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。
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。
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。
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。
异常检测实战：统计方法、隔离森林、AutoEncoder 与不平衡学习
异常检测与不平衡学习实战：异常检测问题定义、统计方法（Z-score/IQR/MAD）、无监督方法（隔离森林/OneClassSVM/LocalOutlierFactor）、深度学习（AutoEncoder 重构误差）、类别不平衡处理（重采样/代价敏感/阈值）、评估与落地。
并行 I/O 实战：MPI-IO、HDF5 与 NetCDF 数据读写
大规模科学计算中，I/O 往往是隐藏的瓶颈。本文系统讲解并行 I/O：MPI-IO 的独立/集合文件视图、HDF5 的数据模型与并行写入、NetCDF 的自描述格式、Lustre 条带化与数据布局优化、I/O 性能剖析（Darshan/io 500），以及从串行读写升级到并行 I/O 的真实路径。
小程序订阅消息与消息触达体系
系统讲解微信小程序订阅消息与消息触达体系：一次性与长期订阅的权限机制、模板消息演进到订阅消息、订阅授权时机设计、发送频率控制、服务通知合规要求，以及结合订单、物流、活动等场景搭建完整触达链路。
字典与维度表 JOIN：Dictionaries、dictGet 与星型模型优化
系统讲解 ClickHouse 维度查询优化：Dictionaries 字典（内置/外部/缓存）与 dictGet 高速取数、JOIN 引擎（Join/Full/PartialMerge）的原理与内存特性、星型模型中事实表 + 维度表的建模、字典更新策略（LIFETIME/复杂键）、宽表 vs 字典 vs JOIN 的取舍，以及多表 JOIN 的实践陷阱。