https://jk2k.com/分享对技术、商业、常识的认识和见解 2026-04-23T22:42:28+08:00 jk2K https://jk2k.com/ Jekyll © 2026 jk2K /assets/img/favicons/favicon.ico /assets/img/favicons/favicon-96x96.png 2026-04-22T16:00:00+08:00 2026-04-22T16:00:00+08:00 https://jk2k.com/2026/04/clarification-of-test-terminology/ jk2K

服务端 单元测试 维护人角色 速度 测试时机 研发 快🚀 merge request 发起时自动跑 @WebMvcTest 速度：快 常用 @WebMvcTest + MockMvc。Spring 文档说明 MockMvc 是通过 mock request/response 来执行完整 Spring MVC 请求处理，而不是通过真实服务器 适合测： 路由 参数校验 返回码 JSON 格式 异常处理 @RunWith(SpringRunner.class) 速度：快 适合测： service 工具类 集成测试 少量但关键的端到端集成测试，连真实数据库 / MQ / 外部依赖，验证完整链路...

2026-04-20T16:00:00+08:00 2026-04-20T16:00:00+08:00 https://jk2k.com/2026/04/ai-code-analysis/ jk2K

目标 用 ai 技术自动化执行层。即理想情况下，从提出一个想法到想法在功能层面的上线，全程利用 ai 自动化完成 上图是一个需求从提出到上线到观测线上运行效果所经历的生命周期 传统协作方式 产品经理写需求 研发人工编写代码，人工评审代码，利用工具构建出产物 测试进行人工测试或者自动化测试 版本经理创建新版本 研发部署环境和运维。运维协助 工具负责监控，研发或者运维及时处理告警 ai 编程在业界的实践 通过编写 skills 落地 ai 研发工作流 在 claude code 的基础上维护 skills 落地 ai 研发工作流 https://github.com/garrytan/gstack Skill（技能） Your specialist（专家） What they do（专...

2025-07-14T16:00:00+08:00 2025-07-15T15:14:17+08:00 https://jk2k.com/2025/07/how-gemini-cli-works/ jk2K

Gemini CLI 介绍 Gemini CLI 是 Google 2025 年 6 月 25 号发布的开源 AI 编码 agent，以终端方式运行。他的特色如下 遵循 Unix 哲学，可以像调用普通 Linux 命令那样使用 内置 Google Search 支持 MCP 协议，可调用外部工具 目前 Gemini CLI 免费版频率限制如下: 每分钟 60 次模型请求，一天最多 1000 次请求 介绍一个 Gemini CLI 的用例：生成一个 30 秒的短视频，讲述橘猫环游澳大利亚的冒险故事 上述视频的提示词 Make me a 30s video showing the story of a ginger cat’s adventures around Australia 复刻上述视频需要安装 mcp 工具，用于图片和视频生成，感兴趣的可以参...

2024-08-29T07:00:00+08:00 2024-08-29T07:00:00+08:00 https://jk2k.com/2024/08/how-many-times-is-the-java-local-cache-caffeine-getall-method/ jk2K

先说结论 调用 com.github.benmanes.caffeine.cache.LoadingCache#getAll 批量读取缓存，当缓存里key不存在时，假设有3个key不存在。 如果实现了 com.github.benmanes.caffeine.cache.CacheLoader#loadAll 方法，就会调用 loadAll 方法批量加载缓存，有10个客户端请求并发访问，10个客户端请求会分别调用 loadAll 查询3个key，也就是回源30次 如果没实现 loadAll 方法，会顺序调用 com.github.benmanes.caffeine.cache.LocalLoadingCache#get 方法读取缓存，当10个客户端请求并发请求某一个key时，多个线程会进行竞争，没竞争过的线程会被阻塞，直到前面的线程更新缓存完成，也就是回源3次 做实验 ...

2024-03-30T15:00:00+08:00 2024-03-30T15:00:00+08:00 https://jk2k.com/2024/03/loki-performance-optimization-and-source-code-interpretation/ jk2K

前文提到我们部署了一个每秒处理日志 4 万条的 loki 集群，日志被收集至 kafka，promtail 负责消费 kafka 然后将日志发往 loki 集群。 这个过程中遇到了 promtail 两个性能问题 cpu 使用率低，一直徘徊在 30% 左右 Pipeline Stages 性能差 接下来详细介绍下我们是怎么解决的 性能优化 cpu 使用率低 kafka 5 个分区，promtail 5个实例，promtail 配置是 4c8g，每个实例 cpu 使用率都在 30% 左右。 分析代码我们发现 promtail 的原来的思路是 协程 A 从 kafka 拉取一批数据 解析完发给协程 B 去处理 协程 B 判断是否到达 1 秒间隔或者这批数据累积到 1MB，如果是就调用 api 将日志数据发往服务端 协程 B 等待 api 响应完成，...