1.Դ?源码봫???ֶ?
2.Box2d源码阅读（2）：从GJK到CCD
3.Java教程：dubbo源码解析-网络通信
4.源码解析DGL消息传递及其算子融合优化
5.通过transmittable-thread-local源码理解线程池线程本地变量传递的原理
Դ?봫???ֶ?
在探讨之前，让我们明确一点：Android的传递ImageView实际上并不支持直接加载GIF动图，因为ImageView基于Canvas绘制，手段而Canvas仅支持drawBitmap一次绘制一张。源码那么，传递Glide是手段六轮定位源码如何巧妙地让ImageView展现出GIF动画的呢？
让我们从Glide的源码入手，今天的源码主角是GifDrawable。这个类虽然有大约行代码，传递但理解其工作原理并非无迹可寻。手段首先，源码我们注意到一个开始播放第一帧的传递方法，这可能是手段入口点。
代码结构中，源码当GIF有多帧时，传递会订阅特定事件。手段关键在于观察三句代码：一是递增帧位置，表明采用无限轮播算法；二是加载资源回调，通过Target接口来触发；三是消息传递，用Handler进行控制。
在加载资源的回调中，我们看到消息机制在发挥作用。当接收到消息，会根据what参数进行处理。在handleMessage中，处理了延迟消息和清理消息。延迟消息会获取新帧数据并绘制到ImageView，同时清除旧帧，接着进入下一个帧的加载和清除过程。
总结来说，Glide加载GIF的原理相当直观：GIF被解析为一系列，通过无限轮播，am文明重启源码每次新帧的加载都触发一次请求。在完成绘制后，旧帧会被清除，然后继续下一轮的加载。整个过程通过Handler的消息传递机制驱动循环播放。以上内容摘自Android轮子哥的分享。
Box2d源码阅读（2）：从GJK到CCD
GJK算法在Box2D中的应用
Box2D中的GJK算法整合了Voronoi区域算法与重心坐标原理，旨在计算两个形状之间的最短距离。为了使查询更加通用，Box2D使用了封装的通用输入输出对象，通过b2distanceproxy来传递顶点和形状半径。当需要查询两个形状间的距离时，通过m_buffer进行特殊处理，以适应链状形状。
在GJK算法中，单纯形作为关键数据结构，其定义包含了索引信息以标识顶点来源于两个形状。在封装一层单纯形后，我们开始探索单纯形中的一些辅助函数，如solve2和solve3，这些函数用于更新单纯形的顶点。它们分别负责查找在已形成的线段或三角形上，距离原点直线距离最短的点。通过重心坐标方法计算a1和a2系数，求解p点在w1和w2之间的位置。
在两个形状之间距离求解过程中，函数通过一系列步骤实现。首先，定义了所需的公式和变量，利用p点与线段垂直的iappq绑查询源码性质求解a1和a2系数。通过行列式方法求解方程组，得到p点在w1和w2之间的坐标。类似地，solve3函数也利用公式进行求解。
对于TOI（Time of Impact）的实现，Box2D通过三重for循环驱动来计算两个形状在运动过程中的撞击时间，以及快速运动中在一次tick内互相穿越的情况。首先，使用sweep功能表示形状在指定时间后的location和rotation信息。接着，通过b2SeparationFunction查找两个形状之间的距离。在求解TOI时，函数通过三重循环结合二分法与割线法进行逼近，找到(t1, t2)范围内满足条件的时间。
尽管代码实现和示例存在细微差异，Box2D的GJK算法与TOI实现的核心逻辑保持一致，展示了通过优化查询和计算过程，高效地处理物理引擎中形状间的距离与碰撞检测问题。
Java教程：dubbo源码解析-网络通信
在之前的内容中，我们探讨了消费者端服务发现与提供者端服务暴露的相关内容，同时了解到消费者端通过内置的负载均衡算法获取合适的调用invoker进行远程调用。接下来，我们聚焦于远程调用过程，即网络通信的细节。
网络通信位于Remoting模块中，支持多种通信协议，包括但不限于：dubbo协议、rmi协议、hessian协议、ty进行网络通讯，360免费认证 源码NettyClient.doOpen()方法中可以看到Netty的相关类。序列化接口包括但不限于：Serialization接口、Hessian2Serialization接口、Kryo接口、FST接口等。
序列化方式如Kryo和FST，性能往往优于hessian2，能够显著提高序列化性能。这些高效Java序列化方式的引入，可以优化Dubbo的序列化过程。
在配置Dubbo RPC时，引入Kryo和FST非常简单，只需在RPC的XML配置中添加相应的属性即可。
关于服务消费方发送请求，Dubbo框架定义了私有的RPC协议，消息头和消息体分别用于存储元信息和具体调用消息。消息头包括魔数、数据包类型、消息体长度等。消息体包含调用消息，如方法名称、参数列表等。请求编码和解码过程涉及编解码器的使用，编码过程包括消息头的写入、序列化数据的存储以及长度的写入。解码过程则涉及消息头的读取、序列化数据的解析以及调用方法名、参数等信息的提取。
提供方接收请求后，服务调用过程包含请求解码、乐彩影视源码调用服务以及返回结果。解码过程在NettyHandler中完成，通过ChannelEventRunnable和DecodeHandler进一步处理请求。服务调用完成后，通过Invoker的invoke方法调用服务逻辑。响应数据的编码与请求数据编码过程类似，涉及数据包的构造与发送。
服务消费方接收调用结果后，首先进行响应数据解码，获得Response对象，并传递给下一个处理器NettyHandler。处理后，响应数据被派发到线程池中，此过程与服务提供方接收请求的过程类似。
在异步通信场景中，Dubbo在通信层面为异步操作，通信线程不会等待结果返回。默认情况下，RPC调用被视为同步操作。Dubbo通过CompletableFuture实现了异步转同步操作，通过设置异步返回结果并使用CompletableFuture的get()方法等待完成。
对于异步多线程数据一致性问题，Dubbo使用编号将响应对象与Future对象关联，确保每个响应对象被正确传递到相应的Future对象。通过在创建Future时传入Request对象，可以获取调用编号并建立映射关系。线程池中的线程根据Response对象中的调用编号找到对应的Future对象，将响应结果设置到Future对象中，供用户线程获取。
为了检测Client端与Server端的连通性，Dubbo采用双向心跳机制。HeaderExchangeClient初始化时，开启两个定时任务：发送心跳请求和处理重连与断连。心跳检测定时任务HeartbeatTimerTask确保连接空闲时向对端发送心跳包，而ReconnectTimerTask则负责检测连接状态，当判定为超时后，客户端选择重连，服务端采取断开连接的措施。
源码解析DGL消息传递及其算子融合优化
源码解析DGL消息传递及其算子融合优化，本文深入解读其核心机制与实践应用。消息传递是GNN通用计算框架的基础，其中MPNN（消息传递）成为了当前主流的计算范式，DGL、PyG等算法的计算过程皆遵循这一设计。采用MPNN能统一抽象诸多GNN算法的迭代计算，显著提升系统的可维护性和可读性。 一、消息传递的原型 消息传递的基本原理来自《Neural Message Passing for Quantum Chemistry》论文，其核心组件包括消息函数（M）、聚合函数（SIGMA）、更新函数（U）、读出函数（R）。消息函数（M）作用于边上，基于边特征和起终点特征生成边上新特征；聚合函数（SIGMA）作用于节点上，基于节点的相邻边特征生成节点新特征；更新函数（U）作用于节点上，基于节点特征进行运算生成节点新特征。这些函数在图的每一层独立定义，而读出函数则将图的最后一层embedding进行readout，这一过程形成了消息传递的完整框架。 二、GNN卷积中的消息传递 在DGL中，消息传递统一规范了GNN算法中的卷积计算过程。以DGL的SageConv卷积源码为例，其前向计算通过调用`graph.update_all(...)`方法进行消息传递。通过构建一个同构图，直观展示了消息传递的过程：节点按入度分组进行计算，绿框代表边的h特征，但实际上这些特征并未真正记录在边上，而是保持在相应的数据结构中。若需将特征记录在边上，可调用`apply_edges()`方法。 三、DGL中的消息传递框架 本文详细阐述了DGL中消息传递的架构设计与各模块的调用关系。以`DGLHeteroGraph.update_all()`作为起点进行分析，揭示了消息函数、聚合函数、更新函数之间的调用逻辑。这为理解DGL中的消息传递机制提供了清晰的框架。 四、常现实现与SPMM优化 DGL内置了对常用消息函数、聚合函数、消息聚合函数的优化，通过C++底层实现主要计算负载，以提高运算效率。对于其他情况，则使用Python层进行常规实现。本文分别介绍了这两种实现方式，并详细阐述了DGL中消息函数与聚合函数的常规实现，以及SPMM优化的原理与设计逻辑。通过实现SPMM，DGL实现了算子融合，进一步提升了计算效率。 本文通过解析DGL消息传递及其算子融合优化，旨在帮助读者深入理解GNN框架的核心机制与实际应用。通过详细的解析与实例说明，本文希望为读者学习DGL提供有价值的参考。如需引用，请访问官方发布平台。通过transmittable-thread-local源码理解线程池线程本地变量传递的原理
最近几周，我投入了大量的时间和精力，完成了UCloud服务和中间件迁移至阿里云的工作，因此没有空闲时间撰写文章。不过，回忆起很早之前对ThreadLocal源码的分析，其中提到了ThreadLocal存在向预先创建的线程中传递变量的局限性。恰好，我的一位前同事，HSBC的技术大牛，提到了团队引入了transmittable-thread-local（TTL）来解决此问题。借此机会，我深入分析了TTL源码，本文将全面分析ThreadLocal和InheritableThreadLocal的局限性，并深入探讨TTL整套框架的实现。如有对线程池和ThreadLocal不熟悉的读者，建议先阅读相关前置文章，本篇文章行文较为干硬，字数接近5万字，希望读者耐心阅读。
在Java中，没有直接的API允许子线程获取父线程的实例。获取父线程实例通常需要通过静态本地方法Thread#currentThread()。同样，为了在子线程中传递共享变量，也常采用类似的方法。然而，这种方式会导致硬编码问题，限制了方法的复用性和灵活性。为了解决这一问题，线程本地变量Thread Local应运而生，其基本原理是通过线程实例访问ThreadLocal.ThreadLocalMap来实现变量的存储与传递。
ThreadLocal与InheritableThreadLocal之间的区别主要在于控制ThreadLocal.ThreadLocalMap的创建时机和线程实例中对应的属性获取方式。通过分析源码，可以清楚地看到它们之间的联系与区别。对于不熟悉概念的读者，可以尝试通过自定义实现来理解其中的原理与关系。
ThreadLocal和InheritableThreadLocal的最大局限性在于无法为预先创建的线程实例传递变量。泛线程池Executor体系、TimerTask和ForkJoinPool等通常会预先创建线程，因此无法在这些场景中使用ThreadLocal和InheritableThreadLocal来传递变量。
TTL提供了更灵活的解决方案，它通过委托机制（代理模式）实现了变量的传递。委托可以基于Micrometer统计任务执行时间并上报至Prometheus，然后通过Grafana进行监控展示。此外，TTL通过字节码增强技术（使用ASM或Javassist等工具）实现了类加载时期替换Runnable、Callable等接口的实现，从而实现了无感知的增强功能。TTL还使用了模板方法模式来实现核心逻辑。
TTL框架的核心类TransmittableThreadLocal继承自InheritableThreadLocal，通过全局静态变量holder来管理所有TransmittableThreadLocal实例。holder实际上是一个InheritableThreadLocal，用于存储所有线程本地变量的映射，实现变量的全局共享。disableIgnoreNullValueSemantics属性的设置可以影响NULL值的处理方式，影响TTL实例的行为。
发射器Transmitter是TransmittableThreadLocal的一个公有静态类，提供传输TransmittableThreadLocal实例和注册当前线程变量至其他线程的功能。通过Transmitter的静态方法，可以实现捕获、重放和复原线程本地变量的功能。
TTL通过TtlRunnable类实现了任务的封装，确保在执行任务时能够捕获和传递线程本地变量。在任务执行前后，通过capture和restore方法捕获和重放变量，实现异步执行时上下文的传递。
启用TTL的Agent模块需要通过Java启动参数添加javaagent来激活字节码增强功能。TTL通过Instrumentation回调激发ClassFileTransformer，实现目标类的字节码增强，从而在执行任务时自动完成上下文的捕捉和传递。
TTL框架提供了一种高效、灵活的方式来解决线程池中线程复用时上下文传递的问题。通过委托机制和字节码增强技术，TTL实现了无入侵地提供线程本地变量传递功能。如果您在业务代码中遇到异步执行时上下文传递的问题，TTL库是一个值得考虑的解决方案。