- 综合排序
- 最热优先
- 最新优先
- 来自专栏小小挖掘机
云计算资源配置的联合优化研究
这个成果来自于南洋理工大学计算机工程学院Chase 、Niyato两位学者的研究，该文章于2017年5月发表在IEEE Transactions服务计算第10卷第3期。 云计算采用虚拟化技术高效地提供计算资源。 事实上，为了有效地提供资源，需要将虚拟机和带宽配置进行联合优化。另外，云计算实践应用中，需求通常是不确定的，所以云计算服务商往往允许使用者预留一部分资源。 云计算使用过程中，可能出现资源过剩，亦可能出现资源不足，作者建立了一个随机规划模型来描述这一风险决策问题。为了提高随机优化的求解效率，作者采用了随机情景树剪辑法，有效地缩小了问题的可行解空间。 基于云计算需求的历史数据，以对应的确定优化模型作为参照，本文提出的模型获得的决策方案更优，而且更好地适应于各种参数的变化。
2.3K70发布于 2018-04-11 - 来自专栏大数据&分布式
大数据平台：计算资源优化技术&作业诊断
背景介绍 大数据平台的资源管理组件主要针对存储资源与计算资源进行分析优化。前文《大数据平台：资源管理及存储优化技术》主要介绍了存储资源优化，本文主要介绍大数据平台构建过程中，计算资源相关的优化技术。 为保证多租户的资源隔离性，平台系统会提供多维度的配额管理，主要包括： HDFS资源配额：管理每个租户(如项目)可使用的HDFS集群资源 YARN资源池分配：管理每个租户可使用的YARN计算资源 HBase 事中：计算引擎内置能力，如Spark支持AQE(Adaptive Query Execution) 进行动态的查询优化调整 事后：基于UI工具、监控指标、日志等工具，找出性能瓶颈并调整 4. 监控与分析 监控与分析是指使用各种工具和技术来跟踪和评估大数据系统的性能和资源使用情况。目的是为了发现性能瓶颈、资源瓶颈、异常行为或者效率低下的地方，并基于这些信息进行优化。 totalDuration/Second) TotalDelay 总任务延迟时间 sum(Stage.firstTaskLaunchedTime - Stage.submissionTime) 总结 本文主要介绍资源管理组件中的计算资源优化
1.3K96编辑于 2024-05-03 - 来自专栏边缘计算
边缘计算资源分配与任务调度优化综述
为提高计算资源使用效率，优化性能指标，边缘计算资源分配与任务调度优化问题受到了广泛关注。边缘计算资源的地理分散性、异构性以及对性能、能耗、费用、稳定性等的需求，增加了优化调度的复杂性。 鉴于边缘计算资源的异构性、处理器的地理分散性以及电池耗电量等优化需求，对资源分配和任务调度优化形成了新的挑战。 另外，文献[15]将QoE设为边缘计算资源配置算法的唯一优化目标，根据用户对应用的期待和边缘计算资源状态，匹配“特定应用-计算节点”，从而优化整体满意度。 可见，服务的合理定价和对商业成本的优化是边缘计算亟待解决的重要问题。资源调度优化的花费主要集中于计算、存储和网络等资源成本。 3.2 资源约束下的任务分配 3.2.1 优化问题 由于计算系统的计算、存储、带宽、电池电量等资源有限，将有限资源作为约束给出调度优化模型，更符合现实。
3.9K30发布于 2021-12-02 稀缺计算资源如何塑造机器学习优化专家
稀缺计算资源如何塑造卡洛斯·韦尔塔斯的职业生涯观看《钢铁侠》时，墨西哥蒂华纳的大学生卡洛斯·韦尔塔斯被一个特别角色吸引：J.A.R.V.I.S.，这个类似管家人工智能助手嵌入托尼·斯塔克的装甲中。 以少做多硕士课程充满挑战，因为自然语言处理需要大量硬件资源，而韦尔塔斯当时无法获得这些资源。"那时候，你需要大型机器来实现有趣的事情，但我没有，"他说。" 我们的设施非常简陋，只有普通消费级电脑，所以我很难赶上那些拥有更多资源的人所做的事情。"有限的计算资源迫使他跳出思维定式，开发创造性解决方案来以少做多。 这一挑战激励了他，在攻读博士期间，他转向了机器学习优化领域，特别是高维空间的特征选择。这个机器学习领域涉及设计算法，帮助机器仅关注与特定任务相关的特征。 他指出，当人们拥有大量计算能力时，他们可能会忘记优化的重要性，并依赖许多可能像黑匣子一样操作的预构建包。"当你不理解幕后发生的魔法时，很难超越那个点，"他说。
18810编辑于 2025-10-07- 来自专栏zjblog
网站优化之静态资源优化
1、图片优化细则 1.1用工具进行图片压缩 压缩 png • node-pngquant-native • 跨平台，压缩比高，压缩 png24 非常好。 • 安装： http://www.lcdf.org/gifsicle/ • 使用方式： 优化级别设置为不小于 2，1 的话基本不压缩 gifsicle --optimize=3 -o out.gif • 图片服务器自动化优化是可以在图片 URL 链接上增加不同特殊参数，服务器自动化生成。 • 尽量避免同时动画 • 延迟动画初始化 • 结合 SVG 4、JavaScript 优化细则 4.1 JavaScript 优化总体原则 • 当需要时才优化 前端全链路性能优化实战》这门课程，所以做下这些笔记，估计以后会用的到，课程还没更新完，后续看完 会接着做笔记..
2.2K10编辑于 2022-06-21 - 来自专栏腾讯云原生团队
游戏业务安全实时计算集群：云原生资源优化实践
本人所在平台的应用部署上云后，在资源管理方面出现了一系列的问题，这些问题或多或少都对成本优化或应用的服务质量造成了一定程度的影响。 a. 优化方案 基于历史监控的预测值 predicts 替代 requests 对于游戏安全的实时计算业务，其资源使用往往具备明显的周期性，并且周期之间变动不会太大，因此可以基于 Pod 的历史监控数据预测未来的资源使用情况 所以在收集 Pod 监控数据时，额外收集了这两个维度的数据，在调度时也会计算在内。同时如果业务有其他额外的资源维度，也可以很方便的扩展。这样解决了资源维度有限的问题。 整体编排主要分为两个步骤： 基于 Pod predicts 计算出资源均衡的部署方案，使用尽可能少的节点满足当前 Pod 的资源需求； 将计算出的部署方案应用到集群； 部署方案计算 部署方案主要需要实现两个目标 并且为了保证服务质量，计算部署方案时节点各维度资源的最高利用率设置为不超过80%，因此有进一步压缩的可能。同时各资源维度也实现了较好的均衡性，下图以 CPU、内存为例，展示部署方案中资源的均衡性。
1.7K20编辑于 2022-09-22 - 来自专栏网罗开发
「优化 AI 计算成本」减少 GPU 资源消耗的实战分析
本篇文章将探讨 索引优化、减少冗余数据、冷热存储管理 以及 缓存（Redis、CDN） 在优化数据库访问中的作用。通过实际示例，帮助企业优化数据库性能，降低成本。 因此，优化数据库至关重要。 本文将介绍 MySQL、PostgreSQL、MongoDB、DynamoDB 的 索引优化策略，如何 减少冗余数据，如何 分层存储冷热数据 以及 利用 Redis 和 CDN 进行缓存优化。 cursor.fetchone() r.setex(f'user:{user_id}', 3600, str(user)) # 缓存 1 小时 return user使用 CDN 缓存静态资源 ✅ 自动化数据库优化策略（AI 驱动索引优化） ✅ 结合大数据技术（如 Apache Spark）进行冷热数据管理 ✅ 更多数据库引擎优化探索（如 NewSQL 方案）参考资料MySQL 官方文档PostgreSQL
49610编辑于 2025-03-11 - 来自专栏用户4352451的专栏
JedisPool资源池优化
JedisPool资源池优化 合理的JedisPool资源池参数设置能够有效地提升Redis性能。本文档将对JedisPool的使用和资源池的参数进行详细说明，并提供优化配置的建议。 minIdle 资源池确保的最少空闲连接数 0 参见关键参数设置建议。 blockWhenExhausted 当资源池用尽后，调用者是否要等待。 minEvictableIdleTimeMillis 资源池中资源的最小空闲时间（单位为毫秒），达到此值后空闲资源将被移除。 常见问题 资源不足 下面两种情况均属于无法从资源池获取到资源。 JedisPool定义最大资源数、最小空闲资源数时，不会在连接池中创建Jedis连接。
82510编辑于 2021-12-07 - 来自专栏程序猿DD
JedisPool资源池优化
的使用、资源池的参数进行详细说明，最后给出“最合理”配置。 背景 合理的JedisPool资源池参数设置能为业务使用Redis保驾护航，本文将对JedisPool的使用、资源池的参数进行详细说明，最后给出“最合理”配置。 资源设置和使用 ? 空闲Jedis对象检测，下面四个参数组合来完成，testWhileIdle是该功能的开关。 2.空闲资源监测 ? 具体原因可以排查：网络、资源池参数设置、资源池监控(如果对jmx监控)、代码(例如没执行jedis.close())、慢查询、DNS等问题。 JedisPool定义最大资源数、最小空闲资源数时，不会真的把Jedis连接放到池子里，第一次使用时，池子没有资源使用，会new Jedis，使用后放到池子里，可能会有一定的时间开销，所以也可以考虑在JedisPool
1.7K41发布于 2018-04-17 - 来自专栏只喝牛奶的杀手
计算资源合并模式
在许多云环境中，可以在 CPU 核心数、内存、磁盘空间等方面指定可供计算单元使用的资源。 一般情况下，指定的资源越多，成本便越高。 但是，请务必平衡此需求以使昂贵资源在面对可能发生的争用（如果它们处于超负荷状态）时保持繁忙状态。 例如，长时间运行的计算密集型任务不应共享相同的计算单元。 例如，如果一个任务未能正确启动，则它可能会导致计算单元的整个启动逻辑失败，并阻止相同单元中的其他任务运行。 争用。 应避免在相同计算单元中的任务之间出现竞争资源的争用。 理想情况下，共享相同计算单元的任务应表现出不同的资源利用率特征。 例如，两个计算密集型任务不应位于相同计算单元中，两个占用大量内存的任务也是如此。 备注 可考虑仅对已在一段时间内处于生产环境的系统合并计算资源，以便操作员和开发人员可以监视系统并创建标识每个任务如何利用不同资源的热度地图。 此地图可以用于确定非常适合用于共享计算资源的任务。
79410发布于 2019-09-02 - 来自专栏电光石火
进度压缩&资源优化
通过增加资源，以最小的成本代价来压缩进度工期的种技术。考虑加班等，对费用和进度进行权衡，确定尽量少增加费用的前提下最大限度地缩短项目持续时间。赶工导致成本增加，且并非总是切实可行的。 ? 二、资源优化定义： 在项目进行时，可以根据资源的实际使用情况对资源做相应的调整以满足项目的需要。优化技术：资源平滑和资源平滑。 资源平衡定义： 英文名：Resource Level。 对资源冲突的两项或多项活动的开始日期和结束日期进行调整以消除或缓解资源冲突的一种技术。资源平衡往往导致关键路劲改变，通常是延迟。 资源平滑定义： 英文名：Resource Smooth。 利用关键路径上活动的浮动时间，调整非关键路劲上的活动使项目资源数量减少波动的一种技术。 ?
1.2K30发布于 2021-02-04 - 来自专栏前端资源
网站优化之部分静态资源优化
图片 另外，还把一些没用的静态资源引用也删掉了，今天就先到这，下班下班~ 未经允许不得转载：Web前端开发资源网 » 网站优化之部分静态资源优化
36370编辑于 2023-10-10 数据湖计算的弹性之道：如何实现资源智能调度与成本优化？
摘要 本文围绕数据湖计算中的资源弹性调度机制展开分析，探讨其技术实现路径与核心价值，并结合腾讯云数据湖计算DLC的Serverless架构实践，解析如何通过存算分离、动态扩缩容等能力，帮助企业实现高性能 导语 随着企业数据量激增，传统固定资源分配模式已难以应对业务峰值波动。资源弹性调度成为数据湖计算的核心竞争力——它不仅是技术优化的关键，更直接决定了数据分析的效率和成本控制能力。 腾讯云数据湖计算DLC凭借无服务器架构，正重新定义弹性调度的新标准。 正文 一、弹性调度的核心价值：为何需要“动态资源”？ 数据湖分析的典型场景（如日志批量查询、实时报表生成）存在显著的计算波动性。 弹性效果 计算资源调度 秒级启动/释放计算实例，根据SQL查询复杂度自动分配资源 70%，计算资源归零后无持续费用 三、技术优势与行业认可 开放性与兼容性：DLC全面兼容Apache Iceberg表格式，支持多源数据联合查询，无需数据迁移即可跨平台调度计算资源； 性能突破：内置自研
24010编辑于 2025-10-31YashanDB资源调度和性能优化
YashanDB是一个高性能的数据库系统，可能涉及一些关于资源调度与性能管理的创新方法。为了更好地理解如何在这方面进行创新，以下是一些可能的创新方法，专注于资源调度和性能优化：1. 动态资源调度- 基于负载的调度： 通过实时监控数据库节点的负载情况，自动调整计算资源和存储资源分配，确保系统在负载变化时能够自适应地分配资源。 - 基于成本模型的优化： 利用更细粒度的查询执行成本模型，动态评估查询的执行代价，并根据资源情况优化执行顺序和数据访问路径。3. 弹性扩展与容错机制- 弹性资源扩展： 当数据库负载过高时，能够快速启动新的数据库节点，自动分配计算和存储资源，保证系统的高可用性与高吞吐量。系统还可以在节点故障时自动恢复，确保数据库服务不间断。 - FPGA优化： 针对特定查询模式，利用FPGA（现场可编程门阵列）加速特定计算任务，提升性能。6.
15410编辑于 2025-09-27- 来自专栏数据人生
资源优化的道与术
做资源优化有OWNER意识后，就容易做短期的优化，并兼顾长效机制。 短期优化 短期优化，一般有很多手段。不同服务可能有不同特点，本文将列一些常用优化手段。 有些场景，提高1%的精度，需要增加10倍资源，降低1%的精度，可以降低90%的成本，其中可以基于业务诉求，进行取舍。大数据时代，计算非常精确的数据，需要实时上报，大量的存储和计算资源。 在一些实时监控等场景，每天可能上报十亿甚至百亿数据，而计算uv、分位值又存在较大的计算复杂度，真实业务又不需要数据100%可靠，整体链路就可以采用估算的方式来节省端到端的资源。 ⑤解决技术债：一般开发可能知道服务的优化项，也可以找团队其他成员把脉，修复常用的技术债 复用链路，节省重复建设成本。 利用缓存等经典进行改造服务节省大量计算资源。 一些功能实现时，技术思维是将计算机、开源工具当成工具，会常常思考空间复杂度和时间复杂度、模块化、能力复用等，这样既利于维护，也能较好的节省资源。 ③团队中找个手紧的人负责资源管理。
32610编辑于 2022-09-23 - 来自专栏向治洪
andrpid优化之删除无用资源
因为只有做到了这两点，你的项目生成的apk包才会更小，而不是随着你的开发和维护，无用的代码和资源无限的堆积，这对开发者和维护者来说不但是噩梦，更是一个无形的炸弹。 清除不用的资源： ARC（android resource cleaner） 下载地址 http://download.csdn.net/detail/androidzhaoxiaogang/4539852 1.改工具是本人根据自己的经验在别人的基础上改进而开发的一个工具，对比其它工具更加简单易用，而且可以清理工程里面大概12种不用的资源，本人也深感其方便之处。
86770发布于 2018-01-29 - 来自专栏腾讯技术工程官方号的专栏
Kubernetes 资源拓扑感知调度优化
在云原生场景下，为了最大化实现资源共享，单台宿主机往往会运行多个不同用户的计算任务。 调度场景 腾讯星辰算力平台承载了全公司的 CPU 和 GPU 算力服务，拥有着海量多类型的计算资源。 cvm-2 幸运的是，我们在物理机上可以采集到离线虚拟机每个 NUMA node 上实际可用的 CPU 资源比例，通过折损公式计算出离线虚拟机的实际算力。 优化结果 根据上述精细化调度方案，我们对一些线上的任务进行了测试。此前，用户反馈任务调度到一些节点后计算性能较差，且由于 steal_time升高被频繁驱逐。 经过优化后，资源得到更合理地利用，原有测试任务的训练速度能提升至原来的 3 倍，CPU 抢占的驱逐率大大降低至物理机水平。
2.3K20编辑于 2022-06-24 - 来自专栏CDC上云实践
CDC计算资源换代迁移实践
【准备工作】已经完成CVM新资源池建设，在要做迁移的CDC集群中同时有新老两种机型。本示例中具备SA2、S5两种机型，演示一台CVM实例从SA2池迁移到S5池。 图片2、在「实例」页面中可以看到实例列表，找到要迁移的CDC中的CVM实例，依次点击「更多」->「资源调整」->「调整配置」。图片3、选择目标的实例机型配置。
49931编辑于 2023-07-05 服务器行业的弹性计算与资源优化：主流云服务产品深度分析
服务器行业的弹性计算与资源优化：主流云服务产品深度分析 在当今快速发展的云计算领域，服务器的选择和管理变得尤为重要。虚拟主机、虚拟空间、VPS、云服务器等技术的发展，为用户提供了多样化的解决方案。 弹性计算与资源优化 弹性计算是指云服务能够根据用户的需求动态调整计算资源，包括CPU、内存、带宽等。这种能力使得用户可以按需购买资源，实现秒级交付，从而提高资源利用率和成本效率。 这种灵活性使得用户可以在不中断服务的情况下，优化资源使用，降低成本^2。 多种实例类型 腾讯云提供了多种实例类型，包括通用型、计算型、内存型、GPU型等，以适配不同的业务负载需求。这种多样性确保了用户可以为特定的应用场景选择最合适的计算资源^3。 结论 通过对比分析，我们可以看到腾讯云CVM在弹性计算、资源优化、实例类型、镜像支持、存储选项和网络能力等方面提供了全面而强大的功能。这些功能不仅提高了资源的利用率，也降低了用户的管理复杂度和成本。
27710编辑于 2025-07-29- 来自专栏拭心的安卓进阶之路
Android 性能优化：使用 Lint 优化代码、去除多余资源
今天，以“成为优秀的程序员”为目标的拭心将和大家一起精益求精，学习使用 Lint 优化我们的代码。 Lint 工作方式简单介绍 Lint 会根据预先配置的检测标准检查我们 Android 项目的源文件，发现潜在的 bug 或者可以优化的地方，优化的内容主要包括以下几方面： Correctness：不够完美的编码 ，比如硬编码、使用过时 API 等 Performance：对性能有影响的编码，比如：静态引用，循环引用等 Internationalization：国际化，直接使用汉字，没有使用资源引用等 Security 自动删除查找出来的无用资源文件 代码迭代版本一多，很容易会遗留一些无用的代码、资源文件，我们可以使用 Lint 进行清除。 ，输入要检测的内容，这里是无用资源： ? 然后选择 Unused resources，再选择范围后就开始检测。 检测出这么多无用文件： ?
4.2K60发布于 2018-01-05
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