搜索[指标分析]结果-低调大师优秀个人博客

精选列表

搜索[指标分析]，共10000篇文章

Node.js 应用故障排查手册 —— 大纲与常规问题指标简介

常规排查的指标当我们第一次遇到线上异常时，很多人会感觉无从下手。本节作为预备篇，将从服务器异常时常见的排查指标开始，帮助大家建立一个更加直观的问题处理体系。

2019-04-11

Java 程序员必须清楚的 7 个性能指标

现在，让我们看看这些性能指标，并了解如何查看并收集它们： 1.响应时间和吞吐量根据应用程序的响应时间可以知道程序完成传输数据所用的时间。也可以从HTTP请求级别，或者成为数据库级别来看。

2018-11-28

袋鼠云数据中台专栏（六）：企业数据指标的那些事儿

二、从全局角度看，企业数据指标体系可能存在一些问题全局总览下来，不同部门利用数据指标的水平和标准参差不齐因基础数据问题，缺失某些重要指标，想看的指标看不到混乱的数据基础制约了探索性分析，对新业务开展支持力度有限

2018-08-27

网站性能测试指标（QPS，TPS，吞吐量，响应时间）详解

常用的网站性能测试指标有：吞吐量、并发数、响应时间、性能计数器等。并发数并发数是指系统同时能处理的请求数量，这个也是反应了系统的负载能力。

2017-12-09

Prometheus监控的最佳实践——关于监控的3项关键指标

在搭建Prometheus监控时，确定需要收集的指标类型十分重要，这些指标和应用程序相关。选择的指标可以简化故障发生时排除故障的流程，并且还可以在服务和基础设施上保持很高的稳定性。

2017-11-11

性能测试工程师应关注的性能指标

1、开发软件的目的是为了让用户使用，我们先站在用户的角度分析一下，用户需要关注哪些性能。

2017-10-30

数据中心性能优化指标高性能机房数据中心

对于数据中心来说性能优化指标很重要，高性能机房数据中心的建设是我们的目标，现在数据中心对于企业来说重要性不言而喻，而数据中心的结构有许多种类，例如拥有刀片服务器架构的优点就十分明显了，而拥有超融合基础架构的好处也包含很多方面

2017-08-01

[ElasticSearch]分析之Analysis(分析)

分析由分析器analyzer执行，分析器可以是内置分析器或者每个索引定制的自定义分析器。 1.

2017-05-21

1.在Vertex类中，顶点的存储方式采用邻接表形式。每个顶点有 VertexId、VertexValue、OutgoingEdges和Halt，boolean型的halt变量用于记录顶点的状态，false时表示active，true表示inactive状态。片段代码如下。 2.org.apache.giraph.edge.Edge 接口，用于存储顶点的边，每条边包含targetVertexId和edgeValue两个属性。类关系图如下： Giraph默认使用DefaultEdge类存储边，该类中有两个变量： I targetVertexId和 E value，I为顶点ID的类型，E为边的类型。注意，DefaultEdge类同时继承ReusableEdge接口，在ReusableEdge类的定义中，有如下说明文字：A complete edge, the target vertex and the edge value. Can only be one edge with a destination vertex id per edge map. This edge can be reused, that is you can set it's target vertex ID and edge value. Note: this class is useful for certain optimizations, but it's not meant to be exposed to the user. Look at MutableEdge instead. 从上述说明文字可知，edge可以被重用，只需要修改targetVertexId和value的值就行。即每个Vertex若有多条出边，只会创建一个DefaultEdge对象来存储边。3.org.apache.giraph.edge.OutEdges 用于存储每个顶点的out-edges。从Vertex类的定义可知，顶点的每条边都被存储在OutEdges类型的edge对象中，OutEdges接口的关系图如下： Giraph默认的使用ByteArrayEdges，每个顶点的所有边都被存储在byte[ ]中。当顶点向它的出边发送消息时，需要遍历Vertex类中的edges对象。示例代码如下：注意：由DefaultEdge的定义可知，遍历getEdges时，返回的Edge对象时同一个对象，只是该对象中值改变了。下面继续查看代码来证明此观点。查看ByteArrayEdges类的iterator()方法，如下：返回的是内部类ByteArrayEdgeIterator对象，定义如下：总结：当顶点的出度很大时，此优化甚好，能很好的节约内存。如UK-2005数据中，顶点的最大出度为 5213。假设顶点1的出度顶点有<2 , 0.4>，<3 , 7.8> ，<5 , 6.4> 。如下代码：输出结果为：[ 2 ][ 3 , 3 ][ 5 , 5 , 5 ]并非是希望的 [ 2 , 3 , 5 ]

2019-08-11

kaldi 源码分析(七) - HCLG 分析

Kaldi 语音识别主流程：语音识别过程解码网络使用 HCLG.fst 的方式，它由 4 个 fst 经过一系列算法组合而成。分别是 H.fst、C.fst、L.fst 和 G.fst 4 个 fst 文件： 1. G：语言模型，输入输出类型相同，实际是一个WFSA（acceptor接受机），为了方便与其它三个WFST进行操作，将其视为一个输入输出相同的WFST。 2. L：发音词典，输入：monophone，输出：词; 3. C:上下文相关，输入：triphone（上下文相关），输出：monophnoe; 4. H:HMM声学模型，输入：HMM transitions-ids (对 pdf-id 和其它信息编码后的 id)，输出：triphone。通过如下组合方式来计算最终输出结果： HCLG = asl(min(rds(det(H' o min(det(C o min(det(Lo G)))))))) 上面的o表示组合，det表示确定化,min表示最小化，rds表示去除消岐符号，asl表示增加自环。其训练顺序为 G -> L -> C -> H (因 G 语法模型基于统计生成，L 则是在 G 生成过程中使用的基础，而 C 则是基于 L 生成的 phone 上下文关系依据决策树生成的结果) 解码过程中使用 Lattice 来保存识别的候选序列，通过遍历得到得分最靠前的多条候选路径，即 N-best，即为输出文本。Lattice 本质是一个有向无环图( directed acyclic graph )。图上的每个节点代表一个词的结束时间点，每条边代表一个可能的词，以及该词发生的声学得分和语言模型得分。参考语音识别中的lattice与confusion networkkaldi lattice

2018-08-16

海外广告投放中的虚假流量识别：从指标信号到技术兜底

海外投放的链路长、参与方多：广告主 → 代理商/代投 → DSP/SSP/ADX → 媒体渠道 → 用户。链路中任何一个环节都可能引入低质流量，常见形态包括：

2026-09-28

集团化数据平台建设：如何实现指标共用与数据隔离边界

在大型集团企业的数字化演进中，数据分析平台的建设逻辑与单体业务有着本质的区别。

2026-09-23

多账号管理工具的安全架构，到底看哪些指标

安全不是宣传页上的一句话，而是能逐项核对的技术指标。真正要比较的是：用户数据怎么加密、有没有独立机构做安全审计、浏览器指纹参数是否自洽、移动端有没有做硬件级隔离、能不能适配不同地区的合规要求。

2026-09-17

指标平台：从语义底座到智能消费的实践路径|得物技术

指标平台的演进史，本质上是一部"意义"从人脑迁移到机器的历史。

2026-09-17

# 可见性不等于质量： GEO 指标体系需要补上哪些维度

这篇文章只讲一个判断：可见性是必要但不充分的指标，GEO 的指标体系必须同时测量内容质量、实体正确性、答案吸收度和业务结果。

2026-09-14

从 Prometheus 告警到事件证据：把指标和日志真正接起来

假设一条告警告诉你：过去 5 分钟，某区域的 webhook 投递失败率从平时的 1% 升到了 8%。这是一个示意场景，但接下来的问题很具体：哪些目标失败了？涉及哪些账号？增加的是连接超时，还是鉴权错误？

2026-09-10

从指标到洞见：GEO实证研究中的方法建构与应用指南

2023年底，一篇题为《GEO: Generative Engine Optimization》的预印本（arXiv 2311.09735）第一次系统地把生成式引擎优化（GEO）从经验操作提成了实证学科。它建立了GEO-bench——一个覆盖近万级查询、横跨多个领域的评测基准——用可复现的实验把“怎么在AI答案里获得可见性”这件事变成了有数据、有方法、有边界的知识。我（王涛）对它的判断很明确：GEO的价值不在于给出了一批优化技巧，而在于建立了一套“先测量、再优化”的研究范式，这正是今天国内大量GEO讨论最欠缺的东西。

2026-09-08

【Prometheus·Exporter 篇】Node Exporter 详解：主机指标采集与自定义 Collector

Node Exporter 是 Prometheus 生态中最基础也最重要的 Exporter，用于采集 Linux 主机的 CPU、内存、磁盘、网络等硬件指标。

2026-09-08

AI客服系统选型方法：六项指标与跨境场景对比

先说结论：没有一款 AI 客服对所有团队都最好。回答“AI客服哪家好”，应先定义业务场景，再用同一批真实会话比较回答准确性、订单处理能力、人工接管和总成本。只看演示视频或单一的“自动回复率”，很容易买到看起来聪明、上线后却无法闭环的系统。

2026-09-03

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

精选列表

Node.js 应用故障排查手册 —— 大纲与常规问题指标简介

Java 程序员必须清楚的 7 个性能指标

袋鼠云数据中台专栏（六）：企业数据指标的那些事儿

8个必须考量的物联网通信协议参数指标|

网站性能测试指标（QPS，TPS，吞吐量，响应时间）详解

Prometheus监控的最佳实践——关于监控的3项关键指标

性能测试工程师应关注的性能指标

数据中心性能优化指标高性能机房数据中心

[ElasticSearch]分析之Analysis(分析)

Giraph源码分析（六）——Edge 分析

kaldi 源码分析(七) - HCLG 分析

海外广告投放中的虚假流量识别：从指标信号到技术兜底

集团化数据平台建设：如何实现指标共用与数据隔离边界

多账号管理工具的安全架构，到底看哪些指标

指标平台：从语义底座到智能消费的实践路径|得物技术

# 可见性不等于质量： GEO 指标体系需要补上哪些维度

从 Prometheus 告警到事件证据：把指标和日志真正接起来

从指标到洞见：GEO实证研究中的方法建构与应用指南

【Prometheus·Exporter 篇】Node Exporter 详解：主机指标采集与自定义 Collector

AI客服系统选型方法：六项指标与跨境场景对比

资源下载

Mario

腾讯云软件源

Spring

Rocky Linux

欢迎您来访！

精选列表

Node.js 应用故障排查手册 —— 大纲与常规问题指标简介

Java 程序员必须清楚的 7 个性能指标

袋鼠云数据中台专栏（六）：企业数据指标的那些事儿

8个必须考量的物联网通信协议参数指标|

网站性能测试指标（QPS，TPS，吞吐量，响应时间）详解

Prometheus监控的最佳实践——关于监控的3项关键指标

性能测试工程师应关注的性能指标

数据中心性能优化指标 高性能机房数据中心

[ElasticSearch]分析之Analysis(分析)

Giraph源码分析（六）——Edge 分析

kaldi 源码分析(七) - HCLG 分析

海外广告投放中的虚假流量识别：从指标信号到技术兜底

集团化数据平台建设：如何实现指标共用与数据隔离边界

多账号管理工具的安全架构，到底看哪些指标

指标平台：从语义底座到智能消费的实践路径|得物技术

# 可见性不等于质量： GEO 指标体系需要补上哪些维度

从 Prometheus 告警到事件证据：把指标和日志真正接起来

从指标到洞见：GEO实证研究中的方法建构与应用指南

【Prometheus·Exporter 篇】Node Exporter 详解：主机指标采集与自定义 Collector

AI客服系统选型方法：六项指标与跨境场景对比

资源下载

Mario

腾讯云软件源

Spring

Rocky Linux

欢迎您来访！

数据中心性能优化指标高性能机房数据中心