- 综合排序
- 最热优先
- 最新优先
- 来自专栏cwl_Java
性能优化-Tomcat8优化
1、Tomcat8优化 tomcat服务器在JavaEE项目中使用率非常高，所以在生产环境对tomcat的优化也变得非常重要了。 1.1 Tomcat配置优化 1.1.1、部署安装tomcat8 下载并安装： https://tomcat.apache.org/download-80.cgi ? 推荐使用nio，不过，在tomcat8中有最新的nio2，速度更快，建议使用nio2. 1.2.1、创建dashboard数据库 在资料中找到sql脚本文件dashboard.sql，在linux服务器上执行。 1.5、调整JVM参数进行优化 接下来，测试通过jvm参数进行优化，为了测试一致性，依然将最大线程数设置为500， 启用nio2运行模式。
1.7K20发布于 2020-02-13 - 来自专栏全栈程序员必看
tomcat8 JVM 优化
如果服务器只运行一个 Tomcat： 机子内存如果是 8G，一般 PermSize 配置是主要保证系统能稳定起来就行： JAVA_OPTS="-Dfile.encoding=UTF-8 -server 2 -XX:+DisableExplicitGC" 机子内存如果是 16G，一般 PermSize 配置是主要保证系统能稳定起来就行： JAVA_OPTS="-Dfile.encoding=UTF-8 2 -XX:+DisableExplicitGC" 机子内存如果是 32G，一般 PermSize 配置是主要保证系统能稳定起来就行： JAVA_OPTS="-Dfile.encoding=UTF-8
98311编辑于 2022-08-28 - 来自专栏捡田螺的小男孩
300万数据导入导出优化方案，从80s优化到8s（实测）
outputStream, ExcelTypeEnum.XLSX); String fileName = new String(("excel100w").getBytes(), "UTF-8" response.setContentType("multipart/form-data"); response.setCharacterEncoding("utf-8" 这次测试在查询方面我使用的是rownum进行的模拟查询300w条数据，这种查询效率其实并不高，实际还有很多优化空间来加快查询速度， 如：明确查询具体字段，不要用星号，经常查询字段增加索引等尽可能提高查询效率 System.currentTimeMillis())); ps.setString(7, item.get(6)); ps.setTimestamp(8, new Timestamp(System.currentTimeMillis())); ps.setString(9, item.get(8));
13.8K124编辑于 2023-02-23 - 来自专栏芋道源码1024
300万数据导入导出优化方案，从80s优化到8s（实测）
outputStream, ExcelTypeEnum.XLSX); String fileName = new String(("excel100w").getBytes(), "UTF-8" response.setContentType("multipart/form-data"); response.setCharacterEncoding("utf-8" 这次测试在查询方面我使用的是rownum进行的模拟查询300w条数据，这种查询效率其实并不高，实际还有很多优化空间来加快查询速度， 如：明确查询具体字段，不要用星号，经常查询字段增加索引等尽可能提高查询效率 System.currentTimeMillis())); ps.setString(7, item.get(6)); ps.setTimestamp(8, new Timestamp(System.currentTimeMillis())); ps.setString(9, item.get(8)); //
2.6K52编辑于 2022-10-09 - 来自专栏mathor
枚举+优化（8）——前缀和2
例3.题目链接：hihoCoder1534 这道题要注意一下数据范围。首先N小于等于10万。其次Ai，也就是数组中每个数的值，是在负100万到正100万之间。 例如有可能数据是10万个Ai全都是0。这样随便一个划分都是满足条件的。答案是C(99999, 2)，甚至超过了int范围。 我们看一下样例，A数组是[3, 2, 1, 0, 2]。 至此，题目中70%的分数应该能拿到了，还有30%需要优化 优化 优化的方法当然还是从枚举入手，我们假设只枚举q，也就是最后一段的断点。 但是S1=3是成立的，因为这时S2的值是8-3-2=3。S2与S1和S3相差都不超过1 在S[1], S[2]和S[3]三个前缀和中，有几个的值是3。 S1=2是成立的，因为这时S2=8-2-3=3，{2, 3, 3}相差都不超过1。S1=3也是成立的，因为这时S2=8-3-3=2，{3, 2, 3}相差都不超过1。S1=4是不成立的。
75950发布于 2018-06-12 - 来自专栏小巫技术博客
Android编译优化：D8和R8
如果日常做Android开发的你不关注Google针对编译优化的话做的努力的话，会对D8和R8这两个名词会比较陌生。 ，这也是为什么Google会推出D8和R8编译器来优化编译速度。 R8 R8是用来替代Proguard的一个工具，是新一代的代码压缩工具。R8之前采用D8+Proguard的形式构建，R8则将混淆和D8工具进行整合，目的是加速构建时间和减少输出apk的大小。 ? Gradle插件版本达到3.4.0及以上，默认会开始R8进行代码优化。 ： 减小DEX文件大小 优化代码： 进一步减小DEX文件大小 参考：https://developer.android.google.cn/studio/build/shrink-code R8 VS
3.1K41发布于 2021-04-26 - 来自专栏学弱猹的精品小屋
数值优化（8）——带约束优化：引入，梯度投影法
上一节笔记：数值优化（7）——限制空间的优化算法：LBFGS，LSR1 ———————————————————————————————————— 大家好！ 在带了约束的情况下，我们的所有的优化步骤都必须局限在约束内。 事实上证明是类似的，和我们上面一样的写法可以得到 Proposition 8: 设 为驻点，那么如果 ，则偏导为0，若 ，则偏导非负，若 ，则偏导非正。 第二种就是 ，那么这个时候可以得到 ，并且 这个地方注意到，相当于对于非激活的部分保留了原始的数据，而事实上，对于激活的部分，我们给它的海塞矩阵添加什么内容都没关系，因为它们的对应的维度都是0。 对于arc形式的，要求也是差不多的 Definition 8: Arc Armijo Condition 设 ，那么如果 是最小的使得 且使得 成立，那么称 满足弧情况下的Armijo条件。
2.9K10发布于 2021-08-09 - 来自专栏PHP在线
数据优化
数据优化 读写分离,在X2的版本中，我们引入了多SQL服务器的支持，在主从服务器中，你可以配置写服务器跟读服务器，这样对于负载高的站点中可以使用这个 功能达到读写分离，降低由于写过程序中造成的MySQL 例如： /** * 数据库主服务器设置, 支持多组服务器设置, 当设置多组服务器时, 则会根据分布式策略使用某个服务器 * @example * $_config['db']['1']['dbhost / 字符集 * $_config['db']['1']['pconnect'] = '0';// 是否持续连接 * $_config['db']['1']['dbname'] = 'x1';// 数据库 2、查看帖子时，如果增量点击数到100，则使用进程锁将数据更新到thread表并更新增量点击数为0。 3、回贴时将增量点击数和回复数一起更新到thread表，并更新增量点击数为0。 4、执行计划任务：每天3点，5分钟一次，一次取500条数据更新到thread表， 并删除此500条数据，以减少forum_threadaddviews表的大小。
78480发布于 2018-03-07 - 来自专栏Java架构师必看
史上最强Tomcat8性能优化
对于Tomcat的优化，主要是从2个方面入手，一是Tomcat自身的配置，另一个是Tomcat所运行的jvm虚拟机的调优。 Tomcat配置优化 Linux环境安装运行Tomcat8 具体的安装步骤可以参考Linux（CentOS7）安装Tomcat与设置Tomcat为开机启动项 如果需要登录系统，必须配置tomcat用户， Tomcat8默认使用nio运行模式。 调整Tomcat参数进行优化 通过上面测试可以看出，tomcat在不做任何调整时，吞吐量为697次/秒。 可接受的参数的值是“off ”（禁用压缩），“on ”（允许压缩，这会导致文本数据被压缩），“force ”（强制在所有的情况下压缩），或者一个整数值（这是相当于为“on”，但指定了输出之前被压缩的数据最小量
3.1K30发布于 2020-04-10 - 来自专栏高级前端面试笔记
React性能优化的8种方式
// 文本节点export const Fragment = 7; // 对应 <React.Fragment> export const Mode = 8;
55940编辑于 2022-11-08 - 来自专栏全栈程序员必看
史上最强Tomcat8性能优化
文章目录 授人以鱼不如授人以渔 目的 服务器资源 Tomcat配置优化 Linux环境安装运行Tomcat8 AJP连接 执行器（线程池） 3种运行模式 部署测试用的web项目 查看服务器信息 目的 通过Tomcat性能优化可以提高网站的并发能力。 Tomcat服务器在JavaEE项目中使用率非常高，所以在生产环境对Tomcat的优化也变得非常重要了。 Tomcat配置优化 Linux环境安装运行Tomcat8 具体的安装步骤可以参考Linux（CentOS7）安装Tomcat与设置Tomcat为开机启动项 如果需要登录系统，必须配置tomcat用户， Tomcat8默认使用nio运行模式。 可接受的参数的值是“off ”（禁用压缩），“on ”（允许压缩，这会导致文本数据被压缩），“force ”（强制在所有的情况下压缩），或者一个整数值（这是相当于为“on”，但指定了输出之前被压缩的数据最小量
2.5K20编辑于 2022-09-09 - 来自专栏软件研发
Lion优化器与Yolov8
Lion优化器与Yolov8Yolov8是一种经典的目标检测算法，而Lion优化器则是近年来新兴的优化算法之一。 鲁棒性：Yolov8在设计上考虑了各种检测场景下的特点，采用了一系列技术手段来增强模型的鲁棒性，包括数据增广、特征融合和后处理等。 Lion优化器与Yolov8的结合应用将Lion优化器与Yolov8结合，可以进一步提升Yolov8在目标检测任务中的性能。 Lion# 定义Yolov8模型model = torchvision.models.detection.yolov3(pretrained=True)# 加载训练数据集dataset = ...# 代码中使用了Yolov8预训练模型和自定义的数据集，并对模型进行训练和测试。在训练过程中，使用Lion优化器来进行参数优化，提高模型的性能。最后，在测试集上评估模型的准确率。
1.2K10编辑于 2023-11-22 - 来自专栏Miigon's Blog
笔记 Lab8: Locks | 锁优化
Lab 8: Locks 重新设计代码以降低锁竞争，提高多核机器上系统的并行性。 只有在万分确定性能热点是在该锁的时候才进行优化，「过早优化是万恶之源」。 这里解决性能热点的思路是「将共享资源变为不共享资源」。 14: 上述代码可能产生死锁（cpu_a 尝试偷 cpu_b，cpu_b 尝试偷 cpu_a），可能的解决方案看本文评论区或 https://github.com/Miigon/blog/issues/8。 然而，cache miss 本身（hopefully）为比较稀有事件，并且对于 cache miss 的块，由于后续需要从磁盘中读入其数据，磁盘读入的耗时将比一次桶遍历的耗时多好几个数量级，所以我认为这样的方案的开销还是可以接受的 这样的设计，有一个名词称为「乐观锁（optimistic locking）」，即在冲突发生概率很小的关键区内，不使用独占的互斥锁，而是在提交操作前，检查一下操作的数据是否被其他线程修改（在这里，检测的是
1.2K10编辑于 2022-10-27 - 来自专栏晨曦破晓の家
8个尽量优化你的SQL
查询语句的优化是SQL效率优化的一个方式，做到以下8个方面优化你的SQL。 ==1、在表中建立索引，优先考虑where、group by使用到的字段。 == Select * from user 优化方式：使用具体的字段代替*，只返回使用到的字段。 ==3、尽量避免使用in 和not in，会导致数据库引擎放弃索引进行全表扫描。 貌似两种方式效率差不多，即使union扫描的是索引，or扫描的是全表） ==5、尽量避免在字段开头模糊查询，会导致数据库引擎放弃索引进行全表扫描。 如下： SELECT * FROM t2 WHERE score = 10*9 SELECT * FROM t2 WHERE username LIKE 'li%' ==8、当数据量大时，避免使用where 通常为了方便拼装查询条件，我们会默认使用该条件，数据库引擎会放弃索引进行全表扫描。
52231发布于 2020-09-24 - 来自专栏腾讯云Elasticsearch Service
ES8 向量功能窥探系列（二）：向量数据的存储与优化
本篇文章将继续这一系列，聚焦于 Elasticsearch 中向量数据的存储与优化。 所以在 ES 8.x 上建议优先使用”Flat 索引“。同样的，.fdt中存储的向量数据，仅会在查询结果的_source中进行展示。 由于越深程度的量化，越难以精确”复水“还原回原始向量，91% 和 95% 的差距已不悬殊，没有必要为 4% 的磁盘存储做更大牺牲，所以量化裁剪这一优化，我们选择在int8_hnsw上进行。 在实际的测试中，int8_hnsw上进行的量化裁剪，对于召回率的影响很小，仅有个位数百分比，在前文使用的 so_vector 数据集上，kNN 的召回率和排序并未发生变化。 通过字段 mapping 配置中指定"index_options.type": "int8_only_hnsw"来启用，即可以直接使用到降低 90% 存储的优化特性。
2.2K10编辑于 2025-02-20 - 来自专栏授客的专栏
MySQL 性能优化--优化数据库结构之优化数据大小
通常，执行查询期间处理表数据时，小表占用更少的内存。 表列 l 尽可能使用最效率(最小)的数据类型。比如，使用更小的整型以便于获取更小的表。 同时，COMPACT行格式也会影响utf8或utf8mb4数据在CHAR类型列中的存储。 针对ROW_FORMAT=REDUNDANT,一个utf8、utf8mb4 CHAR(N) 列，占用“最大字符的字节长度” X N 字节。 而许多语言主要使用单字节的utf8、utf8mb4字符，所以固定长度的存储通常会浪费空间。针对ROW_FORMAT=COMPACT, InnoDB为这些列分配可变存储量，必要的话，过去掉尾部空格。 l 如果速度比磁盘空间，保存多份数据副本的维护成本更重要，例如，在一个商业智能场景中，分析来自大表的所有数据，可以适当放宽标准化规则，冗余数据信息或创建汇总表以获取更快的速度。
3.1K20发布于 2019-09-10 - 来自专栏全栈程序员必看
数据库优化 – SQL优化
前面一篇文章从实例的角度进行数据库优化，通过配置一些参数让数据库性能达到最优。但是一些“不好”的SQL也会导致数据库查询变慢，影响业务流程。本文从SQL角度进行数据库优化，提升SQL运行效率。 获取问题SQL 不同数据库有不同的获取方法，以下为目前主流数据库的慢查询SQL获取工具 MySQL 慢查询日志 测试工具loadrunner Percona公司的ptquery等工具 很可能SQL语句需要优化 接下来我们用一段实际优化案例来说明SQL优化的过程及优化技巧。 DEFAULT NULL, `seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL, `gmt_create` varchar(30) DEFAULT
4.2K10编辑于 2022-10-04 - 来自专栏JAVA杂谈
数据库优化 - SQL优化
是时候 关注 我们一波了 前面一篇文章从实例的角度进行数据库优化，通过配置一些参数让数据库性能达到最优。但是一些“不好”的SQL也会导致数据库查询变慢，影响业务流程。 本文从SQL角度进行数据库优化，提升SQL运行效率。 SQL优化 执行计划 完成SQL优化一定要先读执行计划，执行计划会告诉你哪些地方效率低，哪里可以需要优化。 DEFAULT NULL, `seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL, `gmt_create` varchar(30) DEFAULT
2.4K20发布于 2019-11-06 - 来自专栏Java帮帮-微信公众号-技术文章全总结
【数据库】数据库优化（SQL优化）
【数据库】数据库优化（SQL优化） sql语句优化 1.查询的模糊匹配 尽量避免在一个复杂查询里面使用 LIKE '%parm1%'—— 红色标识位置的百分号会导致相关列的索引无法使用，最好不要用。 FROM emp WHERE emp.empno = 7369; --不要使用： SELECT emp.ename, emp.job FROM emp WHERE emp.empno = '7369' 8. 11.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。 用下面的语句替换： select num from a where exists(select 1 from b where num=a.num) 23.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的 33.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。
6.3K40发布于 2018-03-15 - 来自专栏JAVA杂谈
数据库优化 - 实例优化
从网上去搜数据库优化基本都是从SQL层次进行优化的，很少有提及到数据库本身的实例优化。 CPU占用率变少 优化前：数据库高峰期CPU使用率70% 优化目标：数据库高峰期CPU使用率50% 数据库服务器IO使用率变低 优化前：数据库IO WAIT为30% 优化目标：数据库IO WAIT低于10% 数据库优化误区 在进行数据库优化的时候可能会有以下几个误区： 优化之前一定要深入了解数据库内部原理 优化是有“套路”的，照着这些“套路”你也可以很好的完成数据库优化 不断调整数据库参数就可以最终实现优化 SHARED_BUFFERS 物理内存10-25% 数据缓存 CACHE_BUFFER_SIZE 物理内存50-60% 日志相关 wal_buffer 8-64M 不建议设置过大过小 监听及连接 max_connections 根据业务情况调整 一般为业务预估连接数的120% 其他 maintenance_work_mem 512M或更大 其他 work_mem 8-16M 原始配置1M过小
2K30发布于 2019-10-30
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