关于JVM指针压缩性能的研究 摘要 JVM的内存对消最小是 8bytes 所以32G内存的情况下可以使用 32位的指针就可以了. 32位就是4G 在乘以最小的内存extent 8 bytes 的出来可以指向 32G的内存区域. 如果大于32G, 那么必须使用64位的指针. 理论上会导致非堆区的内存膨
https://www.cnblogs.com/kcxg/p/10350870.html 规则查询 #查看对应表中的所有规则 iptables -t 表名 -L #查看表的指定链中的规则 iptables -t 表名 -L 链名 #查看对应表中的所有规则， -v显示跟详细的信息 iptables -
https://www.cnblogs.com/wx170119/p/12068005.html 前言 在对一个挡板系统进行测试时，遇到一个由于TCP全连接队列被占满而影响系统性能的问题，这里记录下如何进行分析及解决的。 理解下TCP建立连接过程与队列 从图中明显可以看出建立 TCP 连接的时候，有
目录 1.直接内存概述2.`IO`与`NIO`对比3.直接内存的`OOM`与内存大小设置 1.直接内存概述 1.直接内存不是虚拟机运行时数据区的一部分，也不是Java虚拟机规范中定义的内存区域。 2.直接内存是在Java堆外，直接向系统申请的内存空间 3.Java的NIO库允许使用直接内存，用于数据
# FIO的再学习-不同Raid性能验证 ## 背景 ``` 发现自己对iodepth的和num_jobs的理解存在偏差 找了一些资料才发现自己很多地方做的不对. 这里找到一个新资料可以进行模拟数据库的测试 ``` ## 测试配置文件 ``` # R/W: 8/2 # ThreadPool Num:
测试环境 3台服务器：ceph配置内外网分离，外网使用万兆线，内网使用千兆线，osd共21个。 1台客户端：安装fio工具、内核客户端，使用万兆线。 测试目的 针对fio工具中的iodepth（队列深度）和numjobs（线程数）参数，分析使用fio工具时，哪个参数对带宽值测试结果影响比较大。 测试
http://team.jiunile.com/blog/2019/06/tcpdump.html tcpdump 简介 对于 tcpdump 的使用，大部分管理员会分成两类。有一类管理员，他们熟知 tcpdump 和其中的所有标记；另一类管理员，他们仅了解基本的使用方法，剩下事情都要借助参考手册才
日常•2022年5月29日 goofys编译 goofys是一个开源的使用Go编写的s3存储桶挂载工具，主打高性能。由于使用Go编写，没有用到什么特别的依赖，自己编译也很容易。截止2022.5.27，官方github仓库貌似一直有提交，但是提供的预编译安装包貌似只到2020年4月，而且只有x86版本
https://www.jianshu.com/p/ceea435635a2 大多数情况下，对于文件内容的修改需要依赖交互式的软件来实现，例如vim修改文件的内容则是依赖光标的移动和修改操作来完成对文件某一处内容的修改。然而，在linux操作系统中，也存在一种非交互式的方法来修改文件内容，通过发送特
https://cloud.tencent.com/developer/article/1608073 关键内容说明： TiDB 对于每个事务，会涉及改动的所有key中，选择出一个作为当前事务的Primary Key，其他的则为Secondary keys。 当Primary Key提交成功，标识整
KingbaseES逻辑备份还原工具提供了数据库对象一级的联机备份还原功能，备份对象包括： 数据库 模式 表 视图 约束 权限 触发器 函数 序列 逻辑备份的输出格式包括： 二进制 SQL脚本 此外，针对表数据，还支持多种格式的导出： CSV JSON HTML 从而帮助用户可灵活调整、实施数据的备
本文包含针对常见 HTML 元素的增删改查等操作，从原生 js 和 JQuery 两个纬度进行对比列举。
概述 通过之前的文章 - Prometheus Alertmanager 生产配置趟过的坑总结, 我们已经知道 AlertManager 作为告警平台，是非常强大的，可以去重 (deduplicating)，分组 (grouping)，并将它们路由 (routing) 到正确的接收器 (receiv
APM（Application Performance Monitoring）和 NPM（Network Performance Monitoring）的对比。
系列文章 Grafana 系列文章 Grafana Prometheus 数据源 Grafana 提供了对 Prometheus 的内置支持。本文会介绍 Grafana Prometheus（也包括 Prometheus 的兼容实现，如 Thanos, Mimir 等） 数据源的部分选项、变量 (V
系列文章 Grafana 系列文章 ElasticSearch 数据源 Grafana内置了对Elasticsearch的支持。你可以进行多种类型的查询，以可视化存储在Elasticsearch中的日志或指标，并使用存储在Elasticsearch中的日志事件对图表进行注释。 配置 ES 数据源 关
日常办公中，我们经常会遇到需要匹配表，匹配对应数据的场景，在EXCEL中，我们习惯使用VLOOKUP函数或者是X-LOOKUP函数，今天学习的是Python，pandas库中的匹配功能。 首先导入所需的pandas库。 import pandas as pd 用到的模拟数据共三张表，分别是销售表，区
日常数据清洗中，利用python清洗的第一步就是读取对应文件，今天一起复盘一下数据读取环节的常规操作。 csv和xlsx格式读取类似，所以用csv做案例 X-MIND图
在日常的工作中，我们往往需要对表格数据的拼接，用来生成一些复合数据列，如下图类似场景。 其实，在powerbi中，我们同样也可以对表格文本进行拼接。今天我们就介绍两个DAX函数，COMBINEVALUES（表函数，新建列）与 CONCATENATEX（度量值）。示例数据表： 一：COMBINEVAL
前言 在Power BI中，我们经常需要对数据进行聚合计算，比如求和、求平均、求最大值等。 Power BI提供了一系列的聚合函数，可以用来对表中列的值进行聚合然后返回一个值。这些函数通常只需要一个参数，就是要聚合的列名。如SUM(‘销售表’[销量])，就是求销售表里的销量总和。 但是有时候，我们需
