- 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（9）
别以为我在说瞎话，为了应付金融危机很多国家都采用量化宽松的政策，简单说就是印钱的方法来把财富集中在中央手里，然后好去做相关产业产能转化的鼓励工作，我说得够文雅吧。
49430发布于 2018-12-07 - 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。 我们可以通过cpuid类软件获得处理器对SSE指令集的支持信息，下图以笔者自用MacBook Pro中的Intel Core i9-9880H为例。
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
其执行层架构如图所示9，Photon向量化计算基于最底层的Task调度粒度处理 。扩展新的转换规则将原物理计划转为Photon物理计划，在Task级别实现向量化计算，提供高效的湖仓一体计算模式。 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 9. 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 9. ORCA传轨道给PySCF mkl2py h2o.mkl 会产生h2o.fch和h2o.py文件。在运行.py文件时会从.fch文件里读取轨道。 10. 往往涉及到对称破缺单重态和检验波函数稳定性等问题，计算实例见笔者在计算化学公社论坛上的回帖 http://bbs.keinsci.com/thread-29762-1-1.html 这里我们假设已经获得了.mdci.nat文件，接着执行 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 9、当然，比较数组不一定正好是256位的倍数，所以需要处理尾数据。
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
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。 当然，这两种特殊情况经常出现在业务常见中 9、第三中情况是有一部分满足条件，此时是否需要循环64次？有没有进一步的优化方法？
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。 过滤操作的SIMD向量化函数是_evaluate_vectorization_predicate：和StarRocks实现大致类似，但稍有不同： SegmentIterator::_evaluate_vectorization_predicate 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 9、当然，上述涉及mask的计算，仅说明了AVX指令集下实现方式，同时还实现了SSE2指令集 inline uint32_t bytes32_mask_to_bits32_mask(const uint8
1.3K40编辑于 2023-05-25 - 来自专栏全栈程序员必看
python每天定时9点执行_python定时执行方法
，用schedule.enter加入要执行的函数，里面的第一个参数是延迟执行的时间，用sched.scheduler进行初始化 1512033155.9311035 now is 1512033157.9316308 is 1512033159.9316351 | output= test1 1512033155.9311035 1512033159.9316351 [Finished in 4.2s] 上面是执行结果 ，缺点是任务队列是阻塞型，即schedule里的任务不执行完，后面的主线程就不会执行 3 用threading里的timer,实现非阻塞型，即主线程要任务同时执行 import time from threading now is 1512034296.9461012 enter_the_box_time is 1512034286.9452875 [Finished in 10.2s] 可看出任务和主线程是同步执行 ，但是后3位又稍有不同，应该是python的多线程并非真正的多线程导致 每天某个时间定时执行任务： import datetime import time def doSth(): print(‘test
3.3K20编辑于 2022-09-09 - 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 它的聚合走另外分支： 2、原理 1）通过CStoreScan算子从磁盘上加载一批数据到内存，并通过VecSort向量化算子进行排序 2）从排好序的数据中（要么都在内存，要么溢出到磁盘）拿一批数据batch 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 - 来自专栏运维开发王义杰
系统可靠性的量化：理解“多少个9”的含义
在谈论系统架构设计时，我们经常会提到系统的可靠性，并用“多少个9”来量化这一概念。对于很多人来说，这个表述可能显得抽象和难以理解。 在这篇文章中，我们将深入探讨系统可靠性的量化概念，特别是如何将“多少个9”转换为系统每年的理论故障时间，从而更直观地理解这一指标。 一、什么是系统可靠性？ 下面是一些常见的“多少个9”及其对应的年故障时间： 99%（两个9）：每年可能有3.65天的故障时间。 99.9%（三个9）：每年可能有8.76小时的故障时间。 99.99%（四个9）：每年可能有52.56分钟的故障时间。 99.999%（五个9）：每年可能有5.26分钟的故障时间。 99.9999%（六个9）：每年可能有31.5秒的故障时间。 六、结论 理解和量化系统的可靠性是系统架构设计中的关键部分。通过将“多少个9”转换为具体的年故障时间，我们可以更直观地理解和比较不同系统的可靠性水平。
2.3K10编辑于 2024-01-27 OpenClaw 量化实战：如何降低订单执行延迟并提升成交速度？
量化交易延迟的硬伤：代码只是冰山一角 在量化交易中，0.3秒的窗口期足以让竞争对手完成12次对冲操作。很多团队事后复盘发现，罪魁祸首往往不是策略逻辑，而是基础设施的短板。 对于追求极致速度的量化团队，基础设施的选型与调优是降低延迟的最后一块拼图。 网络层面的毫秒级博弈 量化数据流主要分为实时行情推送（上行）和订单指令发送（下行）。 实测数据显示，在 A 股集合竞价阶段（9:15-9:25），同时订阅 3000+ 标的逐笔数据时，带宽峰值会达到 120Mbps。 对于中小规模的量化团队而言，这或许是目前性价比最高的解决方案。
75411编辑于 2026-03-06- 来自专栏腾讯云数据库(TencentDB)
向量化执行从理论到实现，仅需五步！ | DB·洞见
向量化执行就是解决上述问题的一种有效手段。 探索前沿研究，聚焦技术创新。本期DB·洞见由腾讯云数据库高级工程师胡翔为大家介绍向量化执行的基本原理、技术创新以及向量化引擎的相关实现。 下图左下角是执行一个循环的示例，该循环有3次迭代，顺序执行则需要消耗9个circle（假设1个stage执行时间为1个circle）。 向量化执行引擎实现详解 2.1 如何实现向量化执行引擎 我们结合TDSQL的具体实现，来详细介绍向量化的实现过程。 如何实现向量化执行引擎，其核心工作主要包括四个部分： 向量化执行框架：向量化执行计划的生成和执行以及与非向量化执行计划的兼容。 2.2 向量化执行框架 向量化计划生成的方式，采用贪婪的方式，尽可能将计划路径中涉及的算子转换成向量化执行的方式。
2.8K30编辑于 2022-08-26
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