把学到的东西写下来，是最好的学习方式。
这里记录着我在技术路上的所见所思——有踩过的坑、有解决问题的喜悦、也有对技术趋势的思考。希望这些内容对你有所帮助。
按时间倒序排列，最新的在最前面 👇
原书名：Quantitative Trading: How to Build Your Own Algorithmic Trading Business
作者：Ernest P. Chan（欧内斯特·陈）
出版：2009 年（第一版）/ 2021 年（第二版）
译者：商诺奇、谢彦
这是一本写给想要入门量化交易的个人投资者的实战指南。作者 Ernest Chan 是一位拥有多年对冲基金经验的量化交易员，他在书中分享了如何从零开始建立自己的量化交易系统。
在传统的部署流程中，我们需要手动完成服务器配置、Docker 安装、Nginx 配置、SSL 证书申请等一系列繁琐的步骤。而借助 CodeBuddy AI 编程助手，这些工作可以在对话中自动完成，大幅提升部署效率。
本文以将 GitHub Pages 博客通过 Nginx 反向代理部署到腾讯云 Lighthouse 为例，展示 CodeBuddy 的部署能力。
在实时监控、流量控制、性能分析等场景中，我们经常需要统计最近一段时间内的数据，比如"最近5分钟的请求数"、"最近1秒的QPS"等。传统方法如定时清零或简单计数难以精确实现这类需求，而时间轮（Time Wheel）算法提供了优雅的解决方案。
本文将深入探讨时间轮算法的原理，分析一个Go语言实现，并讨论其在实际应用中的优化。
时间轮是一种环形缓冲区数据结构，用于在固定时间窗口内进行实时统计。它将时间划分为多个等长的槽位（slot），每个槽位记录一个时间单元（如1秒）的数据。随着时间推移，指针循环遍历这些槽位，新数据覆盖旧数据，始终保持最近时间窗口内的统计数据。
股票的涨跌最根本的动能是“预期”，而交易是预期变现的过程，期指是预期的“温度计”和“放大器”。市场参与者对未来的“预期”+真金白银的“资金”+交易行为，就构成了股票市场。
所以，链条是这样的：新信息/新分析 -> 改变市场预期 -> 引发买卖决策 -> 资金流入/流出 -> 股价变动 -> 新信息/新分析 -> ...
堆是具有特定性质的完全二叉树：大顶堆（每个节点 ≥ 子节点）或小顶堆（每个节点 ≤ 子节点）。本文介绍堆排序的原理与实现。
我在使用 bufio.NewScanner() 读取文件时遇到了 “token too long” 错误。错误原因是 bufio.Scanner 默认限制，最大的 token 大小是 64KB 当我们单行数据超过这个限制时，会报 token too long 错误。
这其实是一个非常典型的场景，在读取非常大的数据时（比如超过几十 MB）应该采用什么方法，因为一次读取非常大的数据可能效率不高。我们首先要考虑的数据是否可以分片处理，尽可能减少对于大内存的占用。如果必须要分配大内存，也应该合理的设置缓冲区大小。
“君子不器”出自《论语·为政》，是孔子的一句名言。其字面意思是：君子不应该像器具那样局限于单一的用途或功能。这句话表达了孔子对君子品质的期望，即君子应该具备广泛的知识和才能，而不是局限于某一特定的技能或角色。
区块 DAG 是一种用于区块链的网状数据结构，与传统链式结构不同，它允许多个交易并行处理，提升系统扩展性和吞吐量。
一句话概括：DAG 是面向未来的新一代区块链，从单链进化到网状、从区块粒度细化到交易粒度、从单点跃迁到并发写入，是区块链从容量到速度的一次革新。
通货膨胀（Inflation） 是指一个经济体中商品和服务的价格总水平在一段时间内持续、普遍上涨的现象。简单来说，就是“钱变毛了”——同样数量的货币能买到的东西变少了。
农产品价格上涨之所以会引发通货膨胀，是因为农产品在经济体中具有基础性地位，其价格波动会通过多种渠道传导至整体物价水平。以下是具体机制和逻辑链的详细分析：