等多个方面进行自我的提升。每一次找工作都让我们得到了快速的成长, 所以不管是被动裁员找工作、还是我们去寻找更好的机会、还是只是工作中无聊了想去看下自己的市场价值, 当我们经过多少年后,回首这一阶段的努力,可能都算是我们人生的一次里程碑式的成长。

结果

谋事在人、成事在天。我们针对一家公司的面试可能经过了很大的努力、也觉得和每一轮面试官都聊的很不错,但是最终也没拿到offer, 也有可能我们只是抱着试试的态度,最终却拿到了offer。

不管拿没拿到offer,其实都不能绝对的说是好事或者坏事, 就拿我自己来说,我上一份工作拿到了自己多年梦寐以求的offer, 放弃了相对好的工作毅然加入了,但是呢没多久业务调整,我又需要重新找工作, 也失去了之前的工作。

所以一切都不要太放在心上,为了成功,可以努力去朝着梦想去努力,但是失败了也不要灰心,赛文失马,焉知非福。当我们到了回头看自己走过的路的时候, 能做到问心无愧不后悔 就是最大的成功了。

go学习内容建议(普通公司P5-P7)

1.将自己的项目进行打磨, 宏观要有体系化的思考,微观为什么选择这样的手段去解决问题, 项目的重点难点

2.leetcode

这方面,很多人都说看运气,或者看准备。以我自己体验, leetcode绝大部分不会考那么难, 是要花时间准备,但是熟练掌握hot100中的简单中等题基本就可以应付面试了。 如果愿意花时间可以多刷,但是总体感觉性价比不如被八股文的高。

3.八股文

对某些方面有深刻的理解, 常考的可以只了解一层表面的内容, 但是也要有几个方面做到不怕剖析, 感觉可以推荐 go相关内容或者redis相对内容,相对简单。 kafka和mysql感觉适合长线学习

相关文章:

2025年2月-3月后端go开发找工作感悟

整体感悟 目标 找工作首先要有一个目标,这个目标尽可能的明确,比如我要字节、拼多多之类的公司,还是要去百度、滴滴这样的,或者目标是创业公司。但是这个目标是会动态调整的,有可能我们的心态发生了变化,一…...

OpenCV图像拼接(1)自动校准之校准旋转相机的函数calibrateRotatingCamera()

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 cv::detail::calibrateRotatingCamera 是OpenCV中用于校准旋转相机的函数。它特别适用于那种相机相对于一个固定的场景进行纯旋转运动的情况&…...

【极速版 -- 大模型入门到进阶】快速了解大型语言模型

文章目录 🌊 大模型作为一种生成式人工智慧,厉害在哪儿?-> 通用能力🌊 LLM 如何生成输出:简而言之就是文字接龙🌊 GPT 之前 ...:模型规模和数据规模概览🌊 ChatGPT 有三个训练阶段…...

MySQL 锁机制详解

MySQL 锁机制详解 5.1 概述 锁是计算机协调多个进程或线程并发访问某一资源的机制。在数据库中,除传统的计算资源(CPU、 RAM、I/O)的争用以外,数据也是一种供许多用户共享的资源。如何保证数据并发访问的一致性、有 效性是所有数…...

牛客网【模板】二维差分(详解)c++

题目链接:【模板】二维差分 1.题目分析 类比一下,因为差分因为差分是在数组里的某一段同时加上一个K二维是在二维数组中选择一个词矩阵,让词矩阵中每一个元素都加上一个K 2.算法原理 解法-:暴力解法 -> 模拟 你告诉我一个左上角和右下…...

从0到1彻底掌握Trae:手把手带你实战开发AI Chatbot,提升开发效率的必备指南!

我正在参加Trae「超级体验官」创意实践征文, 本文所使用的 Trae 免费下载链接: www.trae.ai/?utm_source… 前言 大家好,我是小Q,字节跳动近期推出了一款 AI IDE—— Trae,由国人团队开发,并且限时免费体…...

【清华大学】AIGC发展研究(3.0版)

目录 AIGC发展研究报告核心内容一、团队简介二、AI哲学三、国内外大模型四、生成式内容(一)文本生成(二)图像生成(三)音乐生成(四)视频生成 五、各行业应用六、未来展望 AIGC发展研究…...

Kafka--常见问题

1.为什么要使用 Kafka,起到什么作用 Kafka是一个高吞吐量、分布式、基于发布订阅的消息系统,它主要用于处理实时数据流 Kafka 设计上支持高吞吐量的消息传输,每秒可以处理数百万条消息。它能够在处理大量并发请求时,保持低延迟和…...

maptalks图层交互 - 模拟 Tooltip

maptalks图层交互 - 模拟 Tooltip 图层交互-模拟tooltip官方文档 <!DOCTYPE html> <html><meta charsetUTF-8 /><meta nameviewport contentwidthdevice-width, initial-scale1 /><title>图层交互 - 模拟 Tooltip</title><style typet…...

【前端】Visual Studio Code安装配置教程:下载、汉化、常用组件、基本操作

文章目录 一、Visual Studio Code下载二、汉化三、常用组件1、Auto Rename Tag2、view-in-browser3、Live Server 四、基本操作五、感谢观看&#xff01; 一、Visual Studio Code下载 下载官网&#xff1a;https://code.visualstudio.com/ 进入官网后点击右上角的Download &…...

datetime“陷阱”与救赎:扒“时间差值”证道

时间工具陷阱&#xff0c;其实是工具引用的误解。 笔记模板由python脚本于2025-03-23 23:32:58创建&#xff0c;本篇笔记适合时间工具研究的coder翻阅。 【学习的细节是欢悦的历程】 博客的核心价值&#xff1a;在于输出思考与经验&#xff0c;而不仅仅是知识的简单复述。 Pyth…...

3DMAX曲线生成器插件CurveGenerator使用方法

1. 脚本功能简介 3DMAX曲线生成器插件CurveGenerator是一个用于 3ds Max 的样条线生成工具&#xff0c;用户可以通过简单的UI界面输入参数&#xff0c;快速生成多条样条线。每条样条线的高度值随机生成&#xff0c;且可以自定义以下参数&#xff1a; 顶点数量&#xff1a;每条…...

Apache漏洞再现

CVE-2021-41773路径穿越漏洞 1、开环境 sudo docker pull blueteamsteve/cve-2021-41773:no-cgid sudo docker run -dit -p 8082:80 blueteamsteve/cve-2021-41773:no-cgid 2、访问8082端口 3、打开工具 4、输入网址&#xff0c;检测漏洞...

git,openpnp - 根据安装程序打包名称找到对应的源码版本

文章目录 git,openpnp - 根据安装程序打包名称找到对应的源码版本概述笔记备注 - 提交时间不可以作为查找提交记录的依据END git,openpnp - 根据安装程序打包名称找到对应的源码版本 概述 想在openpnp官方最新稳定版上改一改&#xff0c;首先就得知道官方打包的安装程序对应的…...

SQL Server查询计划操作符(7.3)——查询计划相关操作符(11)

7.3. 查询计划相关操作符 98&#xff09;Table Scan&#xff1a;该操作符从查询计划参数列确定的表中获取所有数据行。如果其参数列中出现WHERE:()谓词&#xff0c;则只返回满足该谓词的数据行。该操作符为逻辑操作符和物理操作符。该操作符具体如图7.3-98节点1所示。 图 7.3-…...

编译原理——词法分析

文章目录 词法分析&#xff1a;从基础到自动构造一、词法分析程序的设计一、词法分析程序的设计二、PL/0编译程序中词法分析程序的设计与实现1. 语法特定考量2. 通过状态转移表运用有限状态自动机3. 示例代码片段&#xff08;用于说明的伪代码&#xff09; 三、单词的形式化描述…...

Linux内核,内存分布

x86_64的物理地址范围为64bit&#xff0c;但是因为地址空间太大目前不可能完全用完&#xff0c;当前支持57bit和48bit两种虚拟地址模式。 地址模式单个空间用户地址空间内核地址空间32位2G0x00000000 - 0x7FFFFFFF0x80000000 - 0xFFFFFFFF64位(48bit)128T0x00000000 00000000 …...

AI鸟类识别技术革新生态监测:快瞳科技如何用“智慧之眼”守护自然?

在生态环境保护日益受关注的今天&#xff0c;“鸟类识别”已从专业科研工具演变为推动生态治理数字化的核心技术。无论是湿地保护区的珍稀候鸟监测&#xff0c;还是城市机场的鸟击风险预警&#xff0c;AI技术的精准赋能正在改写人类与自然的互动方式。作为行业领先的智能解决方…...

c++之set

一、set特性及用途&#xff1f; 唯一性&#xff1a;set 中的元素是唯一的&#xff0c;不会存在重复的元素。自动排序&#xff1a;set 中的元素会自动按照默认的升序规则进行排序。底层实现&#xff1a;set 通常基于红黑树实现&#xff0c;具有自平衡功能&#xff0c;因此插入、…...

【AI大模型】DeepSeek + 通义万相高效制作AI视频实战详解

目录 一、前言 二、AI视频概述 2.1 什么是AI视频 2.2 AI视频核心特点 2.3 AI视频应用场景 三、通义万相介绍 3.1 通义万相概述 3.1.1 什么是通义万相 3.2 通义万相核心特点 3.3 通义万相技术特点 3.4 通义万相应用场景 四、DeepSeek 通义万相制作AI视频流程 4.1 D…...

【操作系统】自旋锁和互斥锁

自旋锁和互斥锁是用于多线程同步的两种常见锁机制&#xff0c;主要区别在于等待锁的方式和适用场景。以下是它们的对比分析&#xff1a; 1. 等待机制 自旋锁&#xff08;Spinlock&#xff09;互斥锁&#xff08;Mutex&#xff09;线程通过 忙等待&#xff08;Busy-Wait&#x…...

人工智能在医疗影像诊断中的应用与实践

引言 随着人工智能技术的飞速发展&#xff0c;其在医疗领域的应用逐渐成为研究和实践的热点。特别是在医疗影像诊断方面&#xff0c;人工智能技术凭借其强大的数据处理能力和模式识别能力&#xff0c;为提高诊断效率和准确性带来了新的希望。本文将探讨人工智能在医疗影像诊断中…...

Java中synchronized 和 Lock

1. synchronized 关键字 工作原理 对象锁&#xff1a;在Java中&#xff0c;每个对象都有一个与之关联的监视器锁&#xff08;monitor lock&#xff09;。当一个线程尝试进入由 synchronized 保护的代码块或方法时&#xff0c;它必须首先获取该对象的监视器锁。如果锁已经被其…...

【C语言系列】数据在内存中存储

数据在内存中存储 一、整数在内存中的存储二、大小端字节序和字节序判断2.1什么是大小端&#xff1f;2.2练习2.2.1练习12.2.2练习22.2.3练习32.2.4练习42.2.5练习52.2.6练习6 三、浮点数在内存中的存储3.1练习3.2浮点数的存储3.2.1 浮点数存的过程3.2.2 浮点数取的过程 3.3题目…...

qt 对QObject::tr()函数进行重定向

在 Qt 中&#xff0c;QObject::tr() 函数用于国际化&#xff08;i18n&#xff09;&#xff0c;它用于标记需要翻译的字符串。通常情况下&#xff0c;tr() 函数会从翻译文件&#xff08;如 .qm 文件&#xff09;中查找对应的翻译字符串。如果你希望重定向 tr() 函数的行为&#…...

C#基础学习(三)值类型和引用类型:编程世界的“现金“ vs “银行卡“,以及string这个“渣男“的叛变行为

开场白 各位程序猿/媛们&#xff0c;今天我们来聊一聊编程世界里的"金钱观"。 你以为只有人类会纠结现金和存款的区别&#xff1f;不不不&#xff0c;C#中的值类型和引用类型每天都在上演这场大戏&#xff01; 而我们的string同学&#xff0c;表面是…...

自动驾驶背后的数学:多模态传感器融合的简单建模

上一篇博客自动驾驶背后的数学:特征提取中的线性变换与非线性激活 以单个传感器为例,讲解了特征提取中的线性变换与非线性激活。 这一篇将以多模态传感器融合为例,讲解稍复杂的线性变换和非线性激活应用场景。 (一)权重矩阵的张量积分解 y = W x + b = [ w 11 ⋯ w 1 n ⋮…...

如何设置sudo权限

打开终端&#xff1a;按 Ctrl Alt T 打开终端。 编辑 sudoers 文件&#xff1a; 使用 visudo 命令编辑 /etc/sudoers 文件&#xff08;visudo 会检查语法&#xff0c;避免错误&#xff09;&#xff1a; sudo visudo 添加用户权限&#xff1a; 在文件中找到以下行&#xff1…...

Codeforces Round 1012 (Div. 2) 3.23

文章目录 2025.3.23 Div2B. Pushing Balls&#xff08;暴力&#xff09;代码 C. Dining Hall题意思路代码 2025.3.23 Div2 Dashboard - Codeforces Round 1012 (Div. 2) - Codeforces B. Pushing Balls&#xff08;暴力&#xff09; 题意很好懂&#xff0c;每一行每一列从左…...

langfuse追踪Trace

介绍 &#x1f9e0; Langfuse 是什么&#xff1f; Langfuse 是一个专门为 LLM 应用&#xff08;如 OpenAI / LangChain / 自定义 Agent&#xff09; 设计的 观测与追踪平台&#xff08;Observability Platform&#xff09;。 简单说&#xff0c;它就像是你为 AI 应用插上的 “…...

Java-模块二-2

整数类型 byte&#xff1a;在 Java 中占用8位&#xff08;1字节&#xff09;&#xff0c;因此它的取值范围是从 -128 到 127。这是最小的整数类型&#xff0c;适合用于节省空间的情况。 short&#xff1a;这种类型的大小是16位&#xff08;2字节&#xff09;&#xff0c;允许的…...

使用VS2022编译CEF

前提 选择编译的版本 CEF自动编译&#xff0c;在这里可以看到最新的稳定版和Beta版。 从这里得出&#xff0c;最新的稳定版是134.0.6998.118&#xff0c;对应的cef branch是6998。通过这个信息可以在Build requirements查到相关的软件配置信息。 这里主要看Windows下的编译要…...

大模型RLHF训练-PPO算法详解:Proximal Policy Optimization Algorithms

一、TL&#xff1b;DR 提出了一种新的策略梯度方法家族&#xff0c;用于强化学习&#xff0c;这些方法交替进行与环境交互采样数据提出了一个新的目标函数&#xff0c;使得能够进行多个小批量更新的多轮训练这些新方法为近端策略优化&#xff08;Proximal Policy Optimization…...

【STM32实物】基于STM32的扫地机器人/小车控制系统设计

基于STM32的扫地机器人/小车控制系统设计 演示视频: 基于STM32的扫地机器人小车控制系统设计 简介:扫地机器人系统采用分层结构设计,主要包括底层硬件控制层、中间数据处理层和上层用户交互层。底层硬件控制层负责对各个硬件模块进行控制和数据采集,中间数据处理层负责对采…...

【C++初阶】从零开始模拟实现vector(含迭代器失效详细讲解)

目录 1、基本结构 1.1成员变量 1.2无参构造函数 1.3有参构造函数 preserve()的实现 代码部分&#xff1a; push_back()的实现 代码部分&#xff1a; 代码部分&#xff1a; 1.4拷贝构造函数 代码部分&#xff1a; 1.5支持{}初始化的构造函数 代码部分&#xff1a; …...

AI比人脑更强,因为被植入思维模型【21】冯诺依曼思维模型

定义 冯诺依曼思维模型是一种基于数理逻辑和系统分析的思维方式&#xff0c;它将复杂的问题或系统分解为若干个基本的组成部分&#xff0c;通过建立数学模型和逻辑规则来描述和分析这些部分之间的关系&#xff0c;进而实现对整个系统的理解和优化。该模型强调从整体到局部、再…...

Keil5调试技巧

一、引言 Keil5作为一款广泛应用于嵌入式系统开发的集成开发环境&#xff08;IDE&#xff09;&#xff0c;在微控制器编程领域占据着重要地位。它不仅提供了强大的代码编辑和编译功能&#xff0c;还具备丰富的调试工具&#xff0c;帮助开发者快速定位和解决代码中的问题。本文…...

Web PKI现行应用、标准

中国现行 Web PKI 标准 中国在 Web PKI&#xff08;公钥基础设施&#xff09;领域制定了多项国家标准&#xff0c;以确保网络安全和数字证书管理的规范性。以下是一些现行的重要标准&#xff1a; 1. GB/T 21053-2023《信息安全技术 公钥基础设施 PKI系统安全技术要求》 该标…...

ROS多机通信(四)——Ubuntu 网卡 Mesh 模式配置指南

引言 使用Ad-hoc加路由协议和直接Mesh模式配置网卡实现的网络结构是一样的&#xff0c;主要是看应用选择&#xff0c; Ad-Hoc模式 B.A.T.M.A.N. / OLSR 优点&#xff1a;灵活性高&#xff0c;适合移动性强或需要优化的复杂网络。 缺点&#xff1a;配置复杂&#xff0c;需手动…...

【实用部署教程】olmOCR智能PDF文本提取系统:从安装到可视化界面实现

文章目录 引言系统要求1. 环境准备&#xff1a;安装Miniconda激活环境 2. 配置pip源加速下载3. 配置学术加速&#xff08;访问国外资源&#xff09;4. 安装系统依赖5. 安装OLMOCR6. 运行OLMOCR处理PDF文档7. 理解OLMOCR输出结果9. 可视化UI界面9.1 安装界面依赖9.2 创建界面应用…...

STM32单片机uCOS-Ⅲ系统11 中断管理

目录 一、异常与中断的基本概念 1、中断的介绍 2、和中断相关的名词解释 二、中断的运作机制 三、中断延迟的概念 四、中断的应用场景 五、中断管理讲解 六、中断延迟发布 1、中断延迟发布的概念 2、中断队列控制块 3、中断延迟发布任务初始化 OS_IntQTaskInit() 4…...

CTF【WEB】学习笔记1号刊

Kali的小工具箱 curl www.xxx.com&#xff1a;查看服务器响应返回的信息 curl -I www.xxx.com:查看响应的文件头 一、cmd执行命令 ipconfig&#xff1a;ip地址配置等&#xff1b; 二、 Kali操作 1.sudo su&#xff1b; 2.msfconsole 3.search ms17_010 永恒之蓝&#xff…...

cpp-友元

理解 C 中的友元&#xff08;Friend&#xff09; 在 C 语言中&#xff0c;封装&#xff08;Encapsulation&#xff09; 是面向对象编程的重要特性之一。它允许类将数据隐藏在私有&#xff08;private&#xff09;或受保护&#xff08;protected&#xff09;成员中&#xff0c;…...

Spring AOP 核心概念与实践指南

第一章&#xff1a;AOP 核心概念与基础应用 1.1 AOP 核心思想 ​面向切面编程&#xff1a;通过横向抽取机制解决代码重复问题&#xff08;如日志、事务、安全等&#xff09;​核心优势&#xff1a;不修改源代码增强功能&#xff0c;提高代码复用性和可维护性 1.2 基础环境搭…...

利用ffmpeg库实现音频Opus编解码

一、编译与环境配置 ‌libopus库集成‌ 需在编译FFmpeg时添加--enable-libopus参数&#xff0c;编译前需先安装libopus源码并配置动态库路径‌。最新FFmpeg 7.1版本默认支持Opus的浮点运算优化和VBR/CVBR模式‌。 ‌多平台兼容性‌ Opus支持Windows/Linux/macOS平台&#xff0…...

深入理解指针(1)(C语言版)

文章目录 前言一、内存和地址1.1 内存1.2 究竟该如何理解编址 二、指针变量和地址2.1 取地址操作符&2.2 指针变量和解引用操作符*2.2.1 指针变量2.2.2 如何拆解指针类型2.2.3 解引用操作符 2.3 指针变量的大小 三、指针变量类型的意义3.1 指针的解引用3.2 指针-整数3.3 voi…...

计算机网络——通信基础和传输介质

物理层任务&#xff1a;实现相邻节点之间比特&#xff08;0或1&#xff09;的传输 到了数据链路层之后&#xff0c;它会以帧为单位&#xff0c;把若干个比特交给物理层&#xff0c;物理层需要把这些比特信息转化成信号&#xff0c;在物理传输媒体上进行传输 通信基础基本概念 信…...

【橘子网络】关于网络分层以及协议的全局讲解

一、网络设备 1、硬件网络设备 1.1、主机(host) 主机的定义比较广泛&#xff0c;所有的接收流量或者发送流量的设备都可以被称之为主机。可以是电脑&#xff0c;手机&#xff0c;服务器。在当今云服务大行其道的局面下&#xff0c;各种云设备也可以被称之为主机。 基于这个…...

macOS 使用 enca 识别 文件编码类型(比 file 命令准确)

文章目录 macOS 上安装 enca基本使用起因 - iconv关于 enca安装 Encaenca & enconv 其它用法 macOS 上安装 enca brew install enca基本使用 enca filepath.txt示例 $ enca 动态规划算法.txt [0] Simplified Chinese National Standard; GB2312CRLF line terminat…...

MySQL 字符集

目录 字符集的基本概念 常见MySQL字符集 ascii(单字节字符集) latin1(单字节字符集) utf8(多字节字符集) utf8mb4(多字节字符集) MySQL默认字符集 MySQL字符集的层次级别 服务器级别 数据库级别 表级别 列级别 连接字符集 字符集是计算机科学中的一个重要概念&…...