- 综合排序
- 最热优先
- 最新优先
腾讯云ACE游戏安全解决方案：基于极低开销的跨端反作弊与加固架构设计
三、 实现超低系统开销与灵活运营控制 在保障高强度对抗的同时，ACE 方案在系统稳定性和资源占用上实现了严格的量化控制，确保安全模块不对终端用户的实际游戏体验产生负面干扰。 根据腾讯云官方性能指标： 计算资源损耗极低：CPU 指标损耗严格控制在 < 2% 内存占用极低：物理内存消耗限制在 < 10M 同时，该方案提供灵活的安全运营控制台，内置误报风险管理（False Positive
17910编辑于 2026-04-24- 来自专栏QB杂货铺
ubifs开销测试
如此计算开销超过了10%，那么这个开销随容量如何变化呢，是固定为10%吗还是有其他规律？ 理论计算 简单查了下资料，没找到明确的计算方式。
97320发布于 2019-12-27 - 来自专栏ReganYue's Blog
【PTA】最小开销
6-2 最小开销 (10 分) 从起点到终点分布有N个驿站（驿站提供食宿，加满油，停车，检修等全套服务，按车收费，不提供分项服务）。 请编写函数，计算对于给定的驿站及收费（N个驿站中，第i个驿站的收费标准是w[i]）计算加满油从起点出发，到达终点的最小开销。 4 1 2 4 8 输出样例1： 计算最小的开销，本例中，经：第1，第3驿站，直达终点。最小开销是5。 10 10 80 10 10 90 10 10 10 100 10 输出样例2： 计算最小的开销，本例中，经：第1，第3，第4，第6，第8，第10驿站，直达终点。 最小开销是10+10+10+10+10+10=60。
49430发布于 2021-09-16 - 来自专栏JNing的专栏
【tensorflow】设置显存开销
一般大家在跑tf时，单个程序往往会占满整块GPU的所有显存。 但是实际上，程序很可能并不需要那么大的显存空间。
1.2K10发布于 2020-03-17 - 来自专栏腾讯技术工程官方号的专栏
无极低代码平台的AI之路
Write command argument in JSON format. 2. Please write the thoughts in Chinese 3. to run next step Commands: 1. taskComplete(): "run after the whole task is completed" 2. You can use commands below to solve the task 2. 2. AI 的成熟度 幻觉问题是大预言模型的致命问题，我们可以通过 “提示词工程” 逐步优化 AI，使它的回复更符合预期。
3K20编辑于 2023-07-26 - 来自专栏程序员成长充电站
如何处理IO开销
程序员成长充电站 如何成为优秀程序员第 9/100 期分享 阅读本文大概需要 2 分钟 01 构建一个快速的系统通常是一个提高 I/O 在很多问题上，处理器的速度比硬件交流要快得多。
90620发布于 2019-09-17 - 来自专栏捉虫大师
低开销获取时间戳
Score Error Units TimeStampTest.test1Thread avgt 0.271 s/op TimeStampTest.test2Thread = 0; i < MAX; i++) { currentTimeMillis(); } } @Benchmark @Threads(2) public void test2Thread() { for (int i = 0; i < MAX; i++) { currentTimeMillis 这样获取就只是从内存中取一下，开销非常小，但缺点也很明显，更新的频率决定了时间戳的精度。 Score Error Units TimeStampTest.test1Thread avgt ≈ 10⁻⁴ s/op TimeStampTest.test2Thread
1.5K51发布于 2021-04-22 - 来自专栏黑客下午茶
Sentry SDK 开销测量(Benchmark)
动机 关于 SDK 影响的问题无法回答 不知道我们造成了多少开销以及多少开销是可以接受的 这里聚焦的是 Web 服务器的性能监控（跟踪）。 用法 您将需要最新版本的 docker（带有 Docker Compose V2）和 go（v1.17 或更高版本）。 https://docs.docker.com/compose/cli-command/#installing-compose-v2 编译 benchmark runner: （可选）通过将 sentry-sdk-benchmark
95230编辑于 2022-01-25 - 来自专栏C/C++基础
C++异常处理的开销
C++异常是C++有别于C的一大特性 ，异常处理机制给开发人员处理程序中可能出现的意外错误带来了极大的方便，但为了实现异常，编译器会引入额外的数据结构与处理机制，增加了系统的开销。 天下没有免费的午餐，使用异常时我们必须了解其带来的开销和问题。 异常处理除了上面涉及的时间与空间的开销，使用时也会带来如下问题： （1）项目中使用异常，需要考虑与未使用异常的第三方和旧项目代码的整合问题，避免出现一异常安全问题； （2）异常使用不当，容易造成内存泄漏和程序崩溃 但使用异常时，我们要充分意识到异常带来和开销和需要注意的问题，综合考虑之下，再谨慎使用异常。 ---- 参考文献 [1]改善C++程序的150个建议.李健.建议69：熟悉异常处理的代价 [2]C++异常机制的实现方式和开销分析
1.4K20发布于 2018-08-16 - 来自专栏C/C++基础
C++ 异常处理的开销
天下没有免费的午餐，使用异常时我们必须了解其带来的开销和问题。 多出来的东西正好是一个 EXP 类型的结构体，这是一个典型的单向链表式结构： （1）piPrev 成员指向链表的上一个节点，它主要用于在函数调用栈中逐级向上寻找匹配的 catch 块，并完成栈回退工作； （2） 异常处理除了上面涉及的时间与空间的开销，使用时也会带来如下问题： （1）项目中使用异常，需要考虑与未使用异常的第三方和旧项目代码的整合问题，避免出现一异常安全问题； （2）异常使用不当，容易造成内存泄漏和程序崩溃 但使用异常时，我们要充分意识到异常带来和开销和需要注意的问题，综合考虑之下，再谨慎使用异常。 参考文献 改善C++程序的150个建议[M].李健.建议69：熟悉异常处理的代价 C++异常机制的实现方式和开销分析
1.1K30编辑于 2022-12-02 - 来自专栏LINUX阅码场
Linux fork那些隐藏的开销
newtls, pid_t *ctid */ ); 我们看下clone的manual： clone() creates a new process, in a manner similar to fork(2) (This differs from fork(2), where execution continues in the child from the point of the fork(2) call 下面我们来看一种不同的内存开销，即稀疏地址空间的页表开销，这种开销相比单纯的数据页面而言，显得更加严重。 for (i = 0; i < CNT; i ++) { // FIX映射ps-2的大小，每次跨越一个页面，阻止vm区域合并 data = mmap(base, ps-2 /tt 2 interval: 8233 skinshoe parent [root@10 PK]# [root@10 PK]# .
5.6K50发布于 2019-09-04 - 来自专栏QB杂货铺
nor flash之写保护开销
背景 之前有介绍过写保护，这里就不赘述了，可参考：https://www.cnblogs.com/zqb-all/p/12182920.html 但没有谈到开销，今天有同事问起，便记录一下 性能 不考虑写保护的 nor性能评估及实测，可参考：https://www.cnblogs.com/gmpy/p/12011436.html bp保护的开销 bp保护，一般都需要写Status Register，这种寄存器是一般是 独立块保护的开销 独立块保护，启用功能时需要写Status Register，启用后就不再需要操作Status Register了。 每个block的保护状态标记，其实是记录在sram中的，不需要固化到flash中，其开销是ns级别的，这个规格书中没有标注，但可以向厂商了解或自行实测。 ns级别的开销意味着我们可以放心地在每次写入的前后，进行解保护和恢复保护，而不用担心性能问题。
1.1K20发布于 2020-02-18 - 来自专栏软件工程
关于进程和线程---对比--切换开销
问题 一 进程和线程的对比 二 为什么进程切换开销大,线程切换开销低呢? 一 进程和线程的对比 几个方面对比: 根本区别：进程是操作系统资源分配的基本单位，而线程是任务调度和执行的基本单位 开销方面：每个进程都有独立的代码和数据空间（程序上下文），程序之间的切换会有较大的开销 ；线程可以看做轻量级的进程，同一类线程共享代码和数据空间，每个线程都有自己独立的运行栈和程序计数器（PC），线程之间切换的开销小。 二 为什么进程切换开销大,线程切换开销低呢? image.png ps: 如果大家需要了解一下进程,线程状态转换,信息的保存 这里大家要熟悉一下PCB进程控制块以及寄存器和计数器
2K20编辑于 2022-05-13 - 来自专栏计算机视觉战队
大改Yolo框架 | 能源消耗极低的目标检测新框架
2.新框架贡献 尽管SNN有很多好处，但目前仅能处理相对简单的任务，由于神经元复杂的动态性以及不可导的操作，暂时没有一个可扩展的训练方法。
42410编辑于 2025-01-12 - 来自专栏InCerry
.NET 零开销抽象指南-hez2010
近些年由于 .NET 团队在高性能和零开销设施上的需要，从 2017 年开始，这些成果逐渐被加入 CLR 和 C# 中，从而能够让 .NET 团队将原先大量的 C++ 基础库函数用 C# 重写，不仅能减少互操作的开销 本文则利用目前为止已有的设施，讲讲如何在 .NET 中进行零开销的抽象。 基础设施 首先我们来通过以下的不完全介绍来熟悉一下部分基础设施。 Console.WriteLine(color); // Color { R = 1, G = 13, B = 1, A = 1 } 后记 C# 是一门自动挡手动挡同时具备的语言，上限极高的同时下限也极低 而代码封装的脏活则是由各库的作者来完成的，大多数人在进行业务开发时，无需接触和关系这些底层的东西，甚至哪怕什么都不懂都可以轻松使用封装好的库，站在这些低开销甚至零开销的抽象基础之上来进行应用的构建。 以上便是对 .NET 中进行零开销抽象的一些简单介绍，在开发中的局部热点利用这些技巧能够大幅度提升运行效率和内存效率。 版权声明：本文由hez2010授权发表
97730编辑于 2022-11-14 - 来自专栏码农架构
Redis 子进程开销监控和优化方式
Redis子进程负责AOF或者RDB文件的重写，它的运行过程主要涉及CPU、内存、硬盘三部分的消耗 01 CPU CPU开销分析。 避免在大量写入时做子进程重写操作, 这样将导致父进程维护大量页副本, 造成内存消耗 Transparent Huge Pages(THP) 是 Linux kernel 在2.6.38增加的功能, 支持 huge page (2MB fork 后会大幅增加重写期间父进程的内存消耗, 建议关闭: sudo echo never>/sys/kernel/mm/transparent_hugepage/enabled 03 磁盘 硬盘开销分析 根据 Redis 重写 AOF/RDB 的数据量, 结合系统工具如 sar、iostat、iotop 等, 可分析出重写期间硬盘负载情况 硬盘开销优化 不要和其他高硬盘负载的服务部署在一起。 由于每次生成 RDB 开销较大, 无法做到实时持久化, 一般用于数据冷备和复制传输 save 命令会阻塞主线程不建议使用, bgsave 命令通过 fork 操作创建子进程生成 RDB 避免阻塞 AOF
1K30发布于 2020-12-14 - 来自专栏Golang语言社区
大堆栈带来的高GC开销的问题
1a[0] is C000016090 2*a[0] is 0 3a[1] is C00008C030 4*a[1] is 1 5a[2] is C00008C030 6*a[2] is 2 a[0] is 0 3a[1] is C00009A040 4*a[1] is 1 5a[2] is C00009A050 6*a[2] is 2 7 8*a[0] is 0 9*a[1] is 1 10*a[2] is 2 问题的核心 所以，结果表明指针是敌人，无论是在堆上分配了大量内存时，还是在我们试图通过将数据移动到自己的堆外分配来解决这一问题时。 如果我们可以避免分配的类型中的任何指针，它们不会导致GC开销，因此我们不需要使用任何堆外技巧。如果我们确实使用堆外分配，那么我们需要避免存储指向堆的指针，除非这些指针也被GC可见的内存引用。 我们通过这样做放弃的是为单个字符串释放内存的能力，并且我们增加了一些将字符串体复制到大字节片中的开销。 下面是一个演示这个想法的小程序。
99450发布于 2019-05-08 《LLM零开销抽象与插件化扩展指南》
支撑，彻底避免冗余开销。 但高层语言的抽象往往伴随着难以避免的运行时开销：虚函数调用的间接跳转（每次调用增加2-3个时钟周期，千亿次调用累积损耗显著）、接口封装的额外层级（数据需经过多层转发才能到达硬件）、动态类型转换的资源消耗 ，这些看似微小的开销在LLM密集型计算场景下会被无限放大，导致整体性能下降。 C++的零开销抽象理念，通过编译期优化彻底消除了抽象带来的冗余：采用静态多态（CRTP设计模式）替代传统动态多态，将虚函数调用转化为编译期确定的直接调用，避免运行时跳转开销；利用inline关键字与编译器强制内联优化 LLM的核心计算（如矩阵乘法、自注意力机制）高度依赖CPU缓存的性能—CPU的L1缓存访问延迟仅1-3个时钟周期，L2缓存为10-20个时钟周期，而内存访问延迟高达100-200个时钟周期，缓存命中率每提升
20510编辑于 2025-11-14- 来自专栏java一日一条
降低Java垃圾回收开销的5条建议
保持GC低开销的窍门有哪些? 随着一再拖延而即将发布的 Java9，G1(“Garbage First”)垃圾回收器将被成为 HotSpot 虚拟机默认的垃圾回收器。 即使没有提供集合初始化的大小，大多数集合的实现都尽量优化重新分配数组的处理并且将其开销平摊到最低。不过，在构造集合的时候就提供大小可以得到最佳的效果。 Tip #2:直接处理数据流 当处理数据流时，比如从一个文件读取数据或者从网络中下载数据，下面的代码是非常常见的： ? 即使数据的大小是可管理的，当到垃圾回收时，使用上面的模式依然会造成巨大的开销，因为它在堆中分配了一块非常大的区域来存储文件数据。 然而，由于其隐式地开销负担和简便的使用，非常容易成为占用大量内存的罪归祸首。 这个问题很明显不在于字符串字面值，而是在运行时分配内存初始化产生的。让我们快速看一下动态构建字符串的例子： ?
79620发布于 2018-09-18 - 来自专栏Java技术栈
mysql语句性能开销检测profiling详解
之前我介绍过msyql查询优化explain检查命令的使用，explain主要是检查sql语句的基本性能，sql是否优秀，但不能查看具体的涉及硬件资源的开销，今天要介绍的这个profiling工具可以更细节的查看资源的开销 | 0.000088 | SET PROFILING = 1 | | 1 | 0.000136 | DROP TABLE IF EXISTS t1 | | 2 --------+----------+ 4 rows in set (0.00 sec) 你也可以查看CPU或者其他资源消耗信息 mysql> SHOW PROFILE CPU FOR QUERY 2; 比如： SELECT STATE, FORMAT(DURATION, 6) AS DURATION FROM INFORMATION_SCHEMA.PROFILING WHERE QUERY_ID = 2
1.3K60发布于 2018-03-29
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