- 综合排序
- 最热优先
- 最新优先
- 来自专栏跟Qt君学编程
qDebug | std::cout | printf性能表现
Qt君最近感觉qDebug相对于printf打印感觉有些慢，但又没有证据，于是闲着就写下qDebug，std::cout，printf的性能表现咯。注：测试数据仅供参考。 0x02 数据分析 性能表现：printf > std::cout > qDebug； qDebug()相对于std::cout和printf差距过大(6~10倍)； std::cout与printf 0x03 结论 qDebug比std::cout和printf慢，高频调用有可能影响系统时延； 性能均衡推荐选用std::cout； 追求性能选用printf。
1.6K20发布于 2019-10-23 - 来自专栏WeTest质量开放平台团队的专栏
小米澎湃，性能几何？浅谈版本的性能表现对比
那么其性能究竟如何？腾讯WeTest带您领略小米松果自研芯片的背后和搭载其芯片的小米5C的性能表现。 2017年2月28日14时。 GPU采用四核Mali-T860图形处理器，相比上一代性能提高1.8倍，相同性能下功耗降低40%，独特的AFBC+ASTC图像压缩技术，使得内存带宽占用大幅减少。 但之前我们也分析过“澎湃S1”的工艺制程劣势，长时间游戏体验后，主打轻薄的小米5C在机身发热和功耗表现势必提高上升，其FPS的稳定性也会因此影响。 那么无论是面对轻度休闲手游还是重度动作手游，不同性能、画面表现的游戏层出不穷，这款搭载自研芯片的小米5C能否经受考验？我们期待上市后的性能测试大数据来证明。 针对不同平台手机中的游戏性能表现，腾讯WeTest的客户端性能测试工具Cube提供了多项所有性能指标的检测，并以腾讯手游质量为标准极速产出报告，不断完善游戏体验。
84830发布于 2018-10-29 8种方法优化YashanDB的性能表现
为了提高YashanDB的性能表现，本文将从技术的角度出发，探讨8种优化策略，旨在帮助开发人员和数据库管理员（DBA）在不同的使用环境下提升YashanDB的性能表现。1. 根据具体业务场景合理选择隔离级别，可以有效平衡性能和数据一致性。在大多数情况下，选择“读已提交”隔离级别可降低锁竞争，提高并发性能，同时保证数据的基本一致性。 针对不同的数据操作，合理选择HEAP或LSC等表类型，也能提升数据插入和查询性能。6. 监控和收集运行时统计信息YashanDB提供了丰富的监控功能，通过分析运行时的性能统计信息，可以找出瓶颈所在。 配置合适的硬件资源硬件配置对数据库性能有着直接影响。确保YashanDB部署在性能优良的服务器上，适当调整CPU、内存及存储配置，能够有效提升数据库响应速度。 总结通过以上8种方法，可以在多个方面优化YashanDB的性能表现，从而更好地满足用户需求。
9910编辑于 2025-10-16怎样做高效查询优化，提升YashanDB性能表现？
在现代数据库应用中，对于性能的日益追求，让高效的数据查询与优化成为了数据库管理的核心挑战之一。数据库在面对大规模数据处理时，传统的优化办法往往无法满足应用需求，造成性能瓶颈，影响用户体验。 YashanDB，作为一款支持高性能查询的数据库，其架构与性能表现均优于传统数据库。本文将针对如何做高效的查询优化进行深入分析，旨在为数据库开发人员和DBA提供实用的技术指导与建议。核心技术点1. 对于 OLTP 场景，可以选择 HEAP 存储结构以提高写入性能；而对于 OLAP 场景，则推荐使用 SCOL 存储结构以提升查询性能。存储引擎的选择将直接影响数据的存储方式及访问速度。2. 持续监控系统性能，及时发现和解决性能瓶颈。结论随着数据规模的快速增长，查询优化技术将成为数据库系统的核心竞争力。 YashanDB 提供了多种技术手段以提升查询性能，用户应结合实际业务需求，灵活运用各项技术，确保数据库能够高效稳健地运行。持续学习和实践将是保持系统性能与竞争力的关键。
20410编辑于 2025-08-14- 来自专栏Reinvent Data Science
Milvus 在流式数据场景下的性能表现
同时在源源不断的数据导入过程中， Milvus 依然能够保持优秀的检索性能。由于这些特性， Milvus 可以很好地适用于流式大数据的场景。 随着越来越多的用户有动态插入数据、实时检索的需求，本文将介绍一下基于 Kafka 实现的 Milvus 在流式数据场景下的参数配置和检索的性能。 随后进行多次检索，检索性能如下： ? 在上述性能记录中，第一次检索时间指的是每次有新增数据导入后的检索时间，第二次检索时间是在第一次检索后没有新的数据导入前的检索时间。 当索引建立完成，检索时均是在索引文件中进行检索的，所以这个时候的第二次检索时间又回到动态导入数据前的性能。 从上述两个示例的性能表现折线图来看，在有频繁的检索操作，同时对新增数据的实时性要求不高的情况，累计批量数据插入是更优的选择。
1.9K20发布于 2020-06-19 哪些AI代码助手在性能优化方面表现突出？
一、核心性能优化指标对比产品训练效率提升推理延迟优化硬件适配性内存优化技术分布式能力DeepSeek-V3↑23% (动态计算图)↓38% (梯度缓存)寒武纪MLU270↑27%LRU节点管理 ↓30% 分钟科研实验与算法开发推荐DeepSeek-V3：动态计算图优化显著提升大模型训练效率，BERT-large吞吐量↑31%跨国团队协作开发选择Void IDE：QUIC协议有效解决跨国网络延迟，代码同步速度↑400%四、性能验证方法论基准测试框架使用 AMD EPYC 7B13+Linux 5.15环境（参考并发原语测试标准）关键指标：吞吐量(QPS)/平均延迟/CPU耗时占比压测场景设计10万+代码库的全局重构千级并发的实时补全请求总结在性能优化赛道 建议企业结合自身技术栈：选DeepSeek-V3用于算法研发用CodeBuddy构建自动化交付流水线跨国团队尝试Void IDE突破网络瓶颈更多性能数据可参考：前沿技术博客-5G通信优化 分布式系统调优指南
40010编辑于 2025-06-25- 来自专栏猫头虎博客专区
之前版本：性能与表现的对比
之前版本：性能与表现的对比 摘要： 本文对比了GPT系列模型中最新版本的ChatGPT与之前版本在自然语言处理领域的性能和表现差异。 GPT系列模型作为其中的佼佼者，ChatGPT作为最新版本，其性能和表现备受瞩目。本文将对比ChatGPT与之前版本在性能和表现方面的差异，探索其在自然语言处理领域的重要地位。 本文将重点对比ChatGPT与之前版本的性能和表现，探索其在自动文本生成方面的能力。 模型规模与性能对比 ChatGPT作为最新版本，在模型规模方面可能有了显著的扩大。 我们将对比ChatGPT与之前版本在参数数量、层数等方面的差异，以了解模型规模与性能之间的关系，以及ChatGPT是否因规模扩大而表现优越。 同时，我们也将讨论可能的改进方向，以进一步提高模型的性能和表现。 结论 ChatGPT作为GPT系列模型中的最新版本，在性能和表现方面呈现出令人振奋的差异。
1K10编辑于 2024-04-08 - 来自专栏idba
三款云数据库性能测试,谁表现最好？
本文针对三款主流的云数据库做性能压测，主要测试数据库在不同压力场景下的QPS,TPS性能表现，不涉及其他可用性以及功能性介绍。本文的压测结果也不作为任何潜在云客户的购买建议,也不作为购买参考依据。 1024 选取三个比较经典的sysbench压测场景,其中读写混合模式适合通用的 OLTP 业务模型，比如有大量读写需求的业务；只读模式则适用于读多写少业务场景，该模式测试基于主键查询的情况下，各个数据库的性能表现 线程池 阿里云 开启 vs 腾讯云 未开启 vs AWS 未开启 总体而言 遇到高并发的场景，MySQL开启线程池时会性能表现更稳定。 测试50个表和250个表的时候表现正常。 ? 阿里云RDS 和腾讯云RDS 则没有遇到高并发时初始化失败的问题。 五 总结 从当前的压测结果来看，在读写混合，只读以及无索引更新模式下，阿里云RDS的性能优于腾讯云RDS和AWS RDS，而且随着并发度提升阿里云RDS性能表现比较平稳。
3.6K51发布于 2020-04-08 - 来自专栏AIGC 先锋科技
LLaVA-Read 在多模态任务中的高性能表现 ！
相比之下，视觉文本编码器（即PaddleOCR）在编码大量视觉文本方面表现出更好且一致的性能，凸显了多模态LLM在阅读能力方面的重要性。 发现2. PaddleOCR在识别大量文本方面表现出色，但至少需要9像素，且无法识别小于7像素的文本，而CLIP + 投影则表现更佳。 在场景文本实验（图2b）中，当字体大小增加时，字体大小并不影响带有投影的CLIP的性能，而PaddleOCR的表现则变差。 没有布局微调的LLaVA-Read仍然比LLaVA+OCR表现出更好的性能，验证了布局感知预训练的有效性。 PaddleOCR表现最差，只在常规文本识别和非语义随机文本识别上表现良好。拼写错误或缺失字符是PaddleOCR性能不佳的主要原因。对于三种LLaVA-Read变体，分辨率较高的模型通常性能更好。
51710编辑于 2024-08-06 7个关键指标评估YashanDB数据库性能表现
在现代数据库管理系统中，性能表现成为影响业务效率和用户体验的核心指标。YashanDB作为一款支持多种部署架构的高性能关系数据库，如何科学、全面地评估其性能表现，关系到企业数据库的稳定性和可扩展性。 本文将深入解析7个关键性能指标，帮助开发人员和数据库管理员科学判断和优化YashanDB系统的性能表现。1. 吞吐率还关联到日志管理线程LOGW和redo发送线程RD_SEND的性能表现。2. I/O延迟及吞吐量磁盘I/O性能直接影响数据库的数据读写效率。YashanDB采用段页式管理结合双写文件机制保证数据完整性，数据文件和切片文件的有效管理关系到I/O性能表现。 SQL执行计划稳定性SQL执行计划稳定性指优化器输出计划的变化幅度与预测准确度，间接影响数据库的整体性能表现。
19910编辑于 2025-11-155个关键指标评估YashanDB数据库性能表现
在保证ACID事务属性和多版本并发控制的前提下，评估YashanDB性能表现的关键指标对于数据库管理员（DBA）及开发人员具有重要意义。 本文将基于YashanDB的体系结构和功能特性，介绍五个关键指标，帮助技术人员准确把握数据库性能表现，优化应用部署。1. 特别是共享集群形态下，通过聚合内存和全局缓存管理保证多实例间数据页的强一致性访问，有效提升整体I/O性能。3. SQL执行计划效率与优化器性能SQL执行计划的优劣直接影响查询和数据修改操作的性能。 在最大保护、最大可用和最大性能等不同保护策略下，主库与备库的数据同步延迟表现不同。监测备库落后主库的SCN差值及归档修复线程状态，可准确反映同步情况。 结论本文基于YashanDB数据库的核心架构和技术特点，详细阐述了评估性能表现的五个关键指标，包括事务吞吐量与响应时延、数据缓存命中率与I/O性能、SQL执行计划效率、并发控制与锁竞争状况，以及主备同步延迟及高可用切换时效
17210编辑于 2025-10-15- 来自专栏智影Yodonicc
Web性能优化：前端三大框架在Chrome最新性能指标上的表现
Chrome浏览器中的Aurora团队与开源网络框架合作，帮助开发者改善用户体验的不同方面，包括性能和CWV指标。随着INP的引入，我们希望为基于框架的网站的CWV指标的变化做好准备。 除了使用的框架，其他几个因素可能会影响性能指标。还值得注意的是，框架通常用于不同的应用程序进行全方面考虑，这可能是一个因素。 Prefetching：积极地预取后续导航所需的资源，如果做得好的话，可以在性能上取得胜利。 我们与 Next.js、Nuxt.js、Gatsby 和 Angular 合作开发了在框架内提供强大默认值以优化性能的解决方案。 结论 我们希望 INP 分数能够为网站提供更好的指南针，以提高未来的响应能力和性能。我们将采取措施在 2022-23 年就该指标提供更多可操作的指导。
4.9K51编辑于 2022-05-17 深测实录：YashanDB共享集群YAC性能表现如何?一文揭晓!
王若楠团队带着审慎甚至怀疑的态度，对 YashanDB 的共享集群 YAC 做了一轮系统性的实战测试，覆盖从架构、功能到极限负载下的高可用与性能表现，结论是：“稳定性和成熟度超出预期”。 测试覆盖四大维度架构层面：不是伪分布，而是真对称实测表明，YAC 四个节点均可读写，性能表现均衡;存储结构、线程模型完全自研，区别于市面上大多数产品;架构实现理念与 Oracle RAC 接近，但技术实现上更具特色 性能表现：单机顶天，集群线性拉满三个值得称赞的“细节设计”1.内置连接池稳定系统负载在并发访问高峰时，连接池策略确保系统不过载，表现优异。 )性能分析精度高，方便排查优化瓶颈额外发现的小惊喜支持 Truncate 闪回(超越 Oracle)本地 Swap 表空间设计，增强临时数据处理能力展示了在“稳定性优先、兼容性可靠、性能兜底”三要素之间取得了良好平衡结语 不靠噱头、不玩虚表，YashanDB 用稳定的表现和细节的积累，在国产数据库高可用领域打出一记漂亮的重拳。
19110编辑于 2025-04-17- 来自专栏DOTNET
表现层设计模式
展示器： 接收视图请求，调用表现层或业务逻辑层。 展示器持有模型对象的引用，并且暴露公开的方法和属性为视图提供数据。 ? 二、代码示例 视图界面 ?
2.2K40发布于 2018-03-08 - 来自专栏Java学习网
Vue的响应式和渲染系统是如何实现卓越的性能表现的？
Vue.js作为一款流行的JavaScript框架，以其卓越的性能表现而备受开发者青睐。其中，Vue.js的响应式和渲染系统是实现其卓越性能的关键。 Vue.js通过对比虚拟DOM树的变化，找出需要进行更新的部分，最小化对真实DOM的操作，从而提高性能。 Diff算法：Diff算法是Vue.js优化渲染性能的核心。 这样可以避免频繁的渲染操作，提高性能。 Vue.js卓越性能的实现 响应式追踪的精确性：Vue.js的响应式系统能够准确地追踪组件的依赖关系。 通过使用生命周期钩子函数、计算属性和异步组件等技术，开发者可以对组件的渲染过程进行优化，提高性能。 Vue.js的卓越性能得益于其响应式和渲染系统的优化。 渲染系统通过使用虚拟DOM和Diff算法，将真实DOM的操作最小化，并同样采用异步更新机制，提高渲染性能。开发者也可以通过组件级别的优化手段进一步提升性能。
41010编辑于 2024-07-31 - 来自专栏海仔技术驿站
Java每日一题之Netty高性能表现在那些方面？
Java每日一题之Netty高性能表现在那些方面？ 答案 ： (1) IO线程模型 ：同步非阻塞，用最少的资源做更多的事情。 (4) 串行化处理读写 ：避免使用锁带来的性能开销。即消息的处理尽可能再同一个线程内完成，期间不进行线程切换，这样就避免了多线程竞争和同步锁。表面上看，串行化设计似乎CPU利用率不高，并发程度不够。 但是，通过调整NIO线程池的线程参数，可以同时启动多个串行化的线程并行运行，这种局部无锁化的串行线程设计相比一个队里-多个工作线程模型性能更优。 (5) 高性能序列化协议 ：支持protobuf等高性能序列化协议。 (6) 高效并发编程的体现 ：volatile的大量、正确使用；CAS和原子类的广泛使用；线程安全容器的使用；通过读写锁提升并发性能。
52820发布于 2020-02-13 - 来自专栏Jenkins
DevOps 的出色表现
在此报告中，IT 性能称为软件交付能力，以区分软件交付工作与 IT 服务台和其他支撑功能。这是一个期待已久的可喜变化。我也喜欢的关键更改之一是增加了运营指标以完成软件交付周期。 该报告重点介绍了五个被称为“软件交付和运营（SDO）性能指标”的度量或指标，它们侧重于系统级结果。 然后对这四个方面进行度量，以对四个类别的性能进行排名：精英、高级、中级和低级。下表（从报告中引用）指示了各个方面的详细信息。 ? 行业看到了更高的精英绩效 该报告证实，精英表演者的比例几乎增加了两倍，低表现者的比例下降了，中等表演者的比例上升了。要注意的一项主要观察结果是，从低性能到中性能再到高性能的移动不是单向的。 前进之路 ---- 软件交付性能可以通过多种方式确定业务成果。组织推动软件交付绩效的能力包括文化，技术实践，清晰的变更流程，持续交付和基于价值的成果。
55510发布于 2020-03-10 - 来自专栏超级码力
信息图表的表现技巧
好了，让我们回归正题，上期我们讲解了信息图表的分类，这次我们来理一理信息图表的常见表现手法。 正题开始之前我先问大家一个问题，我们写文章的时候，为了吸引人一般会怎么做呢？ 答案是讲故事。 接下来我们来详细了解一下这种艺术的表现手法。 ? 图形化 我们来看第一个方法，图形化。 如果让你做一页PPT，要表现世界七大高峰，你会怎么做？ 还有一款经典的咖啡组成成分图，也是利用图形化的方法表现出各种咖啡的组份，清晰易懂。 ? 例如下面的图表，为了突出中国和冰岛的足球赛观众数量，把饼图中要强调的比例“跳”出来，直观的表现出两国人民对足球的热爱程度，加强了对比，深化了印象。
75330发布于 2020-07-07 - 来自专栏一个小程序员的成长笔记
网页结构与表现原则
网页的结构与表现原则总的来说为： 先按结构和语义编写代码 然后进行CSS样式设置 减少HTML与CSS契合度（精简页面结构） 我们可以通过一个微博用户发言信息列表的制作案例来分析该原则。
79670发布于 2018-03-07 - 来自专栏F-Stack的专栏
HTTP 服务使用 F-Stack 在不同业务场景下的性能表现
近年来网卡性能快速发展，给高性能HTTP服务提供了硬件支持，但是linux 内核却越来越成为高性能网络服务器的瓶颈。 测试表现 本节介绍 F-Stack 在适用于不同业务场景状态下的测试及结果表现，所有测试数据由 Nginx 直接返回内存中缓存的数据，实际业务性能还受业务逻辑的影响，具体测试环境如下： 网卡:Intel 3.10.104-1-tlinux2-0041.tl2 数据包大小：HTTP HEADER 239字节, body 600 字节或 body 3.7k 字节（仅达到线速的测试使用该大小），包越大整体带宽表现会越好 CDN 的整体性能，而且即便单个连接处理更多的请求，其性能差距依然十分巨大。 但是 F-Stack 此时依然有其实用价值，因为 F-Stack 除了多进程对共享资源的优化外，全用户态的协议栈同时也对锁竞争、内存拷贝、中断处理、上下文切换等进行了优化，能够消耗更少的资源达到相同的性能表现
4.6K20发布于 2017-06-07
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