深度解析CAS:Java并发的“无锁基石”,原理、实战与面试避坑全指南

news2026/3/27 4:27:43
在Java并发编程中“锁”是解决线程安全的常用方案但synchronized、Lock等锁机制会带来上下文切换、线程阻塞的开销在高并发、低冲突场景下反而会降低系统性能。而CASCompare and Swap比较并交换作为一种无锁同步机制凭借“无阻塞、高性能”的优势成为Java并发体系的核心基石——AtomicInteger、AtomicLong等原子类的底层实现AQS框架的核心逻辑甚至Redis、MySQL的并发控制都离不开CAS的身影。很多开发者只知道“CAS是原子类的底层原理”却不懂其核心逻辑、底层实现更不清楚它的局限性和线上避坑技巧面试中被追问“CAS是什么ABA问题怎么解决”时往往哑口无言。本文延续“拒绝晦涩、聚焦实战”的风格用“通俗类比底层源码实战案例面试真题”的方式从CAS的核心定义出发拆解原理、底层实现、常见问题、实战应用帮你彻底吃透CAS——既能搞懂底层逻辑也能灵活运用到项目中还能从容应对面试追问形成完整的Java并发知识闭环。重点文中补充CAS底层Unsafe类调用细节、ABA问题解决方案、原子类实战模板、面试高频题解析兼顾入门与进阶完全贴合高质量技术博客定位适合Java初级到中高级开发者阅读。一、先搞懂什么是CAS通俗类比核心定义CAS的核心思想非常简单在修改一个值之前先比较它当前的值是否和我们预期的值一致如果一致就修改它如果不一致就说明有其他线程修改过这个值放弃本次修改重新尝试。整个过程是原子性的由CPU指令直接保证无需加锁就能实现线程安全。用一个生活类比瞬间理解CAS的逻辑【生活类比】你去银行取钱银行卡里有1000元预期值你打算取500元取钱时银行会先核对你卡内当前余额是否还是1000元比较。如果是就扣减500元余额变为500元交换如果不是比如你家人刚转了200元余额变成1200元银行就会放弃本次操作让你重新查询余额后再尝试——这个“核对-扣减”的过程就是CAS的核心逻辑且全程无阻塞不会影响其他人同时操作银行卡。【CAS的核心三要素】面试必背内存地址V存储要修改的变量的内存地址比如上面例子中银行卡余额的存储地址预期值A线程执行修改前读取到的变量当前值比如你读取到的银行卡余额1000元新值B线程想要将变量修改成的值比如扣除500元后的余额500元。【CAS的执行流程】一步不差面试必答线程从内存地址V中读取当前变量的值记录为预期值A线程根据业务逻辑计算出要修改的新值B线程再次读取内存地址V中的值与预期值A进行比较如果两者相等说明没有其他线程修改过该变量则将内存地址V中的值修改为新值B返回修改成功如果两者不相等说明有其他线程修改过该变量则放弃本次修改返回修改失败线程重新回到步骤1再次尝试这个过程称为“自旋”。【关键补充】CAS的原子性是由CPU的cmpxchg指令Compare and Exchange保证的——该指令是一条原子指令执行过程中不会被其他线程中断因此无需加锁就能实现变量的原子修改这也是CAS“无锁”的核心原因。二、CAS底层实现Java中的Unsafe类与CPU指令Java本身无法直接操作内存地址也无法直接调用CPU指令因此CAS的底层实现依赖于sun.misc.Unsafe类——这个类提供了直接操作内存、调用CPU原子指令的native方法是Java并发底层的“核心工具类”注意Unsafe类是JDK内部类不推荐开发者直接使用避免操作不当导致内存异常。2.1 Unsafe类中的CAS核心方法Unsafe类中提供了针对不同数据类型的CAS方法核心有3个底层均调用CPU的cmpxchg指令以int类型为例最常用的方法如下/** * CAS操作核心方法int类型 * param o 要修改的对象 * param offset 对象中变量的内存偏移量通过objectFieldOffset获取 * param expect 预期值A * param update 新值B * return 修改成功返回true失败返回false */ public final native boolean compareAndSwapInt(Object o, long offset, int expect, int update);【关键解析】objectFieldOffset方法获取对象中某个变量的内存偏移量通过这个偏移量Unsafe类可以直接定位到变量的内存地址Vnative方法该方法的实现不是Java代码而是C/C代码底层调用CPU的cmpxchg指令保证操作的原子性返回值修改成功返回true说明当前线程成功修改了变量返回false说明有其他线程修改过变量需要自旋重试。2.2 底层执行流程拆解结合CPU指令当Java代码调用Unsafe.compareAndSwapInt()方法时底层执行流程如下帮你打通“Java层- native层-CPU指令”的链路Java层线程调用Unsafe的compareAndSwapInt方法传入对象o、变量偏移量offset、预期值A、新值Bnative层将Java层的参数传递给C/C代码通过偏移量offset定位到变量的内存地址VCPU层执行cmpxchg指令比较内存地址V中的值与预期值A如果相等将内存地址V中的值修改为新值BCPU设置ZF标志位为1返回修改成功如果不相等CPU设置ZF标志位为0返回修改失败不做任何修改。native层将CPU的执行结果返回给Java层Java层根据返回值判断是否修改成功决定是否自旋重试。【补充】不同CPU架构x86、ARM的cmpxchg指令实现略有差异但核心逻辑一致——都是通过原子指令保证“比较-交换”的原子性避免线程切换和阻塞的开销。2.3 为什么CAS比synchronized高效这是面试中高频追问的问题核心原因在于“无阻塞、无上下文切换”具体对比如下同步机制核心特点性能开销CAS无锁无阻塞线程修改失败后自旋重试无需进入阻塞状态低仅自旋时消耗CPU无上下文切换开销synchronized锁阻塞式线程竞争不到锁时会进入阻塞状态WAITING高线程阻塞/唤醒需要切换内核态与用户态上下文切换开销大【注意】CAS的高效是有前提的——低冲突场景。如果高并发下多个线程频繁修改同一个变量会导致CAS自旋重试次数过多反而消耗大量CPU资源此时CAS的性能会不如synchronizedJDK1.8后synchronized做了锁升级优化性能大幅提升。三、CAS的实战应用Java原子类Atomic系列Java并发包java.util.concurrent.atomic中的原子类是CAS最典型的应用——这些类通过封装Unsafe类的CAS方法实现了变量的原子修改无需开发者手动处理CAS的自旋、重试逻辑直接调用API即可实现线程安全。常用的原子类分为3类基本类型原子类、引用类型原子类、数组类型原子类重点讲解最常用的基本类型原子类结合实战案例说明用法。3.1 最常用原子类AtomicIntegerint类型原子操作AtomicInteger的核心方法底层均基于Unsafe的CAS方法实现比如incrementAndGet自增1、decrementAndGet自减1、compareAndSetCAS修改等我们先看核心源码再看实战案例。1核心源码解析JDK8public class AtomicInteger extends Number implements java.io.Serializable { // 引入Unsafe实例用于调用CAS方法 private static final Unsafe unsafe Unsafe.getUnsafe(); // value变量的内存偏移量用于定位内存地址 private static final long valueOffset; static { try { // 获取value变量的内存偏移量 valueOffset unsafe.objectFieldOffset (AtomicInteger.class.getDeclaredField(value)); } catch (Exception ex) { throw new Error(ex); } } // 要修改的核心变量使用volatile修饰保证可见性 private volatile int value; // 自增1返回修改后的值底层CAS实现 public final int incrementAndGet() { return unsafe.getAndAddInt(this, valueOffset, 1) 1; } // CAS修改方法直接调用Unsafe的CAS方法 public final boolean compareAndSet(int expect, int update) { return unsafe.compareAndSwapInt(this, valueOffset, expect, update); } // 其他方法自减、加法、减法等均基于CAS实现... }【关键解析】value变量用volatile修饰保证多个线程对value的修改可见性避免线程读取到过期值CAS的“比较”步骤需要读取最新的变量值getAndAddInt方法底层也是CAS实现通过自旋重试保证自增操作的原子性compareAndSet方法直接暴露CAS操作开发者可以手动指定预期值和新值实现自定义的原子修改逻辑。2实战案例用AtomicInteger解决线程安全问题场景多线程环境下统计接口的调用次数用普通int变量会出现线程安全问题用AtomicInteger可轻松解决代码如下import java.util.concurrent.atomic.AtomicInteger; public class AtomicIntegerDemo { // 用AtomicInteger定义计数器保证线程安全 private static final AtomicInteger count new AtomicInteger(0); public static void main(String[] args) throws InterruptedException { // 启动10个线程每个线程执行1000次自增 for (int i 0; i 10; i) { new Thread(() - { for (int j 0; j 1000; j) { // 自增1原子操作无需加锁 count.incrementAndGet(); } }).start(); } // 等待所有线程执行完成 Thread.sleep(1000); // 输出最终结果预期为10*100010000 System.out.println(接口调用总次数 count.get()); } }【运行结果】接口调用总次数10000无线程安全问题【对比说明】如果将AtomicInteger替换为普通int变量多线程自增会出现“计数不足”的问题比如最终结果可能是9998、9999因为普通int的自增count不是原子操作会被拆分为“读取-修改-写入”三步多线程并发时会出现竞态条件。而AtomicInteger的incrementAndGet方法通过CAS保证了自增操作的原子性无需加锁就能实现线程安全。3.2 其他常用原子类简要说明AtomicLong用于long类型的原子操作用法与AtomicInteger一致适用于需要统计大数据量的场景如订单总数、流量统计AtomicBoolean用于boolean类型的原子操作适用于“开关控制”场景如是否允许接口调用、是否开启缓存AtomicReference用于引用类型的原子操作可实现对象引用的原子修改如原子更新用户信息对象AtomicIntegerArray用于int数组的原子操作可实现数组中元素的原子修改如原子更新数组中的计数。四、CAS的局限性3大问题及解决方案面试重点CAS虽然高效但并非完美存在3个核心局限性这是面试中“CAS相关问题”的高频考点每个局限性都需要掌握“问题表现解决方案”缺一不可。4.1 问题1ABA问题最核心、最常考【问题表现】CAS的核心是“比较预期值A和当前值是否一致”但如果一个变量的值从A被修改为B又被修改回A此时CAS会认为“变量没有被修改过”从而执行修改操作这就导致了ABA问题——看似没有问题实则变量经历了“修改-还原”的过程可能引发业务逻辑异常。【生活类比】你银行卡里有1000元A你打算取500元此时家人给你转了500元余额变为1500元B随后又取走了500元余额变回1000元A。你去取钱时银行核对余额还是1000元预期值A就执行了扣减操作余额变为500元——从CAS逻辑来看一切正常但实际上余额已经经历了“1000→1500→1000”的变化若这个变化影响了业务逻辑比如你原本只允许余额不变时取钱就会出现异常。【解决方案】版本号机制AtomicStampedReference核心思路给变量增加一个“版本号”每次修改变量时不仅修改变量的值还会将版本号加1CAS比较时不仅比较变量的当前值和预期值还会比较版本号——只有“值一致且版本号一致”才执行修改操作从而避免ABA问题。Java中提供了AtomicStampedReference类专门用于解决ABA问题核心方法如下/** * CAS修改方法多了版本号的比较 * param expectedReference 预期的对象引用预期值A * param newReference 新的对象引用新值B * param expectedStamp 预期的版本号 * param newStamp 新的版本号 * return 修改成功返回true失败返回false */ public boolean compareAndSet(V expectedReference, V newReference, int expectedStamp, int newStamp)【实战案例用AtomicStampedReference解决ABA问题】import java.util.concurrent.atomic.AtomicStampedReference; public class ABADemo { public static void main(String[] args) { // 初始化变量值为1000版本号为1 AtomicStampedReferenceInteger asr new AtomicStampedReference(1000, 1); // 线程1模拟ABA操作1000→1500→1000 new Thread(() - { int[] stampHolder new int[1]; // 获取当前值和版本号 Integer currentValue asr.get(stampHolder); int currentStamp stampHolder[0]; System.out.println(线程1当前值 currentValue 版本号 currentStamp); // 第一次修改1000→1500版本号1→2 asr.compareAndSet(currentValue, 1500, currentStamp, currentStamp 1); System.out.println(线程1第一次修改后值 asr.getReference() 版本号 asr.getStamp()); // 第二次修改1500→1000版本号2→3 asr.compareAndSet(1500, 1000, 2, 3); System.out.println(线程1第二次修改后值 asr.getReference() 版本号 asr.getStamp()); }).start(); // 线程2尝试修改值为500预期值1000预期版本号1 new Thread(() - { try { // 等待线程1完成ABA操作 Thread.sleep(500); } catch (InterruptedException e) { e.printStackTrace(); } int[] stampHolder new int[1]; Integer currentValue asr.get(stampHolder); int currentStamp stampHolder[0]; System.out.println(线程2当前值 currentValue 版本号 currentStamp); // 尝试修改预期值1000预期版本号1新值500新版本号2 boolean result asr.compareAndSet(1000, 500, 1, 2); System.out.println(线程2修改是否成功 result); System.out.println(线程2修改后的值 asr.getReference() 版本号 asr.getStamp()); }).start(); } }【运行结果】线程1当前值1000版本号1 线程1第一次修改后值1500版本号2 线程1第二次修改后值1000版本号3 线程2当前值1000版本号3 线程2修改是否成功false 线程2修改后的值1000版本号3【解析】线程2的修改失败因为虽然变量值还是1000预期值但版本号已经从1变成了3预期版本号不匹配从而避免了ABA问题。4.2 问题2自旋重试消耗CPU资源【问题表现】CAS修改失败后线程会进入“自旋”状态不断重试CAS操作直到修改成功。如果高并发下多个线程频繁修改同一个变量会导致CAS自旋重试次数过多大量占用CPU资源甚至导致CPU使用率飙升至100%。【解决方案】3种按实战优先级排序限制自旋次数设置最大自旋次数比如10次超过次数后不再自旋而是采用其他同步机制如加锁避免无限自旋消耗CPU使用自适应自旋JDK1.8后Atomic系列原子类的底层自旋采用“自适应策略”——根据前一次自旋的成功率动态调整自旋次数比如前一次成功就增加自旋次数前一次失败就减少自旋次数平衡性能和CPU消耗避免高冲突场景如果某个变量的修改冲突率很高建议改用synchronized或Lock锁机制避免CAS自旋消耗过多CPU比如电商秒杀场景的库存修改冲突率高适合用锁。4.3 问题3只能保证单个变量的原子操作【问题表现】CAS只能对单个变量执行原子性的“比较-交换”操作无法保证多个变量操作的原子性。比如要同时修改两个变量a和b要求“a和b要么同时修改成功要么同时修改失败”CAS无法实现这种原子性操作。【解决方案】2种按需选择使用AtomicReference封装多个变量将多个变量封装成一个对象通过AtomicReference实现对象引用的原子修改从而间接实现多个变量的原子操作改用锁机制如果多个变量的操作逻辑复杂建议使用synchronized或Lock锁通过加锁保证多个操作的原子性比如转账场景需要同时修改转出账户和转入账户的余额适合用锁。五、线上避坑CAS使用注意事项开发必看结合真实线上故障总结4个CAS使用的高频陷阱帮你在开发中提前规避避免线上问题。5.1 陷阱1忽略volatile修饰变量【故障现象】多线程环境下CAS修改变量时频繁出现修改失败自旋重试次数过多CPU使用率偏高。【原因分析】要修改的变量没有用volatile修饰导致线程读取到的变量值是“过期缓存值”CAS比较时预期值与实际内存值不一致频繁自旋重试。【解决方案】CAS操作的变量必须用volatile修饰保证变量的可见性让线程每次都能读取到内存中的最新值。5.2 陷阱2高冲突场景滥用CAS【故障现象】高并发场景下CPU使用率飙升至100%服务响应超时排查发现是大量线程在执行CAS自旋重试。【原因分析】在高冲突场景如秒杀库存修改、高频接口计数滥用CAS导致线程自旋重试次数过多消耗大量CPU资源。【解决方案】高冲突场景改用synchronized或Lock锁低冲突场景如普通接口计数使用CAS充分发挥其无锁高效的优势。5.3 陷阱3忽视ABA问题的业务影响【故障现象】业务逻辑出现异常如重复扣款、重复下单排查发现是CAS的ABA问题导致变量经历“修改-还原”后CAS误判为未修改。【原因分析】在涉及“状态变更”的业务场景如订单状态、支付状态忽视了ABA问题未使用版本号机制。【解决方案】涉及状态变更、数据一致性要求高的场景使用AtomicStampedReference解决ABA问题无状态变更的场景如简单计数可忽略ABA问题。5.4 陷阱4直接使用Unsafe类【故障现象】项目上线后出现内存溢出、线程崩溃等异常排查发现是直接调用Unsafe类的CAS方法操作不当导致。【原因分析】Unsafe类是JDK内部类没有做安全校验直接调用其方法可能导致内存地址操作错误、变量偏移量获取异常等问题。【解决方案】开发者不要直接使用Unsafe类优先使用Java并发包中的原子类AtomicInteger、AtomicStampedReference等这些类已经封装了安全的CAS操作。六、面试高频题CAS必问10题附通俗解析直接背CAS是Java并发面试的核心考点常与原子类、AQS、synchronized结合考查整理了10道最常考题解析通俗贴合本文原理面试时直接套用即可。6.1 基础必问初级面试考题1什么是CAS核心三要素是什么解析CAS是Compare and Swap比较并交换一种无锁同步机制修改变量前先比较预期值与当前值一致则修改不一致则重试核心三要素是内存地址V、预期值A、新值B。考题2CAS的原子性是如何保证的解析由CPU的cmpxchg原子指令保证该指令是一条原子操作执行过程中不会被其他线程中断从而保证“比较-交换”的原子性。考题3Java中CAS的底层实现依赖什么解析依赖sun.misc.Unsafe类该类提供了直接操作内存、调用CPU原子指令的native方法原子类Atomic系列就是通过封装Unsafe的CAS方法实现的。6.2 核心必问中级面试考题4CAS和synchronized的区别是什么各自的适用场景解析① 核心区别CAS是无锁机制无阻塞、无上下文切换依赖CPU原子指令synchronized是锁机制阻塞式依赖JVM锁升级优化。② 适用场景CAS适用于低冲突、高并发、轻量级操作如计数synchronized适用于高冲突、复杂逻辑、多变量操作如转账。考题5CAS存在哪些局限性如何解决解析3大局限性① ABA问题用AtomicStampedReference版本号机制解决② 自旋重试消耗CPU用限制自旋次数、自适应自旋解决③ 只能保证单个变量原子操作用AtomicReference封装多变量或改用锁解决。考题6什么是ABA问题举一个实际业务中的例子解析变量值从A→B→ACAS会误判为未修改导致修改操作执行例子银行卡余额1000A→ 转入500B→ 转出500A此时用CAS取500元会误判余额未变执行扣减可能导致余额不足。考题7AtomicInteger的底层原理是什么incrementAndGet方法如何实现原子自增解析底层依赖Unsafe类的CAS方法incrementAndGet方法调用Unsafe的getAndAddInt方法通过自旋CAS不断重试直到自增成功保证自增操作的原子性。6.3 高级必问中高级面试考题8Unsafe类的compareAndSwapInt方法有哪些参数各自的作用解析4个参数① o要修改的对象② offset对象中变量的内存偏移量定位内存地址③ expect预期值A④ update新值B作用是比较对象o中偏移量为offset的变量值与expect一致则修改为update返回true否则返回false。考题9高并发下CAS自旋重试过多导致CPU飙升如何优化解析① 限制最大自旋次数超过次数改用锁② 使用自适应自旋JDK1.8默认动态调整自旋次数③ 高冲突场景改用synchronized或Lock避免滥用CAS。考题10CAS在Java并发中的应用有哪些解析① 原子类AtomicInteger、AtomicStampedReference等的底层实现② AQS框架的核心逻辑如锁的获取与释放③ ConcurrentHashMap等并发集合的底层同步机制。七、总结吃透CAS夯实Java并发基础CAS作为Java无锁同步的核心机制其本质是“CPU原子指令自旋重试”核心优势是“无阻塞、高性能”核心局限是“ABA问题、自旋消耗CPU、单变量原子操作”。掌握CAS不仅能理解Atomic系列原子类、AQS框架的底层逻辑更能在开发中根据业务场景灵活选择同步机制CAS或锁写出高效、安全的并发代码。对于面试重点掌握“CAS原理、核心三要素、局限性及解决方案、原子类实战、与synchronized的区别”尤其是ABA问题和底层实现这是面试官最爱追问的点对于开发重点规避“忽视volatile、高冲突滥用CAS、忽视ABA问题、直接使用Unsafe类”这4个陷阱低冲突场景用CAS发挥其高效优势高冲突场景改用锁机制平衡性能和安全性。结合前序线程池、锁升级的博客我们已经完整覆盖了Java并发编程的“锁机制”“无锁机制”“线程管理”三大核心模块后续将继续拆解AQS框架、并发集合等知识点帮你全面掌握Java并发编程搞定高并发面试和开发。如果觉得有收获欢迎点赞、收藏也可以留言讨论你在CAS使用中遇到的问题一起交流进步

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2447143.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…