三、修改环境 现在用户已经知道了系统启动文件的位置和内容,就可以修改启动文件,来自定义我们的环境。(准) 1.用户应当修改哪些文件 一般来说,在 PATH 中添加目录或定义额外的环境变量,需要将这些更改放入到 .bash_profile 文件中(或者是其它的等效文件,这取决于系统的发行版本,比如 Ubuntu 系统使用的是 .profile 文件),其它的改变则应录入 .bashrc 文件中。除非是系统管理员需要修改用户公用的默认设置,普通用户只需对主目录下的文件作出修改即可。当然用户也可以修改其它目录
前面两个小节具体介绍了Hard Margin SVM算法的思想,并将这种思想转换为数学中的最优化问题。 此时这个有条件的最优化问题中的条件变成了下图中s.t.中的式子。 ? 如果C等于1,代表这两部分的重要程度一样的; 如果C在0~1之间,整个最优化的式子将以优化前半部分为主; 如果C特别大,整个最优化的式子将以优化后半部分为主; 我们用这样的一个参数来平衡Soft Margin SVM算法最优化式子中两部分的重要程度。 下图就是Soft Margin SVM算法对应的最优化问题的数学表达式,Soft Margin SVM算法的本质依然是一个有条件的最优化问题。 ?
Liskov { public static void main(String[] args) { A a = new A(); System.out.println("11 System.out.println("1-8="+a.func1(1,8)); B b = new B(); System.out.println("11 return a+b; } public int func2(int a,int b){ return func1(a,b)+9; } } 输出 11 -3=8 1-8=-7 11-3=14 1-8=9 11+3+9=23 这里我们B类的本意是调用方法进行 11-3的运算 但是因为我们B类重写了A类的方法 导致我们的11-3的结果变为了14 我们发现原来正常运行的相减功能发生了错误 -3="+b.func3(11,3)); } } 输出 11-3=8 1-8=-7 11+3=14 1+8=9 11+3+9=23 11-3=8 组合的方式依然可以使用A的方法
Liskov01 { public static void main(String[] args) { A a = new A(); System.out.println("11 Liskov { public static void main(String[] args) { A a = new A(); System.out.println("11 b.func1(1, 8)); System.out.println("11+3+9=" + b.func2(11, 3)); System.out.println("11
以线程栈为例,G1会扫描虚拟机所有JavaThread和VMThread的线程栈中的每一个栈帧,找到其中的对象引用,并对它们应用G1ParCopyClosure,如代码清单11-3所示: 代码清单11- 之前根集中的引用指向Eden Region对象,对这些引用应用G1ParCopyClosure之后,Eden Region的对象会被复制到SurvivorRegion,所以根集的引用也需要相应改变指向,如图11 图11-3 清理根集 copy_to_survivor_space在移动对象后还会用G1ScanEvacuatedObjClosure处理对象的成员,如果成员也属于CSet,则将它们放入一个G1ParScanThreadState
11", "items": { "breakfast burritos": "$6.00", "pancakes": "$4.00" } }, "lunch" : { "hours": "11
"$6.00">breakfast burritos</item> <item price="$4.00">pancakes</item> </breakfast> <lunch hours="<em>11</em>
本章主要内容面向接触过C++的老铁 主要内容含: ※全文大致内容总结 一.插入数据优化 关于插入数据优化,主要有以下三个方面 批量插入 手动提交事务 主键顺序插入 1.批量插入 采取以下形式,在一个 顺序插入可以减少 页分裂 (下文主键优化有详解)相应博客传送门 二.主键优化 1.主键设计原则 满足业务需求的情况下, 尽量降低主键的长度。 三.order by优化 尽量使用 覆盖索引INDEX . (覆盖索引加子查询形式&多表联查) 优化思路: 一般分页查询时,通过创建 覆盖索引 能够比较好地提高性能,可以通过 覆盖索引加子查询形式 或者 多表联查 进行优化。 count(*) InnoDB引擎并不会把全部字段取出来,而是专门做了优化,不取值,服务层直接按行进行累加。
信用 卡客户可以通过CCMS查询并核实其交易信息(包括信用卡交易记录及交易额)●图11-3和图11-4分别给出了该系统的顶层数据流图和0层数据流图的初稿。 11-3 11-4 [问题1] (3分) 根据[说明], 将图11- 3中的E1 ~ E3填充完整。 [问题2] (3分) 图11-3中缺少三条数据流,根据[说明] , 分别指出这三条数据流的起点和终点。
图片相关优化 压缩格式优化 简书 高清晰无压缩 > RGBA32 缺点 内存占用大, 显示运行内存 中清晰中压缩 > RGBA16+Dithering(TexturePacker)内使用FloydSteinberg Android] ETC1, 不支持dxt [Iphone/Ipand] PVRTC4 压缩默认 RGBA16 清晰度高但是渐变不合适 RGBA32 高保真 16it/尺寸减半 压缩 UI Icon 声音相关优化 推荐将Load Type设置为Decompress on Load(在加载时解压)会运行的更流畅(并不是使用于任何的音频,只是使用于频繁使用的音频) 参考链接: -微信公众号(游戏蛮牛)-Unity性能优化 —声音优化
或的逻辑约束 三个选择的或 只有才 更多或 整数可除 多边形组合 固定花费 分段线性 组合型 set covering set packing 食堂定位 地图填色 Julia例子 9数独 概述 整数优化就是线性优化
概览 线性化的必要性 非线性条件线性化 绝对值约束 最大最小约束 比例约束 总结 Julia优化例子 Knapsack Diet 概览 线性优化,指的是目标函数和约束条件都是线性的优化问题。 面对一个优化问题,首先需要建立优化问题的模型,因此需要编程语言;对优化问题建模后需要求解该问题,因此需要求解不同优化问题的solver。 优化库JuMP:是Julia的一个包,用于建立优化问题。 solver:Jump支持很多开源与商业的solver,这些solver用于求解优化问题。 线性化的必要性 求解线性问题要比求解非线性问题容易很多,因此将非线性的目标函数或者约束跳进进行线性化,有利于求解优化问题。 本文将介绍三种常见的非线性约束并探讨如何将其线性化。 \end{equation} 最大最小约束 最大最小约束(或最小最大约束),可以将优化目标用一个自变量代替,然后补充满足条件的自变量的约束条件即可。
之前曾在iOS 优化-瘦身文章中提到过 iOS 优化将会是一个专题,今天就带来 iOS 优化系列的第二篇,主要介绍一下启动优化,即如何减少应用的启动时间。 App 启动过程 在优化之前,我们需要对 App 的完整启动过程有个了解,这样我们才能知道启动耗时分布的阶段、哪一个阶段可以被优化以及优化哪一个阶段 ROI 最高。 下面是一些常用的优化手段,优化起来易,防劣化起来难。 首屏渲染优化 这个阶段其实对 UI 渲染效率的提升了,优化手段也就是渲染优化方面的通用手段了。 参考资料 reducing-your-app-s-launch-time[6] 58 同城 App 性能治理实践-iOS 启动时间优化 iOS 优化篇 - 启动优化之 Clang 插桩实现二进制重排[7
Android 优化目录 ---- 理想情况下,60 FPS 以上就不会卡顿,就是 1 秒内要有 60 帧,所以每一帧要在 16ms 内绘制完成。 刷新机制可以看Android Project Butter分析或《Android应用性能优化最佳实践》2.1.2 刷新机制一节。 大片的蓝色可以接受,如果整个窗口是蓝色的,可以尝试优化减少一次 绘制。 绿色:每个像素多绘制了 2 次。 淡红:每个像素多绘制了 3 次。一般来说,这个区域不超过屏幕的 1/4 是可以接受的。 严重影响性能,需要优化,避免深红色区域。 自定义 View 本身被认为一层,但是 onDraw 里可绘制时可能产生过度绘制,通过 canvas.clipRect 来解决,具体参见 《Android应用性能优化最佳实践》2.4.3 一节。
Android 优化目录 ---- 利用 Network Profiler 检查网络流量 接口设计 API设计 App 与 Server 之间的 API 设计要考虑网络请求的频次,资源的状态等 故而也是需要优化的一个点。可以在获取图片时告知服务器需要的图片的宽高,以便服务器给出合适的图片,避免浪费。 弱网优化 除了正常的网络优化,还需考虑到弱网情况下 App 的表现。 一般来说,网络延迟在 60ms 内是 OK 的,超过 200ms 就比较糟糕了。 弱网优化,本质上是在弱网的情况下能让用户流畅的使用。 压缩/减少数据传输量 利用缓存减少网络传输 针对弱网(移动网络),不自动加载图片 界面先反馈,请求延迟提交。
Android 优化目录 ---- App 启动方式 冷启动 App 没有启动过或 App 进程被杀,系统中不存在该 App 进程,此时启动即为冷启动。 优化 布局优化 逻辑优化 必要且耗时的逻辑,考虑单独开线程执行 必要不耗时,按优先级高低依次执行 非必要的延迟初始化,等用到再初始化 针对冷启动的欺骗效果 使用 placeholder UI
Android 优化目录 ---- 交换数据格式 Google 推出的 Protocal Buffers 是一种更轻便高效的存储结构,但消耗内存较大。 SharePreferences 优化 当 SharedPreferences 文件还没有被加载到内存时,调用 getSharedPreferences 方法会初始化文件并读入内存,这容易导致 耗时更长 因此,最好的优化方法就是避免频繁地读写 SharedPreferences,减少无谓的调用。 数据库优化 使用 StringBuilder 代替 String 查询时返回更少的结果集及更少的字段 查询时只取需要的字段和结果集,更多的结果集会消耗更多的时间及内存,更多的字段会导致更多的内存消耗 实际多表操作在被实际执行前,查询优化器会根据连接条件,列出几组可能的连接方案并从中找出系统开销最小的最佳方案 查询列与索引列次序一致 用多表连接代替 EXISTS 子句 把过滤记录数最多的条件放在最前面
Android 优化目录 ---- 优化的意义 减少 OOM,提高应用稳定性。 减少卡顿,提高应用流畅度。 减少内存占用,提高应用后台运行时的存活率。 减少异常发生,减少代码逻辑隐患。 refWatcher.watch(activity); } }); return refWatcher; } } } 内存优化 @IntDef,@StringDef 代替枚举 zipalign 优化 apk 节制使用 Service 如果需要使用 Service 来执行后台任务,一定要任务正在执行的时候才启动 Service switch (level) { case TRIM_MEMORY_UI_HIDDEN: // 释放资源 break; } } 图片优化
Android 优化目录 ---- Android 5.0 后用 Battery Historian 工具分析电量。 WakeLock Android 系统本身为了优化电量的使用,会在没有操作时进入休眠状态,来节省电量。 优化建议 优化网络请求 在蜂窝移动网络下,最好做到批量执行网络请求,尽量避免频繁的间隔网络请求,尽量多地保持在 Radio Standby 状态。 可以在代码中调起电量优化的设计页面,让用户选择是否将应用加入白名单,以在 Doze 模式下能够做一些事情。 // Remove the listener you previously added locationManager.removeUpdates(locationListener); 计算优化
1.1.order by优化1.1.1.知识点回顾在讲解order by优化前,先回顾一下order by的语法知识。 asc , age desc;1.1.2.两种排序方式MySQL有两种排序方式Using filesort和Using index,Using index的性能高于Using filesort,我们在优化排序操作时 ,尽量要优化为 Using indexUsing filesort : 通过表的索引或全表扫描,读取满足条件的数据行,然后在排序缓冲区sort buffer中完成排序操作,所有不是通过索引直接返回排序结果的排序都叫 1.1.3.order by优化案例演示1.1.3.1.案例A在上面我们创建了字段age和phone的联合索引,而且没有指定索引的排序顺序,此时索引在表中默认是按照升序排列的。 :MySQL有两种排序方式Using filesort和Using index,在优化排序操作时,尽量要优化为 Using index根据排序字段建立合适的索引,多字段排序时,索引需要遵循最左前缀法则。