这是一篇用于验证文章详情页侧边栏目录（TOC）功能的长文。文章包含多个二级标题，用于测试滚动时目录高亮的切换是否正确。
为什么需要侧边目录
当一篇文章足够长、内容足够丰富时，读者往往需要快速定位到自己关心的章节。侧边目录提供了以下价值：
- 一眼看清全文结构，形成整体认知。
- 点击目录项即可跳转到对应章节。
- 滚动过程中高亮当前所在章节，帮助读者建立位置感。
异步模型的选择
在边缘计算场景下，IO 密集是常态。设备需要同时处理多个连接、多个任务队列，而单线程模型在突发负载下会迅速达到瓶颈。
单线程事件循环的问题
单线程事件循环在低负载时表现优雅，但存在两个明显缺陷：
- 突发流量下的延迟陡增：任务队列一旦积压，后面的任务等待时间线性增长。
- CPU 密集任务的阻塞：任何长时间运行的同步操作都会卡住整个循环。
tokio 多线程运行时
改用 tokio 之后，调度器可以充分利用多核 CPU，同时保持代码的异步风格。需要注意共享状态的同步开销，以及背压策略的设计。
三个并发陷阱
共享状态的生命周期
跨任务共享的状态需要清晰的所有权边界。推荐的做法是使用 Arc + Mutex，或者更好的方式：用消息传递代替共享内存。
背压处理
任务队列无界增长比阻塞更危险。在内存受限的边缘设备上，无界队列可能导致 OOM。需要引入有界队列 + 丢弃策略 + 监控指标的组合方案。
优雅停机
Ctrl+C 之后的收尾工作比想象中复杂。需要等待正在处理的任务完成、保存中间状态、通知下游连接。建议实现一个简单的两阶段停机流程。
边缘计算的本质
边缘计算不是超算，而是"离数据更近"。这意味着：
- 低延迟：数据在本地处理，不必往返云端。
- 弱网容忍：网络断开时仍能工作。
- 隐私友好：敏感数据不出设备。
离线优先的设计
边缘设备应该把"离线"当作常态而非异常。数据先写本地队列，网络恢复后再同步到云端。
设备资源约束
相比云服务器，边缘设备的内存、存储、CPU 都极其有限。代码体积、内存占用、启动时间都成为重要的优化指标。
调度器的重构思路
第一阶段：梳理状态
重构前先画出所有共享状态的依赖图，明确哪些状态可以被消除。
第二阶段：接口先行
先把调度器的接口抽象出来，再用新的 tokio 实现替换内部逻辑。这样可以在不改变外部行为的前提下逐步迁移。
第三阶段：压力测试
重构完成后的第一件事不是上线，而是压测。用模拟的突发流量验证新的调度器在边界情况下是否稳定。
监控与可观测性
结构化日志
使用 tracing 输出结构化日志，包含任务 ID、耗时、队列深度等关键字段，方便事后排查。
指标采集
暴露 Prometheus 指标：队列深度、处理延迟、任务失败率、内存占用。
告警策略
设置合理的告警阈值，避免告警疲劳。队列深度超过阈值持续 5 分钟才告警，而不是一超过就告警。
部署与运维
镜像瘦身
边缘设备的存储有限，镜像应该尽量小。使用多阶段构建，只保留运行时需要的文件。
灰度发布
先在一台设备上发布新版本，观察监控指标稳定后再全量下发。回滚路径要提前准备好。
远程调试
边缘设备可能分布在各种网络环境中，需要支持远程日志查看和指标查询，方便快速定位问题。
写在最后
一次重构的价值不在代码本身，而在对系统边界更清晰的理解。边缘计算不是超算，而是"离数据更近"。希望这篇长文能帮助验证侧边目录的滚动高亮功能是否正常工作。
如果你能读到这一段，说明滚动已经足够长，TOC 的最后一个章节「写在最后」应该已经高亮。