- 综合排序
- 最热优先
- 最新优先
- 来自专栏奇点大数据
话说量化（6）
各位读者朋友大家好，浪了半个多月之后我终于又开始了我的随笔了，感谢大家的关注。我们言归正传，上次说了通货膨胀，这次我们来说说货币的形式。
40030发布于 2018-10-23 - 来自专栏腾讯云数据库(TencentDB)
查询执行效率低下？向量化执行来帮你
以查询计划执行为例。 CPU的SIMD指令进行优化，从而造成查询执行效率低下的问题。 向量化执行就是解决上述问题的一种有效手段。 作为国内领先的数据库厂商，腾讯云数据库一直致力于推动国产数据库学术人才培养和技术创新生态建设发展。 在本期DB · 洞见直播中，我们邀请到了腾讯云数据库高级工程师胡翔，来为大家介绍向量化执行的最新技术创新、基本原理以及向量化引擎的相关实现。 专家介绍 胡翔 腾讯云数据库高级工程师 博士毕业于中国科学院软件研究所，加入华为高斯实验室工作多年，加入腾讯后主要负责TDSQL PG版数据库向量化执行引擎等相关特性的设计开发工作。
68620编辑于 2022-07-19 - 来自专栏利志分享
浅析Clickhouse的向量化执行
向量化执行就是这种方式的典型代表，这项寄存器硬件层面的特性，为上层应用程序的性能带来了指数级的提升。 向量化执行，可以简单地看作一项消除程序中循环的优化。这里用一个形象的例子比喻。 为了制作n杯果汁，非向量化执行的方式是用1台榨汁机重复循环制作n次，而向量化执行的方式是用n台榨汁机只执行1次。 为了实现向量化执行，需要利用CPU的SIMD指令。 ClickHouse的向量化执行机制主要依赖于SSE指令集，下面简要介绍之。 SSE指令集 SSE指令集是MMX的继任者，其第一版早在Pentium III时代就被引入了。
94320编辑于 2022-04-25 - 来自专栏大数据&分布式
Spark Gluten 向量化执行框架
背景 向量化执行模型已在现代数据库引擎被广泛应用，例如ClickHouse、TiDB、StarRocks等。 Photon向量化执行引擎取代了已有的Spark执行模式（JVM & Codegen）。 Gluten实现向量化计算的主要变更如下所示，在QueryExecution执行前优化过程中，通过注入规则对物理计划进行扩展处理，转为Gluten物理计划，使用向量化执行模式替换已有的JVM + CodeGen 在Task执行阶段，基于Gluten RDD，通过JNI调用Native引擎(默认Velox)实现向量化执行。 向量化执行引擎框架 Gluten 宣布正式开源，并亮相 Spark 技术峰会
1.5K54编辑于 2025-01-21 - 来自专栏量子化学
利用MOKIT从PySCF向其他量化程序传轨道
近期笔者和另一开发者wsr在MOKIT程序中加入了fchk(),py2molpro,py2molcas,py2qchem等模块，可用于从PySCF程序向其他量子化学程序传递分子轨道。 （为什么不用Gaussian算完了传轨道给其他程序：因为Gaussian是商业收费程序，有的课题组/机构没买） （3）自己基于PySCF开发新方法，无现有程序对应，但希望正确地传轨道至下一个量化程序进行后续计算 6. 8).run() #CAS(6o,8e) fchk(mc, 'O2_cas6o8e.fch') 注意这里我们其实提前看过O2的ROHF轨道，或对O2的分子轨道十分熟悉才能直接写(6e,8o)，实际上是经过了观看 注意Windows预编译版不支持本文功能，内含的是Gaussian与其他量化程序传轨道的小程序。
1.9K20编辑于 2022-12-07 - 来自专栏量子化学
利用MOKIT从ORCA向其他量化程序传轨道
本文介绍如何使用MOKIT从ORCA向其他量化程序传轨道，有以下可能的用途： （1）在ORCA中进行了RIJK或RIJCOSX加速的大体系HF/DFT计算，想传轨道给其他程序进行后续计算，或想产生fch 6. ORCA传轨道给Molpro mkl2com h2o.mkl 会产生h2o.a和h2o.com文件，前者含Alpha轨道，后者含坐标，基组和关键词。 若ORCA的SCF有上千a.u.的剧烈振荡，很可能是出现了基函数线性依赖导致的，此时即使侥幸收敛了能量也未必靠谱，需要在输入文件里加上 %scf sthresh 1e-6 end 此阈值是Gaussian 若读者在计算中使用全电子基组，自然无此问题；若用了赝势，按上文操作产生其他量化程序的文件不会含赝势信息，即使轨道系数正确，SCF也会剧烈振荡。这里笔者推荐一种解决办法： Step 1. 获得含赝势的fch文件和ORCA相关文件 执行 fch2mkl ZnMe2.chk 随即产生ZnMe2.fch，ZnMe2_o.inp和ZnMe2_o.mkl文件，现在我们就有了一个含赝势信息的fch
1.6K20编辑于 2023-09-03 - 来自专栏PostgreSQL研究与原理解析
聊聊StarRocks向量化执行引擎-过滤操作
聊聊StarRocks向量化执行引擎-过滤操作 StarRocks是开源的新一代极速MPP数据库，采用全面向量化技术，充分利用CPU单核资源，将单核执行性能做到极致。 本文，我们聊聊过滤操作是如何利用SIMD指令进行向量化操作。 过滤操作的SIMD向量化函数是filter_range，我们以binary类型的列为例： BinaryColumnBase<T>::filter_range 执行过程如下图所示： 1、通过1 比如10001111111111111，转换后为36863，其中f_data[0]为1，f_data[1]为0... 6、mask等于0，表示没有一个满足条件。 比如： 11100000：有5个0 2）mask右移6位，即11，值3。其实就是跳过不满足的行 3）_offsets[i]数组表示第i个值的偏移。
1.6K40编辑于 2023-05-25 - 来自专栏PostgreSQL研究与原理解析
openGauss-向量化执行引擎-VecUnique算子
openGauss-向量化执行引擎系列-VecUnique算子 openGauss实现了向量化执行引擎，达到算子级别的并行。也就是说在执行器火山模型基础上，一次处理一批数据，而不是一次一个元组。 前期我们介绍了PgSQL Unique算子的实现机制，本文接着介绍openGauss是如何实现Unique算子向量化的。 简单来说，openGauss的VecUnique算子更多的是为了实现执行器整体性的向量化，减少算子之间因为向量化和非向量化算子之间的兼容而进行的VecToRow和RowToVec算子进行的行与向量之间的转换而完成的 1、VecUniqueState 完成VecUnique算子的主要成员变量： 1）uniqueDone：标记VecUnique算子是否执行完 2）container[]数组：数组大小为2个batch大小即 Encap结构，封装VectorBatch、cols和colIdx，减少传递参数个数 4）idx：container[]数组中存储的唯一值个数，即GUCell个数 5）cellSize：GUCell大小 6）
60840编辑于 2023-11-05 - 来自专栏PostgreSQL研究与原理解析
聊聊ClickHouse向量化执行引擎-过滤操作
4、上面代码耗时因素在于循环次数非常多，等于data数组的大小 5、如果可以降低循环次数，同时保证单次循环耗时变化不大，总体执行效率更高。 6、SIMD指令目前最大支持512位数据，而filter本身一个值为8位，单词循环处理数据量为512 / 8 = 64个 7、每次取出来64个filter数组项（64字节），将其组成一个64位无符号整数值
1.5K50编辑于 2023-05-25 - 来自专栏PostgreSQL研究与原理解析
聊聊Doris向量化执行引擎-过滤操作
聊聊Doris向量化执行引擎-过滤操作 Doris是开源的新一代极速MPP数据库，和StarRocks同源，采用全面向量化技术，充分利用CPU单核资源，将单核执行性能做到极致。 本文，我们聊聊过滤操作是如何利用SIMD指令进行向量化操作。 执行过程如下图所示： 1、通过1个字节bool类型的ret_flags数组来表示是否满足过滤条件，1表示满足条件，0表示不满足 2、AVX2指令集环境下：通过_mm256_loadu_si256封装的指令函数加载 比如10001111111111111，转换后为36863，其中ret_flags[0]为1，ret_flags[1]为0... 6、mask等于0，表示没有一个满足条件。 sel_pos + bit_pos;后导第一个满足条件的行号保存到sel_rowid_idx数组中 3）mask = mask & (mask - 1)跳过不满足的行，StarRocks实现方式：mask右移6位
1.3K40编辑于 2023-05-25 - 来自专栏漫谈测试
如何量化战略成效的执行情况
避免陷入纯技术指标（如用例执行数），一定要连接到业务影响。同时提醒避免常见陷阱，比如过度追求单一指标（如自动化覆盖率）而忽略质量本质。 量化战略成效的执行，就是将测试团队的日常工作与公司/部门的宏观战略（如加快上市时间、提升客户满意度、降低运营成本、增强品牌声誉）联系起来，并用数据来证明这种联系的强度和效果。 量化，就是从测试战略中分解出可衡量的关键结果。 成本维度（彰显管理的精细化）将质量成本（Cost of Quality）量化，向管理层展示投资回报。 作为测试管理者，量化战略成效的本质是搭建一座桥梁，将技术性的测试活动转化为商业语言，向组织证明：我们在正确地做事（效率）： 通过效能指标体现。
34410编辑于 2025-09-12 - 来自专栏Spark学习技巧
一文了解 ClickHouse 的向量化执行
它实现了单机多核并行、分布式计算、向量化执行与SIMD指令、代码生成等多种重要技术。 向量化执行与SIMD ClickHouse不仅将数据按列存储，而且按列进行计算。传统OLTP数据库通常采用按行计算，原因是事务处理中以点查为主，SQL计算量小，实现这些技术的收益不够明显。 向量执行引擎，通常能够带来数倍的性能提升。 What IS SIMD ? SIMD 即 single instruction multiple data 英文首字母缩写，单指令流多数据流，也就是说一次运算指令可以执行多个数据流，一个简单的例子就是向量的加减。 通过它，用户可以同时在多个数据片段上执行运算，实现数据并行（aka:矢量处理）。 SSE2是SSE指令的升级版，寄存器与指令格式都和SSE一致，不同之处在于其能够处理双精度浮点数等更多数据类。
7.2K31发布于 2021-07-02 - 来自专栏PostgreSQL研究与原理解析
openGauss-向量化执行引擎-索引扫描CStoreIndexScan
openGauss-向量化执行引擎-索引扫描CStoreIndexScan openGauss实现了向量化执行引擎，达到算子级别的并行。 也就是说在执行器火山模型基础上，一次处理一批数据，而不是一次一个元组。这样可以充分利用SIMD指令进行优化，达到指令级别并行。 2、向量化索引扫描算子 openGauss通过CStoreIndexScan算子进行向量化索引扫描。 向量化索引扫描的优势：兼容向量化引擎其他算子，以达到全算子向量化，减少VecToRow和RowToVec的互相转换；同时减少底层算子函数的调用；因为增加了排序，可如同bitmap扫描一样减少heap页的随机访问
76830编辑于 2023-11-05 - 来自专栏PostgreSQL研究与原理解析
openGauss - 向量化执行引擎 - distinct分组聚合的实现
openGauss - 向量化执行引擎 - distinct分组聚合的实现 openGauss向量化执行引擎中分组聚合有两种实现方式：排序和hash。 其中普通group by就是每次查询生成一个分组的聚合；而grouping sets、cube或者rollup分组集就是每次查询生成不同级别或者多个维度的聚合，详见： 下面我们看下openGauss向量化执行引擎中对这些分组聚合如何实现 Batchsortstate中，进行排序 6）从上面排好序的batchsortstate中取出一个batch，若时distinct则进行去重后再进行聚合，若为order by则直接进行聚合 7）然后对当前阶段的下组 Group Key进行5）、6）操作。 组号为curr_set 8）当前阶段计算完后，切换阶段进入下一个阶段聚合计算 9）下一个阶段计算前，需要先对m_batchSortIn排序，然后进行4）、5）、6）7）操作，直到所有阶段的聚合都计算完。
62610编辑于 2024-05-06 - 来自专栏漏洞复现
锐捷 EWEB auth 远程命令执行漏洞RCE（批量化）
name: auth接口存在RCE漏洞 author: someone severity: critical description: auth接口存在RCE漏洞，恶意攻击者可能会利用该漏洞执行恶意命令
3.4K10编辑于 2024-03-10 - 来自专栏FreeBuf
内网漫游：通过RDP劫持向远程系统执行任意代码
Seth是一种可以帮助你自动执行RDP中间人攻击的工具，无论目标是否启用了网络级身份验证（NLA），它都将为你完美的执行。 成功执行后，该工具将在后台执行一系列的步骤，以确保攻击的成功实施。以下是执行的相关流程： 欺骗ARP回复 启用IPv4流量转发，将流量从受害主机重定向到攻击者机器，然后再转发到目标RDP服务器。 步骤1-3将在受害者身份验证之前执行。尝试通过RDP向目标服务器进行身份验证的用户将会收到以下消息： ? 当用户建立连接时，其凭据将以明文形式显示给攻击者。 ? 批处理脚本将会在工作站每次启动时执行，以实现后门持久化。 ? 当通过RDP向受感染主机验证的提权用户重启他的机器时，代码将被执行。 ? 创建一个使用系统级权限执行tscon的服务，将劫持ID为3的会话。
1.6K20发布于 2018-07-30 - 来自专栏大数据成长之路
Hive性能优化之推测执行(6)
负载不均衡或者资源分布不均等原因，会造成同一个作业的多个任务之间运行速度不一致，有些任务的运行速度可能明显慢于其他任务（比如一个作业的某个任务进度只有50%，而其他所有任务已经运行完毕），则这些任务会拖慢作业的整体执行进度 为了避免这种情况发生，Hadoop采用了推测执行（Speculative Execution）机制，它根据一定的法则推测出“拖后腿”的任务，并为这样的任务启动一个备份任务，让该任务与原始任务同时处理同一份数据 Hive 同样可以开启推测执行 设置开启推测执行参数：Hadoop的mapred-site.xml文件中进行配置 <property> <name>mapreduce.map.speculative </description> </property> 关于调优这些推测执行变量，还很难给一个具体的建议。如果用户对于运行时的偏差非常敏感的话，那么可以将这些功能关闭掉。 如果用户因为输入数据量很大而需要执行长时间的map或者Reduce task的话，那么启动推测执行造成的浪费是非常巨大大。
1K30发布于 2021-01-22 - 来自专栏分享学习
执行*.sh 文件的6种方式
/和test.sh之间没有空格切实在文档所在的目录下文件要有执行权限这个命令无法自动补全) /etc/test.sh （全路径的情况下执行文件要有执行权限） 最后的这两种是相当于在父shell进程中的一部分运行
3.3K20发布于 2020-03-24 - 来自专栏后端从入门到精通
JSON格式执行计划（6）—mysql执行计划（五十二)
Extra（5）—mysql执行计划（五十一) 如果我们在explain中加个 format=JSON会发生什么呢？ 表总共的成本 "data_read_per_join": "1M" # 读取的数据量 }, "used_columns": [ # 执行查询中涉及到的列 总共的成本 "data_read_per_join": "1M" # 读取的数据量 }, "used_columns": [ # 执行查询中涉及到的列 0.00 sec) 我们先看一下驱动表S1的cost_info 这里面的read_cost由两部分组成 1、是I/O成本 2、检测rows * (1 - filter) 条的记录成本(rows就是我们前面执行计划的输出列
62711编辑于 2022-07-26 - 来自专栏计算机视觉战队
量化新方法 | 模型压缩6倍，无需重训练
将参数x0从0到1，并将位数从2改为6。 在表1和表2中收集了获得的结果，并在图3和图4中显示了它们。 ? ? ? ? ? 在上图中，给出了神经网络离散化的过程。 应特别注意倒数第二排。 通常这些网络需要在量化后进行重新训练，而我们找到了避免重新训练的方法。」 简化人工神经网络背后的主要思想是所谓的权重量化，即减少每个权重的位数。 训练之后，该网络会使用新方法进行量化，并且不进行重新训练。然后，该研究将实验结果与其他量化算法进行了比较。 RUDN 大学的 Iakov Karandashev 补充说道：「量化之后，分类准确率仅降低了 1％，但是所需的存储容量减少了 6 倍。 实验表明，由于初始权重与量化后权重之间的相关性很强，该网络不需要重新训练。这种方法有助于在完成时间敏感任务或在移动设备上运行任务时节省资源。」 © THE END
92710发布于 2021-03-13
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