第5页谢先斌的博客

在 Docker 的自定义网络（包括 Docker Compose 定义的网络）中，所有容器默认使用 内置的 DNS 服务器 127.0.0.11 来实现服务发现。该机制是 Docker 实现容器间通过服务名（Service Name）直接通信的核心功能。

Hutool 是一个小而全的 Java 工具类库，通过静态方法封装，降低相关 API 的学习成本，提高工作效率，使 Java 拥有函数式语言般的优雅

Project Lombok 是一个 Java 库，它通过注解的方式，在编译期自动生成 Java 类的样板代码（boilerplate code），从而极大地简化了 Java 类的编写，提高了开发效率和代码的可读性。

LVS (Linux Virtual Server) 是一个基于 Linux 内核的高性能、高可用的负载均衡解决方案。它通过将客户端请求分发到后端一组真实服务器（Real Servers）来工作。

SSE（Server-Sent Events） 是 HTML5 规范中的一种技术，允许服务器通过 HTTP 协议主动向客户端（如浏览器）推送数据。它基于单向通信模型（服务器 -> 客户端），适用于需要服务器实时更新数据的场景（如新闻推送、实时监控等）。

Redis 主从高可用集群搭建

vLLM 是一个用于大型语言模型 (LLM) 推理加速的开源库，它以其卓越的性能和易用性而闻名。vLLM 的核心优势在于其创新的PagedAttention算法，该算法有效解决了传统注意力机制在处理长序列时内存碎片化的问题，从而显著提高了吞吐量和降低了延迟。

模型在线服务和离线推理实现

LLM 的微调与强化学习。 使用更少的 70% VRAM，将 OpenAI gpt-oss、DeepSeek-R1、Qwen3、Gemma 3、TTS 的训练速度提高 2 倍。

BladeLLM 是一款专为大语言模型（LLM）优化的推理引擎，旨在提供高性能的模型部署服务。面对 LLM 领域不断涌现的新机遇与挑战，BladeLLM 通过其先进的技术架构、友好的用户体验和卓越的性能表现，成为企业用户部署和推理 LLM 模型的理想选择。

本文详细介绍如何基于 PyTorch CPU 构建一个卷积神经网络 (CNN) 来对 CIFAR-10 图片进行分类。

HuggingFace_Hub Python 软件包带有一个名为 huggingface-cli 的内置 CLI，支持用于通过命令行与 Hugging Face Hub (Hugging Face 模型和数据集的中心仓库) 进行交互

GGUF(GPT-Generated Unified Format) 是一种二进制格式文件的规范，原始的大模型预训练结果经过转换后变成 GGUF 格式可以更快地被载入使用，并消耗更低的资源

使用 docker-compose 部署 mongodb 8.0 集群部署

使用 C/C++ 的 LLM 推理

LXC（Linux Containers, Linux 容器）是一种基于 Linux 内核的轻量级虚拟化技术，允许在单一主机上运行多个相互隔离的 Linux 系统环境（容器）。它通过 Linux 内核的 cgroups（控制组）和 namespaces（命名空间）技术实现资源隔离与管理，提供类似虚拟机的体验，但无需完整操作系统，因此更高效。

n8n 原生支持人工智能功能的工作流程自动化平台，它支持可视化构建与自定义代码、自托管或云、400 多个集成工作节点相结合

blackbox_exporter 是一种 prometheus 实现的黑盒探测程序，允许通过 HTTP、HTTPS、DNS、TCP、ICMP 和 gRPC 对端点进行黑盒探测。

InfluxDB 3 Core 是 InfluxDB 3 的开源版本

logger 命令用于将 Linux 日志写入系统日志