- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT码农
PHP 性能分析10则
而 require 的每次重新加载，都会从文件系统中去读取分析。因而 require_ once 会比 require 更佳。咱们也使用一个例子来看一下。 因为在一个程序的性能瓶颈中，最为核心的瓶颈，往往并不在 PHP 语言本身。即使是跟 PHP 代码中暴露出来的性能瓶颈，也常在外部资源和程序的不良写法导致的瓶颈上。 于是为了做好性能分析，我们需要向 PHP 的上下游戏延伸，比如延伸到后端的服务上去，比如延伸到前端的优化规则。 在这两块，都有了相当多的积累和分析，雅虎也据此提出了多达35条前端优化规则，这些同 PHP 本身的性能分析构成了一个整体，就是降低用户的访问延时。 所以前面两部分所述的性能分析，只是有助于大家了解 PHP 开发本身，写出更好的 PHP 程序，为你成为一个资深的 PHP 程序员打下基础，对于实际生产中程序的效率提升，往往帮助也不是特别显著，因为大家也看到
1K41编辑于 2022-01-10 - 来自专栏【腾讯云开发者】
10大性能陷阱！每个C++工程师都要知道
在经历过无数个性能优化的日夜后，笔者也总结了几个中过招的性能陷阱，与你分享～ 本文介绍的性能陷阱主要分为两大类：“有成本抽象”和“与编译器作对”。 v=rHIkrotSwcc) 显然，C++的很多特性是有性能成本的，而且，这些成本往往出现在你“没有写”的代码里，即C++帮你添加的隐形代码。 作为C++工程师，我们就必须了解每个特性会带来的性能损耗，在做代码设计时尽量选择损耗小的特性。 而下文介绍的很多坑点，C++语言服务器clangd可以帮你实时检测出来并自动修复。 很小一部分是因为确实需要使用std::shared_ptr的场景（不到10%）。我能想到的必须用std::shared_ptr的场景有：异步析构，缓存。 实际上，std::shared_ptr的构造、复制和析构都是非常重的操作，因为涉及到原子操作，std::shared_ptr是要比裸指针和std::unique_ptr慢10%～20%的。
1.6K30编辑于 2022-11-03 - 来自专栏王磊的博客
String性能提升10倍的几个方法！(源码+原理分析)
注意：此性能测试的结果与循环的次数有关，也就是说循环的次数越多，他们性能相除的结果也越大。 += 性能高很多。 总结 本文通过 String 源码分析，发现了 String 的不可变特性，以及不可变特性的 3 大优点讲解；然后讲了字符串优化的三个手段：不要直接 += 字符串、善用 intern() 方法和慎重使用 并且通过 StringBuilder 的源码分析，了解了 append() 性能高的主要原因，以及正则表达式不稳定性导致回溯问题，进入导致 CPU 使用过高的案例分析，希望可以切实的帮助到你。 参考 & 鸣谢 http://gk.link/a/10hUM https://blog.csdn.net/ityouknow/article/details/80851338
1.4K20发布于 2020-05-04 - 来自专栏C++ 动态新闻推送
现代CPU性能分析与优化-性能分析方法-静态性能分析
对于 C 和 C++ 语言，我们有一些著名的工具，例如 Clang 静态分析器: https://clang-analyzer.llvm.org/、Klocwork: https://www.perforce.com 同样，也有一些工具试图解决代码的性能方面的问题。静态性能分析器不会执行或分析程序，而是模拟代码，就好像它在真实硬件上执行一样。静态预测性能几乎是不可能的，因此这种类型的分析有很多限制。 首先，由于我们不知道要编译成的机器代码，所以不可能静态分析 C/C++ 代码的性能。因此，静态性能分析针对的是汇编代码。 其次，静态分析工具模拟工作负载而不是执行它。 顺便说一句，这是一个好主意，因为 UICA 等静态性能分析器并不是准确的模型。 C++ 性能工具链接集合 - https://github.com/MattPD/cpplinks/blob/master/performance.tools.md#microarchitecture.
78211编辑于 2024-08-19 - 来自专栏Reck Zhang
C++ 10 - defer
defer #include <bits/stdc++.h> class DoSomeThingWhenExit { public: explicit DoSomeThingWhenExit(std::function<void()> call_back_func) : on_exit_callback(std::move(call_back_func)) {} ~DoSomeThingWhenExit() { on_exit_callback(); } private: st
49320发布于 2021-08-11 - 来自专栏c语言与cpp编程
C++性能优化
前言 性能优化不管是从方法论还是从实践上都有很多东西，从 C++ 语言本身入手，介绍一些性能优化的方法，希望能做到简洁实用。 分析 优化前还是得找一下性能热点，下面是 vtune 结果的截图(虽然 cpu time 和汇编指令的消耗对应得不是特别好): ? vtune_1 ? 通常来说，要具体问题具体分析，没有标准答案。 从原理上来说，这个系列的优化不是特别区分语言，只是这里我们用C++来描述。 execute、memory-access、write-back，除了存储器的访问效率会影响并行度外，下一条指令的 fetch/decode 也很关键，而跳转和分支则是又一个拦路虎，这也是本文接下去要主要分析的地方
98642发布于 2021-03-25 - 来自专栏小雨的CSDN
10.性能测试
为什么要做性能测试？ 应用程序是否能够很快的响应用户的要求？ 应用程序是否能处理预期的用户负载并有盈余能力？ 应用程序是否能处理业务所需要的事务数量？ 在预期和非预期的用户负载下，应用程序是否稳定？ 什么时候进行性能测试？ 在功能测试完成，所有的功能都比较稳定的时候，才可以做功能测试，一般在测试的中后期执行 性能测试术语 1.并发数： 广义并发数：同一时刻向服务器发送Http请求的用户数量；（有可能不是同一个功能） 在线用户数 性能测试类型 1.负载测试： （运行15min左右） 并发测试：在一定的软硬件环境下，系统的其他指标不变，测试系统在不同用户量访问级别下，系统性能的表现 容量测试：在一定的软硬件环境下，系统的其他指标不变 ，比较每次测试结果，从而确定各个因素对系统性能的影响。
43010编辑于 2022-10-26 - 来自专栏Linux运维
性能分析工具：使用 sysstat 分析性能问题
在Linux运维与系统优化领域，性能分析工具是定位瓶颈、提升系统稳定性的关键手段。 sysstat是最常用、最成熟的系统性能监控工具集之一，涵盖CPU、内存、磁盘I/O、网络、进程等多个维度，能够提供实时监控与历史数据分析能力。 工具集主要包含以下组件：工具功能说明sar综合性能采集与历史分析（CPU、内存、I/O、网络等）iostat磁盘I/O性能分析mpstat多核CPU性能分析pidstat进程级CPU、内存、I/O分析nfsiostatNFS 场景4：历史性能回溯sysstat会自动记录历史数据：展开代码语言：BashAI代码解释sar-u-f/var/log/sysstat/sa10可用于：故障后回溯性能趋势分析容量规划5.最佳实践与优化建议开启 是Linux系统中最强大、最全面的性能分析工具集之一。
21710编辑于 2026-01-28 - 来自专栏Vue源码 & 前端进阶体系
【性能】Performance 页面性能分析
有些都是很常见的知识，但是为了梳理自己的知识树，所以尽量模糊的地方都会记录 笔记列表在公众号右下角 平常我们总说性能优化，性能优化，也懂个什么文件压缩，雪碧图什么的 但是你根本还是不清楚你性能优化的程度 ，不知道你网站的性能如何就像盲目地填一个不知道多深的坑，如此没有目的性的优化必然浪费大量精力而得不到想要的结果 所以填坑须知坑有多深，性能优化须知性能如何 那么怎么知道你的网站性能如何呢？ Performance 简介 为了解决网页性能测试的困难，更加精确地测量和提高网页和 web 程序的性能 W3C 和各大浏览器厂商共同制定了 Web Performance API 通过 performance 可以查看用户访问网站的各项性能数据，比如 1、连接建立的时间 2、DNS 解析的时间 3、网站内容响应的时间 4、各项图片的加载时间 等等等等 我们通常会怎么衡量网站的性能？ 这两个指标就可以衡量你网站速度的性能 那么我们怎么通过 performance 去得到这两个指标？
3.5K20发布于 2019-11-12 - 来自专栏ljw
C++ ⾼性能内存池
2.用到的知识 这个项⽬会⽤到C/C++、数据结构（链表、哈希桶）、操作系统内存管理、单例模式、多线程、互斥锁等等⽅⾯的知识。 这种方法常用于需要精细控制内存和对象生命周期的场合，特别是在内存池管理中，能有效提高性能和内存利用率。 性能问题。 2. 多线程环境下，锁竞争问题。 3. )，它将返回页号为10的起始地址，即10 * 4096。 内存回收 测试 高并发内存池-使用定长内存池配合脱离使用new 释放对象时优化为不传对象大小 测试+改错 性能优化
52800编辑于 2025-02-27 - 来自专栏C++ 动态新闻推送
现代CPU性能分析与优化-性能分析方法- Roofline 性能模型
Roofline 性能模型是一个以吞吐量为导向的性能模型，在 HPC 领域广泛使用。它于 2009 年在加州大学伯克利分校开发。模型中的“roofline”表示应用程序的性能不能超过机器的能力。 应用程序的性能始终会受到某条“roofline”函数的限制。 硬件有两个主要限制：计算速度 (峰值计算性能，FLOPS) 和数据移动速度 (峰值内存带宽，GB/s)。 在 roofline 图表上，我们可以绘制标量单核、SIMD 单核和 SIMD 多核性能的理论最大值 这将使我们了解改进应用程序性能的空间。 总结来说，Roofline 性能模型可以帮助： 识别性能瓶颈。 指导软件优化。 确定优化何时结束。 相对于机器能力评估性能。 Perfplot 是一个脚本和工具集合，允许用户在最近的 Intel 平台上测量性能计数器，并使用结果生成 roofline 和性能图。
2.2K11编辑于 2024-08-19 - 来自专栏7DGroup
性能分析之两个性能瓶颈分析
最近处理了几个项目中的性能问题，来跟大家唠唠。 这几个问题是非常常见的。 性能瓶颈就有这么个特点，大部分瓶颈分析到最后，都给人有一种猛拍大腿突然醒悟的感觉。 但是在分析到具体的原因之前，都是抓耳挠腮，百思不解。 这就是性能瓶颈的魅力所在了。 问题一：单队列网卡导致软中断高 这个问题在我的专栏也好，公众号文章也好，都不止一次描述过。 如果你不知道的话，分析过程可以去看一下这个文章《性能分析之单队列网卡导致sys CPU高》。 从这些事情可以看出来，性能问题不止是技术问题，还会涉及到沟通、协作甚至合同、商务的问题。 问题2：通过网络队列判断瓶颈点 这是一个生产上的问题。架构简单画一下。 架构逻辑是非常简单的。 但是从现象到这个关键的计数器却有着一段不容易走的路，这就是我们一直强调的RESAR性能分析七步法的价值所在了。
1.4K20编辑于 2022-04-01 - 来自专栏NetCore 从壹开始
MiniProfiler 性能分析
1649659917&vid=wxv_1387960818117083136&format_id=10002&support_redirect=0&mmversion=false 一个好的项目，肯定要有一定的性能监控和分析
53710编辑于 2022-04-11 - 来自专栏技术最杂谈
Greenplum性能分析
runtime=60 --refill_buffers --norandommap --randrepeat=0 --group_reporting --name=fio-write --size=10G 待分析数据。 4，基于 本地SSD，云SSD，SATA盘 的Snova集群测试。 4个segment， 4.1 平均update, TPS 60以内，单次请求耗时170ms。 4.2 各磁盘介质对性能影响不大，反而master对性能有影响。 3，顺序读写GP性能与磁盘介质顺序读写性能一致，比如大量的OLAP分析，涉及写临时文件，磁盘顺序写请求负载高，因此磁盘顺序写性能占优。 4，随机读写 GP性能与磁盘随机读写性能一致，比如从gpfidst导入数据，涉及分区表，多个数据文件（一个对表一个文件），随机读写负载高。
1.7K62发布于 2020-10-22 - 来自专栏web share
网页性能分析
三、对于性能的影响 提高网页性能，就是要降低"重排"和"重绘"的频率和成本，尽量少触发重新渲染。 DOM变动和样式变动，都会触发重新渲染。 从性能角度考虑，尽量不要把读操作和写操作，放在一个语句里面： // bad div.style.left = div.offsetLeft + 10 + "px"; div.style.top = div.offsetTop + 10 + "px"; // good var left = div.offsetLeft; var top = div.offsetTop; div.style.left = left + 10 // bad var left = 10; var top = 10; el.style.left = left + "px"; el.style.top = top + "px"; // good 如果色柱都超过30FPS，这个网页就有性能问题了。
1.4K00发布于 2021-04-05 - 来自专栏owent
Lua性能分析
比较不爽，刚好Lua本身提供钩子功能，用来写调试工具和性能分析工具都比较简单，索性就自己写一个。 设计思路 在lua提供了钩子函数的情况下，性能分析其实比较简单。 这种情况可以做到手动对单个函数的单次调用关系和消耗分析。对于查找性能毛刺有一定帮助。 ，而且lua的钩子是独占的，所以在lua层增加了接口用于控制性能分析组件。 profile.start() -- 启动栈性能分析 profile.stop() -- 停止栈性能分析 profile.reset() -- 重置栈性能分析缓存数据 profile.enable() -- 恢复性能分析 profile.disable() -- 暂停性能分析 profile.enableNativeProfile() -- 启动本地调用统计 profile.disableNativeProfile
2.6K10发布于 2018-08-01 - 来自专栏旅途散记
性能分析工具
关于profiling(性能分析，或特征分析与实践追踪) go性能分析工具--profiling profiling 英[ˈprəʊfaɪlɪŋ] 美[ˈproʊfaɪlɪŋ] n. - trace ---- 其他第三方profiling工具： 鸟窝-[译]使用 bcc/BPF 分析 go 程序 鸟窝-[译] Go 可视化性能分析工具 鸟窝-调试利器：dump goroutine 我这里把Profiling看成是Tracing的上一级） Profiling Go Programs Go pprof官方文档 部分译文： 译文 Go 高性能系列教程之二：性能评估和分析 译文 Go 性能工具小抄 原创分享 Go 高性能系列教程：读懂 pprof 生成的报告 更多可参考： 奇伢-全面的整理：golang 调试分析的高阶技巧 曹大-Go 应用优化指北 曹大-pprof 和火焰图 鸟窝-[译]Go性能分析工具工具和手段 性能分析方法论 李文周的博客 使用 pprof 和火焰图调试 golang 应用 Golang -CPU 性能、内存分析调试方法汇总 golang pprof 的使用调试 cpu，heap，gc,逃逸
1K21编辑于 2023-06-18 - 来自专栏FunTester
Java 性能分析
这时，Java 分析器便成为您的秘密武器，帮助解决这些性能挑战。 本篇文章我将分享 Java 性能分析的基础只是和实践内容，以帮助各位： 精准定位性能问题：通过精确的分析识别内存泄漏、CPU 瓶颈以及运行缓慢的代码段，从而准确诊断问题根源。 性能分析的的重要性 分析对优化 Java 应用性能至关重要，原因如下： 识别性能问题：分析能够帮助精准定位性能下降的根本原因，能够将优化工作集中在那些对性能影响最显著的领域。 Java 性能分析的类型 有多种类型的分析方法，每种方法都专注于应用程序行为的不同方面，以便全面了解和优化性能： CPU 分析：这种分析专注于衡量代码的不同部分对 CPU 处理能力的消耗。 分析方法： 监控 I/O 性能：通过 APM（应用性能管理）工具监控数据库查询的执行时间，识别耗时的查询。 日志分析：分析日志文件，找出频繁的文件读写操作。
51900编辑于 2025-01-23 - 来自专栏运维录
Redis性能分析
前言 redis性能分析常见的有以下几个方面： redis slowlog分析 SCAN，SSCAN，HSCAN和ZSCAN命令的使用方法 redis是否受到系统使用swap redis watchdog 定位延时 关于redis的延时监控框架,可参考官网资料下面我们分别从这几个方面来介绍 redis slowlog分析 慢查询设置在Redis中有两种修改配置的方法,一种是修改配置文件 slowlog-log-slower-than 10000 #查询时间超过10ms的会被记录 slowlog-max-len 128 # 最多记录128个慢查询 另一种是使用config set命令动态修改.例如下面使用 查看那些较大的内存消耗是否引发了大的swap使用 cat smaps | egrep '^(Swap:Size)' redis watchdog定位延时 注意：实验功能，请确保redis数据已备份,会对redis服务性能产生影响 2) (integer) 207 2) 1) (integer) 1480865711 2) (integer) 217 LATENCY DOCTOR延时事件统计信息的智能分析与建议
1.5K30发布于 2019-11-19 - 来自专栏信且诚心之动
pprof性能分析
pprof工具原理来自于在Scala Days 2011上Robert Hundt发表的一篇名为 Loop Recognition in C++/Java/Go/Scala.的论文。 这篇论文实现了一种特定的循环查找算法，例如您可以在C ++，Go，Java，Scala中使用编译器的流分析传递，然后使用这些程序得出这些语言中典型性能问题的结论。 该论文中提出的Go程序运行速度非常慢，这使它成为演示如何使用Go的分析工具来实现慢速程序并使其更快的绝佳机会。 Memory Profiling），查看活动对象的内存分配情况 mutex（Mutex Profiling），查看导致互斥锁的竞争持有者的堆栈跟踪 threadcreate，查看创建新OS线程的堆栈跟踪 分析 seconds=60 top 输入top查看占用cpu前10的函数，也可指定top数，如top25 top 启用CPU分析时，Go程序每秒停止大约100次，并在当前正在执行的goroutine堆栈上记录由程序计数器组成的样本
1K20编辑于 2022-12-28
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