- 综合排序
- 最热优先
- 最新优先
- 来自专栏夏天的前端笔记
Web Worker 优化长任务
由于浏览器 GUI 渲染线程与 JS 引擎线程是互斥的关系，当页面中有很多长任务时，会造成页面 UI 阻塞，出现界面卡顿、掉帧等情况 查看页面的长任务： 打开控制台，选择 Performance 工具， 点击 Start 按钮，展开 Main 选项，会发现有很多红色的三角，这些就属于长任务（长任务：执行时间超过 50ms 的任务） 测试实验： 如果直接把下面这段代码直接丢到主线程中，计算过程中页面一直处于卡死状态 +) { for (let i = 0; i < 10000; i++) { sum += Math.random() } } 使用 Web Worker 执行上述代码时， sum += Math.random() } } // 将计算的结果传递出去 postMessage(sum); } Web Worker 的通信时长 并不是执行时间超过 50ms 的任务 300ms， 用了 Web Worker 可能会更慢 比如新建一个 web worker, 浏览器会加载对应的 worker.js 资源，下图中的 Time 是这个资源的通信时长（也叫加载时长） 「当任务的运算时长
30110编辑于 2024-04-18 - 来自专栏量化小白上分记
择时荟萃(九):长周期的择时策略
择时荟萃第九篇，之前的报告多为短周期的择时，今天分享两个长周期的择时策略，一个是月频，一个是半年频，长短叠加效果更好。作者来自海外一家对冲基金。获取原文请在后台回复“择时9”。 作者使用15个变量来预测未来一个月的收益，使用逐步回归法筛选变量，构建另一个有效的择时策略，2003-2017年，夏普比0.92，年化收益16.6%。 变量：为了能做长周期的预测，作者使用了多个宏观变量，包括通胀、工业增加值、信用利差、期限结构、商品价格、房屋开工、汇率等，以及股票市场的数据包括Mom、PRC(CAPE、PB、股息率的合成因子)等。
41210编辑于 2023-03-19 - 来自专栏开源部署
Nginx反向代理时保持长连接
【要求】 使用nginx时，想要做到长连接，我们必须做到以下两点： 1.从client到nginx是长连接 2.从nginx到server是长连接 对于客户端而言，nginx其实扮演着server的角色 为0的时候禁用长连接。 QPS=10000 时，客户端每秒发送 10000 个请求 (通常建立有多个长连接)，每个连接只能最多跑 100 次请求，意味着平均每秒钟就会有 100 个长连接因此被 nginx 关闭。 第一种情况： 应答非常平稳，但是请求不平稳的时候 4. 如果在第4步的时候，没有关闭那490个连接的话，只需要重新建立500个连接。 第二种情况： 请求非常平稳，但是应答不平稳的时候 4.
3.8K21编辑于 2022-07-28 - 来自专栏京东技术
nginx反向代理时保持长连接
如果我们使用了nginx去作为反向代理或者负载均衡，从客户端过来的长连接请求就会被转换成短连接发送给服务器端。为了支持长连接，我们需要在nginx服务器上做一些配置。 要求 到长连接，我们必须做到以下两点： i.从client到nginx是长连接 ii.从nginx到server是长连接 对于客户端而言，nginx其实扮演着server的角色，反之，之于server 为0的时候禁用长连接。 QPS=10000 时，客户端每秒发送 10000 个请求 (通常建立有多个长连接)，每个连接只能最多跑 100 次请求，意味着平均每秒钟就会有 100 个长连接因此被 nginx 关闭。 如果在第4步的时候，没有关闭那490个连接的话，只需要重新建立500个连接。 第二种情况： 请求非常平稳，但是应答不平稳的时候 1. 第0.3s的时候，我们一共有1500个请求收到。
9.9K32发布于 2021-06-09 HarmonyOS NEXT 长时任务的学习和总结
想要使用鸿蒙的长时任务需要配置权限：ohos.permission.KEEP_BACKGROUND_RUNNING并在module.json5中配置需要处理的长时任务类型，此处以定位为例： { "backgroundModes": [ // 长时任务类型的配置项 "location" ] } ]然后再合适的地方调用startBackgroundRunning 方法开启长时任务，通过调用stopBackgroundRunning方法关闭长时任务具体代码如下：import { common, wantAgent, WantAgent } from '@kit.AbilityKit => { CSLogger.info(TAG, "Operation startBackgroundRunning succeeded"); // 此处执行具体的长时任务逻辑
29410编辑于 2025-03-16- 来自专栏码
基于HTTP流式传输的长时响应体验提升
在接收到前端请求后立即返回，过一段时间完成计算后再让前端请求一次，又会让界面上的数据在这段等待时间中处于老的不正确的数据情况，因此，我们需要找到一种既可以避免异步发送数据让用户误认为结果错误，又可以避免长时响应让用户等待焦虑的方法 我们要探讨的是，在HTTP1.1中默认开启的Keep-Alive模式，当客户端和服务端都支持该模式时，一个TCP连接会维持打开，直到客户端不再回答服务端的ACK。 root.appendChild(el); }); }); </script> 当然，这里面还有一些优化空间，比如在服务端用Promise.all来一次性执行全部任务 例如实时翻译字幕、ChatGPT的回复 用户提交后需要大量计算，可以先返回一个chunk，让前端提示用户已经成功，等计算完再返回真正的chunk，更新界面数据 古老的聊天室，在服务端，当收到别人发送的消息时，
5.4K20编辑于 2023-09-02 - 来自专栏码农UP2U
SpringBoot启动时执行任务
在 SpringBoot 项目中，main 方法调用了 SpringApplication.run 方法，在 SpringApplication.run 方法执行之前还可以执行一些启动任务
1.2K30发布于 2021-04-09 - 来自专栏MyTechnology
SpringBoot启动时执行指定任务
@EventListener({ApplicationReadyEvent.class})
87110发布于 2020-07-31 - 来自专栏Tencent Serverless 官方专栏
解锁长时重计算-云函数首创异步执行模式
云函数作为新一代通用计算平台的产品化载体，在云原生事件驱动框架下，对轻量的原子计算有较好的支持，但在 2k4K 音视频处理、ETL 数据批处理、机器学习及 AI 推理等单任务重计算的场景下，对云函数的运行机制及现有的上限阈值提出了更多挑战 实时日志，执行日志实时上报，运行情况实时反馈 状态管理，提供事件状态的统计、查询及终止等事件管理相关服务 不难看出，运行机制的重新设计，从根本上解耦了对全链路所有组件的稳定性依赖，将稳定运行时间延长至24小时， 在此基础上，对长时运行过程中的日志由一次性上传升级为实时上报。 作为提供基础算力的资源层，以上可以满足支撑数据批处理、大规模分布式计算等任务调度系统的构建，考虑到 Serverless 化产品理念是提供开箱即用、简单高效的研发模型，云函数提供了对事件状态的持久化及相关的管理服务能力 ，进一步降低了开发者自建和运维任务管理系统的成本。
1.1K40发布于 2021-02-09 使用Python实现自动化邮件通知：当长时程序运行结束时
使用Python实现自动化邮件通知：当长时程序运行结束时 前提声明 本代码仅供学习和研究使用，不得用于商业用途。 请确保在合法合规的前提下使用本代码。 通过自动化邮件通知，我们可以在程序完成其任务时立即得到通知，而不必时刻守在电脑前。 项目设置 首先，我们需要在QQ邮箱上开启SMTP服务，这是发送邮件的前提条件。 这些技能不仅适用于邮件发送，还可以扩展到其他自动化任务中。随着技术的不断进步，我们可以预见，自动化将在未来的工作中扮演越来越重要的角色。 通过自动化，我们可以将重复性的任务委托给机器，从而释放出更多的时间和精力去专注于更有创造性和战略性的工作。 此外，自动化邮件通知系统也提高了通信的效率。 随着越来越多的任务被自动化，人们需要不断学习新技能，以适应技术的变化。此外，自动化可能会引发对工作安全的担忧，因为某些任务可能会被机器取代。
40800编辑于 2025-05-28- 来自专栏后端精进之路
Spark系列 - (4) Spark任务调度
4. Spark任务调度 4.1 核心组件 本节主要介绍Spark运行过程中的核心以及相关组件。 Driver在Spark作业时主要负责： 将用户程序转化为任务（job） 在Executor之间调度任务 跟踪Executor的执行情况 通过UI展示查询运行情况 4.1.2 Executor Spark Executor 节点是一个JVM进程，负责在Spark作业中运行具体任务，任务彼此之间相互独立。 Spark应用启动时， Executor节点被同时启动， 并且始终伴随着整个Spark应用的生命周期而存在。 它是一个纯调度程序，意味着它不执行其他任务，例如监控或跟踪，并且不保证在任务失败时重新启动。
1.3K10编辑于 2023-10-19 - 来自专栏CNNer
【运动规划】开源 | GCPs在长视野下解决视觉规划任务
相比之下，目前用于视觉预测和规划的学习方法在长视距任务中失败，因为它们生成的预测(1)不考虑目标信息，(2)在最优时间分辨率下，一次一步。 我们表明，通过使用目标条件作用和层次预测，GCPs使我们能够在比以前更长的视野下解决视觉规划任务。
44510发布于 2021-09-23 长时 Agent 怎么交接班：读 Anthropic 这篇 harness 文章
只要任务稍微长一点，Agent很快就会暴露出几种典型问题：一次做太多，想一口气把整个项目做完做到一半上下文断掉，下一轮接手时只剩一地半成品已经做出一点东西后，下一轮很容易过早宣布“差不多完成了”没做真正的端到端验证 后续session接手时，看见项目里已经有了页面、有了功能、有了提交，就很容易判断“差不多已经完成了”。这两个问题叠在一起，长任务基本就跑不稳了。 4.每轮开工前先做一套固定的“上岗动作”文章里专门列了一组codingagent每轮开始时要做的事情：跑pwd读progress文件读featurelist看gitlog找init.sh启动开发环境先做一次基础验证不是一上来就继续写代码 因为它说明文章想表达的不是“有了浏览器工具以后，长时Agent就稳了”，而是：如果你想让长时Agent跑得更稳，端到端测试必须进入harness。 最后如果你平时也在跑长任务Agent，这篇文章最后留下来的，更多会是下面这几个外部化对象：featurelistprogressfileinit.shgitcommit每轮固定的开工检查它们合在一起，才是长时
15500编辑于 2026-04-11- 来自专栏脑机接口
Science Advances文章揭示长时记忆的神经动态表征机制
利用脑电图，他们要求16名癫痫患者完成短时和长时记忆任务，研究人员向他们展示图像和单词的关联，然后要求他们在不同的时间后回忆它们。 图1 实验范式，电极位置和表征相似性分析示意图 随后，研究人员使用深度学习方法分析了他们在参与者完成记忆任务时收集的记录。这使他们能够检验神经表征转换对记忆编码和形成的长期影响。 研究人员刘婧博士等人还比较了在记忆编码、短时记忆维持和长时记忆提取阶段与特定实验项目(如图像)相关的神经表征。 此外，他们发现在长时记忆任务的提取阶段这些项目的神经表征与在短时记忆任务的提取阶段的神经表征更相似，而和记忆编码阶段的神经表征存在差异。 项目特异性神经表征从编码到保持再到提取经历多阶段转变 该项研究结果表明，记忆表征要经过多个阶段的转换，才能成功地形成和回忆长时记忆。
55130编辑于 2022-08-18 - 来自专栏实用技术
解决使用@Scheduled创建任务时无法在同一时间执行多个任务的BUG
如果没有指定TaskScheduler则会创建一个单线程的默认调度器。因此问题就清楚了，需要自己创建一个TaskScheduler。
2.8K20编辑于 2022-02-10 - 来自专栏程序员互动联盟
每天只需编程4小时
其实我一直认为，作为程序员每天有效编程时间大约4个小时就可以，我每天就是最多编程4个小时，不是因为我没有什么活，其实我的工作任务在很多人看来是“相当繁重”的。 减少”所谓的无效工作时间” 例如工作时上网时间，因为干这些事的时候，我们精神体能处于死亡的状态。编程时不要看邮件，减少外部的干扰。 2. 4. 进行时间投资 这是我最近看《杠杆思考术》一书看到的一个概念。程序员的时间投资的根本就是找出“模式”。 当然大话谁都会说，找到适合自己的方法才是最好的方法，对了，今天你是否只编程4小时？
80970发布于 2018-03-13 - 来自专栏程序萌部落
IDEA远程提交hadoop任务时出现的错误
上述问题解决：开启historyserver服务 mr-jobhistory-daemon.sh start historyserver
4.7K10发布于 2019-08-08 - 来自专栏函数式编程语言及工具
Akka（4）： Routers - 智能任务分配
Actor模式最大的优点就是每个Actor都是一个独立的任务运算器。这种模式让我们很方便地把一项大型的任务分割成若干细小任务然后分配给不同的Actor去完成。 优点是在设计时可以专注实现每个Actor的功能，在实际运算时由于每个Actor都在独立的线程里运行，能充分利用多核CPU的优势实现相似并行运算的效率。 Router的信箱直接代表了任务分配逻辑，与标准Actor逐个运算信箱中消息相比，能大大提高任务分配效率。Akka自带许多现成的任务分配模式，以不同的算法来满足不同的任务分配要求。
1.2K50发布于 2018-01-05 - 来自专栏大数据探索
Spark任务写数据到s3，执行时间特别长
一、场景 目前使用s3替代hdfs作为hive表数据存储，使用spark sql insert数据到hive表，发现一个简单的查询+插入任务，查询+insert的动作显示已经执行完，任务还在跑 默认commit策略下，spark在输出数据的时，会先输出到临时目录上，临时目录分task临时目录和job临时目录，默认的commit task操作是将执行成功的task的输出数据从task的临时目录rename
1.1K20编辑于 2022-10-11 - 来自专栏我爱计算机视觉
最强GPT-4o也才刚及格？智源联合多所高校推出首个多任务长视频评测基准MLVU
通过对20个最新的流行MLLM评测发现，排名第一的GPT-4o的单选正确率不足65%，揭示了现有MLLM在长视频理解任务上仍然面临重大挑战。 Understanding[8]） 缺乏合理的长视频理解任务设计：现有部分长视频理解评测任务往往只和局部帧有关[4]；或者使用针对经典电影进行问答[9]，MLLMs 可以直接凭借 text prompt MLVU具有以下特点： 1、充足且灵活的视频时长 MLVU的视频时长覆盖了3分钟到超过2小时，平均视频时长12分钟，极大扩展了当前流行的Video Benchmark的时长范围。 MLVU的任务示例图 4、合理的问题设置与高质量答案标注 以情节问答（Plot Question Answering）任务为例。 评测结果如下： 实验结果发现： （1）长视频理解仍然是富有挑战的任务。尽管GPT-4o[11]在所有任务中均取得了第1名的成绩，然而，它的单选平均准确率只有64.6%。
35410编辑于 2024-06-17
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