首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏米奇爱编程

    Golang 高效实践之defer、panic、recover实践

    总结 文章介绍了defer、panic和recover的原理和用法,并且在最后给出了一些在实际应用的实践建议,不要滥用defer,注意defer搭配闭包时的一些特性。

    1.1K21发布于 2019-08-29
  • 来自专栏米奇爱编程

    Golang高效实践之array、slice、map实践

    前言 Golang的slice类型为连续同类型数据提供了一个方便并且高效的实现方式。 这使得切片的操作像数组索引访问一样高效

    89420发布于 2019-08-29
  • 来自专栏米奇爱编程

    Golang 高效实践之并发实践channel篇

    那么作为编程人员,我们在实践Golang的并发编程时,又有什么需要注意的点呢?下面我会跟大家详细的介绍一些在实际生产编程中很容易踩坑的知识点。 CSP 在介绍Golang的并发实践前,有必要先介绍简单介绍一下CSP理论。 func (l *Spinlock) Unlock(){   atomic.StoreInt32(l.state, free) // 所有操作state变量的操作都应该是原子的 } 基于上面的一些并发实践的建议是 基于上面的一些并发实践的建议是: 1.channel不是socket和file这种资源,不需要通过close来释放资源 2.避免将goroutine和匿名函数一起使用 3.在你启动一个goroutine 总结 本文介绍了Golang并发编程的一些高效实践建议,旨在让大家在Golang并发实践中少踩坑。其中data race问题和goroutine退出的时机尤为重要。

    1.2K20发布于 2019-08-29
  • 来自专栏米奇爱编程

    Golang 高效实践之并发实践context篇

    前言 在上篇Golang高效实践之并发实践channel篇中我给大家介绍了Golang并发模型,详细的介绍了channel的用法,和用select管理channel。

    1K30发布于 2019-08-29
  • 来自专栏米奇爱编程

    Golang高效实践之interface、reflection、json实践

    反射是程序校验自己数据结构和类型的一种机制。文章尝试解释Golang的反射机制工作原理,每种编程语言的反射模型都是不同的,有很多语言甚至都不支持反射。

    1.2K20发布于 2019-08-29
  • 来自专栏米奇爱编程

    Golang高效实践之泛谈篇

    前言 我博客之前的Golang高效实践系列博客中已经系统的介绍了Golang的一些高效实践建议,例如:《Golang高效实践之interface、reflection、json实践》、《Golang 高效实践之 defer、panic、recover实践》、《Golang 高效实践之并发实践context篇》、《Golang 高效实践之并发实践channel篇》,本文将介绍一些零散的Golang高效实践建议,虽然琐碎但是比较重要 更多defer特性请参考我的《Golang 高效实践之defer、panic、recover实践》博文。 14.new(T)分配一个*T类型,指向被赋予零值的一块内存。 因此切片通常是更高效和常用。 总结 文章介绍了22个Golang的高效实践建议,其中包括一些编程规范和一些实践生产中容易遇到的坑,希望可以帮助到大家 引用 https://golang.org/doc/effective_go.html

    61120发布于 2019-08-29
  • 来自专栏沉浸式AI

    高效开发最佳实践全面指南

    25610编辑于 2024-10-10
  • 来自专栏存储公众号:王知鱼

    XINNOR:高效RAID的存储实践

    XINNOR:高效RAID存储实践-Fig-1 云端AI工作负载对存储系统的关键需求: 1. 虚拟化能力:支持多租户环境和多种文件系统,以适应不同AI应用的需求。 2. XINNOR:高效RAID存储实践-Fig-2 AI训练过程实测GPU使用率和IO读写带宽,材料显示: • 测试数据训练过程持续10分钟左右,GPU饱和利用; • 检查点(Checkpoint)写入阶段 XINNOR:高效RAID存储实践-Fig-6 分布式跨节点EC xiRAID Opus可以作为分布式纠删码部署在多个服务器上。 XINNOR:高效RAID存储实践-Fig-7 xiRAID Opus与BlueFiled3集成的实现方案及其优势 1. RAID6相比RAID5在写入性能上有所降低,但读取性能相当 总结:xiRAID 云存储解决方案 XINNOR:高效RAID存储实践-Fig-9 1.

    63410编辑于 2025-02-11
  • 来自专栏JadePeng的技术博客

    高效团队的gitlab flow最佳实践

    release-versio拉出分支进行修复,修复完成后,再合入release-versio 正式发布版本,如果上线后,又有bug,根据5的方式处理 等发布版本稳定后,将release-$versio反合入主干 最佳实践

    4.9K31发布于 2021-02-04
  • 来自专栏深度学习与python

    基于聊天的 AI 编程高效实践

    定义 Agent 应遵循的最佳实践 作为合格的架构师,我们必须明确定义 Agent 需遵循的最佳实践。这些最佳实践可以包括命名约定、代码风格、设计模式和要使用的工具等。 感兴趣的读者可以查看我们在这次实践中 使用的详细指令。 团队层面分享并践行最佳实践 将最佳实践定义在指令文件中还能带来有趣的副作用:它们可以被视为项目交付物的一部分。 结 论 Agent 可以成为开发者手中极其强大的工具,尤其是在高效 LLM 的驱动下。它们能加速开发流程,完成我们易遗漏的任务(比如测试),并且严格遵循我们设定的规范和最佳实践。 为了在发挥 Agent 效能的同时保持控制权,我们可以采用人机协作的工作流程:由经验丰富的人类架构师负责设计和规划阶段,明确解决方案和实施路径;而编码工作则交给高效优质的 Agent 完成。 这种“通过 prompt 生成 prompt”的元提示策略,能高效构建出符合项目特性的基础框架。

    55210编辑于 2025-08-09
  • YashanDB数据导入导出高效实践技巧

    YashanDB是一个高性能的数据库,针对数据导入导出,一些高效实践技巧可以帮助提升效率和减少错误。以下是一些建议:数据导入技巧1. 使用高效的数据格式:- 选择合适的数据格式(如CSV、Parquet等)和压缩方法,以减少I/O操作和提高数据读取速度。4. 选择合适的导出工具:- 选择高效的导出工具或框架,以便快速和准确地导出数据。2. 过滤和字段选择:- 只导出必要的数据,避免不必要的字段和记录,以减小导出数据量。3. 总结高效的数据导入导出的关键在于合理利用数据库的特性、优化处理流程、减少不必要的开销,并定期监控和调整策略。通过这些实践技巧,能够在使用YashanDB时实现更高效的数据管理。

    15910编辑于 2025-11-18
  • 来自专栏cjz的专栏

    GO编程实践:如何高效使用变量

    GO语言是一种强类型、静态编译的编程语言,它具有简洁的语法和强大的并发支持。在GO语言中,变量的定义和使用是非常重要的基本概念之一。下面是关于如何在GO语言中定义变量的详细说明,使用Markdown格式呈现:

    45620编辑于 2023-10-11
  • 来自专栏用户10106051的专栏

    高效学习:深度,归纳和坚持实践

    文章摘自耗子在极客时间《左耳听风》专栏关于高效学习篇系列文章。 系统地学习 在学习某个技术的时候,我除了会用到上篇文章中提到的知识图,还会问自己很多个为什么。于是,我形成了一个更高层的知识脑图。 这两种能力都是让你高效学习的能力。 最后,还想说一下,一般来说,拥有这样能力的人,都需要有在更高的维度上思考问题的能力。比如一些名人的金句,就是这种能力的体现。 实践出真知 所谓实践出真知,也就是学以致用,不然只是纸上谈兵,误国误民。只有实践过,你才能对学到的东西有更深的体会。 但是,作者的这种思维方式只有在我有了很多的实践和经验(错误)后,才能够真正地体会为什么是这样的。 在实践出真知中,我阐明了实践的重要性,并认为,只有实践过,才能对学到的东西有更深的体会。

    57430编辑于 2022-10-28
  • 来自专栏JAVA

    ⚡️⚡️Java多线程编程的高效、安全实践

    ⚡️ Java多线程编程的高效、安全实践⚡️ 博主 默语带您 Go to New World. ☀️ 6 并发编程的最佳实践 在这一部分,我们将总结一些Java多线程编程的最佳实践。我们会强调避免使用全局变量、尽量使用不可变对象以及选择合适的同步策略等重要原则。 通过遵循这些最佳实践,我们能够写出更健壮、可维护的并发代码。 在Java多线程编程中,遵循一些最佳实践是非常重要的,可以帮助我们编写更健壮、可维护的并发代码。 使用原子类和并发集合: 使用Atomic包下的原子类和并发集合类可以简化多线程编程,并提供高效的线程安全操作。 通过灵活运用线程同步、并发集合类和线程池等工具,以及遵循并发编程的最佳实践,我们能够优雅地驾驭多线程,构建出高性能、可靠的Java应用。

    36510编辑于 2024-11-20
  • 来自专栏网络日志

    Django Admin后台管理:高效开发与实践

    title: Django Admin后台管理:高效开发与实践 date: 2024/5/8 14:24:15 updated: 2024/5/8 14:24:15 categories: 后端开发 tags 自定义Admin模板:可以通过创建自定义的模板来改变Admin界面的外观, AD:首页 | 一个覆盖广泛主题工具的高效在线平台例如修改admin/base_site.html。 通过实践这些技术,你将能够更好地理解Django的数据层,并能够处理更复杂的数据管理任务。 安全最佳实践 身份验证和授权:确保只有授权的用户可以访问特定功能,使用强大的密码策略和多因素认证。 输入验证:对用户输入进行严格的验证和清理,以防止SQL注入、XSS攻击等。

    3.4K10编辑于 2024-06-12
  • 来自专栏【腾讯云开发者】

    Redis延迟队列golang高效实践

    这里介绍一种使用golang基于redis实现延迟队列的具体实践。 二、实现原理 1、使用redis可以通过List类型来实现队列的功能,通过LPOP,RPUSH来保证先进先出的特性。 messagepack是一个高效的二进制序列化协议。相比json编码后的数据的体积更小,编解码的速度更快。redis script也支持messagepack。 int64(delaySec), Timestamp: time.Now().Unix(), })} 八、consumer实现 在完成消息投递的相关方法的实现后,我们来看下如何实现一个稳定高效的消息处理框架 但我们借助golang可以实现的更高效消息处理框架。使用这种方式需要考虑消息丢失时的补偿机制。

    2.1K40编辑于 2022-06-02
  • 来自专栏面经

    最佳实践 · 如何高效索引MySQL JSON字段

    本文将介绍如何利用MySQL 5.7中的虚拟字段功能,对JSON字段中的数据进行高效索引,以提高查询性能。假设我们有一个记录用户游戏数据的JSON对象,我们希望能够快速检索游戏玩家的相关信息。 Alice';EXPLAIN SELECT * FROM `user_games` WHERE `chess_rating` = 1500;总结在本文中,我们探讨了如何在MySQL 5.7中利用生成列来高效索引

    1.7K40编辑于 2024-09-10
  • 来自专栏Swift社区

    Pull Request 的最佳实践高效审查指南

    本文将结合实际案例,深入探讨 Pull Request 的最佳实践,介绍标准流程、代码审查技巧,以及如何在大型项目中高效维护 PR 质量。 为了解决这一问题,掌握 Pull Request 的最佳实践至关重要。本文将结合个人经验和实际开发中的痛点,探讨如何通过标准化 PR 流程、高效代码审查策略提升团队协作效率。 Pull Request 的最佳实践代码审查标准明确目标:代码审查不仅是为了找 bug,还是确保代码设计和可读性。小且频繁的 PR:确保 PR 改动尽量小,过大的 PR 可能导致审查难度增加。 高效处理大型项目中的 PR模块化分支策略分阶段合并:将大型功能拆分成多个小功能,每个小功能都有自己的 PR,逐步合并。 同时,PR 的分析工具可以帮助团队在更大规模的项目中保持高效协作。

    1K10编辑于 2024-09-13
  • 如何高效使用YashanDB数据库:最佳实践

    为了最大程度地发挥YashanDB的优势,了解其最佳使用实践至关重要。 本文将深入分析YashanDB的架构、功能及相应的最佳使用技巧,旨在为数据库管理员和开发人员提供实用指南,帮助他们在日常工作中高效利用YashanDB。1. HEAP存储适合快速插入操作,BTREE支持高效的查询性能,而MCOL和SCOL则针对不同的数据分析需求提供了灵活的存储解决方案。选择合适的存储引擎不仅能提升性能,还能满足业务的增长需求。 同时,通过合理划分不同的分区,可以实现高效的数据管理和维护,提升数据库的整体性能。4. 使用索引提升查询性能索引是提升数据库访问性能的关键。YashanDB支持BTree索引和反向索引等多种索引类型。 总结正确地使用YashanDB数据库,不仅需要对其特性有深入的了解,还需要依据实际业务场景制定合理的策略和最佳实践

    23010编辑于 2025-09-14
  • 来自专栏数据仓库优化

    高效大数据开发之数据倾斜的实践

    数据倾斜是在数仓开发里最常见的,且最为头疼的问题。我们也或多或少的知道数据倾斜是因为数据分配不均匀,导致部分节点要花很长时间处理大量的数据,我们也知道不管是mr还是spark,大多是在shuffle阶段出现倾斜,当然我们也知道group by和join均可能出现数据倾斜现象,而网上大多数的解决方案都建议从2方面着手处理:1.从业务方面,能否直接过滤掉导致倾斜的数据;2、从技术层面上,a.调整运行参数,b.sql优化之改用mapjoin、关联或聚合key增加随机数、将join改成union all等

    1.2K51编辑于 2022-12-16
领券