SQL优化实战

正文 今天遇到一个SQL优化的问题，记录下来 测试部门反映，有个功能的查询很缓慢，需要支持排查下 首先描述下具体的问题 数据库中一张表的大概有700多条记录，业务需要模拟一个类似属性树形的数据结构 ORDER BY t.created_time DESC 在重构后的sql中，可以看到我们排序之后的记录添加一个序列，然后获取序列的第一条来作为我们现实的记录，然后将in改为exists,这样优化后的查询就变得效率很高了

SEO优化实战

本文作者：IMWeb 结一 原文出处：IMWeb社区 未经同意，禁止转载 seo本身涉及范围非常广，所包含的知识也是非常值得深入研究的一个方向，本文仅从重构侧出发聊聊最近做的一些seo实战。 当然title是最有用的，是非常值得优化的；而keywords因为以前被seo人员过度使用，所以现在对这个进行优化对搜索引擎是没用的，这里就不说了；description的描述会直接显示在搜索的介绍中， 因为业务关系，我们做的更多的是针对百度搜索引擎的优化，所以这里把百度搜索引擎优化的建议分享下： title格式： 首页：网站名称 或者 网站名称_提供服务介绍or产品介绍 频道页：频道名称_网站名称

html5+CSS3

SEO优化实战

本文作者：IMWeb 结一 原文出处：IMWeb社区 未经同意，禁止转载 seo本身涉及范围非常广，所包含的知识也是非常值得深入研究的一个方向，本文仅从重构侧出发聊聊最近做的一些seo实战。 当然title是最有用的，是非常值得优化的；而keywords因为以前被seo人员过度使用，所以现在对这个进行优化对搜索引擎是没用的，这里就不说了；description的描述会直接显示在搜索的介绍中， 因为业务关系，我们做的更多的是针对百度搜索引擎的优化，所以这里把百度搜索引擎优化的建议分享下： title格式： 首页：网站名称 或者 网站名称_提供服务介绍or产品介绍 频道页：频道名称_网站名称

html5+CSS3

内存优化实战

最近,因为项目时间不紧的原因,就对项目的某些页面进行了内存观察,发现了两处优化点.特意记录下来 1.单例引发的内存泄漏 我在项目中涉及到的一个单例是这样的 object LiveCenter {

性能优化｜索引优化最佳实战

在执行器中，mysql会对sql语句进行优化，调整三个字段的顺序，满足最左前原则。 explain select * from student where stu_name like '%备%' 在这里插入图片描述 因为我们开发过程中模糊查询肯定是必须的，那么怎么优化呢？ 使用索引覆盖，select 查询的字段包括在索引中 explain select stu_name from student where stu_name like '%备%' 深入索引优化 我们很好奇 group by 和order by 优化点是一样的，默认会按照字段排序的，如果不需要排序 则可以在group by 之后加上order by null，省去排序的消耗。 文件排序 using filesort 在上面优化中，发现在mysql中排序分为文件排序和索引排序，在无法使用索引排序的情况下，我们就得考虑如何优化文件排序了。

鸿蒙（HarmonyOS）性能优化实战-电量优化

从功耗角度考虑，应用应该避免过多使用长时任务，针对必须使用长时任务的场景，也可以优化任务执行过程，减少设备功耗。 以下是一些优化建议：对定位要求不太高的场景可以适当调整上报时间间隔和上报距离间隔，减少更新频率。尽可能的减少网络请求次数和减小网络请求时间间隔。 总结合理的选择和使用后台任务对于优化用户体验，减少性能消耗非常重要。以下表格对比总结了各类后台任务的概念、适用场景以及任务执行过程中的应用状态。

MySQL索引优化实战

索引从物理上可以分为：聚集索引，非聚集索引 从逻辑上可以分为：普通索引，唯一索引，主键索引，联合索引，全文索引 索引优化策略 不要在索引列上进行运算或使用函数 在列上进行运算或使用函数会使索引失效，从而进行全表扫描 这时候索引的作用只是用于优化WHERE条件的查找 如果在a b列上建立联合索引，该如何建立，才能使查询效率最高 select count(distinct a) / count(*), count(distinct 例如下面的2个写法是等价的，因为MySQL会将查询的顺序优化成和联合索引的顺序一致 select * from table where a = '1' and b = '1' select * from table where b = '1' and a = '1' 3.优化查询，避免出现filesort select * from table where a = ? 图解： EXPLAIN 实战-1 你确定真正理解联合索引和最左前缀原则？ Java识堂 一个有干货的公众号 ---- ?

RecyclerView优化实战指南

然而，如果不进行优化，RecyclerView 可能会导致 UI 卡顿、内存泄漏等问题。本文将介绍一些优化技巧，帮助你更好地使用 RecyclerView。 RecyclerView 可以大大简化开发过程，但是如果不进行优化，它可能会导致一些性能问题。下面将介绍一些优化技巧，帮助你充分发挥 RecyclerView 的性能。 优化技巧 对于 RecyclerView，我们可以采用以下优化技巧： 1. 使用 DiffUtil DiffUtil 是计算两个列表之间差异的工具类，可帮助 RecyclerView 局部刷新数据。 结论 通过本文，我们介绍了一些优化 RecyclerView 的技巧，包括使用 DiffUtil、使用 ViewHolder、使用异步加载、合理使用布局管理器、使用数据绑定、减少布局中嵌套层级、设置 RecyclerView 我们可以根据实际需求选择合适的优化方案，提升 RecyclerView 的性能，使其更加流畅。

MySQL——索引优化实战

上篇文章中介绍了索引的基本内容，这篇文章我们继续介绍索引优化实战。在介绍索引优化实战之前，首先要介绍两个与索引相关的重要概念，这两个概念对于索引优化至关重要。 本篇文章用于测试的user表结构： ? 索引优化实战 有些时候虽然数据库有索引，但是并不被优化器选择使用。 我们可以通过 SHOW STATUS LIKE'Handler_read%';查看索引的使用情况： ? 索引优化规则： 1.如果MySQL估计使用索引比全表扫描还慢，则不会使用索引 返回数据的比例是重要的指标，比例越低越容易命中索引。 另外返回数据的比例在30%以外的情况下，优化器不会选择使用索引。 过早优化，在不了解系统的情况下就开始优化。 总结 对于自己编写的SQL查询语句，要尽量使用EXPLAIN命令分析一下，做一个对SQL性能有追求的程序员。

Mysql优化实战总结

1.1 前言 在进行MySQL的优化之前必须要了解的就是MySQL的查询过程，很多的查询优化工作实际上就是遵循一些原则让MySQL的优化器能够按照预想的合理方式运行而已。 图 - MySQL查询过程 1.2 优化的哲学 优化有风险，涉足需谨慎 1.2.1 优化可能带来的问题 1、优化不总是对一个单纯的环境进行，还很可能是一个复杂的已投产的系统。 4、切记优化,应该是各部门协同，共同参与的工作，任何单一部门都不能对数据库进行优化！ 5、所以优化工作,是由业务需要驱使的！！！ 1.3 优化思路 1.3.1 优化什么 在数据库优化上有两个主要方面：即安全与性能。 1.3.3 优化维度 数据库优化维度有四个: 硬件、系统配置、数据库表结构、SQL及索引 优化选择 1、优化成本:硬件>系统配置>数据库表结构>SQL及索引 2、优化效果:硬件<系统配置<数据库表结构

MySQL——索引优化实战

上篇文章中介绍了索引的基本内容，这篇文章我们继续介绍索引优化实战。在介绍索引优化实战之前，首先要介绍两个与索引相关的重要概念，这两个概念对于索引优化至关重要。 索引优化实战 有些时候虽然数据库有索引，但是并不被优化器选择使用。 索引优化规则： 1.如果MySQL估计使用索引比全表扫描还慢，则不会使用索引 返回数据的比例是重要的指标，比例越低越容易命中索引。 另外返回数据的比例在30%以外的情况下，优化器不会选择使用索引。 过早优化，在不了解系统的情况下就开始优化。 总结 对于自己编写的SQL查询语句，要尽量使用EXPLAIN命令分析一下，做一个对SQL性能有追求的程序员。

HTTP性能优化实战

参考资料 Git 安装避坑指南 Layui 是一款轻量级的前端 UI 框架 MySQL配置性能优化 JavaScript性能优化实战 PyCharm高效入门指南 Markdown 说明 marked replaced by CRLF 终极解决方案： # 关闭换行符自动转换（适合纯Linux/macOS环境） git config --global core.autocrlf false 六、进阶优化配置

paddlex 实战优化指南

官方文档：PaddleX OCR模块文档目录环境准备数据集操作训练与评估推理服务部署模型优化技巧性能调优微调问题定位参考表模型实验结果对照表训练日志解读问题与解决1. 模型优化技巧6.1 早停法（Early Stopping）当验证集性能不再提升时，提前终止训练。根据日志中的信息，最佳模型出现在第7轮，而训练到100轮后性能略有下降，说明存在过拟合。 7.3 批处理优化在批量推理时，调整批处理大小以平衡速度和显存： 展开 建议对识别效果不佳的样本进行逐一分析，定位具体存在问题的模块，并参考下表对应的微调教程链接，对相应模型进行优化调整。

Flink SQL 优化实战 - 维表 JOIN 优化

，包含两个阶段，1）将 SqlNode 语法树转换成关系表达式 RelNode 构成的逻辑树，2）使用优化器基于规则进行等价变换，例如谓词下推、列裁剪等，经过优化器优化后得到最优的查询计划； Execute SQL 优化 得到 RelNode 后，Flink 使用 Calcite 对 RelNode 进行了一系列优化流程。这些优化流程在 PlannerBase.optimize() 中实现。 Caclite 对逻辑计划的优化是一套基于规则的框架，用户可以通过添加规则进行扩展，Flink 基于自定义规则来实现整个的优化过程。 Flink 构造了一个链式的优化流程，可以按顺序使用多套规则集合完成 RelNode 的优化过程。 Flink Table Planner 在 FlinkStreamProgram 中定义了一系列扩展规则，用于构造逻辑计划的优化器，应用在 SQL 优化的各个阶段，将 SQL 从 原始的 RelNode

Android性能优化（四）之内存优化实战

在上一篇《Android性能优化（三）之内存管理》中我们对Android的内存管理有了一定的认识，本篇文章从实际出发对内存进行优化，主要包含以下部分： 1. 一般用于追踪某项操作之后的内存分配，调整相关的方法调用来优化app性能与内存使用； D：剩余可用内存； E：已经使用的内存。 5.2 使用优化过的集合 Android API当中提供了一些优化过后的数据集合工具类，如SparseArray，SparseBooleanArray，以及LongSparseArray等，使用这些API Summary 内存优化的套路： 解决所有的内存泄漏 集成LeakCanary，可以方便的定位出90%的内存泄漏问题； 通过反复进出可疑界面，观察内存增减的情况，Dump Java Heap获取当前堆栈信息使用 参考： Android性能优化典范 Manage Your App’s Memory

算法优化实战技术

算法优化实战技术 I背景与概述 奈飞（Netflix）作为全球领先的流媒体平台，其推荐系统和内容分发依赖高度优化的算法。 多目标优化策略 兼顾用户留存率、点击率（CTR）和多样性需平衡短期与长期收益。 帕累托最优：通过多任务学习联合优化多个目标。 数据并行：结合ZeRO优化（如DeepSpeed）减少显存冗余，通过分片优化器状态/梯度/参数。 通信优化技术 拓扑感知集体通信：针对NVLink/InfiniBand等硬件特性优化AllReduce算法，如NCCL的树状通信。 总结 奈飞的算法优化是技术、数据和业务的深度融合，持续迭代与实验文化是其核心驱动力。未来方向将聚焦于自动化（AutoML）、可解释性及跨领域协同优化。

webpack实战——打包优化【下】

前言 这是webpack打包优化【下】篇。前几篇针对性能要求高的项目从加快打包速度、减小资源体积方面入手，提出了一些优化政策，然后测试都可起到一定优化效果。本篇描述死代码的检测与去除。 小结 通过【上】【中】【下】三篇描述，介绍的一些打包优化的方案均可以对项目有不同程度的优化，无论是打包速度还是减小资源体积，都有涉及。 然而我们更需要清楚地了解到每一种优化策略都有其使用场景，并不是任何一个点放在一切项目中都有效。

MySQL 优化实战记录

背景 本次SQL优化是针对javaweb中的表格查询做的。 部分网络架构图 ? 业务简单说明 N个机台将业务数据发送至服务器，服务器程序将数据入库至MySQL数据库。 结果又快了20-30s 优化MySQL配置 以下是我的配置示例。加了skip-name-resolve,快了4-5s。其他配置自行断定 ? 环境对比 因分析过sql优化已经ok了，试想是不是磁盘读写问题。将优化过的程序，分别部署于不同的现场环境。一个有ssd，一个没有ssd。发现查询效率悬殊。 优化结果及结论 优化结果：达到预期。 优化结论：sql优化不仅仅是对sql本身的优化，还取决于本身硬件条件，其他应用的影响，外加自身代码的优化。 小结 优化的过程是自身的一个历练和考验，珍惜这种机会，不做只写业务代码的程序员。希望以上可以有助于你的思考，不足之处望指正。

ONNX Runtime推理优化实战

as e: print(f"图优化失败: {e}")硬件特定优化针对不同的硬件平台，ONNX Runtime提供了特定的优化选项：CPU优化：利用指令集扩展（如AVX2、AVX512）和多线程GPU CPU优化策略启用所有CPU核心和线程使用内存映射文件减少内存复制量化模型以利用整数运算优化调整内存分配策略减少碎片GPU优化策略将模型和数据预加载到GPU显存中使用CUDA图加速重复推理任务启用张量核心 ONNX Runtime部署实战环境配置在开始部署之前，需要确保以下环境配置：ONNX Runtime版本选择：稳定版：适合生产环境预览版：包含最新功能但可能不稳定定制版：根据特定需求编译硬件环境：CPU ：原始模型导出：将训练好的模型导出为ONNX格式模型验证：确保ONNX模型可正确推理应用优化：执行量化、图优化等优化步骤性能测试：对比优化前后的性能指标部署上线：将优化后的模型集成到应用中ONNX Runtime 总结ONNX Runtime优化总结通过对ONNX Runtime的模型量化、图优化和硬件特定优化，我们成功实现了模型推理性能的显著提升。

RocketMQ性能优化【实战笔记】

目录 一、系统优化 1.最大文件数 2.系统参数调整 二、RocketMQ性能调优 1.开启异步刷盘 2.开启堆外内存设置 3.开启文件预热 4.开启Slave读权限 5.关闭堆内存据传输 一、系统优化