1、概览 本文将带你了解 Java 中读取文件的不同方法之间的差异。主要介绍 getResourceAsStream() 方法和 FileInputStream 类，以及它们的用例。 先说结论，Files.newInputStream() 方法，由于其在内存和性能方面的好处，推荐用于替代 FileInputStream。 2、基础知识 首先来了解一下 getResourceAsStream() 和 FileInputStream 之间的区别以及它们的常见用例。 2.1、使用 getResourceAsStream() 读取文件 getResourceAsStream() 方法从 classpath 读取文件。传递给 getResourceAsStream() 方法的文件路径应相对于 classpath。该方法返回一个可用于读取文件的 InputStream。 这种方法通常用于读取配置文件、properties 文件和其他与应用打包在一起的资源。 2.2、使用 FileInputStream 读取文件 FileInputStream 类用于从文件系统中读取文件。当需要读取未与应用打包在一起的文件时（本地磁盘），该类非常有用。 传递给 FileInputStream 构造函数的文件路径应该是绝对路径或与当前工作目录相对的路径。 FileInputStream 对象由于使用了 finalizers（finalize() 方法），可能存在内存和性能问题。FileInputStream 的更好替代方案是 Files.newInputStream() 方法，其工作方式相同。 本文示例中使用 Files.newInputStream() 方法从文件系统中读取文件。 这些方法通常用于读取文件系统中的外部文件，如日志文件、用户数据文件和 Secret 文件。 3、代码示例 让我们通过一个示例来演示 getResourceAsStream() 和 Files.newInputStream() 的用法。 创建一个简单的工具类，使用这两种方法读取文件。然后，通过从 classpath 和文件系统中读取示例文件来测试这两种方法。 3.1、使用 getResourceAsStream() 首先，来看看 getResourceAsStream() 方法的用法。 创建一个名为 FileIOUtil 的类，并添加一个从指定资源中读取文件的方法： static String readFileFromResource(String filePath) { try (InputStream inputStream = FileIOUtil.

1、概览 在本教程中，我们将使用 Spring AI 框架和 RAG（检索增强生成）技术构建一个 ChatBot（聊天机器人）。在 Spring AI 的加持下，我们将与 Redis Vector（向量）数据库集成，以存储和检索数据，从而增强 LLM（大型语言模型）的提示功能。一旦 LLM 接收到包含相关数据的提示，它就会有效地用自然语言生成带有最新数据的响应，以回应用户的查询。 2、RAG 是什么？ LLM 是根据互联网上的大量数据集预先训练的机器学习模型。要使 LLM 在私营企业中发挥作用，我们必须根据特定组织的知识库对其进行微调。然而，微调通常是一个耗时的过程，需要大量的计算资源。此外，经过微调的 LLM 很有可能会对查询生成不相关或误导性的响应。这种行为通常被称为 LLM 幻觉（LLM Hallucinations）。 在这种情况下，RAG 是一种优秀的技术，用于限制或将 LLM 的响应置于特定上下文中。向量数据库在 RAG 架构中发挥着重要作用，为 LLM 提供上下文信息。但是，在 RAG 架构中使用矢量（向量）数据库之前，应用必须通过 ETL（提取、转换和加载）流程对其进行填充： Reader 从不同源检索组织的知识库文档。然后，Transformer（转换器）将检索到的文档分割成小块，并使用嵌入模型对内容进行矢量化。最后，Writer 将向量或 Embedding 加载到向量数据库。向量数据库是专门的数据库，可以在多维空间中存储这些 Embedding。 在 RAG 中，如果矢量数据库定期从组织的知识库中更新，那么 LLM 就能对几乎实时的数据做出响应。 一旦矢量数据库中的数据准备就绪，应用就可以使用它来检索用户查询的上下文数据： 应用将用户查询与矢量数据库中的上下文数据相结合形成提示，最后将其发送给 LLM。LLM 在上下文数据的范围内用自然语言生成回复，并将其发送回应用。 3、使用 Spring AI 和 Redis 实现 RAG Redis Stack 提供矢量搜索服务，我们将使用 Spring AI 框架与之集成，并构建一个基于 RAG 的 ChatBot（聊天机器人）应用。此外，我们还要使用 OpenAI 的 GPT-3.

1、简介 在现代软件开发中，由于 JSON 数据的轻量和通用性，处理 JSON 数据已经变得无处不在。PostgreSQL 凭借其对 JSON 的强大支持，为存储和查询 JSON 数据提供了出色的平台。 在 Java 中，我们通常使用 JDBC 与数据库进行交互，本文将带你了解如何使用 Java 的 PreparedStatement 将 JSON 对象插入 PostgreSQL 数据库。 2、依赖 首先，需要设置环境。除了安装和运行 PostgreSQL，还需要在项目的依赖中添加 PostgreSQL JDBC 驱动和 org.json 库。 2.1、安装和运行 PostgreSQL 如果你还没有安装 PostgreSQL，可以从 PostgreSQL 官方网站 下载并安装。PostgreSQL 支持 JSON 已经有相当长的时间了，你可以选择从 PostgreSQL 9 开始的任何版本。本文使用最新的稳定版本，即 PostgreSQL 16。 在继续阅读之前，你需要确保 PostgreSQL 正常运行，并可通过必要的凭据访问。 2.2、添加 PostgreSQL JDBC 驱动 将 PostgreSQL JDBC 驱动添加到项目的依赖中。 对于 Maven 项目，可以在 pom.xml 中添加如下 依赖： <dependency> <groupId>org.postgresql</groupId> <artifactId>postgresql</artifactId> <version>42.7.3</version> </dependency> 2.3、添加 JSON 依赖 要在 Java 代码中处理 JSON 数据，还需要添加 JSON 库依赖。目前有几种流行的 Java JSON 库，如 Jackson、Gson、FastJson 和 org.

1、概览 在软件开发中，微服务架构已成为创建可扩展和可维护系统的一种受欢迎的方法。在微服务之间进行有效的通信至关重要，其中涉及的技术包括 REST、消息队列、Protocol Buffer（Protobuf）和 gRPC等。 本文将重点介绍 Protobuf 和 gRPC，研究它们的异同、优缺点，从而全面了解它们在微服务架构中的作用。 2、Protobuf Protocol Buffer 是一种不依赖语言和平台的结构化数据序列化和反序列化机制。其创建者谷歌宣称，与 XML 和 JSON 等其他类型的 Payload 相比，Protocol Buffer 更快、更小、更简单。 Protobuf 使用 .proto 文件来定义数据的结构。每个文件都描述了可能从一个节点传输到另一个节点或存储在数据源中的数据。定义了 Schema 后，就可以使用 Protobuf 编译器（protoc）生成各种语言的源代码： syntax = "proto3" message Person { string name = 1; int32 id = 2; string email = 3; } 这是一个有三个字段的 Person 类型的简单消息协议。name 和 email 是 String 类型，而 id 是整数类型。 2.1、Protobuf 的优势 来看看使用 Protobuf 的一些优势。 Protobuf 数据结构紧凑，易于序列化和反序列化，因此在速度和存储方面都非常高效。 Protobuf 支持多种编程语言，如 Java、C++、Python、Go 等，促进了无缝跨平台数据交换。 它还能在不中断已部署程序的情况下添加或删除数据结构中的字段，从而实现无缝版本控制和更新。

1、简介 本文将带你了解如何格式化 Spring AI 的输出结构，使其更易于使用且更加直观。 2、聊天模型简介 ChatModel 接口是向 AI 模型发出提示的基本结构： public interface ChatModel extends Model<Prompt, ChatResponse> { default String call(String message) { // 忽略实现。。。 } @Override ChatResponse call(Prompt prompt); } call() 方法的作用是向模型发送消息并接收响应，仅此而已。 自然而然地，我们期望提示和响应是 String 类型。然而，现代模型的实现通常具有更复杂的结构，可以进行更精细的调整，提高模型的可预测性。例如，虽然可用的默认 call() 方法接受 String 参数，但更实用的做法是使用 Prompt。Prompt 可以包含多个消息或包括诸如 “温度” 之类的选项，以调节模型的表现力。 我们可以自动装配 ChatModel 并直接调用它。例如，如果我们的依赖中有用于 OpenAI API 的 spring-ai-openai-spring-boot-starter，那么就会自动注入 OpenAI 的实现 OpenAiChatModel。 3、结构化输出 API 要获得数据结构化的输出，Spring AI 提供了使用结构化输出 API 封装 ChatModel 调用的工具。此 API 的核心接口是 StructuredOutputConverter（结构化输出转换器）： public interface StructuredOutputConverter<T> extends Converter<String, T>, FormatProvider {} 它结合了另外两个接口，第一个是 FormatProvider：

1、概览 在处理日期时，我们经常使用 Date/Time API。但是，如果操作不当，操作或访问时间数据可能会导致错误和异常。其中一个经常遇到的异常就是 UnsupportedTemporalTypeException: “Unsupported Field: InstantSeconds”，通常表示指定的 Temporal（时态）对象不支持 InstantSeconds 字段 。 本将带你了解出现 UnsupportedTemporalTypeException 异常的原因，以及解决办法。 2、实例 在介绍解决方案之前，先通过一个实际例子来了解导致该异常的根本原因。 根据文档，UnsupportedTemporalTypeException 表示不支持 ChronoField 或 ChronoUnit。换句话说，当在不支持特定字段的时间（Temporal）对象上使用不支持的字段时，就会引发此异常。 异常堆栈中的 “Unsupported Field: InstantSeconds” 消息说明了一切。它表明字段 InstantSeconds 出了问题，该字段表示从纪元（Epoch）开始的秒数的连续计数的概念。 简而言之，并非所有 Date / Time API 提供的时间对象都支持该字段。例如，尝试将涉及 InstantSeconds 的操作应用到 LocalDateTime、LocalDate 和 LocalTime 时，会导致 UnsupportedTemporalTypeException 异常。 现在，来看看如何重现异常。如下，尝试把 LocalDateTime 转换为 Instant： @Test void givenLocalDateTime_whenConvertingToInstant_thenThrowException() { assertThatThrownBy(() -> { LocalDateTime localDateTime = LocalDateTime.now(); long seconds = localDateTime.getLong(ChronoField.INSTANT_SECONDS); Instant instant = Instant.ofEpochSecond(seconds); }).isInstanceOf(UnsupportedTemporalTypeException.class) .hasMessage("Unsupported field: InstantSeconds"); } 上述测试代码会失败，因为我们试图使用 LocalDateTime 实例来访问 ChronoField.

1、概览 本文将带你了解如何使用 Podman Desktop 对 Spring Boot 应用进行容器化。Podman 是一种容器化工具，它允许我们在不需要守护进程的情况下管理容器。 Podman Desktop 是一款具有图形用户界面（GUI）的桌面应用，用于使用 Podman 管理容器。 为了演示其用法，我们要创建一个简单的 Spring Boot 应用，构建容器镜像，并使用 Podman Desktop 运行容器。 2、安装 Podman Desktop 我们需要在本地计算机上 安装 Podman Desktop 才能开始使用。它适用于 Windows、macOS 和 Linux 操作系统。下载安装程序后，按照安装说明在机器上安装 Podman Desktop 即可。 以下是设置 Podman Desktop 的几个重要步骤： 机器上应已安装 Podman。如果没有安装，Podman Desktop 会提示并为我们安装。 Podman 准备就绪后，系统会提示我们启动 Podman 虚拟机。我们可以选择默认设置，也可以根据需要自定义设置。在运行容器之前，这是必须的。 此外，对于 Windows，需要启用/安装 WSL2（Windows Subsystem for Linux），然后才能运行 Podman。 在安装过程结束时，我们应该有一个正在运行的 Podman 虚拟机，并可以使用 Podman Desktop 进行管理。 可以在 “Dashboard”（仪表盘）部分看到： 3、创建 Spring Boot 应用 创建一个小型 Spring Boot 应用。该应用有一个 REST Controller，当我们访问 /hello 端点时，它返回一条 "Hello, World!

1、简介 跨源资源共享（Cross-Origin Resource Sharing，CORS）是一种安全机制，允许网页从一个源访问另一个源的资源。它由浏览器强制执行，以防止网站向不同域发出未经授权的请求。 在使用 Spring Boot 构建 Web 应用时，必须正确测试 CORS 配置，以确保应用能安全地与授权的源交互，同时阻止未经授权的源。 通常情况下，我们只有在应用部署后才会发现 CORS 问题。通过尽早测试 CORS 配置，可以在开发过程中发现并解决这些问题，从而节省时间和精力。 本文将带你了解讨如何使用 MockMvc 编写有效的测试来验证 CORS 配置。 关于 Spring Boot 中 CORS 跨域配置的详细内容，你可以参阅 “在 Spring 应用中处理 CORS 跨域” 和 “Spring 和 CORS 跨域” 这两篇文章。 2、Spring Boot 配置 CORS 在 Spring Boot 应用中配置 CORS 有多种方法。在本文中，我们使用 Spring Security 并自定义 CorsConfigurationSource： private CorsConfigurationSource corsConfigurationSource() { CorsConfiguration corsConfiguration = new CorsConfiguration(); corsConfiguration.setAllowedOrigins(List.of("https://baeldung.com")); corsConfiguration.setAllowedMethods(List.of("GET")); corsConfiguration.setAllowedHeaders(List.of("X-Baeldung-Key")); corsConfiguration.setExposedHeaders(List.of("X-Rate-Limit-Remaining")); UrlBasedCorsConfigurationSource source = new UrlBasedCorsConfigurationSource(); source.

1、简介 本文将带你了解 JPA 与 PostgreSQL 交互时出现 PSQLException 异常：“Operator Does Not Exist: Character Varying = UUID” 的原因，以及如何处理和避免该异常。 2、异常原因 PostgreSQL 区分 Character Varying（字符串）和 UUID 数据类型。这种区分要求在这些类型之间进行比较时进行 显式类型转换。因此，当我们尝试直接将 UUID 值与字符串（VARCHAR）列进行比较时，PostgreSQL 会抛出异常，因为它缺乏用于这种特定类型比较的操作符。 举个例子，有一个 User 实体，其 varchar 列为 uuid： @Entity @Table(name = "User_Tbl") public class User{ @Id @GeneratedValue(strategy = GenerationType.IDENTITY) private Long id; @Column(columnDefinition = "varchar") private UUID uuid; // Gette / Setter 方法省略 } 当尝试使用 UUID 值查询数据库时，会出现异常： // UUID UUID testId = UUID.fromString("c3917b5b-18ed-4a84-a6f7-6be7a8c21d66"); User user = new User(); user.

1、简介 本文将带你了解 Java 枚举、JPA 和 PostgreSQL 枚举的概念，以及如何将它们结合使用，在 Java 枚举和 PostgreSQL 枚举之间创建无缝映射。 2、Java 枚举 Java 枚举（Enum）是一种特殊类型的类，用于表示一组固定数量的常量。枚举用于定义一组具有底层类型（如字符串或整数）的命名值。当我们需要定义一组在应用中具有特定含义的命名值时，枚举非常有用。 下面是一个 Java 枚举的示例： public enum OrderStatus { PENDING, IN_PROGRESS, COMPLETED, CANCELED } 在本例中，OrderStatus 枚举定义了四个常量。这些常量可以在我们的应用中用来表示订单的状态。 3、使用 @Enumerated 注解 在 JPA 中使用 Java 枚举时，需要用 @Enumerated 来注解枚举字段，以指定如何将枚举值存储到数据库中。 首先，定义一个名为 CustomerOrder 的实体类，并用 @Entity 进行注解，以标记其用于 JPA 持久化： @Entity public class CustomerOrder { @Id @GeneratedValue(strategy = GenerationType.IDENTITY) private Long id; @Enumerated() private OrderStatus status; // 其他的字段和方法省略 } 默认情况下，JPA 将枚举值存储为整数（Integer），代表枚举常量的序号位置（ordinal()）。例如，上文中的 OrderStatus 枚举值 PENDING、IN_PROGRESS、COMPLETED 和 CANCELED，默认行为将分别把它们存储为整数 0、1、2 和 3。由此产生的数据库表将有一个小 int 类型的状态列，其值为 0 至 3：