随着业务的不断增长，支撑业务系统的压力也逐渐增加，会面临如系统越来越厚重、逻辑越来复杂、迭代节奏越来越快等繁杂的情况。我们当前并没有做到在每次变化时快速识别出性能风险，检测产品或系统的稳定性、可靠性，而且我们还在不断的投入人力成本在压测这件事情上也是不合理的，所以我们要将性能验证融入到我们日常的工作中，把压测做到常态化，做成平常的一件事。
背景 最近项目上有一个需求，需要将两张表(A表和B表)的数据进行关联并回写入其中一张表(A表)，两张表都是分区表，但是关联条件不包括分区字段。 分析过程 方案一 最朴素的想法，直接关联执行，全表关联，一条SQL搞定全部逻辑。想法越简单，执行越困难。由于数据量大，服务器规模较小，尽管各台服务器内存和C
时间复杂度 (1)select==>时间复杂度O(n) 它仅仅知道了，有I/O事件发生了，却并不知道是哪那几个流（可能有一个，多个，甚至全部），我们只能无差别轮询所有流，找出能读出数据，或者写入数据的流，对他们进行操作。所以select具有O(n)的无差别轮询复杂度，同时处理的流越多，无差别轮询时间
boosting 查询可以帮助我们去影响查询后的 score - positive：只有匹配上positive的查询的内容，才会被放到返回的结果中 - negative：如果匹配上和positive并且也匹配上了negative，就可以降低这样的文档 score. - negative_boost：指定系数，必须小于 1.0 关于查询时，分数是如何计算的： - 搜索的关键字在文档中出现的频次越高，
没有引入坐标系之前，在绘制图形时，也有一个隐含的坐标系，它和屏幕的像素相关。 比如，我们之前示例中的各个图形，屏幕的中心就是坐标原点（[0, 0]）, 横轴坐标的范围大概是 [-3.5, 3.5]，纵轴的坐标范围大概是 [-4, 4]，这个范围与设置的视频分辨率有关，分辨率设置的越高的话，坐标范围越
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
