相關(guān)文章

• 

  《高性能MySQL》——查詢性能優(yōu)化（筆記）

  將查詢看作一個(gè)任務(wù)，那么它由一系列子任務(wù)組成，實(shí)際我們所做的就是： 消除一些子任務(wù) 減少子任務(wù)的執(zhí)行次數(shù) 讓子任務(wù)運(yùn)行更快 查詢的生命周期大概可分為 = { 客戶端 服務(wù)器 : 進(jìn)行解析 , 生成執(zhí)行計(jì)劃 執(zhí)行：包括到存儲引擎的調(diào)用，以及用后的數(shù)據(jù)處理 { 排序 分組

  2024年02月13日

  瀏覽(95)
• 

  linux系統(tǒng)下如何使用nginx作為高性能web服務(wù)器

  ?? 歡迎大家來到景天科技苑?? ???? 養(yǎng)成好習(xí)慣，先贊后看哦~???? ?? 作者簡介：景天科技苑 ??《頭銜》：大廠架構(gòu)師，華為云開發(fā)者社區(qū)專家博主，阿里云開發(fā)者社區(qū)專家博主，CSDN新星創(chuàng)作者，掘金優(yōu)秀博主，51CTO博客專家等。 ??《博客》：Python全棧，前后端開

  2024年04月14日

  瀏覽(37)

• MySQL高性能優(yōu)化規(guī)范建議

  數(shù)據(jù)庫命令規(guī)范 數(shù)據(jù)庫基本設(shè)計(jì)規(guī)范 1. 所有表必須使用 Innodb 存儲引擎 2. 數(shù)據(jù)庫和表的字符集統(tǒng)一使用 UTF8 3. 所有表和字段都需要添加注釋 4. 盡量控制單表數(shù)據(jù)量的大小,建議控制在 500 萬以內(nèi)。 5. 謹(jǐn)慎使用 MySQL 分區(qū)表 6.盡量做到冷熱數(shù)據(jù)分離,減小表的寬度 7. 禁止在表中建

  2024年02月12日

  瀏覽(24)

• Kafka高性能集群部署與優(yōu)化

  Kafka 是由Apache Software Foundation開發(fā)的一個(gè)分布式流處理平臺，源代碼以Scala編寫。Kafka最初是由LinkedIn公司開發(fā)的，于2011年成為Apache的頂級項(xiàng)目之一。它是一種高吞吐量、可擴(kuò)展的發(fā)布訂閱消息系統(tǒng)，具有以下特點(diǎn)： 高吞吐量：Kafka每秒可以處理數(shù)百萬條消息。 持久化：數(shù)據(jù)存

  2024年02月13日

  瀏覽(37)

• 數(shù)據(jù)庫——MySQL高性能優(yōu)化規(guī)范

  所有數(shù)據(jù)庫對象名稱必須使用小寫字母并用下劃線分割 所有數(shù)據(jù)庫對象名稱禁止使用 MySQL 保留（如果表名中包含查詢時(shí)，需要將其用單引號括起來） 數(shù)據(jù)庫對象的命名要能做到見名識意，并且最后不要超過 32 個(gè)字符 臨時(shí)庫表必須以 tmp_為前綴并以日期為后綴，

  2024年02月11日

  瀏覽(50)
• 

  讀高性能MySQL（第4版）筆記11_查詢性能優(yōu)化（中）

  2024年02月08日

  瀏覽(26)
• 

  讀高性能MySQL（第4版）筆記12_查詢性能優(yōu)化（下）

  2.3.1.1.?讀取行指針和需要排序的字段，對其進(jìn)行排序，然后再根據(jù)排序結(jié)果讀取所需要的數(shù)據(jù)行 2.3.1.2.?即需要從數(shù)據(jù)表中讀取兩次數(shù)據(jù)，第二次讀取數(shù)據(jù)的時(shí)候，因?yàn)槭亲x取排序列進(jìn)行排序后的所有記錄，這會產(chǎn)生大量的隨機(jī)I/O，所以兩次傳輸排序的成本非常高 2.3.2.1.?先

  2024年02月08日

  瀏覽(22)
• 

  讀高性能MySQL（第4版）筆記10_查詢性能優(yōu)化（上）

  4.11.1.1.?在存儲引擎層完成的 4.11.2.1.?直接從索引中過濾不需要的記錄并返回命中的結(jié) 4.11.2.2.?在MySQL服務(wù)器層完成的，但無須再回表查詢記錄 4.11.3.1.?在MySQL服務(wù)器層完成 4.11.3.2.?需要先從數(shù)據(jù)表中讀出記錄然后過濾 4.13.2.1.?使用單獨(dú)的匯總表 5.5.1.1.?定期清除大量數(shù)據(jù)時(shí)，

  2024年02月08日

  瀏覽(33)
• 

  高性能計(jì)算的矩陣乘法優(yōu)化 - Python + OpenMP實(shí)現(xiàn)

  關(guān)于上一節(jié)讀者某些疑問 ：為什么你用進(jìn)程并行不是線程并行？ 回答 ：由于Python解釋器有GIL（全局解釋器鎖），在單進(jìn)程的解釋器上有線程安全鎖，也就是說每次只能一個(gè)線程訪問解釋器，因此Python在語法上的多線程（multithreads）實(shí)現(xiàn)是不會提高并行性能的。 這一點(diǎn)和C

  2024年02月15日

  瀏覽(33)

• 高性能計(jì)算的矩陣乘法優(yōu)化 - Python +MPI的實(shí)現(xiàn)

  本次實(shí)驗(yàn)的目的是使用MPI的并行性來進(jìn)行矩陣乘法優(yōu)化，本人使用 Python 實(shí)現(xiàn) 實(shí)驗(yàn)硬件： CPU ：AMD Ryzen 7 5800H(3.20 GHz) 內(nèi)存 ：32GB (3200MHz) 要求 ：使用一個(gè)矩陣，一個(gè)向量相乘，分別用單進(jìn)程和多進(jìn)程的mpi接口實(shí)現(xiàn)。 全局的規(guī)模參數(shù)是 Scale 數(shù)據(jù)示例 ： 當(dāng) Scale=5 時(shí)，數(shù)據(jù)示例如

  2023年04月22日

  瀏覽(32)