搜索[速度]结果-低调大师优秀个人博客

精选列表

搜索[速度]，共10004篇文章

速度收藏！看完这份知识图谱，才算搞懂 Flink！

先跟大家分享一个好消息！即日起，Apache Flink 社区微信公众号 Ververica 正式更名为 Flink 中文社区并由 Apache Flink PMC 成员进行维护，是国内唯一的 Flink 社区官方微信公众号，详细信息请见次条「声明」。在去年的一年中，Flink 中文社区共发布文章 144 篇，通过提供 Flink 技术原理剖析、上手实操、多场景下的最佳实践以及社区的最新资讯等帮助大家更好的理解、使用 Flink。同时，我们也发现当前社区除文章、直播教程、Meetup 外还缺少一个清晰的图谱让大家了解 Flink 完整的技术体系与学习路径。因此，社区整理了这样一份知识图谱，由 Apache Flink Committer 执笔，四位 PMC 成员审核，将 Flink 9 大技术版块详细拆分，突出重点内容并搭配全面的学习素材。看完这份图谱，才算真的搞懂 Flink！ ▽ Flink 知识图谱概览 ▽ 如何获取？关注「Flink 中文社区」微信公众号，后台回复关键字“图谱”即可下载 PDF 版本，内含大量补充链接，一键点击即可查看相关素材！最实用的知识图谱 1.内容全面，将 Flink 所涉及的技术内容划分为 9 大版块，每部分内容进行详细分解，并提供学习路径及深入了解的学习素材。 Streaming Processing Concepts(common concepts for stream processing) Architecture State Management DataStream Libraries Table API & SQL Deployment and Operations Debugging and Monitoring Ecosystem Use Cases 2.层次分明，将各部分技术内容中的基础入门知识进行标示，重点突出，帮你找到清晰的学习路径。 3.方便实用，每个知识点附带补充说明的链接与最佳学习素材，可及时进行深度探索，有助于理解消化。 4.强大的拓展阅读资料配置，整合了社区全年输出的技术文章、系列直播教程、线下 Meetup 及 Flink Forward Asia 的精华内容，一图在手，学好 Flink 不用愁！各版块知识点详解 Streaming Processing Concepts(common concepts for stream processing) Architecture State Management DataStream Libraries Table API & SQL Deployment and Operations Debugging and Monitoring Ecosystem Use Cases 部分知识图谱扩展素材直播教程 | Flink 基础概念解析| Flink 开发环境搭建和应用的配置、部署及运行| Flink Datastream API 编程| Flink 客户端操作| Flink Time & Window | Flink 状态管理及容错机制| Flink Table API 编程| Flink SQL 编程实践| 5分钟从零构建第一个 Flink 应用| 零基础实战教程：如何计算实时热门商品| Runtime 核心机制剖析| 时间属性深度解析| Checkpoint 原理剖析与应用实践| Flink on Yarn / K8s 原理剖析及实践| 数据类型和序列化| Flink 作业执行深度解析| 网络流控和反压剖析| 详解 Metrics 原理与实战 User Case 及补充 | 小米流式平台架构演进与实践| 美团点评基于 Flink 的实时数仓平台实践| 监控指标10K+！携程实时智能检测平台实践| Lyft 基于 Flink 的大规模准实时数据分析平台| 基于 Flink 构建 CEP 引擎的挑战和实践| 趣头条基于 Flink 的实时平台建设实践| G7 在实时计算的探索与实践| Flink 靠什么征服饿了么工程师？| Apache Flink 的迁移之路，2 年处理效果提升 5 倍| 日均百亿级日志处理：微博基于 Flink 的实时计算平台建设| Flink 在同程艺龙实时计算平台的研发与应用实践| 从 Storm 到 Flink，汽车之家基于 Flink 的实时 SQL 平台设计思路与实践| 日均处理万亿数据！Apache Flink在快手的应用实践与技术演进之路| 从 Spark Streaming 到 Apache Flink : 实时数据流在爱奇艺的演进| Apache Flink 在 eBay 监控系统上的实践和应用| 每天30亿条笔记展示，小红书如何实现实时高效推荐？| 360深度实践：Flink 与 Storm 协议级对比| Blink 有何特别之处？菜鸟供应链场景最佳实践| 58 集团大规模Storm 任务平滑迁移至 Flink 的秘密| 从Storm到Flink，有赞五年实时计算效率提升实践拓展链接 | https://ververica.cn/developers/table-api-programming/| https://sf-2017.flink-forward.org/kb_sessions/streaming-models-how-ing-adds-models-at-runtime-to-catch-fraudsters/| https://sf-2017.flink-forward.org/kb_sessions/building-a-real-time-anomaly-detection-system-with-flink-mux/| https://sf-2017.flink-forward.org/kb_sessions/dynamically-configured-stream-processing-using-flink-kafka/| https://jobs.zalando.com/en/tech/blog/complex-event-generation-for-business-process-monitoring-using-apache-flink/| https://berlin-2017.flink-forward.org/kb_sessions/drivetribes-kappa-architecture-with-apache-flink/| https://2016.flink-forward.org/kb_sessions/a-brief-history-of-time-with-apache-flink-real-time-monitoring-and-analysis-with-flink-kafka-hb/| https://ci.apache.org/projects/flink/flink-docs-master/monitoring/checkpoint_monitoring.html| https://ci.apache.org/projects/flink/flink-docs-master/dev/table/functions/udfs.html| https://ci.apache.org/projects/flink/flink-docs-master/dev/table/functions/systemFunctions.html| https://ci.apache.org/projects/flink/flink-docs-master/dev/table/streaming/dynamic_tables.html| https://ci.apache.org/projects/flink/flink-docs-master/monitoring/metrics.html 重磅福利 Flink 社区知识图谱免费下载链接来啦～关注「Flink 中文社区」，后台回复关键字“图谱”即可下载，并有直播课程详解知识图谱的正确打开方式，让你一图在手，学好 Flink 不用愁！

2020-02-13

素小暖讲JVM：Eclipse运行速度调优

在取消掉字节码验证之后，确实可以看到Ecipse启动速度有了一定的提升，但仍还不够。在类加载个数上，可以看出初始状况加载了19991个类，可以在eclipse中关掉不需要的启动项。

2020-01-03

自定义 ForkJoinPool 提升并行流 ParallelStream 执行速度

ParallelStream 则是一个并行执行的流，采用 ForkJoinPool 并行执行任务，提高执行速度。

2019-08-24

认识医生：为了600毫秒的反应速度

我们的名字？我们是认识医生（杭州认识科技有限公司），是智慧随访整体解决方案提供商。医疗数据高并发，我们一开始就注定了上云之路我们作为一家致力通过AI智慧医疗随访来服务社会的企业，需要面对和处理来自合作医院的高并发数据，所以项目从开始研发就注定与云服务的合作。我们关注于如何让医护人员更有效的获取患者诊后病情症状；如何让医院和病患更有效的交互；如何让医生随时查看患者即时疾病信息，以便根据病情现状快速作出干预。这都需要即时而迅速的数据处理和反馈。作为创业型企业，自己搭建在人力和成本上都太不现实了，所以说我们注定上云。举例来说，患者离开医院后，医生可以通过我们的系统，以智能语音外呼的方式主动了解患者的身体情况，作为后续诊疗的重要参考。在线应答的反应时间要控制在600毫秒内，否则患者体验就不够好。有了阿里云的支持，我们才有可能在如此短的时间内触达全国消费者。老板和IT，都看中了阿里云选择阿里云，我们没有太大的顾虑。作为老板，我看中的首先是数据安全和成本。我认为阿里云是值得信赖的，合作这么长时间来，也确实没有一次是因为阿里云导致的系统问题；成本上，阿里云确实性价比高，收费还是很合理。我的IT人员，当然主要看上阿里云能帮助他们多大限度地缩短项目周期。那么我们上下都一致地选择了阿里云。目前使用：云主机、云空间、阿里云分析、短信服务打算使用：虚拟运营商、区块链技术扫描二维码，阿里云618等你拼团上云！

2019-06-13

除了 async 速度翻 10 倍，JavaScript 还带来了什么？

自 Chrome 61 以来，V8 团队将原始 JavaScript 解析速度提高了一倍，这些数据是在真实网站上测试得到的。

2019-05-14

AndroidAPP启动速度优化解析；冷启动和热启动

測量应用启动的时间在上面这个启动流程中，不论什么一个地方有耗时操作都会拖慢我们应用的启动速度，而应用启动时间是用毫秒度量的。对于毫秒级别的快慢度量我们还是须要去精确的測量到究竟应用启动花了多少时间。

2018-12-31

详细的多维度测评，看看哪个 Python 版本速度最快！

启动时间测试该部分测试解释器的启动时间如图所示，Python 2.7 是所有测试版本中启动速度最快的。注：此处暂不讨论 PyPy 的测试结果，文末再谈。

2018-07-19

基于Python装饰器的向量化计算速度对比

timer是一个装饰器，功能是给被装饰的函数计时。如果要进一步了解装饰器的使用，点击此链接Python闭包函数和装饰器 sumOfLoop函数是常规的使用for进行循环遍历求和的方法； sumOfComprehension函数使用推导式得出新的列表，然后用内置sum函数求出列表的和； sumOfVectorization函数使用np.dot方法求出两个数据类型的为numpy.ndarray的对象的点积，两个向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的点积定义为：a·b=a1b1+a2b2+……+anbn。 np.random.rand()方法需要传入一个参数，例如传入参数为5，则返回一个数据类型为numpy.ndarray、长度为5、其中元素的值范围为0-1的对象，如下图所示： np.random.rand()方法.png from time import time import numpy as np def timer(func): def inner(*args,**kwargs): start = time() result = func(*args,**kwargs) end = time() usedTime = 1000 * (end - start) print("%s function used %.2f ms,return %.4f" %(func.__name__,usedTime,result)) return result return inner @timer def sumOfLoop(np_array): result = 0 for i in np_array: result += i * i return result @timer def sumOfComprehension(np_array): return sum([i * i for i in np_array]) @timer def sumOfVectorization(np_array): return np.dot(np_array,np_array) if __name__ == "__main__": print("计算小数平方和三种方法对比:") n = np.random.rand(3000000) a = sumOfLoop(n) print(a) sumOfComprehension(n) sumOfVectorization(n) print("计算整数平方和三种方法对比:") n = np.array(range(3000000)).astype('int64') sumOfLoop(n) sumOfComprehension(n) sumOfVectorization(n) 本文作者在2018年7月13日晚11点的运行结果如下：计算小数平方和三种方法对比: sumOfLoop function used 1036.76 ms,return 999213.4882 sumOfComprehension function used 1103.75 ms,return 999213.4882 sumOfVectorization function used 2.00 ms,return 999213.4882 计算整数平方和三种方法对比: sumOfLoop function used 545.89 ms,return 8999995500000499712.0000 sumOfComprehension function used 718.86 ms,return 8999995500000499712.0000 sumOfVectorization function used 5.00 ms,return 8999995500000499712.0000

2018-07-13

Java中哪个JSON库的解析速度是最快的?

Java中哪个JSON库的解析速度是最快的? JSON已经成为当前服务器与WEB应用之间数据传输的公认标准，不过正如许多我们所习以为常的事情一样，你会觉得这是理所当然的便不再深入思考了。

2018-02-27

公司上网速度极慢（断网）解决思路_网络TS

20171107 下午5点接到下属单位反馈，上网速度很慢前因：修改了专线的路由现象：公司所有电脑的QQ、微信都可以上，但是网页打开速度超级慢，需要等3-5分钟他把原来核心交换机的配置文件恢复到了之前的备份还是不行

2017-11-12

[转]Android笔记： android APP 内存与速度的优化问题

虚拟机版本和处理器各部相同，因此运行在之上的速度也大不一样。但这并且不是简单的A比B快或慢，并能在设备间做出排列。特别的，模拟器上只能评测出一小部分设备上体现的东西。

2017-11-07

如何将iOS项目的编译速度提高5倍

最大的特色是智能的增量编译可以极大地提高构建速度。最早听说 Buck 的时候，它还只能用在安卓上，现在已经适配了 iOS。

2017-11-01

制造业变革不变的是速度、效率和质量

但是归根结底，制造业要回归到基础，即保证速度、灵活性、效率、质量和安全。他表示，“这次工业革命是从数字化到智能化，要做到智能化首先要实现数字化，数字化是制造业转型基础。

2017-09-04

AWS CIO:速度与激情企业云旅程五步走

在此期间，大家有机会成功降低成本、提高执行速度并发展新型技能，同时为客户带来更加可靠且全局可用性更高的服务内容。目前尚未踏上这段旅程的企业则正在考虑如何才能将云技术引入自己的现有环境。

2017-08-02

明年蓝牙速度翻番范围扩大欲做物联网根基

蓝牙LE或智能蓝牙的覆盖范围将在现有的100米基础上扩大4倍，传输速度将会提升一倍，但不增加能耗。

2017-08-01

蓝牙技术明年迎升级：距离增3倍速度翻番

据外媒VentureBeat报道，蓝牙技术联盟(SIG)公布了2016年及之后蓝牙技术的部分重大变化，包括传输距离和速度方面的升级。

2017-08-01

惠普非易失内存计算系统：速度飙8000倍

按照实测数据，在替换掉传统硬盘之后，这套系统处理速度快了8000倍，未来应用在高级的性能计算、服务器上前景可期，同时也能下放到物联网场景。

2017-07-10

Android 端 Chrome 59 发布：页面加载速度最高提升 20%

在 Chrome v59.0.3071.92 版本中，由于对 V8 JavaScript 引擎进行升级使网页加载速度变得更快。Google 官方表示相比较此前版本，页面加载速度提升20%。

2017-06-09

DDoS 攻击次数在下降，但速度和规模在增加

然而，最近对网络犯罪记者Brian Krebs和法国互联网主机提供商OVH的DDoS攻击打破了速度和规模的记录。

2017-06-04

杭州装上“城市大脑”——车辆通行速度最高提升11%

在杭州萧山区的部分路段初步试验中，城市大脑通过智能调节红绿灯，车辆通行速度最高提升了11%。 “城市大脑是个大胆而有创意的计划，也是智慧城市结合人工智能技术的必然产物。”

2016-11-24

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

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。