1、fbx模型导入，什么都不做修改前为裸模，需要修改模型Materials中的参数（但是有坑），具体解决方案见：MacUnity导入FBX模型时出现材质丢失，模型为白膜的情况2、模型烘焙前需要模型勾选模型的GernerateLightmapUVs让光照模型根据fbx模型的Lightingmap来贴图，否则烘焙后场景中的黑斑很严重。3、根据unity编辑器的版本，光照模式一般选择Shadowmask即可，保证质量也不消耗太多性能。去掉实时GI（耗费性能），保留烘焙GI，不然没有光照的地方会死黑一片。4、某些小地方会出现黑色遮罩，不够明亮，可以调节LightmapPadding，防止光照贴图贴错。
1、fbx模型导入，什么都不做修改前为裸模，需要修改模型Materials中的参数（但是有坑），具体解决方案见：MacUnity导入FBX模型时出现材质丢失，模型为白膜的情况2、模型烘焙前需要模型勾选模型的GernerateLightmapUVs让光照模型根据fbx模型的Lightingmap来贴图，否则烘焙后场景中的黑斑很严重。3、根据unity编辑器的版本，光照模式一般选择Shadowmask即可，保证质量也不消耗太多性能。去掉实时GI（耗费性能），保留烘焙GI，不然没有光照的地方会死黑一片。4、某些小地方会出现黑色遮罩，不够明亮，可以调节LightmapPadding，防止光照贴图贴错。
在国内，测试就是“低人一等”产品和开发，往往视测试为“保障部门”举几个例子：1、开发交付产品给测试，说的是：点点看，看下有没有问题。产品过来补刀：时间比较紧，半天时间够了吧？2、多轮迭代之后，用例库存下了巨量的测试用例。老板希望每次上线，你都来一遍回归测试，你质疑能否发现新的缺陷，可你又说不出所以然来；3、产品上线了，运行过程中出现一个生产问题，最后反馈到你这里，你恍然大悟：艹（一种植物），为什么如此简单，当初却没有想到？不得不承认，很多测试工程师，太水或者说，大部分的“点工”，都不能称之为“软件测试工程师”回想一下，培训机构的宣传是不是写到“测试很好入门，上手很快”、“做测试不用写代码”、“
在国内，测试就是“低人一等”产品和开发，往往视测试为“保障部门”举几个例子：1、开发交付产品给测试，说的是：点点看，看下有没有问题。产品过来补刀：时间比较紧，半天时间够了吧？2、多轮迭代之后，用例库存下了巨量的测试用例。老板希望每次上线，你都来一遍回归测试，你质疑能否发现新的缺陷，可你又说不出所以然来；3、产品上线了，运行过程中出现一个生产问题，最后反馈到你这里，你恍然大悟：艹（一种植物），为什么如此简单，当初却没有想到？不得不承认，很多测试工程师，太水或者说，大部分的“点工”，都不能称之为“软件测试工程师”回想一下，培训机构的宣传是不是写到“测试很好入门，上手很快”、“做测试不用写代码”、“
作为一个程序员，无论在面试还是工作中，优化SQL都是绕不过去的难题。为啥？工作之后才会明白，随着公司的业务量增多，SQL的执行效率对程系统运行效率的影响逐渐增大，相对于改造代码，优化SQL语句是正本最低的方式，所以部门老大才会经常要求程序员再优化一下SQL代码。如何优化SQL语句呢？这个问题，从网上搜索的答案是五花八门，总感觉太散抓不住重点。听说ChatGPT挺聪明的，看看它能给出什么答案。马上行动起来。ChatGPT认为，SQL语句的优化是提高数据库性能和查询效率的关键之一，并推荐以下常见的SQL优化技巧：1、使用索引：索引是提高查询效率的重要手段。为频繁查询的列建立索引，可以减少查询时间，
作为一个程序员，无论在面试还是工作中，优化SQL都是绕不过去的难题。为啥？工作之后才会明白，随着公司的业务量增多，SQL的执行效率对程系统运行效率的影响逐渐增大，相对于改造代码，优化SQL语句是正本最低的方式，所以部门老大才会经常要求程序员再优化一下SQL代码。如何优化SQL语句呢？这个问题，从网上搜索的答案是五花八门，总感觉太散抓不住重点。听说ChatGPT挺聪明的，看看它能给出什么答案。马上行动起来。ChatGPT认为，SQL语句的优化是提高数据库性能和查询效率的关键之一，并推荐以下常见的SQL优化技巧：1、使用索引：索引是提高查询效率的重要手段。为频繁查询的列建立索引，可以减少查询时间，
这几年，随着几大互联网公司的强大，纷纷投入云计算产业的建设，开源项目作为维护潜在客户群体（开发者）的重要手段，是各大云计算厂商都在努力做的事。这几年也诞生了很多真正优秀和看似优秀的开源项目。真正优秀的不必多说，就是那些被真实广泛应用的开源项目，而今天我想说的是那些看似优秀的开源项目。为什么有些项目是看似优秀？大家都知道，在全球最大的开源项目托管平台GitHub上有个被大家经常提及的数据：Star。很多时候，大家会用这个数据来描述开源项目的流行程度甚至优秀程度。相信工作一些年的开发者，一定有这样的感受。在好几年前，国内开源不多的时候，根据Star的数量来评判和选择开源产品使用的时候，不太会踩坑。
这几年，随着几大互联网公司的强大，纷纷投入云计算产业的建设，开源项目作为维护潜在客户群体（开发者）的重要手段，是各大云计算厂商都在努力做的事。这几年也诞生了很多真正优秀和看似优秀的开源项目。真正优秀的不必多说，就是那些被真实广泛应用的开源项目，而今天我想说的是那些看似优秀的开源项目。为什么有些项目是看似优秀？大家都知道，在全球最大的开源项目托管平台GitHub上有个被大家经常提及的数据：Star。很多时候，大家会用这个数据来描述开源项目的流行程度甚至优秀程度。相信工作一些年的开发者，一定有这样的感受。在好几年前，国内开源不多的时候，根据Star的数量来评判和选择开源产品使用的时候，不太会踩坑。
很多萌新在攒机的时候注重CPU和显卡的搭配，却忽视了限制电脑性能发挥的一个重要因素是散热。在面对散热器的选择时，很多玩家都会走向两个方向，要么干脆省钱用CPU自带的散热器，要么想一步到位直接上水冷。但是要我说的话，定位游戏平台的电脑既不应该用小巧的下吹式散热，也不适合直接上水冷，原因且听我细细讲来。首先下压式的散热器是压不住高端处理器的，尤其是玩家在进行大型游戏的时候CPU会处于连续长时间的满负载状态，发热量持续很高，对散热器有更高的要求。大多数下压式的散热器受限于空间设计，为了避免不和主板上的电容以及内存冲突，体积做的非常小巧，导致散热能力较差，在面对3A游戏大作时往往无法及时散热，高温就会
很多萌新在攒机的时候注重CPU和显卡的搭配，却忽视了限制电脑性能发挥的一个重要因素是散热。在面对散热器的选择时，很多玩家都会走向两个方向，要么干脆省钱用CPU自带的散热器，要么想一步到位直接上水冷。但是要我说的话，定位游戏平台的电脑既不应该用小巧的下吹式散热，也不适合直接上水冷，原因且听我细细讲来。首先下压式的散热器是压不住高端处理器的，尤其是玩家在进行大型游戏的时候CPU会处于连续长时间的满负载状态，发热量持续很高，对散热器有更高的要求。大多数下压式的散热器受限于空间设计，为了避免不和主板上的电容以及内存冲突，体积做的非常小巧，导致散热能力较差，在面对3A游戏大作时往往无法及时散热，高温就会
