启用 JavaScript 和 Cookie 以继续。
每日HackerNews RSS
对不起。
## PostgreSQL 事务ID环绕：生产事件总结 本文详细描述了PostgreSQL生产环境中由于事务ID（XID）环绕引起的严重且隐蔽的故障——当用于事务ID的有限计数器接近其上限时的情况。 与典型的宕机不同，这不是由负载或配置更改引起的，而是由于时间流逝，旧数据没有充分“冻结”造成的。 PostgreSQL使用MVCC，为每个写入事务分配XID。 为了安全地重用这些ID，必须冻结较旧的行版本，将其标记为永久可见。 如果autovacuum（负责冻结的进程）被禁用或无效，XID会累积，最终达到安全阈值（大约20亿）。 此时，PostgreSQL会停止所有写入操作以防止数据损坏，从而有效地使数据库变为只读。 该事件发生在稳定的系统上，负载适中（每秒10次写入），并且autovacuum在几年前被禁用作为临时性能修复，但从未重新启用。 恢复涉及手动强制冻结，但根本原因揭示了其他系统也存在类似风险。 关键要点是，XID环绕不是性能问题，而是基本的安全机制。 它可以根据写入速率和时间进行预测，并且很容易在测试中被忽略。 定期监控`relfrozenxid`并确保autovacuum已启用对于防止这种隐蔽的、潜在灾难性的故障至关重要。 与使用不同版本系统的SQL Server不同，PostgreSQL *需要*主动冻结才能维护数据完整性。
对不起。
Top (现代 Common Lisp 与 FSet) 版本 1.0 (适用于 FSet v2.4.2) © 2026 Scott L. Burson。本文档以知识共享署名-非商业性使用-相同方式共享 4.0 许可协议发布。该许可协议允许使用者在任何媒介或格式中分发、混编、改编和在此材料基础上创作，但仅限于非商业用途，并且必须注明创作者。如果您混编、改编或在此材料基础上创作，您必须以相同的条款对修改后的材料进行许可。本文档不包含 LLM 生成的文本——零，没有，一点也没有。（是的，我使用 em 破折号和分号；是的，我亲手写了每一个。）对于发现的错误或其他建议，请在 Common-Lisp.Net 的 GitLab 实例或 GitHub 上提交问题。
对不起。
## 集成光子学：迈向基于光明的未来 美国国家标准与技术研究院（NIST）的科学家在开发用于光的集成电路——“光子芯片”方面取得了重大进展，可能引发一场类似于电子芯片驱动的革命。这些芯片利用光来处理信息，由于光的速度以及在人工智能和量子计算等新兴技术中的重要作用，它们比电子设备具有优势。 这项突破在于一种新颖的“分层蛋糕”芯片设计，将锂铌酸盐和五氧化钽等材料结合在硅晶圆上。这使得对光的有效控制和操纵成为可能，甚至可以将光转换为不同的颜色——对于需要特定波长的应用（如当前受笨重昂贵激光器限制的量子时钟和计算机）来说，这是至关重要的能力。 新技术能够制造紧凑、高效的电路，产生宽光谱的光，大约可以在一个杯垫大小的晶圆上安装10,000个光子电路。这有望使量子技术更具便携性和可负担性，并可能提高人工智能和虚拟现实系统的性能。与初创公司Octave Photonics的合作旨在扩大这项技术的应用范围。
## NIST 创造出“任意波长”激光 – 摘要
NIST 科学家开发了一种新型激光技术，能够产生几乎任何波长的光。这项突破超越了当前激光的限制，当前激光仅限于特定的、经济上可行的频率。该设备利用一种新颖的方法来产生宽光谱光，可能在不同领域解锁应用。
讨论强调了潜在用途，包括先进通信（增加带宽）、精确分子化学、改进的激光切割/焊接以及量子计算的进步——特别是对于离子阱系统。一些评论员推测其潜在的武器化或在材料科学中的应用，例如隧道效应。
一个关键点是色彩感知的主观性，讨论集中在人脑如何解释波长以及颜色体验的个体差异的可能性。 还有关于命名颜色以及感知是否独立于语言的争论。该技术的成本和效率仍然是决定其现实影响的关键因素。
## 优化 Intercom 的 CI：Ruby 性能调整
加入 Intercom 后，一个关键项目是提高其大型 Ruby 单体应用的 CI 管道速度。作者发现，减少 worker 启动时间——获取代码、启动应用程序——对整体构建时间有不成比例的影响，尤其是在 1350 个并行 worker 的情况下。虽然优化单个测试很有价值，但即使减少一秒钟的启动时间也能节省大量的计算资源。
重点转向应用程序启动时间，从而深入研究 **Bootsnap**，一个用于缓存文件加载路径的 Ruby gem。Ruby 的默认文件加载效率低下，无法很好地扩展到大量 gem。Bootsnap 缓存文件位置以便快速查找，但 CI 系统上的缓存失效（由于 git checkout 不保留文件修改时间）仍然是一个挑战。
优化集中在 Bootsnap 的扫描过程上。一项关键改进是利用目录条目类型（在某些系统上可用）来避免代价高昂的文件系统调用。进一步的收益来自于优化 `File.join`，包括简化多字节编码处理以及反转尾随分隔符的搜索。这些看似微小的改变为 `File.join` 带来了 **7 倍的速度提升**，并改善了整体 CI 性能。
作者强调，找到一个优化往往会发现其他的优化，并继续将类似的改进应用于其他路径处理方法，从而证明了细致的性能分析的价值。
## PgQue：一种零膨胀的Postgres队列
PgQue是一个健壮、生产就绪的队列，直接构建在PostgreSQL内部，复兴了Skype最初使用的PgQ系统的架构。与许多数据库内队列不同，PgQue通过独特的基于快照的批量处理和表轮换系统，避免了因“死元组”累积而导致的性能下降和膨胀——这意味着无需频繁的vacuum或调优。
它专为高吞吐量事件流和扇出而设计，提供ACID事务和完整的Postgres持久性，*无需* C扩展、外部守护进程或特定于提供商的批准。安装很简单：一个SQL文件和一个调度器，如pg_cron。
PgQue在优先考虑负载下稳定性和语言无关的SQL API的场景中表现出色。虽然不适合超低延迟（亚毫秒级）分发，但它能提供典型的端到端延迟1-2秒。当事件驱动架构和无膨胀操作是关键时，它是一种强大的传统作业队列替代方案。
对不起。
## 在 ARM MCU 上导航浮点 ABI（nRF52840 和 ESP32-S3） 这篇文章深入探讨了在 ARM 微控制器（特别是 nRF52840 和 ESP32-S3）上使用 PSA Crypto API 的复杂性，重点是浮点处理。一个常见的链接器错误源于混合了不同的浮点应用程序二进制接口 (ABI)：`soft`、`softfp` 和 `hard`。 ARM 根据处理器是否具有浮点单元 (FPU) 以及参数如何传递给函数（通过整数寄存器或浮点寄存器）来定义这些 ABI。`hard` 利用 FPU 寄存器以提高速度，而 `soft` 和 `softfp` 依赖于软件模拟，通过整数寄存器传递参数。混合使用这些会导致链接器错误，因为 ABI 由对象文件中的属性决定。 nRF52840 具有 FPU，默认使用 `soft` ABI，除非在 Zephyr 中使用 `CONFIG_FPU=y` 明确配置，从而启用 `hard` 或 `softfp`。文章详细介绍了如何通过编译后的代码观察每个 ABI 的影响，演示参数传递和指令使用情况。 最后，它探讨了动态启用 FPU “即时” 作为始终启用它的替代方案，强调了潜在的权衡以及用于电源优化的用例，但警告不要轻易实现。
对不起。
## 康奈尔大学教授使用打字机对抗人工智能在德语课上的应用
为了鼓励更深入的参与并减少对人工智能的依赖，康奈尔大学德语教师格里特·马蒂亚斯·菲尔普斯每学期都会在她的课程中引入手动打字机。菲尔普斯对学生使用人工智能翻译工具感到沮丧，从2023年开始实施这项“模拟”作业，旨在重现数字时代之前的写作体验。
许多学生不熟悉打字机的操作，他们完成写作作业——例如电影评论或诗歌——时，不能使用拼写检查、在线词典或删除键。这项练习迫使学生放慢速度，更周密地思考，并与同学合作寻求帮助。
像拉差蓬·勒特达蒙翁这样的学生发现缺乏数字工具出人意料地有益，他指出这促进了更多的课堂互动，并迫使他们独立解决问题。虽然具有挑战性——需要体力劳动并接受不完美——但学生们欣然接受了这种独特的体验，甚至有些人计划展示他们充满错误的草稿，以提醒自己这个过程。这种方法与全国范围内旨在防止在教育中滥用人工智能的“老式”测试方法相一致。
## Rail：一种自举的系统编程语言
Rail 是一种新颖的、自举的系统编程语言，专为速度和简洁性而设计。它不依赖 C 语言，并且占用的空间非常小——一个 729KB 的 ARM64 二进制文件可以编译自身，并达到字节级的固定点。核心运行时功能，包括垃圾回收，直接用 ARM64 汇编实现。
最近的进展（v3.0.0）引入了通过纯 Rail TLS 1.3 协议栈实现的本地 HTTPS 支持，消除了对 OpenSSL、curl 或类似库的依赖。这允许直接与 Anthropic 的 Claude 等 API 通信。
Rail 支持多种后端（macOS ARM64、Linux ARM64/x86_64、WASM），并具有独特的自我改进系统，编译器充当 AI 训练的适应度函数。它包括原生浮点数、效果处理程序以及带有模式匹配和 ADT 的函数式编程风格等特性。
Rail 不追求形式化验证或 ANSI 标准化，而是优先考虑性能、可靠性和狭窄、明确定义的表面积。它采用商业源代码许可证，可免费用于非生产用途。
对不起。
## 微型浮点数的兴起 历史上，浮点数从32位发展到如今标准的64位精度。虽然程序员们欣赏更高的精度，但现代神经网络正在推动一个令人惊讶的趋势：对*更低*精度的需求。这些网络包含数十亿个参数，最小化它们的内存占用至关重要——通常将数量优先于单个精度。 这促使人们对诸如4位浮点数 (FP4) 之类的格式产生兴趣。虽然可以使用整数，但FP4提供了更宽的*动态范围*——能够表示非常小和非常大的数字。FP4格式因其在符号、指数和尾数之间分配4位的方式而异（例如，E3M0、E2M1）。E2M1格式很常见，并受到Nvidia硬件的支持。 FP4数字使用偏差来表示指数，即使在这种有限的格式中，也存在诸如+0和-0之类的概念。Python库Pychop有助于使用这些降低精度的格式。FP4并非孤例；许多4位格式正在涌现，例如NF4旨在更好地表示LLM权重。
## 4位浮点数 (FP4) 讨论总结
这次黑客新闻的讨论围绕着4位浮点数 (FP4) 的实用性和设计。核心思想是探索极端的量化，以期在空间和效率上获得收益，尤其是在机器学习等领域。
讨论中提到几点：使用预先确定的数字“调色板”代替位位置含义，以及使用查找表进行运算。现有的低精度格式，如QLoRA也被提及。关于如何在有限的4位中表示特殊值（如无穷大和NaN）存在争论——一些人认为它们是不必要的开销，而另一些人则强调它们的重要性。
参与者讨论了精度、范围和计算成本之间的权衡。对话涉及历史背景，参考了较早的浮点格式（80位x87，甚至更早的60位系统）以及IEEE 754标准的演变。现代GPU架构和微块缩放也被提及，以及诸如定点表示之类的替代方法。最终，FP4被视为一种针对特定优化应用的小众解决方案。