- 综合排序
- 最热优先
- 最新优先
- 来自专栏yaphetsfang
mysql优化策略
MYSQL优化主要分为以下四大方面： 设计：存储引擎，字段类型，范式与逆范式 功能：索引，缓存，分区分表。 架构：主从复制，读写分离，负载均衡。 合理SQL：测试，经验。 现在要查询类别id为3的商品的数量，例如分类列表查询： 分类ID 分类名称 商品数量 3 计算机 567 可以使用下列sql语句： Select c.*, count(g.goods_id) as goods_count 3.索引操作 (1)创建主键索引 创建一个无符号整型且自动增长的列，然后设置成主键即可。 （3）选择分区算法 平均分配：就按照主键进行key(primary key)即可(非常常见) 按照某种业务逻辑分区：选择那种最容易被筛选的字段，整数型 3.分表 分表是将一个大表按照一定的规则分解成多张具有独立存储空间的实体表 八、SQL优化 1.对于并发性的SQL 少用（不用）多表操作（子查询，联合查询），而是将复杂的SQL拆分多次执行。如果查询很原子（很小），会增加查询缓存的利用率。
92510编辑于 2022-05-10 - 来自专栏只喝牛奶的杀手
性能优化策略
三个“要”原则是： 要优先查最大的性能瓶颈， 性能分析要确诊性能问题的根因， 性能优化要考虑各种的情况。 三个“不要”的原则是： 不要做过度的、反常态的优化， 不要过早做不成熟的优化， 不要做表面的肤浅优化 防止顾此失彼，一定要分析清楚，再动手。性能优化的目标，是追求最合适的性价比或最高的投入产出比。 性能优化五个类别是： 时空相互转换 并行 / 异步操作 预先 / 延后处理 缓存 / 批量合并 算法设计和数据结构 如何分析一个线上及性能问题？ dump文件分析工具：https://fastthread.io/、jvisualvm.exe，开发关注机器的什么指标（CPU、内存、网络、IO）等，性能优化问题一定避免饮鸩止渴，往往满足于一个能够解决眼前问题的答案
39430编辑于 2023-04-07 - 来自专栏冷冷
缓存策略优化
PreparedStatement.java:1379) - locked <********> (a com.mysql.jdbc.JDBC4Connection) at com.mchange.v2.c3p0 com.xxxx.xxxx.web.controller.login.LoginController.login(LoginController.java:119) 分析 仔细分析对应代码逻辑，可发现有如下的缓存策略
1.2K80发布于 2018-02-08 - 来自专栏瓜大三哥
优化策略之PowerOptimization
For example, a MUXF7 replaced by aLUT3 can be combined with other LUTs. results in: • Eliminatedlogic: For example, anAND with a constant 0 input • Reduced logic: For example, A3- mode to reduce the number of LUTs. 1.7Mux Optimization Remaps MUXF7,MUXF8, and MUXF9 primitives to LUT3 将LUT重新优化到逻辑单元内部。 对BRAM不做功耗优化 2.7ExploreWithRemap Same as the Explore directive but includes the Remap optimization.
87121发布于 2018-12-13 Tomcat 性能优化策略
Tomcat优化从两个方面进行 JVM虚拟机优化(优化内存模型) Tomcat自身配置的优化(比如是否使用了共享线程池?IO模型?) 二、虚拟机运行优化(参数调整) Java 虚拟机的运行优化主要是内存分配和垃圾回收策略的优化: 内存直接影响服务的运行效率和吞吐量 垃圾回收机制会不同程度地导致程序运行中断(垃圾回收策略不同，垃圾回收次数和回收效率都是 NewRatio 年轻代和老年代大小比值，取值为整数，默认为2 不需要修改 -XX:SurvivorRatio Eden区与Survivor区大小的比值，取值为整数，默认为8 不需要修改 2、JVM内存模型 3、 Xms2048m -Xmx2048m -XX:MetaspaceSize=256m - XX:MaxMetaspaceSize=512m" 4、调整后查看可使用JDK提供的内存映射工具 5、垃圾回收(GC)策略 一台Tomcat的最大的请求处理数量， 是maxConnections+acceptCount 3、禁用 AJP 连接器 4、调整 IO 模式 Tomcat8之前的版本默认使用BIO(阻塞式IO)，对于每一个请求都要创建一个线程来处理
27510编辑于 2025-11-20- 来自专栏全栈程序员必看
雅虎前端优化策略
JavaScript ·「JavaScript Put Scripts at Bottom [脚本置底] Make JavaScript and CSS External [使用外部的JavaScript和CSS3] Minimize DOM Access [减少Dom访问] Develop Smart Event Handlers [使用智能事件处理] Images ·「图片 Optimize Images [优化图片 ] Optimize CSS Sprites [优化雪碧图] Do Not Scale Images in HTML [不要在html中缩放图片] Make favicon.ico Small and
93520编辑于 2022-09-14 - 来自专栏活动
显存优化黑科技：DeepSeek ZeRO-3 改进策略全解析
（三）ZeRO-3：全面优化与拓展ZeRO-3 在前两代基础上深入优化拓展，延续对优化器状态、梯度和参数的分割策略，引入更先进通信优化技术和混合精度训练支持。 三、DeepSeek ZeRO-3 改进策略详解（一）张量分解优化DeepSeek ZeRO-3 在张量分解方面深入优化，将大型张量分解成小子张量，合理分配到不同 GPU 上，显著降低每个 GPU 显存占用 使用 DeepSeek ZeRO-3 的改进策略，能有效分割模型的参数、梯度和优化器状态到多个 GPU，减少每个 GPU 显存压力。 使用 DeepSeek ZeRO-3 的张量分解优化策略，可将 ViT 模型分割到多个 GPU 上计算，降低显存需求。 六、总结与展望总结DeepSeek ZeRO-3 作为显存优化领域的黑科技，通过一系列创新改进策略，在大规模深度学习模型训练中展现巨大优势。
88210编辑于 2025-03-28 - 来自专栏JavaEdge
JVM频繁fullgc优化策略
前者则修复问题，后者则增加内存 如果没有增加内存的条件，则考虑重构优化，比如原来的进程内缓存改为远程缓存，以减少内存使用 如果不能通过简单的手段减少内存使用，则需要做架构层面的重构，将功能拆分成多个服务
60620发布于 2021-03-28 - 来自专栏Leetcode名企之路
索引使用策略及优化
) possible_keys 表示查询中可能使用的索引 如果备选的数量大于3那说明已经太多了，因为太多会导致选择索引而损耗性能， 所以建表时字段最好精简，同时也要建立联合索引，避免无效的单列索引； key 索引使用策略及优化 基于以上explain的基础，我们对mysql索引进行优化。 MySQL的优化主要分为结构优化（Scheme optimization）和查询优化（Query optimization）。本章讨论的高性能索引策略主要属于结构优化范畴。 本章的内容完全基于上文的理论基础，实际上一旦理解了索引背后的机制，那么选择高性能的策略就变成了纯粹的推理，并且可以理解这些策略背后的逻辑。 首先我们看下title一共有几种不同的值： 1SELECT DISTINCT(title) FROM employees.titles; 2+--------------------+ 3| title
82831发布于 2018-10-25 - 来自专栏光城(guangcity)
短板原理之优化策略
图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下，容器能够容纳水（表示为蓝色部分）的最大值为 49。 示例: 输入: [1,8,6,2,5,4,8,3,7] 输出: 49 2.思路算法 思路一：暴力法 直接暴力解决这道题。 选择最优面积策略是，当左边比右边高度小，则更新左边，否则更新右边，这样遍历保证了可以使得面积最大被找出来！ low+=1 else: high-=1 return maxArea 提交结果 思路三：思路二优化 这个算法是对上述算法二的优化，优化策略在于移动次数！
60610发布于 2019-09-20 - 来自专栏互扯程序
索引使用策略及优化
MySQL的优化主要分为结构优化（Scheme optimization）和查询优化（Query optimization）。本章讨论的高性能索引策略主要属于结构优化范畴。 本章的内容完全基于上文的理论基础，实际上一旦理解了索引背后的机制，那么选择高性能的策略就变成了纯粹的推理，并且可以理解这些策略背后的逻辑。 所以我们深入了解MySQL的基于开销的优化器，还可以获得很多可能被优化器考虑到的访问策略的细节，以及当运行SQL语句时哪种策略预计会被优化器采用。 有一种与索引选择性有关的索引优化策略叫做前缀索引，就是用列的前缀代替整个列作为索引key，当前缀长度合适时，可以做到既使得前缀索引的选择性接近全列索引，同时因为索引key变短而减少了索引文件的大小和维护开销 可以考虑用first_name和last_name的前几个字符建立索引，例如<first_name, left(last_name, 3)>，看看其选择性： ?
82321发布于 2019-08-08 - 来自专栏音视频技术
Hulu 视频QoS优化策略
尽管Hulu提供服务的网络环境与国内大相径庭，但其相关QoS保障策略依然值得借鉴。 另一方面来看，QoS指标要好很多，因为QoS指标客观的反映了我们的服务质量，如优化Rebuffer的比例，从5%降到3%，相对来说这是比较客观、稳定且容易实现的一些指标。 （3）严重卡顿会使用户的满意程度从接近满分跌到几乎为0。 这些研究和以及Hulu的技术实践都充分论证了流媒体的服务质量QoS能显著的影响QoE，因此可以通过优化QoS去达到优化QoE的目的。 这就使得我们整个优化相对来讲比较盲目，得到的结果是算法变的特别复杂，相关逻辑是以前2倍甚至是3倍，而增益却非常的小。 例如我设计了一种带宽变化的Pattern，它一开始是500kbps，5秒钟之后掉到300kbps，过了3秒钟又升到了1Mbps，类似于这样的一种Pattern，我们可以把它直接Configure在我们的这个实验环境中
78460发布于 2021-09-01 - 来自专栏进击的多媒体开发
GLSL 的若干优化策略
一个好的 Shader，特别是在低端机上跑效果，性能往往会有很大的提升，那么，就很有必要学习一下 GLSL Shader 性能优化的策略。 下面整理了一些优化的策略。 1. 去冗余计算，vector 整体计算 良好的用法： highp vec4 v0; highp vec4 v1; highp vec4 v2; v2.xz = v0 * v1; 3. 另外，因为是海量计算，所以细徽的优化会带来革命性的性能改善。 4. 使用 glsl_optimizer 优化工具进行优化 glsl_optimizer 是一个免费开源的glsl优化器。 tex.Load(); if(x == 5) { // Thread 1 & 2 使用这个路径 out.Color = float4(1, 1, 1, 1); } else { // Thread 3 out.Color = float4(0, 0, 0, 0); } 比如在上例中，两个分支的语句Shader Unit都会执行，只是不同的是如果在执行if分支，那么计算结果将不会写入到thread 3
1.2K20编辑于 2022-10-31 - 来自专栏小七的各种胡思乱想
Bert不完全手册3. Bert训练策略优化！RoBERTa & SpanBERT
之前看过一条评论说Bert提出了很好的双向语言模型的预训练以及下游迁移的框架，但是它提出的各种训练方式槽点较多，或多或少都有优化的空间。 NLI以及QA任务上的表现 使用一个文档内的文本效果略优于跨文档，不过实现起来略麻烦，因此RoBERTa最终还是选取了Full-Sentence的方案 [e463e149ee0754a830449cdbb3e2bf7a.png MASK策略进行优化，包括以下三点创新 基于几何分布采样的长度随机的Span Mask策略 针对Span MASK设计的损失函数Span Boundary Objective 训练策略优化：去掉NSP任务 [bb1639a81dde3cdedea22abb97c84501.png] 整体掩码的比例和策略Bert保持了一致都是15%，并且对其中80%的token使用MASK，10%用原始token替换，10% 对应上图football的损失函数为 L（football)=LMLM(football)+LSBO(football)=−logP(football|x7)−logP(football|x4,x9,p3)
1.4K50编辑于 2022-05-15 - 来自专栏《活动征集》
常见的查询优化策略：JOIN优化与子查询优化！
3. 精简查询字段，避免“拖累”查询效率 在多个表进行JOIN操作时，我们通常需要选择多个字段。如果不小心选了太多不需要的字段，会增加额外的计算量，浪费不必要的资源。 1. ⏳ 使用联接代替子查询 一个常见的子查询优化策略是将子查询替换为JOIN操作。因为JOIN操作通常比子查询执行得更快，特别是在需要多次查询同一个表的情况下。 优化建议： 当子查询使用IN时，考虑用EXISTS替换，特别是子查询返回的数据量较大的时候。3. 而对于子查询，不要盲目使用，要考虑将其优化为JOIN操作，减少查询的复杂性。 这些优化策略看似简单，但却能为你带来显著的性能提升，确保你的数据库查询像闪电一样高效⚡！加油，未来的数据库优化大师！ 小提示： 没有最好的查询，只有最适合你的查询策略，记得根据具体场景灵活应用哦！-End-
1.2K21编辑于 2025-04-21 - 来自专栏JavaEdge
短链系统设计性能优化-分片策略优化
4.5 基于 base62 的分片策略 Hash(long_url)%62作为分片键 并将 hash(long_url)%62直接放到 short url 若原来的 short key 是 AB1234 所以，最后最佳架构： 4.6 还能优化吗？ web server 和 database 之间的通信。 就中国 server 访问美国 db，也不会慢太多 中访中是用户主流，优化系统就是针对主要需求 于是，得到最终架构： 还可以维护一份域名白名单，访问对应地域的 DB。
57030编辑于 2022-09-14 - 来自专栏云社区活动
优化云端开销：腾讯云成本优化策略分享
优化云端开销：腾讯云成本优化策略分享在如今云计算普及的时代，云服务为我们提供了弹性、高效和便捷的资源。但随之而来的，也有不小的成本压力。 经过一段时间的摸索与实践，终于总结出了一套行之有效的腾讯云成本优化策略，希望能对大家有所帮助。一、成本优化的三大原则在分享具体方法之前，我想先聊聊成本优化的三个核心原则：按需分配：避免资源闲置或浪费。 3. 设置自动关停未使用资源腾讯云提供了自动化管理工具，例如定时任务，可以设置非工作时间关闭闲置资源，减少不必要的费用支出。 优化存储成本存储往往是云成本中的大头，尤其是对于大数据场景。因此，优化存储策略尤为重要。实践技巧：选择合适的存储类型：腾讯云提供多种存储类型（如SSD云盘、HDD云盘、对象存储COS）。 腾讯云为我们提供了丰富的工具和功能，只要善加利用，就能大幅优化成本。以上策略只是开始，云计算的世界变化万千，随时需要根据实际业务需求调整。
1.1K10编辑于 2025-01-19 - 来自专栏QT开发
Qt 性能优化策略和技巧
在 Qt 开发中，性能优化是一个重要的环节，尤其是在处理复杂 UI、大量数据或高实时性要求的应用时。以下是一些常见的 Qt 性能优化策略和技巧，涵盖了 UI 渲染、内存管理、多线程、算法优化等方面。 3.多线程与异步处理3.1使用多线程QThread：将耗时操作（如文件读写、网络请求）放到单独的线程中，避免阻塞主线程。 4.算法与数据处理优化4.1优化数据结构选择合适的数据结构：使用 QHash 替代 QMap（如果需要快速查找）。使用 QSet 存储唯一值。 6.3跨平台优化平台特定优化：针对不同平台（如 Windows、Linux、macOS）进行特定优化。硬件加速：启用硬件加速（如 OpenGL）以提高渲染性能。 总结Qt 性能优化需要从多个方面入手，包括 UI 渲染、内存管理、多线程、算法优化等。通过合理使用工具和优化策略，可以显著提升 Qt 应用程序的性能和用户体验。
1.9K10编辑于 2025-02-17 - 来自专栏从流域到海域
近端策略优化算法(PPO)
策略梯度算法(PG) 策略梯度迭代，通过计算策略梯度的估计，并利用随机梯度上升算法进行迭代。 \theta)=\hat{\mathbb{E}}_t[log_{\pi_\theta}(a_t|s_t)\hat{A}_t] LPG(θ)=E^t[logπθ(at∣st)A^t] 信赖域策略优化 [KL[\pi_{old}(·|s_t)||\pi_\theta(·|s_t)]] \leq U subject to Et^[KL[πold(⋅∣st)∣∣πθ(⋅∣st)]]≤U 近端策略优化算法 st+1−V(st))where \ \delta_t = r_t+\gamma V(s_{t+1}-V(s_t))where δt=rt+γV(st+1−V(st)) 使用固定长度轨迹的近端策略优化 surrogate L wrt θ,with K epochs and minibatch size M<=NT end forend \ forend for 推荐阅读： 李宏毅机器学习系列-强化学习之近端策略优化
1.6K10发布于 2020-02-18 - 来自专栏前端布道
桌面端前端性能优化策略
JavaScript 或 CSS 代码，减少页面请求数和资源请求消耗 避免重复的资源，防止增加多余请求 减小 HTTP 请求大小 减少没必要的图片、JavaScript、CSS 及 HTML 代码 对文件进行压缩优化
2.3K20发布于 2018-07-25
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