搜索[优化]结果-低调大师优秀个人博客

精选列表

搜索[优化]，共10000篇文章

Spark性能优化：开发调优篇

我们需要根据不同的业务场景以及数据情况，对Spark作业进行综合性的分析，然后进行多个方面的调节和优化，才能获得最佳性能。

2018-07-16

如何优雅地优化MySQL大表

单表优化除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在千万级以下，字符串为主的表在五百万以下是没有太大问题的。

2018-07-11

记一次PHP优化案例

公司应用的是lnmp网站服务器架构,以前没有做太多的优化，接下来我们需要优化网站的服务架构了一、案例分析。

2018-07-05

35个Java 代码性能优化总结

前言代码优化，一个很重要的课题。可能有些人觉得没用，一些细小的地方有什么好修改的，改与不改对于代码的运行效率有什么影响呢？这个问题我是这么考虑的，就像大海里面的鲸鱼一样，它吃一条小虾米有用吗？

2018-06-09

[C#]SQLite执行效率优化结论

原文: [C#]SQLite执行效率优化结论一、如要使用SQLite，可以从Visual Studio中的“程序包管理器控制台”输入以下命令完成安装： PM> Install-Package System.Data.SQLite.Core

2018-06-01

Java 高并发秒杀-系统优化（重要）

章节目录秒杀系统请求流程图系统性能瓶颈分析与优化思路彩蛋福利 1.秒杀系统请求流程图秒杀系统请求流程图如上图所示：红色部分表示系统可能发生高并发的点 1.用户并发请求秒杀商品详情页信息 2.

2018-05-05

Android布局优化之ViewStub的使用

ViewStub是Android布局优化的方式之一。它可以让部分布局延迟加载，从而提高页面渲染速度。场景因为ViewStub是用于延迟加载使用，因此适用场景是一些不需要即时展示的页面。

2018-04-21

SEO—搜索引擎优化初探

搜索引擎优化 (SEO) 是提高一个网站在搜索引擎中的排名（能见度）的过程。道理很简单，提高了排名就可以获得更多的流量带来更多的收益，所以SEO几乎是每一个网站必须要做的事情。

2018-03-08

MySQL数据库访问性能优化

即使想到优化也是程序级别的，比方不要写过于消耗资源的SQL语句。可是除此之外，在整个系统上仍然有非常多能够优化的地方。

2018-02-28

44个Java代码性能优化总结

image 来源：http://www.cnblogs.com/xrq730/p/4865416.html 代码优化的最重要的作用应该是：避免未知的错误。

2018-02-12

Cache Line 伪共享发现与优化

Joe Mario 是 Redhat 公司的 Senior Principal Software Engineer，在系统的性能优化领域颇有建树，他也是本文描述的 perf c2c 工具的贡献者之一。

2018-02-10

CentOS下Apache 高并发性能优化

优化perfork 首先，对于一个负载相对较高的网站来说，256的进程限制是不够的，如果服务器已经达到256的极限，那么接下去的访问就需要排队，这也就是为什么某些服务器负载不高，但是访问却很慢的原因之一

2018-01-06

image.png Redis使用过程中经常会有各种大key的情况，比如： 1：单个简单的key存储的value很大 2： hash， set，zset，list 中存储过多的元素（以万为单位）由于redis是单线程运行的，如果一次操作的value很大会对整个redis的响应时间造成负面影响，所以，业务上能拆则拆，下面举几个典型的分拆方案。 1、单个简单的key存储的value很大 1.1、改对象需要每次都整存整取可以尝试将对象分拆成几个key-value，使用multiGet获取值，这样分拆的意义在于分拆单次操作的压力，将操作压力平摊到多个redis实例中，降低对单个redis的IO影响； 1.2、该对象每次只需要存取部分数据可以像第一种做法一样，分拆成几个key-value，也可以将这个存储在一个hash中，每个field代表一个具体的属性，使用hget,hmget来获取部分的value，使用hset，hmset来更新部分属性 2、 hash， set，zset，list 中存储过多的元素类似于场景一种的第一个做法，可以将这些元素分拆。以hash为例，原先的正常存取流程是 hget(hashKey, field) ; hset(hashKey, field, value) 现在，固定一个桶的数量，比如 10000，每次存取的时候，先在本地计算field的hash值，模除 10000，确定了该field落在哪个key上。 newHashKey = hashKey + (*hash*(field) % 10000）; hset (newHashKey, field, value) ; hget(newHashKey, field) set, zset, list 也可以类似上述做法. 但有些不适合的场景，比如，要保证 lpop 的数据的确是最早push到list中去的，这个就需要一些附加的属性，或者是在 key的拼接上做一些工作（比如list按照时间来分拆）。个人介绍：高广超：多年一线互联网研发与架构设计经验，擅长设计与落地高可用、高性能、可扩展的互联网架构。本文首发在高广超的简书博客转载请注明！简书博客头条号

2017-12-23

hive优化--增加减少map数

如何合并小文件，减少map数？假设一个 SQL 任务： Select count(1) from popt_tbaccountcopy_mes where pt = ‘2012-07-04’; 该任务的 inputdir /group/p_sdo_data/p_sdo_data_etl/pt/popt_tbaccountcopy_mes/pt=2012-07-04 共有 194 个文件，其中很多是远远小于 128m 的小文件，总大小 9G ，正常执行会用 194 个 map 任务。 Map 总共消耗的计算资源： SLOTS_MILLIS_MAPS= 623,020 我通过以下方法来在 map 执行前合并小文件，减少 map 数： set mapred.max.split.size=100000000; set mapred.min.split.size.per.node=100000000; set mapred.min.split.size.per.rack=100000000; set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat; 再执行上面的语句，用了 74 个 map 任务， map 消耗的计算资源： SLOTS_MILLIS_MAPS= 333,500 对于这个简单 SQL 任务，执行时间上可能差不多，但节省了一半的计算资源。大概解释一下， 100000000 表示 100M, set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat; 这个参数表示执行前进行小文件合并，前面三个参数确定合并文件块的大小，大于文件块大小 128m 的，按照 128m 来分隔，小于 128m, 大于 100m 的，按照 100m 来分隔，把那些小于 100m 的（包括小文件和分隔大文件剩下的），进行合并 , 最终生成了 74 个块。如何适当的增加 map 数？当 input 的文件都很大，任务逻辑复杂， map 执行非常慢的时候，可以考虑增加 Map 数，来使得每个 map 处理的数据量减少，从而提高任务的执行效率。假设有这样一个任务： Select data_desc, count(1), count(distinct id), sum(case when …), sum(case when ...), sum(…) from a group by data_desc 如果表 a 只有一个文件，大小为 120M ，但包含几千万的记录，如果用 1 个 map 去完成这个任务，肯定是比较耗时的，这种情况下，我们要考虑将这一个文件合理的拆分成多个，这样就可以用多个 map 任务去完成。 set mapred.reduce.tasks=10; create table a_1 as select * from a distribute by rand(123); 这样会将 a 表的记录，随机的分散到包含 10 个文件的 a_1 表中，再用 a_1 代替上面 sql 中的 a 表，则会用 10 个 map 任务去完成。每个 map 任务处理大于 12M （几百万记录）的数据，效率肯定会好很多。看上去，貌似这两种有些矛盾，一个是要合并小文件，一个是要把大文件拆成小文件，这点正是重点需要关注的地方，根据实际情况，控制 map 数量需要遵循两个原则：使大数据量利用合适的 map 数；使单个 map 任务处理合适的数据量；本文转自 yntmdr 51CTO博客，原文链接：http://blog.51cto.com/yntmdr/1740587，如需转载请自行联系原作者

2017-11-29

Android 使用shape来优化界面效果

前些天去参加了一个公开课，说到了我们很多程序对美工比较不在行，所以需要与UI工程师合作，但是有时候UI工程师忙其他的什么，我们既不会PS也不会AI。于是乎在android中我们可以通过shape来定制我们需要的图形效果等。下午研究了下shape，众所周知shape是形状的意思。网络上的例子太多看的真让人眼花缭乱，自己总结了下，以如何使用shape来做圆角按钮的背景来说明shape的具体使用吧。看下效果图具体实现代码： <?xmlversion="1.0"encoding="utf-8"?> <shapexmlns:android="http://schemas.android.com/apk/res/android">  <solid android:color="#B2B2B2" />  <size android:width="200dp" android:height="50dp" />  <gradient android:startColor="#DBDCDD" android:endColor="#B8B9BB" android:centerColor="#ADADAF" android:angle="270" />  <stroke android:width="2dp" android:color="#3D4148" />  <corners android:radius="5dp" /> <padding android:left="10dp" android:top="10dp" android:right="10dp" android:bottom="10dp" /> </shape>  本文转自xuzw13 51CTO博客，原文链接：http://blog.51cto.com/xuzhiwei/972188，如需转载请自行联系原作者

2017-11-27

MySQL数据库的优化（二）

MySQL数据库上线后，可以等其稳定运行一段时间后再根据服务器的status状态进行适当优化，我们可以用如下命令列出MySQL服务器运行的各种状态值： mysql > show global status

2017-11-26

[Android]ListView性能优化之视图缓存

正文一、准备 1.1 了解关于Google IO大会关于Adapter的优化，参考以下文章： Android开发之ListView 适配器（Adapter）优化

2017-11-21

Androidi性能优化之高效使用内存

应用生存期的绝大多数时间都在用于处理内存中的数据性能主要取决于以下三个因素： a：CPU如何操作特定的数据类型 b: 数据和指令需要占用多少存储空间 c: 数据在内存中的布局访问内存: 因为访问内存会产生一些开销，CPU会把最近访问的内存内容缓存起来，无论是内存读还是内存写，事实上，CPU通常使用两级缓存： a:一级缓存（L1） b:二级缓存（L2）有些处理器可能还有3级缓存垃圾回收： Java的一个非常重要的优点是垃圾收集，有两件非常重要的事情值得注意： a:还是有可能存在内存泄露 b:垃圾回收器会帮你管理内存，它做的不仅仅是释放不用的内存。内存泄露分析工具： a:DDMS视图：Heap以及Allocation Tracker 跟踪内存使用和分配情况 b:Eclipse内存分析器：MAT ，地址www.eclipse.org/mat c:Android 2.3定义的StrictMode类，对检测潜在的内存泄露有很大帮助。引用： Java定义了4中类型的引用： a:强（Strong） b:软（Soft） c:弱（Weak） d:虚（Phantom）软引用和弱引用在本质上是相似的，它们没有强到足以保持对象不被删除（或回收）的引用。不同之处在于回收时，垃圾回收器处理它们的引用的对象的积极程度不同。对象是软可及的，即存在一个软引用，但没有强引用，当有足够的内存保留对象时，垃圾回收器不会回收它。不过如果垃圾会收器决定需要回收更多的内存，那么它可任意回收软可及对象的内存，这种引用类型适用于缓存，它可以自动删除缓存中的条目。提示：当使用缓存时，确保你了解它使用的是什么类型的引用，例如Android的LruCache使用强引用。若可及对象，也就是说，存在一个弱引用，但没有强或软引用，下次垃圾回收时基本会被收走，换而言之，垃圾回收器更加积极地回收弱可及对象的内存。这种类型的引用适用于映射，这种映射可以自动删除不再被引用的键，WeakHashMap类就是这么做的。虚引用最弱，几乎很少用到。本文转自demoblog博客园博客，原文链接http://www.cnblogs.com/0616--ataozhijia/p/3649427.html如需转载请自行联系原作者 demoblog

2017-11-21

Android UI学习 - FrameLayou和布局优化

wrap_content" android:layout_gravity="bottom" android:text="Start" /> </FrameLayout> 效果图布局优化

2017-11-21

2014 jack对性能优化的记录

jack对性能优化一点看法 1.对于数据库而言，我觉得数据库安全和稳定是第一，性能优化第二 2.导致数据库性能因素：软件设计：利用中间件，减少并发产生的问题。

2017-11-17

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。

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。

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。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

Spark性能优化：开发调优篇

如何优雅地优化MySQL大表

记一次PHP优化案例

35个Java 代码性能优化总结

[C#]SQLite执行效率优化结论

Java 高并发秒杀-系统优化（重要）

Android布局优化之ViewStub的使用

SEO—搜索引擎优化初探

MySQL数据库访问性能优化

44个Java代码性能优化总结

Cache Line 伪共享发现与优化

CentOS下Apache 高并发性能优化

Redis 单key值过大优化方式

hive优化--增加减少map数

Android 使用shape来优化界面效果

MySQL数据库的优化（二）

[Android]ListView性能优化之视图缓存

Androidi性能优化之高效使用内存

Android UI学习 - FrameLayou和布局优化

2014 jack对性能优化的记录

资源下载

Mario

Nacos

Rocky Linux

WebStorm

欢迎您来访！

精选列表

Spark性能优化：开发调优篇

如何优雅地优化MySQL大表

记一次PHP优化案例

35个Java 代码性能优化总结

[C#]SQLite执行效率优化结论

Java 高并发秒杀-系统优化（重要）

Android布局优化之ViewStub的使用

SEO—搜索引擎优化初探

MySQL数据库访问性能优化

44个Java代码性能优化总结

Cache Line 伪共享发现与优化

CentOS下Apache 高并发 性能优化

Redis 单key值过大 优化方式

hive优化--增加减少map数

Android 使用shape来优化界面效果

MySQL数据库的优化（二）

[Android]ListView性能优化之视图缓存

Androidi性能优化之高效使用内存

Android UI学习 - FrameLayou和布局优化

2014 jack对性能优化的记录

资源下载

Mario

Nacos

Rocky Linux

WebStorm

欢迎您来访！

CentOS下Apache 高并发性能优化

Redis 单key值过大优化方式