- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java架构师必看
史上最强Tomcat8性能优化
服务器资源 服务器所能提供CPU、内存、硬盘的性能对处理能力有决定性影响。硬件我们不说了，这个方面是钱越多越好是吧。 执行器（线程池） 在tomcat中每一个用户请求都是一个线程，所以可以使用线程池提高性能。 修改server.xml文件： <! 它拥有比传统I/O操作(bio)更好的并发运行性能。Tomcat8默认使用nio运行模式。 查看服务器信息 说明一下我的测试服务器配置，不同的服务器配置对Tomcat的性能会有所影响。 设置线程池 通过设置线程池，调整线程池相关的参数进行测试tomcat的性能。
2.9K30发布于 2020-04-10 - 来自专栏全栈程序员必看
史上最强Tomcat8性能优化
服务器资源 服务器所能提供CPU、内存、硬盘的性能对处理能力有决定性影响。硬件我们不说了，这个方面是钱越多越好是吧。 执行器（线程池） 在tomcat中每一个用户请求都是一个线程，所以可以使用线程池提高性能。 修改server.xml文件： <! 它拥有比传统I/O操作(bio)更好的并发运行性能。Tomcat8默认使用nio运行模式。 查看服务器信息 说明一下我的测试服务器配置，不同的服务器配置对Tomcat的性能会有所影响。 设置线程池 通过设置线程池，调整线程池相关的参数进行测试tomcat的性能。
2.3K20编辑于 2022-09-09 - 来自专栏reizhi
Genymotion 最强性能安卓模拟器
随着智能手机的性能提升以及价格普及，移动平台 APP 发展势头迅猛，手机游戏行业随之崛起。不过受到屏幕以及续航的限制，越来越多的玩家开始使用安卓模拟器在电脑端运行安卓游戏。 不过受到模拟器效率的限制，实际性能往往参差不齐。而今天 reizhi 向大家推荐的安卓模拟器 Genymotion 则号称是最强性能的安卓模拟器，事实是否如此，我们不如来跑个分。 从上到下分别为 Genymotion ，海马玩模拟器，逍遥安卓以及夜神多开器，可以看出 Genymotion 跑分性能远超其他模拟器，领先幅度高达30%左右。 软件主界面会列出已安装的所有虚拟机，可以点击扳手图标自定义性能参数，或者点击 Start 启动。而点击 Add 则可以添加虚拟机。
4.5K40编辑于 2022-09-26 - 来自专栏MoeLove
最强 CNI 基准测试：Cilium 网络性能分析
这使得我们可以直接对比节点网络带来的性能差异。 同时也可以明显看出，Cilium 再次能够弥补网络命名空间额外开销造成的性能损失并达到和基线配置几乎相同的性能。 基线配置的性能并没有随着可用 CPU 资源的增多而进一步提升，尽管连接跟踪状态表大小发生了相应变化并且我们确认并没有发生因连接跟踪表记录达到上限而导致的性能降低。 值得注意的是，Cilium 与 kube-proxy 的组合比单独 Cilium 的性能更好。然而，这个性能差异相对较小并且基本可以通过优化 MTU 弥补。 下一步 我们在性能调优方面已经取得了不少结果，但我们还有许多其他的想法并将进一步优化 Cilium 各方面的性能。
3.8K40发布于 2021-06-10 - 来自专栏程序猿DD
BeanUtils、BeanCopier、Dozer、Orika 哪个性能最强？
性能分析 其实这几个工具要做的事情很简单，而且在使用上也是类似的，所以我觉得先给大家看看性能分析的对比结果，让大家有一个大概的认识。 为了提高性能Spring对BeanInfo和PropertyDescriptor进行了缓存。 ，这个可以从上面性能比较看出来。 由于是直接生成字节码执行，所以BeanCopier的性能接近手写 get/set。 小结 总体来说，Orika是一个功能强大的而且性能很高的工具，推荐使用。
3.3K31发布于 2021-07-13 - 来自专栏PowerBI战友联盟
【无敌】PowerBI 终极算法性能优化 最强版
其效果如下： 这是10000元素的运行结果，由BI佐罗优化过的算法，性能大致提升30%。进一步分析如下： 以下为该算法处理10000行数据的性能表现： 可以看出，这已经到达了该算法的可用性能边界。 由于这块内容太过专业，就此略过，给出优化后结果： 我们将整个查询优化成只需要读一次数据即可，而且全部使用FE最强技巧，使得理论上读取一次立即计算出结果，要算数据，必须得读一次吧。 从理论上讲，这是一个绝对不可超越的最强算法。我们非常拭目以待再次出现天才来超越。 从本文主题来说，性能的排序如下： 最强算法>BI佐罗版交错算法>>交错算法>>>分治+累计元素法>>>>BI佐罗版累计元素法>累计元素法>>直观计算法 也就是说，本问题的算法经过了 7 次大型优化，最终得到了不可超越的极限 同时以此文献给PowerBI四周年生日，PowerBI四岁了，已经逐渐成为该领域的最强者，我们将继续探索更多的乐趣，欢迎您赶快订阅会员，我们将帮助您超越99%的用户，成为专家。
1.1K20发布于 2019-09-23 - 来自专栏纯洁的微笑
Java 应用性能调优最强实践指南！
Java 应用性能优化是一个老生常谈的话题，典型的性能问题如页面响应慢、接口超时，服务器负载高、并发数低，数据库频繁死锁等。 下面我们从性能诊断工具出发，分享一些案例与实践。 一、性能诊断工具 性能诊断一种是针对已经确定有性能问题的系统和代码进行诊断，还有一种是对预上线系统提前性能测试，确定性能是否符合上线要求。 图 4.Linux 性能观测工具 五、 Java 应用诊断及工具 应用代码性能问题是相对好解决的一类性能问题。 但是一些与特定场景绑定或者业务数据绑定的情况，却需要辅助代码走查、性能检测工具、数据模拟甚至线上引流等方式才能最终确认性能问题的出处。 八、总结与建议 性能调优同样遵循 2-8 原则，80%的性能问题是由 20%的代码产生的，因此优化关键代码事半功倍。同时，对性能的优化要做到按需优化，过度优化可能引入更多问题。
65920发布于 2019-07-12 - 来自专栏CVer
大盘点 | 性能最强的目标检测算法
本文就来盘点一下 mAP 最高的目标检测算法，Amusi 将在COCO数据集上 mAP 最高的算法认为是"性能最强"目标检测算法。 这么多目标检测算法，究竟哪家最强呢？！ 性能最强的目标检测算法 这里 Amusi 罗列几个mAP很强很强的算法，并以时间线的角度来展示。 所以Amusi 只介绍所能查到最强的算法或者最强组合算法。 SNIPER: Efficient Multi-Scale Training ? 综上所述，可知改进后的 Cascade R-CNN 算法是目前(2019.07.07)目标检测方向性能最强的算法，其 mAP 为 50.9。 侃侃 这里将 mAP 作为目标检测最强的指标，确实有失偏颇，不够严谨，因为很多人将目标检测应用在不同的任务上，其实要求的性能也有所不同。
1.7K70发布于 2019-07-12 - 来自专栏JavaEdge
最强性能监控工具之Grafana+Prometheus+Exporters
1 监控逻辑 最流行的监控逻辑： 有测试工具、监控工具，才能做性能分析和瓶颈定位。 不管数据啥形式展示，最要紧还是数据来源和含义，以做正确判断。 有这JMeter发给InfluxDB的数据，无需看上面的那些HTML数据，也能直观看到系统的性能趋势。以后复看也方便比对。 但监控平台取的所有的数据，必然是被监控者可提供的数据，像node_exporter这样小巧的监控收集器，可获取的监控数据，并非整个系统全部的性能数据，只是取到常见计数器。 所以不管在监控平台 or 命令行中看到的数据，最重要是知道含义及这些值的变化对性能测试和分析的下一步的影响。 JMeter如何把数据推送到Grafana中？ 它通过在终端输入不同的命令参数，实时获取和显示各种系统统计和性能指标。它主要用于开发和运维人员进行诊断和分析。
1.7K30编辑于 2023-03-31 - 来自专栏Spark学习技巧
Java几种常用 JSON 库性能比较，哪家最强？
每次都在网上看到别人说什么某某库性能是如何如何的好，碾压其他的库。但是百闻不如一见，只有自己亲手测试过的才是最值得相信的。 JSON不管是在Web开发还是服务器开发中是相当常见的数据传输格式，一般情况我们对于JSON解析构造的性能并不需要过于关心，除非是在性能要求比较高的系统。 简单介绍 选择一个合适的JSON库要从多个方面进行考虑： 字符串解析成JSON性能 字符串解析成JavaBean性能 JavaBean构造JSON性能 集合构造JSON性能 易用性 先简单介绍下四个类库的身份背景 json-lib在功能和性能上面都不能满足现在互联网化的需求。 编写性能测试 接下来开始编写这四个库的性能测试代码。 性能是真的牛，另外还可以看到不管数量少还是多，Jackson一直表现优异。
1.3K20编辑于 2023-03-21 - 来自专栏DotNet NB && CloudNative
.NET平台功能最强大，性能最佳的JSON库
Swifter.Json 这是迄今为止 .Net 平台功能最强大，性能最佳的 JSON 序列化和反序列化库。 性能测试对比 图表中的颜色随所用时间从 绿色 渐变为 黄色。当用时超过 3 倍时将以亮黄色显示。 Timeout: 表示用时过久。 Exception: 表示发生了异常。 Swifter.Json 性能为何如此优异？ 最优秀的整型和浮点型 ToString 和 Parse 方法实现。 Emit 实现的高性能对象映射工具。 本地内存分配！ class Demo { public static void Main() { // Default (FastObjectInterface): 初始化开销较大，内存较大，性能优异 // XObjectInterface : 初始化开销小，内存占用少，性能也不错。
55710编辑于 2023-08-29 - 来自专栏机器学习初学者精选文章
【CV】大盘点 | 性能最强的目标检测算法
前言 去年7月，Amusi 曾做过一篇整理：大盘点 | 性能最强的目标检测算法，那时收集的情况是：改进后的 Cascade R-CNN 算法是截止(2019.07.07)目标检测方向性能最强的算法，其 根据目前学术论文情况，Amusi 将在COCO数据集上 AP 最高的算法认为是"性能最强"目标检测算法。 盘点时间：2020.04.28 盘点内容：目标检测 AP 最高的算法 不严格区分单尺度/多尺度训练，只看数据 Amusi整理，仅个人观点，欢迎补充 性能最强的目标检测算法 这里 Amusi 罗列几个AP 综上所述，可知： 基于CBNet改进后的 Cascade Mask R-CNN 算法是目前(2020.04.28)目标检测方向性能最强的算法，其 AP 为 53.3（多尺度测试） EfficientDet 算法是目前(2020.04.28)目标检测方向性能最强的算法，其 AP 为 52.2（单尺度测试）
2.3K20发布于 2020-05-26 - 来自专栏Linyb极客之路
Java性能调优最强实践，让系统飞起来~
Java 应用性能优化是一个老生常谈的话题，典型的性能问题如页面响应慢、接口超时，服务器负载高、并发数低，数据库频繁死锁等。 笔者根据个人经验，将 Java 性能优化分为 4 个层级：应用层、数据库层、框架层、JVM 层，如图 1 所示。 图 1.Java 性能优化分层模型 ? 下面我们从性能诊断工具出发，分享一些案例与实践。 一、性能诊断工具 性能诊断一种是针对已经确定有性能问题的系统和代码进行诊断，还有一种是对预上线系统提前性能测试，确定性能是否符合上线要求。 五、 Java 应用诊断及工具 应用代码性能问题是相对好解决的一类性能问题。 八、总结与建议 性能调优同样遵循 2-8 原则，80%的性能问题是由 20%的代码产生的，因此优化关键代码事半功倍。同时，对性能的优化要做到按需优化，过度优化可能引入更多问题。
1.5K40发布于 2019-08-19 - 来自专栏CVer
盘点性能最强的One-stage目标检测算法
前言 要知道衡量目标检测最重要的两个性能就是 精度和速度，特指 mAP 和 FPS。其实现在很多论文要么强调 mAP 很高，要么就是强调 mAP 和 FPS 之间 Trade-off 有多好。 本文就来盘点一下 One-stage 最强的目标检测算法，Amusi 将在COCO数据集上 mAP 最高的 One-stage 算法认为是"性能最强" One-stage 目标检测算法。 这么多目标检测算法，究竟哪家最强呢？！ One-stage 性能最强的目标检测算法 这里 Amusi 罗列几个 One-stage mAP很强很强的算法，并以时间线的角度来展示。 所以Amusi 只介绍所能查到最强的算法或者最强组合算法。而且测试 mAP的时候可能会有 single-scale 和 multi-scale 两种情况，这里只讨论 single-scale。 综上所述，Amusi 将 CenterNet 和 AlignDet 两个算法认为是目前(2019.08.07) One-stage 目标检测方向性能最强的算法，其中： - CenterNet 的 mAP
3.9K30发布于 2019-08-08 - 来自专栏计算机视觉战队
目前最强性能的人脸检测算法（Wider Face Dataset）
为了进一步提高SRN的性能，通过大量的实验，开发了现有的一些技术，包括新的数据增强策略、改进的backbone network、MS COCO预训练、解耦分类模块（decoupled classification 其中，一些技术带来了性能改进，因此，将这些有用的技术结合在一起，提出了一种改进的SRN人脸检测器，并在广泛使用的人脸检测基准的人脸数据集上获得了最佳的性能。 那么为了保证主干网性能好，训练速度快，Improved SRN融合了Root-ResNet+DRN的思路。 此外，最近的FA-RPN证明，人脸检测模型若先在MS COCO上训练一波，再在Wider Face上进一步训练，性能会更好，Improved SRN也使用了该方案。 文中认为是MS COCO包含了people类，而且有特别多的小尺度目标，对模型性能提升是有帮助的。 ? 图3 实验结果
1.4K50发布于 2019-03-07 - 来自专栏计算机视觉战队
曾经最强性能的人脸检测算法（Wider Face Dataset）
为了进一步提高SRN的性能，通过大量的实验，开发了现有的一些技术，包括新的数据增强策略、改进的backbone network、MS COCO预训练、解耦分类模块（decoupled classification 其中，一些技术带来了性能改进，因此，将这些有用的技术结合在一起，提出了一种改进的SRN人脸检测器，并在广泛使用的人脸检测基准的人脸数据集上获得了最佳的性能。 那么为了保证主干网性能好，训练速度快，Improved SRN融合了Root-ResNet+DRN的思路。 此外，最近的FA-RPN证明，人脸检测模型若先在MS COCO上训练一波，再在Wider Face上进一步训练，性能会更好，Improved SRN也使用了该方案。 文中认为是MS COCO包含了people类，而且有特别多的小尺度目标，对模型性能提升是有帮助的。 图3 实验结果 ---- © THE END 转载请联系本公众号获得授权
79310编辑于 2022-01-25 - 来自专栏程序猿DD
OpenJDK 14 性能保持提升，但 OpenJDK 8 仍是最强王者
OpenJDK 14 已于近日 GA，其在性能方面是否有改进、以及有哪些改进引起了不少开发者的关注。 本文将会介绍通过运行新的基准测试以考察从 OpenJDK 8 至 14 的所有主要发行版本，同时考察跨多个工作负载的 JVM 性能，以及 OpenJDK 14 与 JVM 先前版本相比性能如何。 首先通过使用 Java 2D 基准测试对 Java 图形管道的性能进行压测，可以看到文本渲染性能一直稳步提升，直到第 12 版达到最高点，然后逐渐下降为目前 13 和 14 的水平，与 OpenJDK 而在 Java 2D 的图像渲染性能方面，它们的水平基本保持一致，但是 OpenJDK 14 以微弱的的性能优势成为了最好性能的那个。 ? 这里还测试了使用矢量图形的渲染效果，水平基本保持一致。 ? 在其他一些 Renaissance 基准测试中，OpenJDK 11〜12 的性能反而最差，而 OpenJDK 14 提供的性能与 OpenJDK 8 类似。 ? ?
1.3K10发布于 2020-03-24 - 来自专栏腾讯技术工程官方号的专栏
手写了个可能是Github性能最强的Go跳表
完整代码见： https://github.com/chen3feng/stl4go/blob/master/skiplist.go 附带单元测试和性能测试。 但是存在两个问题： math.Float64() （以及任何全局随机函数）内部为共享的随机数生成器对象，每次调用都会加锁解锁，在竞争情况下性能下降很厉害。 SkipList 实例级别预先分配一个 slice 的办法，经测试比起每次都创建 slice 返回确实有相当明显的性能提升。 不过估计是因为有更耗时的内存分配的原因，尝试把 case 1，2 等单独拿出来也没有提升，因此估计这里对性能没有影响。 另外也对 C++的实现测了一下性能： 发现 Go 的实现性能很多指标基本接近 C++，其中 Delete 反而更快一些，是因为 C++在删除时要析构节点并释放内存，而 Go 采用 GC 的方式延后旁路处理
2K30编辑于 2022-09-02 - 来自专栏国内互联网大数据
哪种代理性能最强?Python框架下各项代理协议PK
随着Python在网络爬虫、数据分析等领域的广泛应用,选择一个高性能、稳定的代理服务变得尤为重要。本文将自己动手设计性能测试方案,让不同代理协议在Python场景下进行了一次公平PK,结果如何? 为了公平比较不同代理的性能,我们设计了如下测试方案: 1.测试网站包括10个国内常用网站 2.网络条件控制为10Mb带宽,100ms延迟 3.Python代码实现性能测试,记录响应时间和下载速度 综合考虑不同性能指标,我们可以对各类代理协议的优劣势进行对比: -SOCKS5协议响应速度快,适用于对响应敏感的场景,如网页访问。但下载速度一般,不适合大文件传输。 =urllib.request.urlopen('http://www.test.com') #发送请求 print(req.read()) #打印响应 ``` 本文通过设计、实现性能测试
56530编辑于 2023-08-16 - 来自专栏JavaEdge
Java生态中性能最强数据库连接池HikariCP
字节码精简：优化代码，直到编译后的字节码最少，这样，CPU缓存可以加载更多的程序代码； 优化代理和拦截器：减少代码，例如HikariCP的Statement proxy只有100行代码，只有BoneCP的十分之一； 自定义数组类型（FastStatementList）代替ArrayList：避免每次get()调用都要进行range check，避免调用remove()时的从头到尾的扫描； 自定义集合类型（ConcurrentBag）：提高并发读写的效率；
1.3K21发布于 2020-05-27
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