CUDA Tensor Memory Accelerator (TMA) 深度工程：Hopper 架构的异步张量搬运引擎
从硬件机制到 CuTe 编程模型，全方位拆解 NVIDIA Hopper 架构引入的 Tensor Memory Accelerator (TMA)。涵盖 cp.async.bulk、多维张量描述符、mbarrier 多级流水线同步，以及 TMA + WGMMA 协同实现 940+ TFLOPS 的工程实践。
高性能计算
图计算系统深度工程实战：从 Pregel 顶点中心 BSP、PowerGraph GAS 到 GraphBLAS 代数化算子与 GPU 图遍历
拆解现代图计算系统的三条技术路线：Pregel 的顶点中心 BSP 超步与 Combiner/Checkpoint 工程、PowerGraph 的 vertex-cut 与 GAS 模型如何应对幂律分布、GraphBLAS 如何用半环把图算法重写为稀疏线性代数，以及 GPU 上 CSR 遍历的 warp 级负载均衡与前沿策略，并给出工程选型对照表。
io_uring深度实战：Linux异步IO革命与高并发性能优化全栈指南
Linux io_uring深度实战：从共享环形队列设计哲学，核心数据结构（SQE/CQE/io_ring_ctx），内核提交模式（SQPOLL/IOPOLL），到用户态HTTP静态文件服务器实战、性能基准测试与生产调优策略全栈解析
Linux io_uring 异步 I/O 革命：从 ring buffer 到高性能存储引擎深度实战
深度解析 Linux io_uring 异步 I/O 机制：从 ring buffer 共享内存架构、SQE/CQE 生命周期、固定缓冲区与文件注册、IORING_SETUP_SQPOLL 内核轮询模式、buf_group 多缓冲池选择、AF_XDP 网络发包集成，到 RocksDB/SPDK/io_uring 存储引擎生产实战与迁移陷阱，覆盖 5.1-6.x 内核演进全貌。
多面体编译模型深度工程实战：从依赖多面体、仿射调度到 Tiling 与 GPU 代码生成的全链路解析
沿真实工程链路拆解多面体编译：迭代域与访问函数的仿射表示、依赖分析从 GCD/Banerjee 到 Farkas+ILP 的精确化路径、Feautrier/PLuTo 仿射调度搜索、Tiling 与 isl AST 代码生成，以及在 Polly、PPCG、MLIR Affine Dialect 中的工业落地形态与工程边界。
Slurm 作业调度与 GPU 拓扑感知调度深度工程实战：从 backfill 回填、gang scheduling 到 cgroup v2 隔离与 MPI 全链路解析
从 slurmctld 调度主循环与 TRES 资源模型出发，逐层拆解 backfill 回填两趟扫描、GPU 拓扑感知位图排序与 gpu-bind、topology/tree 交换机亲和、cgroup v2 设备隔离，以及 PMIx/torchrun 启动链路的生产级工程实践与落地清单。
FlashAttention Tiling 策略与在线 Softmax：从数学推导到 IO-Aware 工程实战
深入分析FlashAttention的Tiling策略与在线Softmax数学原理：从增量归约公式推导，到Forward/Backward Tiling设计、Tensor Core WGMMA编程适配、三级异步流水线，延伸至Flash-Decoding与Flash-Decoding 推理优化，并给出A100/H100实测性能对比与工程落地要点。
CPU缓存一致性协议MESI深度实战：从硬件缓存行到高性能数据结构
深入剖析MESI协议的状态机原理，实战演示false sharing的检测与消除（perf c2c/alignas/Slab Counter）、AoS vs SoA布局选择、NUMA感知的原子操作，最终构建缓存友好的无锁SPSC队列。含C/C++/Rust代码示例与性能分析工具箱。
Linux io_uring 深入剖析：新一代异步 I/O 编程范式实战指南
深度解析 Linux io_uring 异步 I/O 框架：从设计哲学、核心数据结构、liburing 编程实战，到内核态协同、性能对比与生产实践
大语言模型推理服务的多级优先级调度 — 从请求路由到内存预留的生产级实现
当LLM推理集群同时为实时对话、在线API任务和离线批量推理服务时，如何确保高优先级请求不被饿死，同时最大化GPU利用率？本文从生产视角拆解LLM推理服务的多级优先级调度架构。
