- 综合排序
- 最热优先
- 最新优先
- 来自专栏Yangsh888的专栏
【云端选型】2.云模式&选择指南
一般认为，IaaS始于亚马逊的EC2和S3两款产品。近两年，我们说的云计算快速落地，其实主要就是指IaaS的迅速落地。
1.8K20编辑于 2022-03-19 - 来自专栏JavaEdge
【大厂消息队列】面试解析(2)-MQ选型
1 选型标准 1.1 开源（白嫖） 方便可以修改源代码，而非一味地等待软件提供商猴年马月发布的下个版本解决。在知识产权下，使用开源的才可商用。 看完标准，于是市面上主要就如下可供选择： 2 RabbitMQ 2.1 优点 Erlang语言编写，最早是为电信行业系统可靠通信设计，是支持AMQP协议的消息队列之一。 kafka、activemq、rabbitmq、rocketmq对比 5 选型总结 最早大家都用ActiveMQ，但是现在用的不多了，没经过大规模吞吐量场景的验证，社区也不是很活跃，算了吧，不推荐 后来大家开始用
95530编辑于 2022-11-30 - 来自专栏千里行走
rocketmq-2：性能测试方案&压测&选型&结论
2.实际测试方案&测试结果 ? ? ? ? ? ? (2).测试机型&资源分配 全部使用阿里云的ecs.sn1ne.xlarge机型，都是4core8G，相对来说性价比最高，网络有加强，内核参数有优化，如下： ? topic：BenchmarkTest queue：1024/broker (3).相关监测数据 以测试用例BT-P&C-MSG-SIZE1024-2brokerMaster-2BrokerSlaves -0003-1为例： 2个brokerMaster, 2个brokerSlave，且broker配置为： brokerRole = ASYNC_MASTER flushDiskType = ASYNC_FLUSH (4).最终选型 机器选型： ? 磁盘选型： ?
6.1K21发布于 2019-07-03 深度选型指南：X-P2P云服务产品分析
企业在选择X-P2P云服务时，需要考虑产品定位、适合人群、产品特点、性能指标以及优劣势等多个维度。 产品分析 阿里云 产品定位：阿里云提供全面的X-P2P解决方案，包括CDN、对象存储等服务。 网宿科技 产品定位：专注于CDN服务，提供X-P2P技术支持。 适合人群：适合对内容分发速度有高要求的在线媒体和游戏公司。 产品特点：专业的CDN服务和优化的X-P2P技术。 青云 产品定位：提供综合云服务，包括X-P2P技术支持。 适合人群：适合需要综合云解决方案的中大型企业。 产品特点：一站式云服务和灵活的X-P2P技术支持。 性能指标：稳定的性能和良好的扩展性。 又拍云 产品定位：专注于提供X-P2P技术支持的CDN服务。 适合人群：适合对成本敏感且需要快速内容分发的中小企业。 产品特点：成本效益高和易于集成的X-P2P技术。 快车智趣 产品定位：提供X-P2P技术支持的游戏加速服务。 适合人群：适合游戏开发商和需要低延迟服务的玩家。 产品特点：专注于游戏领域的X-P2P技术。 性能指标：极低的延迟和高稳定性。
46410编辑于 2025-07-28- 来自专栏PHP开发者那些事
【云+社区年度征文】swoft2与laravel-swoole选型实践
因项目需要，需要做php框架的后端技术选型，于是开始着手测试基于swoole的框架swoft与laravel的扩展包laravel-swoole进行评估。 测试过程中会出现以下问题： [2020-12-15 10:43:50 *3602.1] NOTICE finish (ERRNO 1004): send 5 bytes failed, because session#2 在swoft的命令行测试对比的结果： echo 'begin'.PHP\_EOL; sgo(function(){ Co::sleep(2); echo "middle".PHP_EOL; }); echo "end".PHP\_EOL; 此时输出： begin end middle 如果换成： echo 'begin'.PHP_EOL; srun(function(){ Co::sleep(2) 我们把这个函数加进去看看效果： echo 'begin'.PHP_EOL; sgo(function(){ Co::sleep(2); echo "middle".PHP_EOL; },
2.3K61发布于 2020-12-17 - 来自专栏顶级程序员
前端框架选型
本文将详细介绍框架选型 框架与库 库(lib)具有以下三个特点： 1、是针对特定问题的解答，具有专业性； 2、不控制应用的流程 3、被动的被调用 框架(frameword)具有以下三个特点： 1、具有控制反转 2、基于DOM的模板(DOM-based)，解决方案包括(angularjs、vuejs、knockout) ? == SPA(单页系统) SPA应用程序的逻辑比较复杂，需要一种模式来进行解耦，但并不一定是MV*模式 最后 最后推荐一个框架选型网站https://www.javascripting.com，该网站根据不同的需求的选择 ，给出当下流行的框架选型 ? 作者：小火柴的蓝色理想 链接：www.cnblogs.com/xiaohuochai/p/7041595.html 本文是蔡剑飞、郑海波老师的《产品前端架构》课程中《框架选型》章节的学习记录
2.1K60发布于 2018-05-03 - 来自专栏硬件工程师
运放选型
三：压摆率 Sr=2*pi*Vpp*BW (Vpp是输出电压峰峰值，BW是输出电压带宽） 单位V/us 例：根据5V，1MHZ来计算可得：最小压摆率为31.416V/us -------------
98520编辑于 2022-08-29 - 来自专栏全栈程序员必看
OLAP组件选型
OLAP组件选型 一、OLAP简介 1、olap准则 2、OLAP场景的关键特征 3、与oltp比较 二、开源引擎 1、Hive 2、spark SQL 3、presto 4、kylin 5、impala 6、druid 7、Greeplum 8、clickhouse 三、选型要求 1、实时性要求较高，对接kafka，实时查询数据 2、可以接入hive数据 3、单表查询数据较多，较少的join，在数仓中完成宽表构建 Spark SQL、Presto、Kylin、Impala、Druid、Clickhouse、Greeplum等，可以说目前没有一个引擎能在数据量，灵活程度和性能上做到完美，用户需要根据自己的需求进行选型 有N个纬度，就会有2的N次种组合。所以最好控制好纬度的数量，因为存储量会随着纬度的增加爆炸式的增长，产生灾难性后果。 没有完整的事务支持 不支持二级索引 有限的SQL支持，join实现与众不同 不支持窗口功能 元数据管理需要人工干预维护 三、选型要求 1、实时性要求较高，对接kafka，实时查询数据
3.7K30编辑于 2022-11-17 - 来自专栏John Wong's Blog
前端技术选型
技术选型是我们必然会碰到的，我们常常面临的不是单个技术的选型，而是对于一个项目所涉及的一整套技术、方案、规范或者产品的选型。我们需要仔细的去权衡各种技术、各种组合的利弊，做出取舍。 技术选型需要考虑的因素 项目因素 明确现在项目的规模、重要程度。 项目的需求（特别是非功能性需求）也会限制技术的选型 团队因素 考虑团队的因素，也就是人的因素，考虑团队人员的技术组成。 如何进行技术选型 上面列出了很多技术选型需要考虑的因素，那么到底该如何进行技术选型呢？ 首先明确选型的需求和目的，最好能列出必须要考虑的各种因素以及评判标准。寻找候选技术和产品。 可以列个技术选型分析表（小的不太重要的技术选型不一定要这么麻烦，而重要的技术选型则可能要反复各个步骤多次） 团队、技术成熟度、性能、架构一致性... 选型最后 当一个技术或产品选型后，下面要做的便是接入和推进。抓住时机，坚定地推进。
1.4K10编辑于 2021-12-23 - 来自专栏房东的猫
MySQL索引选型
image.png 下面是一个存储了 16 个数据的 B 树，同样每个节点最多存储 2 个 key，查询 id=16 这个数据需要查询比较 4 个节点，也就是经过 4 次磁盘 IO。 当我们把单个节点限制的 key 个数设置为 6 之后，一个存储了 7 个数据的 B 树，查询 id=7 这个数据所要进行的磁盘 IO 为 2 次。 image.png 一个存储了 16 个数据的 B 树，查询 id=7 这个数据所要进行的磁盘 IO 为 2 次。相对于 AVL 树而言磁盘 IO 次数降低为一半。 image.png 所以数据库索引数据结构的选型而言，B 树是一个很不错的选择。
90331发布于 2021-03-26 - 来自专栏陈树义
消息中间件系列第2讲：如何进行消息队列选型？
要做技术选型，那么必须对现今的各个消息中间件有个深入的理解才能做技术选型。否则别人问你，你为什么要用这个消息中间件，你说不出个所以然来，怎么做架构师呢？ 【原创】分布式之消息队列复习精讲 [2].Kafka 设计解析（一）：Kafka 背景及架构介绍
1.4K10发布于 2019-02-13 - 来自专栏Linux运维
时序数据选型、存储模型与选型
时序数据选型、存储模型与选型一、时序数据的特征与挑战时间戳驱动：数据天然带有时间维度，典型场景包括监控指标、传感器采集、交易日志。高吞吐写入：数据持续产生，要求数据库具备批量写入与乱序处理能力。 压缩与分区优化金融交易、日志分析Prometheus云原生监控拉取式模型与Kubernetes深度集成，PromQL强大应用监控、容器指标IoTDB工业物联网灵活序列模型面向设备数据优化，接口丰富工业场景、传感器数据四、选型考量维度场景匹配监控 选型建议：根据业务场景、数据规模与团队技术栈综合评估，避免“一刀切”。
60310编辑于 2026-01-04 - 来自专栏人工智能应用
MCP还是A2A？AI未来技术选型深度对比分析报告
引言 MCP（Multi-Core Processor）与A2A（Asynchronous to Asynchronous）分别代表了计算架构发展中的两种重要范式。 2.2 A2A的适用边界 物联网终端设备（动态功耗敏感场景） 神经形态计算芯片（脉冲神经网络实现） 容错性要求高的航天电子系统 MIT研究团队在2024年成功将A2A芯片用于火星探测器， 四、未来融合趋势 4.1 异构计算架构 AMD已在其APU中尝试MCP+A2A混合架构 英特尔Loihi 2神经拟态芯片实现异步计算单元阵列 4.2 量子启发设计 超导量子比特的异步特性为 A2A提供新思路 2024年IBM展示的"Goldeneye"处理器融合了量子退火与多核调度 4.3 生物分子计算接口 DNA计算天然异步特性可能推动A2A架构革新 东京大学实验显示： 蛋白质分子开关延迟仅0.1ns 结论：技术哲学的殊途同归 尽管MCP与A2A代表着不同的技术路线，但二者最终都指向计算效率的终极追求。
36510编辑于 2025-08-01 - 来自专栏自动化大师
步进电机选型指南 | 步进电机选型，看这篇就够了
电机尺寸：确定电机的外部尺寸限制，以确保适应应用空间 2、开环电机和闭环电机的区别？
2.2K10编辑于 2024-08-14 - 来自专栏计算机视觉
深度学习500问——Chapter15：异构计算，GPU和框架选型（2）
GTX 1000系列比 900系列在性价比上高出2倍左右。 如果大家继续比较GTX较早的系列，也可以发现类似的规律。据此，我们推荐大家在能力范围内尽可能买较新的GPU。 想尝试下深度学习，但没有过多要求：GTX 1050 Ti（4或2GB） 目前独立GPU主要有AMD和Nvidia两家厂商。其中Nvidia在深度学习布局较早，对深度学习框架支持更好。 （2）简单了解Linux的使用，不太懂深度学习相关知识，可以直接基于Linux系统来搭建框架，跑一些开源的项目，慢慢深入研究学习。 这两种版本的安装步骤基本一致，这里以最常用的ubuntu 16.04 lts版本为例： 官网下载，地址 cuda8.0https://developer.nvidia.com/cuda-80-ga2-
50110编辑于 2024-09-27 - 来自专栏kafka专栏
还在纠结报表选型？
通常都会遇到报表需求，数量少的，零星需要做的，可能手工就搞定了，数量多的，长期做的，基本都会选用一个报表工具，因为长期做，就必须考虑成本了，找一个称手的工具来降本增效是非常重要的报表工具有那么多，那就得选型 ，因为它选起来太复杂了，稍有不慎就可能花了冤枉钱了再比如想选个手机，这事情就很简单，直接各电商旗舰店挑个看着顺眼的再看看价格是否可接受就可以了，这样的选型就没啥好纠结的，因为选起来很简单，功能都差不多， 而价格也是公开透明的报表工具的选型也一样，有纠结的时候，也有不纠结的时候之前选型非常纠结选型纠结是因为要对功能和价格之间做权衡，不能只看一样，怎样权衡是个难题，就会纠结如果有个功能无穷好，价格无穷低的产品 那么我们再来漫游一下功能功能全面易集成润乾报表是标准的J2EE应用，非常易于集成，各类中国式复杂报表、统计图、DBD大屏、手机报表、数据填报采集、打印导出它都可以做，还支持各类数据源各类中国式复杂报表图片大屏图片各类统计图图片打印图片各类数据源支持图片润乾报表不仅仅是功能完整 ，让选型人员知道，报表数据准备阶段的难题，应该有个计算层来处理才会更好润乾专注报表20年，20年前它的功能是各厂商模仿的对象，也是选型人员用来检验各产品功能的标尺20年后，同样还是这样，功能照着润乾报表去选就行了
2.1K20编辑于 2022-08-26 - 来自专栏python3
python后台框架选型
后台框架选型 Flask与Django对比 数据库支持 管理系统性能 第三方库支持 代码可读性、是否轻量、可维护性、可扩展性 版本迭代难易程度 与前台交互 目录结构 django项目目录结构 应用结构
2.2K20发布于 2020-01-03 - 来自专栏JavaEdge
消息队列技术选型
A系统负责人头秃中。。。A系统还要时刻考虑B、C、D、E四个系统若挂了咋办？我要不要重发？我要不要把消息存起来？
40540编辑于 2022-11-30 - 来自专栏全栈程序员必看
Mongo分库方案选型
1.2. mongo sharding再平衡时，有可能查询数据出现重复的问题 当mongo sharding根据 sharding key，将数据存入mongo的5个片（1，2，3，4，5）时，一般会产生 5个分片数据不均匀的问题，假如1，2的分片数据较多，3，4，5的分片数据量较少，那么mongo sharding再平衡策略会将1，2分片上的数据平衡到3，4，5分片上，如果此时数据正在进行平衡，那么查询 1，2分片上的数据平衡到3，4，5的那部分的数据时，而且没有命中索引的情况时，有可能出现重复数据的现象。 2. 采用物理分库方式： 2.1 分库要自己代码实现 需要自己代码中实现根据不同的context访问不同的数据库，即实现根据分库的key，路由到不同的物理库上。
48420编辑于 2022-09-12 - 来自专栏飞天小牛肉
Echo 技术选型分析
1）从字面理解，Boot 是引导的意思，Spring Boot 可以帮助我们迅速的搭建 Spring 框架； 2）“约定大于配置”，一般来说，我们使用 Spring Boot 的时候只需要很少的配置，大部分情况下直接使用默认的配置即可 2）「异步」 先来看传统同步的情况，举个例子：系统 A 接收一个用户请求，需要进行写库操作，还需要同样的在 B、C、D 三个系统中进行写库操作。 不说我们这个用户量比较小的论坛，从大体量的论坛项目来考虑，我觉得 Kafka 比较适合的原因有如下： 1）Kafka 天生支持分布式，Broker、Producer 和 Consumer 都原生自动支持分布式； 2）
1.7K11发布于 2021-03-18
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