首页 文章 精选 留言 我的

精选列表

搜索[速度],共10000篇文章
优秀的个人博客,低调大师

采用 php-quickorm/Captcha,用最快的速度在 PHP 语言下实现验证码功能

在做业务开发的过程中,我们常常有需要实现“验证码”功能的场景,早在一年前为了方便使用,我便封装了一套 PHP 快速出二维码的库。前几天和一个同事聊起 composer,顺手搜了一下以前写过的开源库,意外发现这个快速出验证码功能的库居然有 50 个下载量,如今得闲便分享一下,如何使用我写的这个库快速实现验证码功能。 要调用起这个库,门槛十分低,但是建议满足以下几个条件: PHP 5 + PHP GD 扩展 Composer (非必须) 安装方法 首先我们花 30 秒来引入一下这个库,主要有以下两种方式。 其一、使用 Composer 统一管理(推荐): composer require php-quickorm/captcha 其二、直接下载 Github 中的 Captcha.php 和 arial.ttf 文件,并对其进行引用:require "Captcha.php"; 使用方法 最简调用 编写验证码生成文件(排除掉存储的话,代码就两行)。这里假设命名为 captcha.php <?php // 新建实例 $captcha = new Captcha(); // 把生成好的代码放在 session 中 $_SESSION['code'] = $captcha->getCode(); // 作为图片响应 $captcha->render(); 写个 HTML 或者其他方式,作为图片调用。(简而言之:当它是个图片即可) <img src="/captcha.php"> 用户如果填写了,那我们就验证一下呗 <?php // 从 Session 中取出验证码,进行校验 session_start(); if ($_SESSION['code'] == strtolower($_POST['code'])){ echo "机智的你,输入对了呢!"; } else { echo "笨笨你输入错啦!"; } 高级玩法 来一段 demo,展示一下高级用法吧。 <?php // 有三个等级,数字越大,生成的验证码图片越复杂 $level = 3; // 大小写敏感 $case_sensitive = false; // 新建实例 $captcha = new Captcha($level, $case_sensitive); // 获取验证码 $code = $captcha->getCode(); // 获取 php-gd resource $im = $captcha->getImageResource(); // 用自带的方法检查验证码,会忽略大小写 $captcha->check("AbcD"); // 直接作为一张图片响应(发送 HTTP 请求,参照上面的用法) $captcha->render(); 纯属无聊的一个小分享,这个库目前已经投入了两个项目中,其中一个小程序项目已经线上稳定运行了半年,希望有助于大家的业务开发。最后附上开源仓库地址: https://github.com/php-quickorm/Captcha

优秀的个人博客,低调大师

使用java9的uuid生成方式,让uuid生成速度提升一个档次

简介 UUID 的目的,是让分布式系统中的所有元素,都能有唯一的辨识信息,而不需要通过中央控制端来做辨识信息的指定。 uuid 常用场景 IOT 设备,设备号; 网站 sessionid,cookie 用户id; 数据库主键id; uuid 生成工具 hutool Java工具包集mica 基于 Spring、 java8 微服务工具集 压测代码 测试基于 JMH,是专门用于代码微基准测试的工具套件,基于方法层面的基准测试,精度可以达到微秒级。 压测代码源码存放于 github,感兴趣的朋友可以:https://github.com/lets-mica/mica-jmh jdk8UUId @Benchmark public String jdk8UUId() { return UUID.randomUUID().toString(); } jdk8ThreadLocalRandomUUId @Benchmark public String jdk8ThreadLocalRandomUUId() { ThreadLocalRandom random = ThreadLocalRandom.current(); UUID uuid = new UUID(random.nextInt(), random.nextInt()); return uuid.toString(); } hutoolFastSimpleUUID @Benchmark public String hutoolFastSimpleUUID() { return IdUtil.fastSimpleUUID(); } micaUUId @Benchmark public String micaUUId() { return StringUtil.getUUID(); } 压测环境 OS: macOS Mojave CPU: 2.8 GHz Intel Core i5 RAM: 8 GB 1600 MHz DDR3 JVM: Oracle 1.8.0_201 64 bits 压测结果 Benchmark Score Error Units jdk8UUId 734.595 17.220 ops/ms jdk8ThreadLocalRandomUUId 3224.759 32.107 ops/ms hutoolFastSimpleUUID 3619.748 67.195 ops/ms micaUUId(java9 方式) 12375.405 241.879 ops/ms 说明:每毫秒生成的 uuid 数,得分越高越好。 总结 mica 由于参考(copy) java9 的 uuid 生成方式性能强劲,是 jdk8 ThreadLocalRandom 和 hutool FastSimpleUUID 的3到4倍的。 由于 uuid 的使用场景一般都需要高性能高并发,大家在使用的时候可以尝试使用 java9+ 或者参考他的算法去实现。 开源推荐 Spring boot 微服务高效开发mica工具集:https://gitee.com/596392912/mica Avue一款基于vue可配置化的神奇框架:https://gitee.com/smallweigit/avue pig宇宙最强微服务(架构师必备):https://gitee.com/log4j/pig SpringBlade完整的线上解决方案(企业开发必备):https://gitee.com/smallc/SpringBlade IJPay支付SDK让支付触手可及:https://gitee.com/javen205/IJPay

优秀的个人博客,低调大师

Elasticsearch 中使用 NVIDIA cuVS 实现最高快 12 倍的向量索引速度:GPU 加速第 2 章

作者:来自 Elastic Chris Hegarty, Hemant Malik, Corey Nolet 及 5 more 了解 Elasticsearch 如何通过 GPU 加速向量索引和 NVIDIA cuVS 实现近 12 倍更高的索引吞吐量。 从向量搜索到强大的 REST API,Elasticsearch 为开发者提供了最全面的搜索工具包。前往GitHub 上的示例笔记本尝试新东西。你也可以开始免费试用,或在本地运行Elasticsearch。 今年早些时候,Elastic 宣布与NVIDIA合作,将GPU加速引入 Elasticsearch,并与NVIDIA cuVS集成 —— 正如在NVIDIA GTC 的会议和各种博客中详细介绍的那样。本文是对与 NVIDIA 向量搜索团队共同工程进展的更新。 回顾 首先,让我们让你了解最新进展。Elasticsearch 已经成为一个强大的向量数据库,为大规模相似度搜索提供丰富的功能和强劲的性能。凭借标量量化、Better Binary Quantization(BBQ)、SIMD向量操作,以及像DiskBBQ这样更高磁盘效率的算法,它已经为管理向量工作负载提供了高效而灵活的选项。 通过将 NVIDIA cuVS 集成为可调用模块来处理向量搜索任务,我们的目标是为向量索引的性能和效率带来显著提升,以更好地支持大规模向量工作负载。 挑战 构建高性能向量数据库中最困难的挑战之一就是构建向量索引 —— HNSW 图。当每个向量都要与许多其他向量比较时,索引构建很快就会被数百万甚至数十亿次算术操作所主导。此外,索引生命周期操作(例如压缩和合并)会进一步增加索引的总体计算开销。随着数据量和相关向量嵌入指数级增长,为大规模并行和高吞吐数学运算而构建的GPU 加速计算非常适合处理这些工作负载。 进入 Elasticsearch-GPU 插件 NVIDIA cuVS 是一个用于 GPU 加速向量搜索和数据聚类的开源 CUDA-X 库,可为 AI 和推荐类工作负载提供快速的索引构建和向量嵌入检索。 Elasticsearch 通过cuvs-java使用 cuVS,cuvs-java是一个由社区开发并由 NVIDIA 维护的开源库。cuvs-java 库轻量级,基于cuVS 的 C API,并使用PanamaForeign Function 以符合 Java 习惯的方式暴露 cuVS 功能,同时保持现代化和高性能。 cuvs-java 库被集成到一个新的Elasticsearch 插件中;因此,GPU 上的向量索引可以在同一个 Elasticsearch 节点和进程中完成,而无需配置任何外部代码或硬件。在索引构建期间,如果安装了 cuVS 库并且存在并配置了 GPU,Elasticsearch 将使用 GPU 来加速向量索引过程。向量会被交给 GPU,由其构建CAGRA图。然后,这个图会被转换为 HNSW 格式,从而可以立即在 CPU 上用于向量搜索。构建后的图的最终格式与在 CPU 上构建的相同;这使得 Elasticsearch 在底层硬件支持的情况下能够利用 GPU 进行高吞吐量向量索引,同时释放 CPU 以处理其他任务(并发搜索、数据处理等)。 索引构建加速 作为将 GPU 加速集成进 Elasticsearch 的一部分,cuvs-java 做了多项增强,重点在高效的数据输入/输出和函数调用。一个关键的增强是使用cuVSMatrix来透明地表示向量,无论它们位于 Java 堆上、堆外,还是在 GPU 内存中。这使数据能够在内存与 GPU 之间高效移动,避免对可能达数十亿规模的向量进行不必要的拷贝。 得益于这种底层零拷贝抽象,向 GPU 内存传输数据以及取回图都可以直接进行。在索引构建期间,向量首先缓存在 Java 堆的内存中,然后被发送到 GPU 构建 CAGRA 图。随后,该图从 GPU 中取回,被转换为 HNSW 格式,并持久化到磁盘。 在合并阶段,向量已经存储在磁盘上,从而完全绕过 Java 堆。索引文件被内存映射,数据会直接传输到 GPU 内存中。该设计也很容易支持不同的位宽,例如 float32 或 int8,并能自然扩展到其他量化方案。 鼓点响起……那么,它的表现如何? 我们最初的基准测试结果非常令人振奋。我们在一台带有本地 NVMe 存储的 AWS g6.4xlarge 实例上运行了基准测试。Elasticsearch 的单节点被配置为使用默认的、最佳数量的索引线程(8 个——每个物理核心一个),并禁用了合并限速(在快速 NVMe 磁盘下这一点不太适用)。 数据集方面,我们使用了来自OpenAI Rally 向量任务的 260 万个向量,每个向量有 1,536 维,编码为base64 字符串,并以 float32 hnsw 的方式建立索引。在所有情况下,构建的图都达到了最高 95% 的召回率。以下是我们的发现: 索引吞吐量:通过在内存缓冲区刷新的过程中将图构建移至 GPU,我们将吞吐量提高了约 12 倍。 强制合并:在索引完成后,GPU 继续加速段合并,使强制合并阶段加速约 7 倍。 CPU 使用率:将图构建任务卸载到 GPU 显著降低了平均和峰值 CPU 利用率。下图展示了索引和合并期间的 CPU 使用情况,突显了当这些操作在 GPU 上运行时 CPU 使用率大幅降低。在 GPU 索引期间较低的 CPU 利用率释放了 CPU 周期,可用于提升搜索性能。 召回率:CPU 和 GPU 运行之间的准确性基本保持不变,GPU 构建的图的召回率略高一些。 从另一个维度比较:价格 之前的比较故意使用了相同的硬件,唯一的区别是在索引期间是否使用 GPU。这有助于理解纯计算效果,但我们也可以从成本角度来看比较。以大致相同的价格,我们可以配置大约两倍数量的可比 vCPU 和内存。也就是 32 个 vCPU(AMD EPYC)和 64GB 内存,同时将索引线程数量翻倍到 16 个。 更强大的 CPU 实例确实表现出比上节基准更好的性能,这在预期之中。然而,当我们将这个更强大的 CPU 实例与最初的 GPU 加速结果进行比较时,GPU 仍然带来了显著的性能提升:索引吞吐量提高约 5 倍,强制合并提高约 6 倍,同时构建的图的召回率可达 95%。 结论 在端到端场景中,使用 NVIDIA cuVS 的 GPU 加速在索引吞吐量上实现了近 12 倍的提升,强制合并延迟减少约 7 倍,同时 CPU 使用率显著降低。这表明向量索引和合并工作负载能从 GPU 加速中显著受益。在成本调整后的比较中,GPU 加速仍然带来可观的性能提升,索引吞吐量约提高 5 倍,强制合并操作约快 6 倍。 GPU 加速向量索引目前计划在 Elasticsearch 9.3 的技术预览中推出,预计将在 2026 年初发布。 敬请关注更多信息。 原文:https://www.elastic.co/search-labs/blog/elasticsearch-gpu-accelerated-vector-indexing-nvidia

资源下载

更多资源
Mario

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

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。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册