随着人工智能和图形处理需求的不断增长，多 GPU 并行计算已成为一种趋势。对于多 GPU 系统而言，一个关键的挑战是如何实现 GPU 之间的高速数据传输和协同工作。然而，传统的 PCIe 总线由于带宽限制和延迟问题，已无法满足 GPU 之间通信的需求。为了解决这个问题，NVIDIA 于 2018 年
https://www.pianshen.com/article/57221534801/ nload等一些工具可以读取"proc/net/dev"文件，以获得流量统计信息；而一些工具使用pcap库来捕获所有数据包，然后计算总数据量，从而估计流量负载。下面是按功能划分的命令名称。监控总体带宽使用――
https://zhuanlan.zhihu.com/p/451341132 dperf是一款高性能的开源网络压力测试仪，是Linux基金会旗下的DPDK官方生态项目。本文介绍如利用dperf在两台物理服务器之间互打http流量进行基本性能测试：每秒新建连接数、并发连接数、带宽、PPS。本次测试示例
https://www.eet-china.com/mp/a219195.html 大 GPU 优势在于通过并行计算实现大量重复性计算。GPGPU即通用GPU，能够帮助 CPU 进行非图形相关程序的运算。在类似的价格和功率范围内，GPU 能提供比CPU 高得多的指令吞吐量和内存带宽。GPGPU 架构
# 计算机底层的秘密读书笔记之二 ## 内存部分 ``` 内存部分之前自己看过很多资料了: 主要是虚拟内存以及TLB相关的内容 本书的角度与之前角度都不太一样,更加新颖一些. 这次总结想倒着来写. 1. SSD的带宽和延迟都比较好了, 但是是无法代替内存的 内存的寻址可以到字节,然后都是按照内存的位
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
https://tidb.net/blog/021059f1 于是乎dba中的冯大嘴喊出了云数据库就是杀猪盘。让每个公司自建数据库。 那么有没有一种数据库又便宜又好用呢。有 哪就是tidb数据库。 之前一个dba工程师的工作内容可能包括以下几个方面： 监控带宽、流量、并发、业务接口等关键资源及访问信
本文将学术界和工业界的纠删码技术的核心研究成果进行了相应的梳理，然后针对公司线上存储系统的纠删码进行分析，结合互联网企业通用的IDC资源、服务器资源、网络资源、业务特性进行分析对原有纠删码技术进行优化和微创新，提出了融合EC整体方案以及可落地的RS+LRC+中间结果优化+并行修复跨AZ带宽设计方案，为后续的工程实践提供重要原理和架构支撑。
作者：胡济麟 1、背景介绍 1.1 直播业务特点 互联网视频直播是一种消息媒介形态，提供时产时消的内容，经过多年，已经发展出秀场、游戏、电商、体育等多种业务形态。主要特点是：内容实时产生实时消费，对时效性要求更高；流媒体内容占用带宽大，对网络质量要求更苛刻；一人生产、多人消费，带宽规模大。直播 CD
摘要：本文重点介绍几种通过优化Cache使用提高程序性能的方法。 本文分享自华为云社区《编译器优化那些事儿（7）：Cache优化》，作者：毕昇小助手。 引言 软件开发人员往往期望计算机硬件拥有无限容量、零访问延迟、无限带宽以及便宜的内存，但是现实却是内存容量越大，相应的访问时间越长；内存访问速度越快
计算机单机性能一直受到摩尔定律的约束，随着移动互联网的兴趣，单机性能不足的瓶颈越来越明显，制约着整个行业的发展。不过我们虽然不能无止境的纵向扩容系统，但是我们可以分布式、横向的扩容系统，这听起来非常的美好，不过也带来了今天要说明的问题，分布式的节点越多，通信产生的成本就越大。 网络传输带宽变得越来越
TTL是Time To Live的缩写，通常意味着元素的生存时间是多长。 应用场景 数据库：在redis中我们最常见的就是缓存我们的数据元素，但是我们又不想其保留太长的时间，因为数据时间越长污染的可能性就越大，我们又不想在后续的程序中设置删除，所以我们此时需要设置过期时间来让数据自动淘汰。 sete
支持Qos0、定时、过期、顺序、广播、事务、二进制等消息特性。有确认、重试、延时等机制。可嵌入、单机、集群等部署。
一、日常问题 1）CDN 异常 5 月中旬，发现图像异常的上报量比平时多了 10 多倍，日常 300 多，现在 4000 多。 但是看不到异常的错误码，不能确定是域名问题还是服务问题。还特地查看了错误分布的时间段，但并没有看出说明规律。 本来以为是证书的问题，因为正好那几天证书到期了，但是证书更新后
FolkMQ 消息中间件。支持Qos0、定时、过期、顺序、广播、事务、二进制等消息特性。有确认、重试、延时等机制。可嵌入、单机、集群等部署。
网上找到的Master公式推导过程都太过于复杂了，为此我特地找到一种小白也能看懂的推导过程。看完这篇文章后，你会对递归的时间复杂度深谙于心，打死都不会忘记。
功能简表 角色 功能 生产者（客户端） 发布消息、定时消息（或叫延时）、顺序消息、可过期消息、事务消息。支持 Qos0、Qos1 消费者（客户端） 订阅、取消订阅。消费-ACK（自动、手动） 服务端 发布-Confirm、订阅-Confirm、取消订阅-Confirm、派发-Retry、派发-Del
1、Solon Cloud Event？ 是 Solon 分布式事件总线的解决方案。也是 Solon “最终一致性”分布式事务的解决方案之一 2、事务特性 事务？就是要求 Event 有原子性，当多个 Event 发布时，要么全成功，要么全失败。 public class EventDemo { p
