技术专栏 第375页

Flink的执行模式决定了作业如何被调度和执行。在Flink 1.12及以后的版本中，引入了
统一的流批处理执行模式，主要包括以下三种模式：

听起来像科幻片？但 Rokid Glasses + CXR-M SDK，真能实现。

视频演示

1、监听器

RAG 技术首先从知识库中检索相关内容，然后将这些结果作为上下文输入到生成模型中，显著提高了响应的准确性和可靠性。作为一款开源的企业级 AI 助手，MaxKB 具备全面的 RAG 流水线，适用于客户服务、内部知识管理、学术研究等各种场景。

对企业架构师而言，这个挑战并不陌生：如何在不破坏 Java 系统的简单性、可观测性和可靠性的前提下引入现代 AI？这个挑战延续了我们此前关于
将 GPU 级性能带入企业 Java的探索，其中保持 JVM 原生的效率与可控性被证明至关重要。

可以尝试一下本工具，或许在你实现编程梦的路上能给予你有益的选择：）

共享消息模型

在共享消息模型（Show Message Model）中，线程或进程通过消息的发送与接收来实现通信与协同。这一模型的最大亮点在于，它能有效规避数据竞争及其他并发问题。原因在于，每个线程或进程都拥有独立的内存空间，无需借助锁或其他同步机制。

该模型的另一显著特征是，消息的发送与接收是异步进行的。这意味着，一个线程或进程在发出消息后，无需等待接收方处理，即可继续执行其他任务。这种异步特性极大地提升了并发性能，因为线程或进程不会因等待消息收发而陷入阻塞。

在该模型中，开发者的角色从“卫兵”转变为“流程设计师”或“编舞家”。他的核心任务不再是保护数据，而是设计高效、无误的数据流管道。通过精心编排数据在进程或线程间的流动顺序，隐式地构建了操作间的因果关系。

程序的确定性，并非来自于对资源的加锁，而是源于消息传递所建立的自然时序。这种模型将并发的复杂性从“管理状态”转移到了“编排通信”，使得并发逻辑更清晰，也更易于推理。

先看几个令人心动又让钱包一紧的 GPU 型号：NVIDIA A100 80GB、H800 80GB、RTX 4090 24GB…

本篇为第一课第二周，是
2.7，
2.8，
2.14，
2.15部分的笔记内容，同时，这也是本周理论内容的最后一部分。