优化金字塔 应用程序层面 框架层面（Broker层面） JVM层面 操作系统层面 应用程序层面：应当优化业务代码合理使用kafka，合理规划主题，合理规划分区，合理设计数据结构； 框架层面：在不改动源码的情况下，从kafka参数配置入手，结合业务体量和运行数据进行调优 JVM层面：在出现明显缓慢和可
1. python 判断一组数呈上升还是下降趋势的方法 要判断一组数（数列）是呈上升趋势、下降趋势还是无明显趋势，我们可以比较数列中相邻元素的差值。如果大部分差值都是正数，则数列呈上升趋势；如果大部分差值都是负数，则数列呈下降趋势；如果正负差值数量相当或差值接近于零，则数列无明显趋势。 以下是一个使
1.前言 张三：“我写的软件好奇怪啊，在网络好的时候一点问题也没有，但是信号差的时候明显卡顿，看来我只能一直蹲在卫生间、电梯或者地铁（信号差）调bug了”。 Charles：“哈哈哈，傻孩子，我就自带弱网工具呀，在Proxy-->Throttle Setting下，使用前要记得勾选Enable Th
https://www.modb.pro/db/150190 每隔一段时间就能看到一篇 GraphQL 的文章，但是打开文章一看，基本上就是简单的介绍下 GraphQL 的特性。很多文章其实就是 github 上找个 GraphQL 的项目，然后按照对应的 demo 跑起来而已。有些文章明显是没有完
系统学习 IO性能对于一个系统的影响是至关重要的。一个系统经过多项优化以后，瓶颈往往落在数据库；而数据库经过多种优化以后，瓶颈最终会落到IO。而IO性能的发展，明显落后于CPU的发展。Memchached也好，NoSql也好，这些流行技术的背后都在直接或者间接地回避IO瓶颈，从而提高系统性能。 IO
https://cloud.tencent.com/developer/article/1420726 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
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
1： 选择合理的硬件配置：尽可能使用 SSD Elasticsearch 最大的瓶颈往往是磁盘读写性能，尤其是随机读取性能。使用SSD（PCI-E接口SSD卡/SATA接口SSD盘）通常比机械硬盘（SATA盘/SAS盘）查询速度快5~10倍，写入性能提升不明显。 对于文档检索类查询性能要求较高的场景
https://www.cnblogs.com/jyzhao/p/8628184.html 故障描述：与客户沟通，初步确认故障范围大概是在上午的8:30-10:30之间，反应故障现象是Tomcat的连接数满导致应用无法连接，数据库alert中无明显报错，需要协助排查原因。 1.导入包含故障时刻的数据
# 申威下单盘SSD与四块盘RAID5的性能测试结果 ## 背景 ``` 背景不在说了 申威服务器.. ``` ## 结论 ``` 天坑 做了raid写入性能下降明显. 充分怀疑驱动不行. 四快盘的raid5 跟单盘的读几乎没区别. 感觉这个设置太失败了. 总体的结果为: 读的情况合计都为 70k
6月30日，数据库发生了大量锁表。大概持续1小时，并且越锁越多。后来通过业务人员停掉程序，并kill掉会话后解决。 几天后再EM上查看CPU占用： CPU发生了明显等待。 主要是由于enq:TX - row lock contention等待事件造成。 等待事件—enq:TX - row lock
移动互联网风起云涌的数十年来，App 似乎成为了企业与用户打交道最“理所当然”的形式，更年轻一代的用户甚至可能认为 App 就是一个“与生俱来”的事物，但随着移动互联网发展的高峰离去，App 面临着发展的困境和疲态。最明显的感知就是这几年以微信、支付宝、抖音等“超级 App”们大行其道，占据了用户超过80%的手机使用时间，而其他大多数 App 则成为了用户手机的内存侵夺者。
VGGNet和GoogLeNet等网络都表明有足够的深度是模型表现良好的前提，但是在网络深度增加到一定程度时，更深的网络意味着更高的训练误差。误差升高的原因是网络越深，梯度弥散[还有梯度爆炸的可能性]的现象就越明显，所以在后向传播的时候，无法有效的把梯度更新到前面的网络层，靠前的网络层参数无法更新，
【导读】 日常运营过程中，消息推送是App触达用户的常用手段，无论是新功能的通知，还是活动的提醒，都可以通过推送告知用户。千人千面的个性化推送，对于提升用户粘性、用户转化等指标都具有明显正向效果。越来越多的应用选择华为Push用户增长服务作为拉新、促活的首选渠道，他们选择的理由是什么？他们又是如何持
作者：翟贺龙 一、背景 在计算机领域，涉及性能优化动作时首先应被考虑的原则之一便是使用缓存，合理的数据缓存机制能够带来以下收益： 1.缩短数据获取路径，热点数据就近缓存以便后续快速读取，从而明显提升处理效率； 2.降低数据远程获取频次，缓解后端数据服务压力、减少前端和后端之间的网络带宽成本； 从 C
伴随物流行业的迅猛发展，一体化供应链模式的落地，对系统吞吐、系统稳定发出巨大挑战，库存作为供应链的重中之重表现更为明显。
.NET生成的GUID唯一性很好，用之方便，但是，缺少像雪花算法那样的有序性。虽然分布式系统中做不到绝对的有序，但是，相对的有序对于目前数据库而言，索引效率等方面的提升还是有明显效果的（当然，我认为，这是数据库的问题，而非编程的问题，数据库应该处理好任何类型数据作为主键索引时的性能，除非在SQL标准...
