PHP 8 新特性 命名参数（8.0） 新增命名参数的功能: 在函数或方法调用时，可通过参数名来指定参数的值，而不仅仅依赖参数的位置 从 PHP 8.0.0 开始，函数参数列表可以包含一个尾部的逗号，这个逗号将被忽略。这在参数列表较长或包含较长的变量名的情况下特别有用，这样可以方便地垂直列出参数。 <?php function takes_many_args( $first_arg, $second_arg, $again = 'a default string', // 在 8.0.0 之前，这个尾部的逗号是不允许的。 ){ // ... } z takes_many_args(1, 2); //按照参数顺序传参 takes_many_args(first_arg:1, second_arg:2); //指定参数，不分顺序 // 类也可以使用命名参数，假设Demo类构造函数有$first_arg，$second_arg,两个参数，有takes_many_args方法 $demo = new Demo(first_arg:1, second_arg:2); $demo->takes_many_args(first_arg:1, second_arg:2); // 不能用位置的参数和命名的参数一起 // 可选参数必须在必选参数后面 例如上面的$again ?> 注解（Attributes）（8.0） 新增注解的功能。 此篇单独介绍 构造器属性提升（Constructor Property Promotion）（8.0） 新增构造器属性提升功能 在构造函数中声明类的属性）。 构造器的参数也可以相应提升为类的属性。 构造器的参数赋值给类属性的行为很普遍，否则无法操作。 而构造器提升的功能则为这种场景提供了便利。 <?php class Point { protected int $x; protected int $y; public function __construct(int $x, int $y = 0) { $this->x = $x; $this->y = $y; } } // 两个参数都传入 $p1 = new Point(4, 5); // 仅传入必填的参数。 $y 会默认取值 0。 $p2 = new Point(4); // 使用命名参数（PHP 8....

项目规范指南 本规范适用于团队/开源项目的版本管理，目标是做到：规范化、可追踪、可溯源。 1. 版本管理 (Versioning) 遵循 语义化版本规范 (Semantic Versioning, SemVer 2.0.0) MAJOR.MINOR.PATCH MAJOR：主版本号，不兼容的 API 改动 MINOR：次版本号，新增功能（向下兼容） PATCH：修订号，修复 bug（向下兼容） 先行版本号及版本编译信息可以加到“主版本号.次版本号.修订号”的后面，作为延伸。 预发布版本：1.0.0-alpha.1、2.0.0-rc.1 参考语义化版本规范：https://semver.org/lang/zh-CN/ 2. LICENSE (MIT) 作用：MIT，明确版权 规范 项目必须包含 LICENSE 文件，放置于项目根目录。 推荐使用 MIT License（宽松、常用，几乎所有开源项目可接受）。 文件名统一：LICENSE（不要写成 LICENSE.txt 或 license.md）。 在 README.md 中需明确说明 License 类型。 示例 LICENSE 文件（MIT）： MIT License Copyright (c) 2025 Your Name Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal ....

PHP8 alpha2发布了，最近引入了一个新的关键字：match, 这个关键字的作用跟switch有点类似。 虽然我一般对语法糖无感，但这个我觉得还是有点意思，match这个词也挺好看，那么它是干啥的呢？ 在以前我们可能会经常使用switch做值转换类的工作，类似: switch ($input) { case "true": $result = 1; break; case "false": $result = 0; break; case "null": $result = NULL; break; } (当然，有的同学会说，谁会这么写，用个数组转换不行么？ 拜托，这是举例啊，数组也只能数字键和整数啊，万一key是需要其他表达式呢，万一你要多个key对应一个值呢，对吧？) 那么如果使用match关键字呢，可以变成类似: $result = match($input) { "true" => 1, "false" => 0, "null" => NULL, }; 相比switch， match会直接返回值，可以直接赋值给$result了。 并且，类似switch的多个case一个block一样，match的多个条件也可以写在一起，比如: $result = match($input) { "true", "on" => 1, "false", "off" => 0, "null", "empty", "NaN" => NULL, }; 需要注意的和switch不太一样的是，以前我们用switch可能会经常遇到这种诡异的问题: $input = "2 person"; switch ($input) { case 2: echo "bad"; break; } 你会发现，bad竟然被输出了，这是因为switch使用了宽松比较(==)。match就不会有这个问题了, 它使用的是严格比较(===)，就是值和类型都要完全相等。...

B+Tree B+Tree 是一种平衡多路搜索树，广泛应用于数据库和文件系统等领域，其核心优势在于优化磁盘存储效率和查询性能. MySQL的InnoDB存储引擎使用的索引结构就是 B+树，它是B树的一个重要变种。 1. 从B树到B+树 B树：一种自平衡的、多路的搜索树。它允许每个节点有多个子节点（多于两个，所以不是二叉树）。 B+树：在B树基础上优化而来的数据结构，是现代数据库系统中事实上的标准索引结构。 MySQL的InnoDB使用的正是 B+树。 2. 为什么数据库需要B+树？ 要理解B+树，必须先理解它的设计目标。数据库的数据存储在磁盘上，磁盘I/O（读写磁盘）的速度比内存访问慢几个数量级。因此，数据库索引的核心目标是：最大限度地减少磁盘I/O次数。 B+树通过以下方式完美地实现了这一目标： 矮胖：与“瘦高”的二叉树相比，B+树每个节点可以存储非常多的键，这使得树的层级非常少（通常只有3-4层），从而保证在亿万级数据量下，查找任何一条记录最多只需要3-4次磁盘I/O。 顺序访问友好：B+树非常适合磁盘的预读特性，能够高效地进行范围查询。 3. B+树的详细结构 它由两种类型的节点组成：内部节点 和 叶子节点。 内部节点（非叶子节点） 作用：仅充当导航目录。 存储内容：只存储键值（索引列的值）和指向子节点的指针。 不存储：实际行的数据。 叶子节点 作用：存储实际的数据。 存储内容： 在 主键索引（聚簇索引） 中：叶子节点存储的就是完整的行数据。 在 辅助索引（二级索引） 中：叶子节点存储的是该索引的键值和对应的主键值。 关键特性：所有叶子节点通过指针相互连接，形成了一个有序的双向链表。这是B+树与B树的一个核心区别。 4. B+树的核心特性与优势（对比B树） 特性 B树 B+树 B+树的优势 数据存储位置 内部节点和叶子节点都存储数据。 只有叶子节点存储数据，内部节点仅为索引。 更“矮胖”的树。因为内部节点不存数据，所以一个节点能容纳的键更多，扇出（子节点数）更大，树高更低，I/O次数更少。 叶子节点链接 叶子节点之间没有链接。 叶子节点通过双向链表连接。 无敌的范围查询。要查询age BETWEEN 20 AND 30的所有记录，B+树只需找到20，然后顺着链表遍历即可。B树则需要不断地在树的中上层和下层之间来回跳跃，性能极差。 扫描和全表遍历 需要对整棵树进行复杂的中序遍历。 只需遍历底层的链表即可获得所有数据，非常高效。 对数据仓库、聚合查询等场景非常友好。 查询稳定性 由于数据可能在内部节点找到，查询时间不稳定。 任何查询都必须走到叶子节点，查询时间非常稳定。 保证了可预测的性能。 5. 在MySQL中的具体体现：聚簇索引 在MySQL InnoDB中，主键索引就是一颗B+树，并且这棵B+树的叶子节点直接存储了完整的行数据。这种索引组织表的方式被称为“聚簇索引”。 表数据文件本身就是按B+树结构组织的一个索引文件。 如果你没有定义主键，InnoDB会选择一个唯一的非空索引代替，如果没有这样的索引，它会隐式地定义一个主键。 辅助索引（二级索引） 也是一颗B+树，但它的叶子节点存储的是该索引列的值和对应记录的主键值。当通过二级索引查找数据时，需要先找到主键，再回到主键索引（聚簇索引）中查找完整数据，这个过程称为“回表”。...

常用算法的PHP实现 1. 快速排序 (Quick Sort) <?php function quickSort($arr) { if (count($arr) <= 1) { return $arr; } $pivot = $arr[0]; $left = $right = []; for ($i = 1; $i < count($arr); $i++) { if ($arr[$i] < $pivot) { $left[] = $arr[$i]; } else { $right[] = $arr[$i]; } } return array_merge(quickSort($left), [$pivot], quickSort($right)); } // 测试 $numbers = [64, 34, 25, 12, 22, 11, 90]; echo "原始数组: " . implode(', ', $numbers) ....

数据结构 一、说明 数据结构是计算机科学中一个非常基础和核心的概念，它对于编程、算法设计和软件工程都至关重要。 简单来说，数据结构是一种在计算机中组织、管理和存储数据的方式，目的是为了实现高效地访问和修改。 可以把它想象成一个储物系统： 把一堆书随便堆在地上，这是一种“存储”，但找起来非常困难。 使用一个带标签的书架，把书分门别类地放好，找书、放书就高效得多。 这个“书架”以及“如何给书分类、摆放”的规则，就是一种“数据结构”。 为什么数据结构如此重要？ 选择合适的数据结构可以极大地影响程序的性能和效率。一个精心选择的数据结构可以让操作（如搜索、插入、删除）变得非常快；而错误的选择则可能导致程序运行缓慢甚至崩溃。 二、 常见的数据结构分类和类型 数据结构主要可以分为两大类：线性结构和非线性结构。 一、 线性数据结构 元素按顺序排列，形成一条“线”。 数组：在内存中连续存储相同类型的元素。通过索引可以快速访问任意元素。 优点：随机访问速度快。 缺点：大小固定（在某些语言中），插入和删除元素效率低。 链表：由一系列节点组成，每个节点包含数据和指向下一个节点的指针。 优点：大小动态，插入和删除元素效率高。 缺点：不能随机访问，必须从头开始遍历。 栈：一种后进先出的结构，像一摞盘子。只能在顶部进行添加（压栈）和移除（弹栈）操作。 应用：函数调用栈、撤销操作、表达式求值。 队列：一种先进先出的结构，像排队一样。从队尾添加元素，从队首移除元素。 应用：任务调度、消息队列、广度优先搜索。 变种：双端队列、优先队列。 二、 非线性数据结构 元素之间不是简单的前后关系，可能存在多个连接。 树：一种分层结构，由节点和边组成。最顶端的节点叫根节点。 二叉树：每个节点最多有两个子节点。 二叉搜索树：左子树所有节点的值小于根节点，右子树所有节点的值大于根节点。这使得搜索非常高效。 应用：文件系统、数据库索引、决策树。 图：由顶点和连接顶点的边组成。可以表示任意复杂的关系网络。 应用：社交网络、地图导航、网络路由。 哈希表：通过一个哈希函数将键映射到一个位置来访问记录，以实现极快的查找速度。 优点：在平均情况下，插入、删除和查找的时间复杂度都是 O(1)。 应用：字典、集合、缓存。 三、核心操作与算法 对于每种数据结构，我们通常关心以下几个核心操作的效率： 访问 搜索 插入 删除 这些操作的效率通常用 大O表示法 来衡量，它描述了算法时间或空间复杂度随数据规模增长的趋势。 四、作用 数据结构是构建高效算法的基石。学习数据结构能帮助你： 写出更高效的代码：理解不同操作的代价。 解决复杂问题：很多复杂问题本质上就是数据组织和处理的问题。 更好地理解计算机系统：从内存管理到数据库，底层都离不开数据结构。

算法 算法是计算机科学的核心基础之一，简单来说它是解决特定问题的一系列清晰指令。无论是简单的计算还是复杂的人工智能任务，都离不开算法。 1. 算法是什么？ 你可以把算法想象成一个菜谱： 输入：食材（数据） 处理步骤：清晰的烹饪步骤（算法逻辑） 输出：一道菜肴（结果） 它的核心目标是用最优的方式（最快、最省资源）解决问题。 2. 算法的核心特性 一个“好”的算法通常具备以下特点： 正确性：必须能正确解决问题。 高效性：执行时间和占用空间要尽可能少。 明确性：每一步都必须清晰、无歧义。 有限性：必须在有限的步骤内结束。 3. 常见的算法类别与实例 算法种类繁多，以下是一些主要类别和经典例子： 排序算法 快速排序：采用“分治”思想，选择一个基准元素，将数组分成左右两部分，效率很高。 归并排序：也是“分治”思想，先将数组不断拆分，再合并排序，稳定且高效。 冒泡排序：反复交换相邻的逆序元素，简单但效率低。 搜索算法 二分查找：在已排序的数组中，每次比较都能排除一半的数据，效率极高（O(log n)）。 深度优先搜索和广度优先搜索：用于遍历或搜索树和图结构，是许多复杂算法的基础。 图算法 Dijkstra算法：用于寻找图中两点之间的最短路径。 A*搜索算法：在Dijkstra基础上加入了启发式函数，是路径规划和游戏AI的基石。 动态规划 用于解决具有重叠子问题和最优子结构的复杂问题（如斐波那契数列、背包问题），通过存储中间结果来避免重复计算。 机器学习算法（AI领域） 线性回归/逻辑回归：用于预测和分类。 决策树/随机森林：通过树形结构做决策。 支持向量机：寻找最佳分类边界。 神经网络：模仿人脑神经元，是深度学习的核心。 4. 如何衡量算法的好坏？—— “复杂度分析” 我们使用 “大O表示法” 来描述算法的效率，主要看： 时间复杂度：随着数据规模增大，算法运行时间的增长趋势。例如 O(1), O(log n), O(n), O(n²)。 空间复杂度：随着数据规模增大，算法占用内存空间的增长趋势。 5. 为什么算法如此重要？ 效率：好的算法能处理海量数据，差的算法在大数据面前寸步难行。 性能：直接影响软件和应用的反应速度与用户体验。 解决问题的基础：是开发任何软件系统、进行科学计算和实现人工智能的基石。 面试核心：是国内外大型科技公司技术面试的必考内容。

我步入丛林，因为我希望生活的有意义，我希望活的深刻。汲取生命中所有的精华，把非生命的一切都击溃，以免让我在生命终结时，发现自己从来没有活过！ I went to the woods because I wanted to live deliberately. I wanted to live deep and suck out all the marrow of life!To put to rout allthat was not life, and not, when I had come to die, discover that I had not lived. 推荐电影《死亡诗社》 原文出自 《瓦尔登湖》-亨利·戴维·梭罗

记录一些句子 你是否也曾被一句话深深触动？还记得吗？ 生活 刀枪入库，马放南山。- 清代.钱彩.《说岳全传》 先去你的塞外,再回我的江南。 -金庸.《天龙八部》 小舟从此逝，江海寄余生。 - 《临江仙·夜饮东坡醒复醉》 行到水穷处，坐看云起时。 - 《终南别业》 道 上善若水，水利万物而不争。 - 《道德经》 朝闻道，夕死可矣。 ——《论语·里仁》 天下同归而殊途，一致而百虑。 ——《易经·系辞下》 大方无隅，大器晚成，大音希声，大象无形。 - 《道德经》 为天地立心，为生民立命，为往圣继绝学，为万世开太平。 - 《横渠语录》 相濡以沫，不如相忘于江湖。 - 《庄子》 苟日新，日日新，又日新。 - 《大学》 慎终如始，则无败事。 - 《道德经》 为者常成，行者常至。 - 《晏子春秋》 一念起天涯咫尺，一念灭咫尺天涯。

docker删除none镜像 1、使用git bash进入到docker文件夹 2、查询所有的none镜像 docker images | grep none 3、查询所有的none镜像的id docker images | grep none | awk '{print $3}' 4、删除所有的none镜像 docker images | grep none | awk '{print $3}' | xargs docker rmi docker none镜像说明 一、有效的 none 镜像 Docker文件系统的组成，docker镜像是由很多 layers组成的，每个 layer之间有父子关系，所有的docker文件系统层默认都存储在/var/lib/docker/graph目录下，docker称之为图层数据库。 最后做一个总结< none>:< none> 镜像是一种中间镜像，我们可以使用docker images -a来看到，他们不会造成硬盘空间占用的问题（因为这是镜像的父层，必须存在的），但是会给我们的判断带来迷惑。 二、无效的 none 镜像 另一种类型的 < none>:< none> 镜像是dangling images ，这种类型会造成磁盘空间占用问题。 像Java和Golang这种编程语言都有一个内存区，这个内存区不会关联任何的代码。这些语言的垃圾回收系统优先回收这块区域的空间，将他返回给堆内存，所以这块内存区对于之后的内存分配是有用的 docker的悬挂(dangling)文件系统与上面的原理类似，他是没有被使用到的并且不会关联任何镜像，因此我们需要一种机制去清理这些悬空镜像。 我们在上文已经提到了有效的< none>镜像，他们是一种中间层，那无效的< none>镜像又是怎么出现的？这些 dangling镜像主要是我们触发 docker build 和 docker pull命令产生的。 使用下面的命令可以清理 docker rmi $(docker images -f "dangling=true" -q)