最近在看《深度探索 C++ 对象模型》一书，收获颇丰。如果你对 C++ 底层机制感兴趣、想知道编译器对我们的代码动了什么“手脚”，推荐阅读该书。 本文不打算整理或复述《深度探索 C++ 对象模型》一书的内容，因为这本书需要花费一定的时间心力阅读，一篇文章恐难覆盖全书内容。因此，本文仅展示部分代码及运行结果，加以必要的注释、解释等，以阐明 C++ 对象模型的部分知识点。代码在 64 位 WS

本文介绍论文《Product Quantization for Nearest Neighbor Search》，即 ANN 中乘积量化（Product Quantization，PQ）算法的主要内容。 1. 背景介绍 PQ 论文在 2011 年发表于 TPAMI，是针对欧式距离设计的一种 ANN 算法。当时，基于图的算法尚未提出，主流的算法包括：Euclidean Locality-

在 C++ 语言的学习过程中，类的拷贝控制是一个较为繁杂的知识点。虽然它的难度不是很大，但是细节很多，需要理解记忆。本文介绍 C++ 类的拷贝控制基本内容，即：拷贝构造函数、拷贝赋值运算符、移动构造函数、移动赋值运算符、析构函数这 5 个函数的写法。 为了便于介绍，我们自己实现一个简单的 string 类，命名为 String 。它只包含一个私有的数据成员：char *data ，

译者注： 本文译自 Implementing academic papers: lessons learned from Elasticsearch and Lucene ，作者：Julie Tibshirani 。本文主要讨论了如何将学术论文中的前沿研究成果引入到实际的软件系统中，讨论了在此过程中需要注意的一些问题。 译者：arcsin2 在开发 Elasticsearch

本文介绍学习 Go 语言一些学习材料，总结学习 Go 时容易理解错误的一些概念，可用于已掌握 C++、Java 等编程语言的程序员快速入门 Go。 1. 基础语法 入门 Go 语言基础语法和关键语言概念的最佳材料是 Go 语言官方提供的在线教程： 英文版：https://go.dev/tour/welcome/1 中文版：https://tour.go-zh.org/welcom

本文介绍向量近似最近邻（Approximate Nearest Neighbor，ANN）的另一经典算法：HNSW（Hierarchical Navigable Small World，HNSW）。HNSW 工业界使用最多的 ANN 算法之一，得到了 Milvus、Elasticsearch、Fasis、pgvector 等系统或库的广泛支持。原文： Efficient and robus

本文介绍向量近似最近邻（Approximate Nearest Neighbor，ANN）的一种经典算法：NSW（Navigable Small World，NSW），原文： Approximate nearest neighbor algorithm based on navigable small world graphs 。 摘要 NSW 是一种用于度量空间的近似 K 近邻算法

关系模型是现代数据库的理论基础。1969 和 1970 年，Codd 的两篇论文 《Derivability, Redundancy and Consistency of Relations Stored in Large Data Banks》和《A Relational Model of Data for Large Shared Data Banks》提出了关系模型理论，为后续几十年数

关系模型与关系代数是关系型数据库系统的基础，SQL 是用户与数据库系统交互的媒介。本文简要介绍关系模型与关系代数的基本内容，从展示关系代数在 SQL 中的对应语句。 1. 关系模型 关系模型是对数据库系统的抽象，其用 “关系” 来表示数据库，而隐藏数据在数据库系统内部是如何组织的。关系模型的核心原则是： 以简单的数据结构(关系)存储数据库。 物理存储结构由 DBMS 实现决定。

本文是《Linux 高性能服务器编程》阅读记录，供以后查阅参考。推荐阅读原书。 主机字节序和网络字节序转换函数 123456#include <netinet/in.h>uint32_t ntohl (uint32_t __netlong); // network to host longuint16_t ntohs (uint16_t __netshort); // n