深圳幻海软件技术有限公司 欢迎您!

  • 业务不停转,迁移已完结,Linode 实时迁移到底怎么做到?

    当开发者将工作负载部署到云计算平台时,往往并不需要考虑运行这些服务的底层硬件。在人们对“云”的理想化印象中,硬件维护和物理限制往往是无形的,然而硬件不可避免需要时不时进行维护,这可能会导致停机。为避免这样的停机时间被转嫁给我们的客户,并真正实现云的承诺,Linode提供了一种名为实时迁移(LiveM

  • Robusta KRR - 一个优化 Kubernetes 的资源分配工具

    RobustaKRR(KubernetesResourceRecommender)是一个用于优化Kubernetes集群中资源分配的命令行工具,它从Prometheus收集pod使用数据,并建议CPU和内存的requests和limits值,这可以大大降低成本并提高性能。特征无需代理:Robusta

  • 华为OD机试 - 任务调度(Java & JS & Python)

    题目描述现有一个CPU和一些任务需要处理,已提前获知每个任务的任务ID、优先级、所需执行时间和到达时间。CPU同时只能运行一个任务,请编写一个任务调度程序,采用“可抢占优先权调度”调度算法进行任务调度,规则如下:如果一个任务到来时,CPU是空闲的,则CPU可以运行该任务直到任务执行完毕。但是如果运行

  • 虚拟化之二:CPU的虚拟化

    > 前文已经介绍,我们知道了虚拟化是一个广义的术语,在计算机方面通常是指计算元件在虚拟的基础上而不是真实的基础上运行。而且虚拟化技术可以扩大硬件的容量,简化软件的重新配置过程。CPU的虚拟化技术可以单CPU模拟多CPU并行,允许一个平台同时运行多个操作系统,并且应用程序都可以在相互独立的空

  • 一个时代有一个时代的计算架构

    这是阿兰·图灵在1950年论文《计算机器和智能》中的经典提问,围绕着图灵的目标,软件和硬件开启了分头行动。软件,以算法为核心,衍生出了神经网络,并在深度学习的加持下,让人工智能浪潮实现全面汹涌。硬件,以芯片为载体,从CPU、GPU到各类AI芯片,从执行人的计算程序,到像人一样计算。芯片和AI,硬件和

  • 公司挖来一个阿里Java大神,生产环境故障调优很溜

    今天给大家分享一个知识点,就是平时我们线上服务器部署的Java系统如果发现要是性能不太好,此时应该如何登录到线上服务器,接着用top命令去分析线上系统的性能呢?下面我们就来一步一步给大家讲解一下top命令的使用技巧。线上系统是如何运行的?首先,在讲解top命令的使用技巧之前,我们先得给大家铺垫一些基

  • 用于图像着色的五个开源Python工具

    ​成千上万的老式照片和电影是在彩色图像还没有出现的年代拍摄的。如今,在深度学习的帮助下,我们可以为这些图片着色,使它们更接近原来的样子。作为测试,我将使用两张图像。本文将使用开源工具,这些工具可以从GitHub下载。DeOldifyDeOldify是基于SA-GAN(Self-Attention-g

  • 平均负载与 CPU 使用率,到底有啥区别?

    ​大家好,我是树哥。在性能优化中,我们经常会关注CPU平均负载这个指标。但如果让你来跟我解释一下什么是平均负载,你能说得清楚吗?它跟CPU使用率有什么区别?我想可能很多人都数不清楚,今天我们就来盘一盘CPU平均负载这个指标!平均负载与CPU使用率,到底有啥区别?Linux进程状态要弄明白CPU平均负

  • 接口流量突增,如何做好性能优化?

    ​大家好,我是树哥!对于提供接口服务的应用来说,很多都是用SpringBoot默认的Servlet容器Tomcat。在一开始上线的时候,由于大多数流量较小,我们也并不会为Tomcat做专门的参数调整。但随着流量越来越大,应用的各项性能指标越来越差,此时我们大多数都会选择扩容。除了扩容之外,我们还可以

  • 提升CPU算力,在Python中使用多进程模型

    作者|卢佳瑜,单位:中移物联网有限公司Labs导读云原生时代,应用对硬件资源的需求增长巨大,但单核CPU性能的提升存在瓶颈,摩尔定律已经失效。性能的提升更多侧重于使用多核并发,而不是依赖单核性能。俗话说再强的个人也敌不过训练有素的团队,便是这个道理。但即便是对多核的利用,也分为多进程、多线程等不同的

  • 你好,我是一个线程

    一个线程的自传:出生、死亡和重生。图片来源JustinLim于Unsplash1.一个新手我是一个线程。我出生时的号码是0x3704,然后被带到一个黑暗的房间,在那里我找到了很多和我一样的朋友。我的同伴0x6900在这里呆了相当长的时间。他用一种老练的语气对我说。"我们这些人的命运就是处理包裹。你必

  • NFV关键技术:x86架构基础(下篇)

    Labs导读标准服务器技术是网络功能虚拟化(NFV)实现的一个关键因素,了解一些x86架构的基础知识对大家后续了解电信云关键技术,尤其是掌握虚拟化技术原理和关键优化方案是必须具备的。本文接着上篇从x86架构的中断和异常、IO架构等部分进行阐述讲解。1、中断与异常程序的执行往往不只是按顺序执行那么简单

  • 程序员不小心把服务器CPU打到100%,展示教科书排查过程

     你们没发现我最近的原创原创少了很多嘛,一是最近花了很多时间做视频,本来我写文章就是利用周末的两天时间,但是现在基本上两天都要拍摄剪辑了,尽管请了小伙伴做字幕,还是得耗费大量时间在拍摄和剪辑上。所以我只能利用工作日熬一下才能写出来了,这周因为要发布,本来是没排期写文章的,你们也看到了我发了

  • 写给大忙人看的进程和线程

     下面是本文的结构图    我们平常说的进程和线程更多的是基于编程语言的角度来说的,那么你真的了解什么是线程和进程吗?那么我们就从操作系统的角度来了解一下什么是进程和线程。进程操作系统中最核心的概念就是进程,进程是对正在运行中的程序的一个抽象。操作系

  • 这些Python高效率技巧,一般人都不会!

    你估计已经看了不少关于Python技巧的文章,里面可能会提到变量拆包(unpacking)、局部函数等,但是Python还有很多不为人知的高效用法,等待着被人发现。本文将介绍作者纵观全网之后,都属于很少没提及的技巧。清理字符串输入清理用户输入的问题,几乎适用于我们可能编写的每个程序。通常将字符转换为

  • 我到Python虚拟机里逛了一圈,回来就被干掉了!

     我出生在C盘一个很深的目录下,也不知道是谁把我放到这里的。我无事可干,整天就是睡觉,睡醒了就和我的邻居Account.class聊天,他曾经去过一次内存的Java虚拟机,不停地给我重复他的JVM奇遇记,什么陌生警察,什么虚拟机大楼,什么清理者,让我听得心痒痒的,也想来一次这样的冒险。他告

  • Java服务器的模型—TCP连接/流量优化

    通常,我们的应用程序不需要并行处理成千上万的用户,也不需要在一秒钟内处理成千上万的消息。我们只需要应付数十或数百个并发连接的用户,就可以在内部应用程序或某些微服务应用程序中承受如此大的负担。在这种情况下,我们可以使用某些高级框架/库,这些框架/库在线程模型/使用的内存方面没有得到优化,并且仍然可以承

  • 你的Java并发程序Bug,100%是这几个原因造成的

     可见性问题可见性是指一个线程对共享变量进行了修改,其他线程能够立马看到该共享变量更新后的值,这视乎是一个合情合理的要求,但是在多线程的情况下,可能就要让你失望了,由于每个CPU都有自己的缓存,每个线程使用的可能是不同的CPU,这就会出现数据可见性的问题,先来看看下面这张图: C

  • 三行Python代码,可以让你的数据处理快别人4倍

    Python是一门非常适合处理数据和自动化完成重复性工作的编程语言,我们在用数据训练机器学习模型之前,通常都需要对数据进行预处理,而Python就非常适合完成这项工作,比如需要重新调整几十万张图像的尺寸,用Python没问题!你几乎总是能找到一款可以轻松完成数据处理工作的Python库。然而虽然Py

  • 百万并发下的Nginx优化,看这一篇就够了!

    本文作者主要分享在Nginx性能方面的实践经验,希望能给大家带来一些系统化思考,帮助大家更有效地去做Nginx。优化方法论我重点分享如下两个问题:保持并发连接数,怎么样做到内存有效使用。在高并发的同时保持高吞吐量的重要要点。实现层面主要是三方面优化,主要聚焦在应用、框架、内核。硬件限制可能有的同学也

推荐阅读