Linux / 存储
从 fsync、无锁到 io_uring：系统层踩坑入口
按工程问题找文章：fsync 失败语义、内存屏障、Zero Copy、Direct I/O、文件锁与分配器擂台。
从这里开始
第一次访问时先按主题切入，比直接沿着时间线翻文章更快。
系统架构
过载保护、混沌工程与边缘架构
限流与过载、混沌实验、多租户、Cloudflare/Discord 案例，以及 AI 原生架构。
大模型基础设施
从 GPU 心智模型到推理服务化
把训练、推理、量化与服务化串成一条工程主线；先建立 GPU 心智模型，再进入引擎与量化落地。
可观测性
eBPF、持续 profiling 与内核追踪
从 Continuous Profiling 到 eBPF 全景与 ftrace/kprobe 生产实战。
热门专题
把已经形成系列阅读闭环的主题集中在首页，减少在 400 多篇文章里盲找的成本。
最新文章
按最近更新时间排序；如果你想系统性阅读一个主题，优先回到上面的专题入口。
【量化交易】数据陷阱：幸存者偏差、复权、前视、未来函数
回测漂亮、实盘失效，常因数据在时点 t 泄漏了未来。本文拆解幸存者偏差、前视、未来函数、复权、停牌与日历陷阱，用可复现仿真说明退市收益的填补口径能翻转因子符号、财报时间戳错位能凭空造出收益，并给出 PIT 库实现与 CI 断言。
【金融科技工程】幂等、事务与一致性：SAGA、TCC、对账补偿
超时重试会让支付扣两次、退两次。本文按 Stripe 文档、IETF 草案与 Seata 实现拆解 Idempotency-Key 状态机、业务唯一键、2PC/TCC/SAGA/Outbox 的取舍与空回滚防悬挂，结论是每一跳都必须可安全重试。
【量化交易】市场微结构：订单簿、价差、流动性、冲击
回测按中价成交，实盘却被价差、冲击和逆向选择吃掉收益。本文从限价订单簿出发拆解价差口径与分解、流动性四维、OFI、Kyle λ、VPIN 与 Hawkes，并用币安 LTCUSDT 真实数据验证：10 秒 OFI 解释约六成中价变化，有效价差三分之二以上表现为价格冲击。
【量化交易】风险模型：Barra 多因子、风险归因、压力测试
股票数接近样本天数时，样本协方差会把最小方差组合的风险低估到真实值的约 1-N/T 倍。本文用 Barra 式因子模型降维，对比 Ledoit-Wolf 收缩与 eigenfactor 调整，配合欧拉风险归因、VaR/ES 回测和压力测试，用可运行的模拟代码给出各方法的偏差大小与适用边界。
【量化交易】交易成本模型：冲击成本、滑点、Implementation Shortfall 与 TCA
回测按收盘价成交，实盘却多付几十 bp。本文把交易成本拆成显性费用、滑点、冲击、机会成本四层，用平方根律标定、Almgren-Chriss 与 Implementation Shortfall 统一口径，附合成数据验证的 Python 代码和按 2026 年官方规则核对的四市场费率。
【Transformer 与注意力机制】17｜Causal Mask：让模型只看过去不看未来
自回归模型训练要并行、生成不能偷看未来。本文从 teacher forcing 推到 mask 矩阵，对比 causal、prefix LM、滑窗与 packing 文档掩码，结合 KV cache 对齐、FlashAttention 跳块与 GPT-2 实测 attention sink，说明 mask 决定训练并行性、推理对齐方式和 sink 落点。
【密码学百科】格基后量子方案：ML-KEM（Kyber）与 ML-DSA（Dilithium）原理、参数与部署
ML-KEM（FIPS 203）与 ML-DSA（FIPS 204）都建立在 Module-LWE 上。本文从 LWE 归约讲到 KeyGen/Encaps/Sign 流程、NTT 实现（附与朴素乘法对拍过的 Python 代码）、FO 变换与拒绝采样，说明参数集怎么选、core-SVP 估计为何不能直接和 NIST 级别相减，以及 TLS、Signal 等部署现状。
【大模型基础设施工程】14：量化工程 —— INT8 / FP8 / FP4 / AWQ / GPTQ 怎么选
decode 受显存带宽限制，量化把权重从 BF16 压到 FP8 或 INT4 就能直接换来显存和延迟收益。本文讲清 FP8/FP4/MX 数据类型、GPTQ/AWQ/SmoothQuant/旋转法各自解决什么问题、KV Cache 量化的收益边界，给出按硬件选位宽的规则和 AutoAWQ + vLLM、TensorRT-LLM FP8 的落地命令。
【量化交易】回测陷阱：前视偏差、过拟合、数据窥视与 Deflated Sharpe
回测 Sharpe 漂亮却上线失效，多半死于前视偏差、过拟合和数据窥视。本文给出前视偏差的三条机械自查规则，用可复现仿真说明零信号数据上挑出的最佳策略能通过 PSR 却被 DSR 拒掉，并附 Bonferroni、BH-FDR、DSR 的 Python 实现与 30 条上线前自检清单。
【Transformer 与注意力机制】08.5 神经网络基础：神经元、反向传播手算与 MLP 训练
神经网络训练就是前向、损失、反向、更新四步循环。本文用一个可手算的标量网络逐步推出反向传播梯度，再推广到两层 MLP 的矩阵求导，给出 NumPy 手写与 PyTorch 对照实现和真实训练曲线，最后说明固定窗口 MLP 为什么处理不好序列、RNN 改了哪一条边。
整数压缩：varint、Golomb、PForDelta 与 SIMD 位打包，倒排表里每个整数花几比特
以倒排表的 d-gap 为对象，在两份真实语料和伯努利合成表上实测 varint、Elias、Golomb/Rice、插值编码、Elias-Fano、Simple、PFOR、Stream VByte、BP128 的每整数比特数与下界之差，并在共享 2 vCPU 上测解码的相对速度。
时序数据压缩：delta-of-delta、XOR 浮点编码与十进制数据上的失效
拆解 Gorilla 的时间戳 delta-of-delta 与浮点 XOR 编码，对照 Prometheus、InfluxDB、VictoriaMetrics 钉版本源码，用节点采集数据和 ALP 数据集实测每个值花多少比特，并说明 XOR 在十进制数据上失效的原因与 Chimp、Elf、ALP 的改法。
列式压缩：轻量编码怎么选、Parquet 与 ORC 怎么写、编码数据上怎么算
对照 Parquet 2.11 规范与 Arrow、ORC 源码拆开字典、RLE/位打包混合、DELTA 与 RLEv2，讲清写入器何时放弃字典；在 TPC-H lineitem 上按字节比较 Parquet、ORC 与级联选择，并数出在编码数据上执行省下的工作。
BWT 与 FM-index：从 bzip2 到基因组比对
BWT 只是可逆排列，LF 映射让它能还原文本、用 rank 查询计数子串。本文用对拍过的 C 实现推演逆变换、backward search 与采样 SA 定位，并对照 bzip2 1.0.8、BWA 0.7.18 源码说明工程取舍。
Huffman 编码与 DEFLATE：最优前缀码、规范码表与比特的去向
证明 Huffman 码为何最优、离熵多远，讲清规范码、15 位限长、查表解码与 DEFLATE 的三层码表；用逐比特记账的解码器拆开 zlib 1.3 与 zopfli 的输出：Huffman 只比经验熵多 0.64%，距离额外比特却占 42%。