- 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 ? 我们一般是使用Nginx+tomcat的架构，所以用不着AJP协议，所以把AJP连接器禁用。修改conf下的server.xml文件，将AJP服务禁用掉即可。 推荐使用nio，不过，在tomcat8中有最新的nio2，速度更快，建议使用nio2. 1.5、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 - 来自专栏大数据与微服务架构
架构性能优化
优化思路： 1、了解现状，发现问题 2、确定清晰的优化目标，分析现状与目标的差距并确认执行路线。 3、对系统进行拆分，分别对逻辑层（Web层、业务层、持久化层）和物理层（客户端、网络、应用服务器、数据库服务器）进行优化。 4、利用工具对系统进行监控和测试，并对监控结果进行分析 5、科学的对系统进行优化，需遵循一定的程序：监控/性能测试 -> 分析瓶颈 罗列瓶颈的原因 验证瓶颈因素 修改系统 确认是否达到优化目标。 影响性能的因素：CPU、内存、IO、网络或其他因素 找出主要瓶颈：先解决关键因素、再重复监控或测试验证 避免过度优化，一个修改一个瓶颈，不要对不需要的地方进行优化 提高CPU性能，写出更快的代码，设计出更好的算法 分层优化： 客户端优化 服务器优化 JVM优化 数据库优化 负载均衡优化
69910发布于 2020-04-11 【Transformer架构优化】
一、当前Transformer架构优化的主要方向 Transformer架构的优化主要集中在注意力机制的计算效率上，目前主流分为线性注意力（Linear Attention）和稀疏注意力（Sparse import torch import torch.nn as nn class LinearAttention(nn.Module): def __init__(self, dim, heads=8) 稀疏注意力实现示例 动态稀疏注意力（DSA）的简化实现： class DynamicSparseAttention(nn.Module): def __init__(self, dim, heads=8, 优化方向： 选择性状态更新 硬件感知设计 内存压缩技术 部署案例： 移动端AI应用 边缘计算设备 实时推理系统 3. 混合架构实践建议 对于复杂场景可考虑： 分层处理：底层用SSM，高层用稀疏Attention 动态切换：根据序列长度自动选择计算模式 知识蒸馏：用大模型指导轻量架构
45610编辑于 2025-12-18- 来自专栏小手冰凉
LAMP 架构深度优化
##############基于LAMP（LNMP）问架构深度优化---配置文文件################# 3、修改配置文件参数实现隐藏版本号 a、nginx隐藏版本号 syntax server_tokens 具体的配置参数如下： worker_processes 8 <===指定了Nginx需要开启的进程数，建议指定和CPU的数量相等或者乘2的进程数 work_processes 参数开始的设置可以等于 详细查阅:http://nginx.org/en/docs/ngx_core_module.html 8、优化服务器名字的hash表大小 确切名字和通配符名字存储在哈希表中。 哈希表的尺寸在配置阶段进行了优化，可以以最小的CPU缓存命中失败来找到名字。 这就是对业务进行分离，在比较好的网站业务架构中，应该把资源文件，包括用户上传的图片，附件等的服务和程序 大多数公司的不安全的授权如下： 1）chmod -R 777 /sitedir（最不安全）
1.1K30发布于 2019-09-10 - 来自专栏架构师之路
12306系统架构优化
12306系统架构优化 coolshell陈皓优化方案 原文：http://coolshell.cn/articles/6470.html 一、业务复杂度比对 （1）qq业务模型：只访问自己的数据 （2 几十分钟内，马上几千万的访问量，非常恐怖（据说高峰访问是10亿PV，集中在早上8点到10点）。 结论：高并发下数据一致性是12306的痛点 三、前端优化 （1）负载均衡：DNS+CDN； （2）减少页面链接数：减少浏览器http并发连接，合并js，合并css，合并图标 （3）减少页面大小：带宽有限 ，压缩，分离图片服务 （4）页面静态化：同一时间查询相同车次的结果页面都是一样的，甚至可将静态化的文件放入/dev/shm下 （5）查询优化：票务结果显示“有/无”，而非具体数字，能大大简化逻辑 （6） 2.3）缓存有票/无票状态 （3）前端缓存+防刷 （4）IO优化，几百万的订单而已 三、总结 缓存（查询结果静态化）是整个优化方案的核心 这个手段极其适用于符合这两个要求的场景： （1）查询频率远大于更新频率
2.8K40发布于 2018-02-28 - 来自专栏漫谈测试
性能优化中的系统架构优化
系统架构优化是性能优化的一个重要方面，它涉及到对整个IT系统或交易链上各个环节的分析与改进。通过系统架构优化，可以提高系统的响应速度、吞吐量，并降低各层之间的耦合度，从而更好地应对市场的变化和需求。 业务增长导致的性能问题推动架构的发展，系统架构的演变过程来分析系统性能与调优方式。系统性能优化的核心思想主要包括节约和平衡两个方面。 在程序无法优化的情况下，最直接的办法是增强机器性能。或者把web服务和APP服务拆分。同样虽则和业务的快速增长会继续出现性能瓶颈，尤其是以DB的性能瓶颈最常见。 为了满足性能要求，通常我们会进行性能优化，当我们进行单系统性能调优后仍然无法满足性能要求时，我们只有分而治之的方法，于是就有了集群架构方案。 三、分布式架构系统分层，系统服务化（SOA架构，微服务化等），服务分布式，DB分布式，缓存分布式及良好的水平扩展能力是当前分布式架构的典型特征。
80510编辑于 2025-02-10 - 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
97111编辑于 2022-08-28 - 来自专栏devops探索
k8s架构
k8s架构 etcd保存了整个集群的状态； apiserver提供了资源操作的唯一入口，并提供认证、授权、访问控制、API注册和发现等机制； controller manager负责维护集群的状态，比如故障检测
49210发布于 2020-07-31 - 来自专栏linux驱动个人学习
1.ARMv8-A架构
1.ARMv8-A架构 基于ARMv8-A架构的处理器最大可以支持到48根地址线，也就是寻址2的48次方的虚拟地址空间，即虚拟地址空间范围为0x0000_0000_0000_0000～0x0000_FFFF_FFFF_FFFF 基于ARMv8-A架构的处理器支持的页面大小可以是4KB、16KB或者64KB。映射的层级可以是3级或者4级（地址范围是不一样的）。
1.5K21编辑于 2023-04-21 - 来自专栏summerking的专栏
K8s架构
# Kubernetes架构设计 一个 Kubernetes 集群包含两种类型的资源: Master 调度整个集群 Nodes 负责运行应用
48120编辑于 2022-09-19 - 来自专栏搜云库技术团队
秒杀系统架构优化思路
重点在于第二个问题，常规写法： 查询出对应商品的库存，看是否大于0，然后执行生成订单等操作，但是在判断库存是否大于0处，如果在高并发下就会有问题，导致库存量出现负数 二、常见架构 浏览器--->站点-- ->服务--->数据 流量到了亿级别，常见站点架构如上： 1、浏览器端，最上层，会执行到一些JS代码 2、站点层，这一层会访问后端数据，拼html页面返回给浏览器 3、服务层，向上游屏蔽底层数据细节 4 、数据层，最终的库存是存在这里的，mysql是一个典型 三、优化方向 1、将请求尽量拦截在系统上游：传统秒杀系统之所以挂，请求都压倒了后端数据层，数据读写锁冲突严重，并发高响应慢，几乎所有请求都超时，流量虽大 四、优化细节 4.1 浏览器层请求拦截 点击了“查询”按钮之后，系统那个卡呀，进度条涨的慢呀，作为用户，我会不自觉的再去点击“查询”，继续点，继续点，点点点。。。有用么？ 五、总结 没什么总结了，上文应该描述的非常清楚了，对于秒杀系统，再次重复下两个架构优化思路： 1、尽量将请求拦截在系统上游 2、读多写少经量多使用缓存 3、Redis队列缓存 + mysql 批量入库
96940发布于 2019-10-17 - 来自专栏暴走大数据
ClickHouse 数据存储架构优化
在今年年初我们对几份数据的存储架构进行了改造，记录一下改造过程。 二、改造 1、数据A （1）旧架构 ? （2）新架构 ? 新架构其实改造不大，只是简单的把所有的表引擎改造成SummingMergeTree，然后在计算层面对三张表进行三次写入，这样既可把离线计算的逻辑去掉，简化了架构的逻辑，并且降低了计算机器的消耗。 2、数据B （1）旧架构 ? 这个存储架构的弊端就是中间过滤表就是多余的，占写入、占存储。
2K20发布于 2020-08-28 - 来自专栏肉眼品世界
Ceph 架构及性能优化
对分布式存储系统的优化离不开以下几点： 硬件层面 硬件规划 SSD选择 BIOS设置 软件层面 Linux OS Ceph Configurations PG Number调整 CRUSH Map 其他因素 4、SSD SSD在ceph中的使用可以有几种架构 a、ssd作为Journal b、ssd作为高速ssd pool(需要更改crushmap) c、ssd做为tier pool 5、BIOS a、开启 queue committing max bytes = 10485760000 #默认100，数据盘能够commit的最大字节数(bytes) filestore split multiple = 8 =100*100/2=5000 每个pool 的PG=5000/5=1000，那么创建pool的时候就指定pg为1024 ceph osd pool create pool_name 1024 8、
1.2K60发布于 2021-04-20 - 来自专栏架构师之路
秒杀系统架构优化思路
《秒杀系统架构优化思路》 上周参加Qcon，有个兄弟分享秒杀系统的优化，其观点有些赞同，大部分观点却并不同意，结合自己的经验，谈谈自己的一些看法。 二、常见架构 ? 流量到了亿级别，常见站点架构如上： 1）浏览器端，最上层，会执行到一些JS代码 2）站点层，这一层会访问后端数据，拼html页面返回给浏览器 3）服务层，向上游屏蔽底层数据细节 4）数据层，最终的库存是存在这里的 ，mysql是一个典型 三、优化方向 1）将请求尽量拦截在系统上游：传统秒杀系统之所以挂，请求都压倒了后端数据层，数据读写锁冲突严重，并发高响应慢，几乎所有请求都超时，流量虽大，下单成功的有效流量甚小【 五、总结 没什么总结了，上文应该描述的非常清楚了，对于秒杀系统，再次重复下笔者的两个架构优化思路： 1）尽量将请求拦截在系统上游 2）读多写少的常用多使用缓存
1.3K80发布于 2018-03-01 - 来自专栏博文视点Broadview
PostgreSQL逻辑优化——整体架构
如果不是，那么又该如何对该查询树进行优化？而优化所使用的策略正是本节要讨论的重点内容，而且优化部分也是整个查询引擎的难点。 子链接（SubLink）如何优化？子查询（SubQuery）又如何处理？ 在查询计划的优化过程中，对不同的语句类型有着不同的处理策略： （1）对工具类语句（例如，DML、DDL语句），不进行更进一步的优化处理。 与前面一样，PostreSQL也提供定制化优化引擎接口，我们可以使用自定义优化器planner_hook，或者使用标准化优化器standard_planner。 逻辑优化——整体架构介绍 在未使用第三方提供的优化器时，PostgreSQL将planner函数作为优化的入口函数，并由函数subquery_planner来完成具体的优化操作。 函数以查询树作为输入参数，并以优化后语句作为返回值。
2K20发布于 2020-06-12 - 来自专栏架构师之路
秒杀系统架构优化思路
那我们怎么优化秒杀业务的架构呢？ 二、优化方向 优化方向有两个（今天就讲这两个点）： （1）将请求尽量拦截在系统上游（不要让锁冲突落到数据库上去）。 三、常见秒杀架构 常见的站点架构基本是这样的（绝对不画忽悠类的架构图） ? 当然，还有业务规则上的一些优化。回想12306所做的，分时分段售票，原来统一10点卖票，现在8点，8点半，9点，...每隔半个小时放出一批：将流量摊匀。 这些优化都是结合 业务 来的，我之前分享过一个观点“一切脱离业务的架构设计都是耍流氓”架构的优化也要针对业务。 五、总结 上文应该描述的非常清楚了，没什么总结了，对于秒杀系统，再次重复下我个人经验的两个架构优化思路： （1）尽量将请求拦截在系统上游（越上游越好）； （2）读多写少的常用多使用缓存（缓存抗读压力）；
1.8K100发布于 2018-03-01 - 来自专栏架构师之路
秒杀架构优化，产品折衷
今天有朋友问我，说我的文章里，总是提“脱离业务的架构设计是耍流氓”。 每次都是架构根据业务折衷，有没有业务和产品由于技术难度太大来做折衷的？ 当然有，当一个业务技术难度非常大的时候，可以通过业务和产品的优化，来简化系统架构。 以“12306车票秒杀”为例，秒杀业务架构难度大，业务和产品可以这么折衷： case 1 一般来说，下单和支付放在同一个流程里，能够提高转化率。 产品上可以优化为，一旦点击，不管系统是否返回，按钮立刻置灰，不给用户机会频繁点击。 case 4 一般来说，显示具体的库存数量，能够加强用户体验。 脱离业务的架构设计是耍流氓。 架构难度大，产品也应该折衷。 画外音：秒杀业务的架构优化讲过了，这次说产品上的优化。 兄弟，你的产品折衷了吗？或者，奇葩了吗？ 欢迎分享你的故事。
70840发布于 2018-07-27 - 来自专栏邵宗文的专栏
大型网站架构及优化
导语：本次很荣幸能邀请到邵宗文为我们带来《大型网站架构设计及优化》主题分享。 邵宗文有10多年运营开发、海量运维和架构规划经验，精通海量服务的架构设计和自动化运维建设，目前专注于大数据，高并发的实践探索。 演讲嘉宾：腾讯网络媒体事业群 运维工程师 邵宗文 演讲主题：大型网站架构及优化 [1499915795431_6408_1499915795697.JPG] [1499915803580_4407_1499915803891
1.1K20发布于 2017-07-17 - 来自专栏devops_k8s
系统架构性能优化思路
数据库的优化包括：优化数据库磁盘I/O、优化回滚段、优化Rrdo日志、优化系统全局区、优化数据库对象。 在32位操作系统下只能够设置到4G，但是在64位操作系统下已经可以设置到8G甚至更大的值。 系统本身水平弹性扩展是否完全解决性能问题 第二个点也是我们经常谈的比较多的点，就是我们的业务系统在进行架构设计的时候，特别是面对非功能性需求，我们都会谈到系统本身的数据库，中间件都采用了集群技术，能够做到弹性水平扩展 比如我们常见的就是一个查询功能如果出现问题了，首先就是找到这个查询功能对应的SQL语句在后台查询是否很慢，如果这个SQL本身就慢，那么就要优化优化SQL语句。 来源 https://4m.cn/rN8IB
1.8K60发布于 2020-12-01 - 来自专栏凯哥Java
秒杀系统架构优化思路
流量到了亿级别，常见站点架构如上： 1）浏览器端，最上层，会执行到一些JS代码 2）站点层，这一层会访问后端数据，拼html页面返回给浏览器 3）服务层，向上游屏蔽底层数据细节 4）数据层，最终的库存是存在这里的 ，mysql是一个典型 三、优化方向 1）将请求尽量拦截在系统上游：传统秒杀系统之所以挂，请求都压倒了后端数据层，数据读写锁冲突严重，并发高响应慢，几乎所有请求都超时，流量虽大，下单成功的有效流量甚小【 充分利用缓存：这是一个典型的读多写少的应用场景【一趟火车其实只有2000张票，200w个人来买，最多2000个人下单成功，其他人都是查询库存，写比例只有0.1%，读比例占99.9%】，非常适合使用缓存 四、优化细节 五、总结 没什么总结了，上文应该描述的非常清楚了，对于秒杀系统，再次重复下笔者的两个架构优化思路： 1）尽量将请求拦截在系统上游 2）读多写少的常用多使用缓存
69520编辑于 2022-12-16
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