- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据结构与算法
内存的计算
因为本人考试经常MLE，所以想总结一下与内存计算有关的内容 内存计算公式 内存=变量数量*变量类型所占的字节/1024/1024（M） 常见的变量类型所占的字节 bool 1 char 1 int 4 8 double 8 long double 12 short 2 float 4 如果忘记了可以使用sizeof函数查看 1 printf("%d",sizeof(a)); 常见数组大小所占的内存 所有类型均为int，单位:M 1e6+10 3.81473541259765625 1e7+10 38.14701080322265625 1e8+10 381.46976470947265625 (
1.5K100发布于 2018-04-10 - 来自专栏强仔仔
对象内存计算神器
今天给大家介绍一个对象内存计算神奇。jvm内存溢出的时候，我们可以通过很多方法查看原因，很多时候也需要查看具体是哪一个大对象导致内存溢出。 这里要介绍的是lucene提供的专门用于计算堆内存占用大小的工具类：RamUsageEstimato maven坐标： <! > <version>4.0.0</version> </dependency> RamUsageEstimator就是根据java对象在堆内存中的存储格式，通过计算Java对象头、实例数据、引用等的大小 (Object obj) 点评：使用该第三方工具比较简单直接，主要依靠JVM本身环境、参数及CPU架构计算头信息，再依据数据类型的标准计算实例字段大小，计算速度很快，另外使用较方便。 如果非要说这种方式有什么缺点的话，那就是这种方式计算所得的对象头大小是基于JVM声明规范的，并不是通过运行时内存地址计算而得，存在与实际大小不符的这种可能性。
4.5K40发布于 2019-07-01 - 来自专栏小陈飞砖
android计算bitmap内存及内存优化
参考： https://www.cnblogs.com/dasusu/p/9789389.html http://www.cocoachina.com/articles/30884 计算公式： 1、 Bitmap.Config.ARGB_4444 ： 4bit + 4bit + 4bit + 4bit = 16bit = 2Byte Bitmap.Config.RGB_565 : 5bit + 6bit + 5bit = 16bit = 2Byte 原图宽高： 6个目录对应dip: L DPI ( Low Density Screen，120 DPI )，0.75 M DPI ( Medium bitmap.getAllocationByteCount() ：使用options.inBitmap时，bitmap实际使用的内存。 内存优化： 1、设置inSampleSize 2、不影响用户体验的情况下：Bitmap.Config.ARGB_4444 举例： 1、 2、
81710编辑于 2022-06-25 - 来自专栏大数据
内存计算网格解释
IMCG - 内存计算网格 Dmitriy提出的主要想法之一便是内存存储（IMDG）和内存处理（IMCG）两者相互集成的重要性，这能够方便构建真正可扩展的应用程序。 IMDG关注于通过把数据分布在网格之间可用的计算机中从而解决数据分布式内存存储和大数据集管理，而IMCG更专注于在同一网格上的同一组计算机上有效地执行算法（即用户代码或指令）。 这就是两者的区别所在：IMDG是存储和管理内存中的数据，而IMCG则是处理和计算相同数据的全部内容。 ，然后在内存中生成中间结果，最后创建结果内存。 与IMDG整合 与基于亲和性路由的IMDG集成是计算和数据网格技术背后的关键概念之一（无论是内存还是基于磁盘）。通常，关联路由允许共同定位作业和该作业需要处理的数据集。
2.1K90发布于 2018-05-29 - 来自专栏全栈程序员必看
Bitmap的内存计算
本文聚焦的问题 1、Bitmap中像素数据占用多大内存？如何计算？ 2、不同图片来源对内存大小有什么影响？ （以Android 8.0+平台为例，这行代码执行后占用的总内存大小=bitmap在栈上的引用大小+bitmap指向的堆中的对象大小+指向的对象持有的native像素数据大小，先只关注像素数据，以后再研究其他几部分的内存占用如何计算 像素数据的内存=图片宽 x 图片高 x 单个像素内存大小， 这里宽高均为100，单个像素的内存因为是ARGB_8888格式所以为4x8bit = 4byte，总大小=100x100x4byte。 一张100×100的png图片，放在下面各个不同位置，以720×1080像素4.8寸的手机（像素密度305，属于xhdpi）去加载，都加载为ARGB_8888格式，计算加载后的bitmap像素数据内存大小 xhdpi设备上，要缩小320/480倍，加载后bitmap宽高75×75，内存75x75x4byte res/drawable-xxhdpi文件夹计算方式类似。
1.5K20编辑于 2022-07-20 - 来自专栏一名合格java开发的自我修养
Spark的误解-不仅spark是内存计算，hadoop也是内存计算
市面上有一些初学者的误解，他们拿spark和hadoop比较时就会说，Spark是内存计算，内存计算是spark的特性。 请问在计算机领域，mysql,redis,ssh框架等等他们不是内存计算吗?依据冯诺依曼体系结构，有什么技术的程序不是在内存中运行，需要数据从硬盘中拉取，然后供cpu进行执行？ 所有说sprk的特点是内存计算相当于什么都没有说。那么spark的真正特点是什么? Spark是内存计算没有错误，但是这并不是它的特性，只是很多专家在介绍spark的特性时，简化后就成了spark是内存计算。 什么样是内存技术？就是允许你将数据持久化在RAM中并有效处理的技术。 操作系统中的API都只能让你把数据从块设备加载到内存，然后计算完的结果再存储到块设备中。我们无法直接在HDD设备上计算；所以现代系统中的所有处理基本上都是在内存中进行的。
1.7K21发布于 2018-08-29 - 来自专栏又见苍岚
Python CUDA 编程 - 6 - 共享内存
CUDA编程中内存分为主机内存（内存条）与设备内存（显存），为提高计算效率，需要设计程序降低内存的数据搬运，或使用快速的内存寄存数据。 共享内存 CPU和GPU组成异构计算架构，如果想从内存上优化程序，我们必须尽量减少主机与GPU设备间的数据拷贝，并将更多计算从主机端转移到GPU设备端，我们要尽量在设备端初始化数据，并计算中间数据，并尽量不做无意义的数据回写 GPU的内存结构如图所示：GPU的计算核心都在Streaming Multiprocessor（SM）上，SM里有计算核心可直接访问的寄存器（Register）和共享内存（Shared Memory）； 多个SM可以读取显卡上的显存，包括全局内存（Global Memory）。 注意，Shared Memory和Global Memory的字面上都有共享的意思，但是不要将两者的概念混淆，Shared Memory离计算核心更近，延迟很低；Global Memory是整个显卡上的全局内存
2.1K10编辑于 2022-08-04 - 来自专栏JAVA高级架构
JVM内存管理--计算机内存和Java内存组件
寄存器用于存储计算单元执行指令的中间结果，寄存器大小决定了一次计算的可使用的最大值，连接RAM和处理器或者寄存器和处理器的叫做地址总线，地址总线决定了处理器最大的寻址空间，32位总线宽度可以拥有2的32 次方个内存位置，所以32位总线可以拥有4G的内存空间。 每个程序运行的时候会向系统申请一段独立的内存空间，但随着程序的庞大和任务的复杂性，物理内存无法满足需求，此时就有了虚拟内存，虚拟内存可以使多个进程在同时运行时可以共享物理内存，这里的共享只是空间上的共享 ，逻辑上它们依然独立，当然虚拟内存还可以扩展内存空间。 一旦申请完成，堆的大小就固定，不能在内存不够时再向系统申请，当然同理内存空闲的时候它也不会将内存还回去，就是自成世界了，另立门户了，生死由己！
1.4K140发布于 2018-04-19 - 来自专栏后端精进之路
Spark系列 - (6) Spark 内存管理
6. 对于Spark中序列化的对象是字节流形式的，其占用的内存大小可直接计算，而对于非序列化的对象，其占用的内存是通过周期性的采样近似估算而得。 ），而且序列化的数据占用空间可以被精确计算，所以相比与堆内内存来说降低了管理的难度，也降低了误差。 堆外的内存分配较为简单，只有存储内存和执行内存，由参数spark.memory.storageFraction决定，由于堆外内存占用空间可以被精确计算，所以无需再设定保险区域。 2. Storage模块负责管理Spark在计算过程中产生的数据，将那些在内存或磁盘、在本地或者远程存储数据的功能封装了起来。
1.3K31编辑于 2023-10-19 - 来自专栏存储公众号：王知鱼
SKhynix：CXL内存扩展，以内存为中心的计算
通用计算提效：SPEC CPU 2017基准中，内存敏感任务（如lbm_r）性能增33%，适用于HPC科学模拟，无需改动主板设计。 划线高亮 观点批注 图片的核心在于论证传统内存架构在应对现代计算（尤其是 AI）时面临的瓶颈，并由此引出 CXL（Compute Express Link）内存的必要性。 引入 CXL 内存，通过内存池化和交换技术实现海量容量扩展（TB 级以上），是降低 TCO 并满足高性能计算需求的唯一可行方案。 通过工业界公认的 SPEC CPU 2017 基准测试，展示了 CXL 内存对传统通用计算中“内存敏感型”任务的加速效果 通用计算同样获益： CXL 不仅仅是 AI 的“加速器”，对于科学计算、流体动力学 迈向“以内存为中心”的计算架构： 通过 CXL 实现多服务器共享内存，标志着数据中心正从传统的“单机独占内存”向“池化共享资源”转变。
23210编辑于 2026-04-02 - 来自专栏存储公众号：王知鱼
计算向左，内存向右；ScaleUp Fabric与内存池化
内存池化变革：了解Fabric附加内存（FAM）和内存池化技术如何通过CXL和UALink实现内存独立扩展，构建更灵活、经济的AI计算平台。 CXL和UALink等开放标准能否通过创新的“内存池化”技术，实现内存与计算的解耦，从而开启AI基础设施的新篇章？ 实现了真正的独立扩展： 这张图展示的架构允许用户独立扩展计算或内存。 如果一个大型LLM推理任务需要海量内存但计算量不大，用户可以只向Fabric中添加“Memory Switch”模块（即内存），而无需购买昂贵的、计算力过剩的GPU。 68B Flit 256B Flit 128B Flit 关联标准 CXL 2.0 CXL 3.0 (主要格式) CXL 3.0 (次要/低延迟格式) 底层物理层 PCIe Gen5 PCIe Gen6
62410编辑于 2025-11-29 - 来自专栏卓越笔记
DDR3 内存带宽计算
内存带宽计算公式：带宽=内存核心频率×内存总线位数×倍增系数/8。 核心频率即为内存Cell阵列(Memory Cell Array)的工作频率，它是内存的真实运行频率； 时钟频率即I/O Buffer（输入/输出缓存）的传输频率； 有效数据传输频率则是指数据传送的频率 同时DDR3内存的时钟频率提高到了存储单元核心的4倍。也就是说DDR3-800内存的核心频率只有100MHz，其I/O频率为400MHz，有效数据传输频率则为800MHz。 下面计算一条标称DDR3 1066的内存条在默认频率下的带宽： 1066是指有效数据传输频率，除以8才是核心频率。一条内存只用采用单通道模式，位宽为64bit。 所以内存带宽=(1066/8)×64×8=68224Mbit。 由此可知，如果内存工作在标称频率的时候，可以直接用标称频率×位宽，简化公式。
4.7K20编辑于 2023-02-18 - 来自专栏MyTechnology
计算机硬件：内存
内存介绍 内存是计算机中CPU和硬盘数据交互的桥梁。默认情况下，CPU从内存读写数据，内存从硬盘读写数据。 为了提升效率，一般在开机或者软件在运行的时候，会将常用数据直接从硬盘直接读入内存，以待后续CPU使用，提高计算机运行效率。 内存条分为：笔记本、台式机 内存选购 选购参数：容量、频率 选购多条内存或者升级计算机内存的时候，最好选购同品牌，同频率的产品，否则会有兼容问题，会造成蓝屏或重启。 内存常见故障 台式机开机点不亮显示器 台式机运行了一段后突然一天开机显示器不亮(点不亮)的情况，一般是由于内存条上的金手指（内存和主板插槽接触的铜片）氧化，拔下来用橡皮或者粗糙的纸擦擦就好了
1.2K10发布于 2020-07-31 - 来自专栏开源部署
计算机硬件-内存
一、内存介绍 内存是计算机中最重要的部件，它是计算机中的一个中间件。解决了CPU和硬盘之间速度严重不对等的问题，是CPU和硬盘数据交互的桥梁。默认情况下，CPU从内存读写数据，内存从硬盘读写数据。 为了提升效率，一般在开机或者软件在运行的时候，会将常用数据直接从硬盘直接读入内存，以待后续CPU使用，提高计算机运行效率。 二、内存工作原理 计算机在开机加载系统的时候，会把系统常用的数据从硬盘调入内存，方便CPU直接从内存获取数据，避免了从低速的硬盘 拿数据造成用户等待，给用户不好的体验；当然用户在使用APP的时候也是同样的道理 这是内存的读操作。当然，写操作也是一样的道理，也需要经过内存在到硬盘，用户在计算机操作过程中临时产生的数据 也是暂存内存，通过用户保存或者内存数据刷新机制写入到硬盘。 四、内存选购 选购参数：容量、频率 选购多条内存或者升级计算机内存的时候，最好选购同品牌，同频率的产品，否则会有兼容问题，会造成蓝屏或重启。
1.4K10编辑于 2022-09-15 - 来自专栏计算机学习
xv6(3) 内存管理部分
物理内存与虚拟内存建立映射，那就是页表了 xv6 因其功能少，物理内存与虚拟内存的特殊关系，虚拟内存管理这一块很弱，可能水平还是不够，我想了半天都没能把这一块儿很好地抽象出来，不过物理内存管理和建立映射这一块儿还是很明显的 分配某页/块就是将相应的位置 1，回收就是将相应的位置 0 空闲链表法 xv6 对于物理内存的组织管理使用的是空闲链表法。 注意 kmap 最后一项的 phys_end 为0，kmap 结构体中声明的物理地址都是无符号数，所以最后一项k->phys_end - k->phys_start，如此计算也是没有问题的，对于数值问题有疑惑的请看数值问题 解决这两个问题，我们要来看看 xv6 的设计思路，当然只是看和内存相关比较紧密的部分： 最开始内核加载到物理地址 0x10 0000 处，xv6 内核很小，整个内核只有 200 多 K。 ，从这个宏定义可以看出，xv6 实际并没有用到 32 位全部的 4G 空间。
65410编辑于 2023-12-05 - 来自专栏让技术和时代并行
计算机中内存地址计算问题
在软件设计师考试中经常会出现这种题目 例如（2013年下半年的软件设计师考试题目） 地址编号从80000H到BFFFFH且按字节编址的内存容量为( )KB,若用16K*4bit的存储器芯片构成该内存 那么内存容量我们就可以这样来计算 = BFFFF - 80000+1 = C0000 - 80000 = （C - 8）* 16^4 = 4* 16^4 = 4* 2^16 因为1KB = 2 ^10bit 所以 = 4*2^6 = 256KB 你也可以直接按照十六进制进行计算 = 40000（十六进制） = 4 * 16^4（十进制） 所以内存容量为(256)KB 因为内存是按字节编址的
2.6K30发布于 2019-04-16 - 来自专栏韩曙亮的移动开发专栏
【Android 内存优化】Bitmap 内存占用计算 ( Bitmap 图片内存占用分析 | Bitmap 内存占用计算 | Bitmap 不同像素密度间的转换 )
文章目录 一、Bitmap 内存占用 二、Bitmap 内存占用计算示例 三、Bitmap 内存占用与像素密度 四、Bitmap 内存占用与像素密度示例 一、Bitmap 内存占用 ---- 在 Android 字节 ; ② RGB_555 像素格式 : Red ( 红 ) 占 5 位 , Green ( 绿 ) 占 6 位 , Blue ( 蓝 ) 占 5 位 , 每个像素点占 5 + 6 + , 只与像素格式和像素点个数有关 ; 内存中的大小只与分辨率有关 , 与磁盘大小无关 ; 二、Bitmap 内存占用计算示例 ---- 1. Bitmap 占内存大小计算 : Android 中默认使用 ARGB_8888 像素格式 , 每个像素点占 4 字节 , 上图宽 5224 , 高 2678; 5224 \times 2678 \ times 4 = 55,959,488 最终 Bitmap 在内存中的大小是 55,959,488 字节 ; 三、Bitmap 内存占用与像素密度 ---- 1 .
17.1K20编辑于 2023-03-27 - 来自专栏技术杂记
Percona Server 5.1 内存过量消耗分析6
testuser几个重要参数：innodb_buffer_pool_sizeinnodb_ibuf_max_size虽然最开始我的问题定位，锁定在配置上，但是我实在是找不出有什么参数配置问题，转而开始寻求内存泄漏方向的突破
80610编辑于 2022-07-09 - 来自专栏智能大数据分析
Spark分布式内存计算框架
一、Spark简介 （一）定义 Spark是一种基于内存的、用以实现高效集群计算的平台。准确地讲，Spark是一个大数据并行计算框架，是对广泛使用的MapReduce计算模型的扩展。 是基于内存计算的大数据并行计算框架，可用于构建大型的、低延迟的数据分析应用程序。 2010年开源。 2013年6月成为Apache孵化项目。 Spark实现了高效的DAG执行引擎，可以通过基于内存来高效处理数据流。计算的中间结果是存在于内存中的。 6、GraphX（图计算） GraphX是Spark中用图计算的API，可认为是Pregel在Spark 上的重写及优化，Graphx性能良好，拥有丰富的功能和运算符，能在海量数据上自如地运行复杂的图算法 为了避免多次计算同一个RDD，可以用persist()或cache()方法来标记一个需要被持久化的RDD，一旦首次被一个行动（Action）触发计算，它将会被保留在计算结点的内存中并重用。
98810编辑于 2025-01-22 - 来自专栏柒八九技术收纳盒
计算机底层知识之内存
今天，我们继续「计算机底层知识」的探索。我们来谈谈关于「小数运算」的相关知识点。 如果，想了解该系列的文章，可以参考我们已经发布的文章。如下是往期文章。 文章list 计算机底层知识之CPU 计算机底层知识之二进制 计算机底层知识之处理小数 你能所学到的知识点 ❝ 内存的物理机制 「推荐阅读指数」 ⭐️⭐️⭐️⭐️⭐️ 内存的逻辑模型是楼房 「推荐阅读指数 ---- 计算机是进行「数据处理」的设备，而程序表示的就是处理顺序和数据结构。由于处理对象（数据）是存储在「内存」和「磁盘」上的，因此我们今天来聊聊内存和磁盘。 ---- 内存的物理机制 ❝内存实际上是一种名为「内存IC」的电子元件。 假设我们要有6个元素的数组来实现一个队列。这时可以从数组的「起始位置」开始有序地存储数据，然后再按照存储时的顺序数据读出。
57810编辑于 2022-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号