积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部数据库(5)MySQL(5)云计算&大数据(5)前端开发(3)综合其他(2)JavaScript(2)人工智能(2)RocketMQ(2)系统运维(1)Linux(1)

语言

全部中文(简体)(16)

格式

全部PDF文档 PDF(15)PPT文档 PPT(1)
 
本次搜索耗时 0.026 秒,为您找到相关结果约 16 个.
  • 全部
  • 数据库
  • MySQL
  • 云计算&大数据
  • 前端开发
  • 综合其他
  • JavaScript
  • 人工智能
  • RocketMQ
  • 系统运维
  • Linux
  • 全部
  • 中文(简体)
  • 全部
  • PDF文档 PDF
  • PPT文档 PPT
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单

    将数据转化为统计图、热力图、网络关系图、词云、树形 图等,用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质:以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet  平衡性能:在模型大小和 性能之间取得平衡,适合 中等规模任务。  多模态支持:支持文本和 图像处理,扩展应用场景。  可解释性:注重模型输出 的可解释性和透明性。 DeepSeek R1  高效推理:专注于低延迟和 供定制化的AI解决方案,如智能客服、营销 和办公工具,提升企业竞争力。 • 开源AI教育平台:借助DeepSeek R1 的低成本特性,创建开源AI教育平台,提供 免费课程和实验资源,促进AI教育普及。 • 智能编程教育助手:为编程学生提供实 时编程指导,自动生成代码示例,帮助解决 编程难题。 • 自动化代码审查工具:自动审查代码, 发现潜在问题并提供优化建议,提升开发效 率与代码质量。 新思路:Open 数据报告自动化生成:基于o3mini自动 生成格式化的数据报告,包括图表、表格和文 字说明,帮助管理者快速理解分析结果。 • 数据接口标准化:根据标准格式输出数据, 利用o3mini方便不同系统和平台之间的数据 共享,提升跨机构协作效率。 • 情感分析与数据解读:利用o3mini结合 情感分析,对数据进行深入解读,帮助市场调 研等领域理解消费者情感,优化产品和策略。 • 故事化数据呈现:借助o3mini将数据以
    0 码力 | 85 页 | 8.31 MB | 7 月前
    3
  • pdf文档 MySQL 8.0.17 调优指南(openEuler 20.09)

    2 调优原则 性能调优从大的方面来说,在系统设计之初,需要考虑硬件的选择,操作系统的选 择,基础软件的选择;从小的方面来说,包括每个子系统的设计,算法选择,如何使 用编译器的选项,如何发挥硬件最大的性能等等。 在性能优化时,我们必须遵循一定的原则,否则,有可能得不到正确的调优结果。主 要有以下几个方面: ● 对性能进行分析时,要多方面分析系统的资源瓶颈所在,因为系统某一方面性能 低,也许并不是 低,也许并不是它自己造成的,而是其他方面造成的。如CPU利用率是100%时, 很可能是内存容量太小,因为CPU忙于处理内存调度。 ● 一次只对影响性能的某方面的一个参数进行调整,多个参数同时调整的话,很难 界定性能的影响是由哪个参数造成的。 ● 由于在进行系统性能分析时,性能分析工具本身会占用一定的系统资源,如CPU 资源、内存资源等等。我们必须注意到这点,即分析工具本身运行可能会导致系 统某方面的资源瓶颈情况更加严重。 1 ● 必须保证调优后的程序运行正确。 ● 调优过程是迭代渐进的过程,每一次调优的结果都要反馈到后续的代码开发中 去。 ● 性能调优不能以牺牲代码的可读性和可维护性为代价。 1.3 调优思路 性能优化首先要较为精准的定位问题,分析系统性能瓶颈,然后根据其性能指标以及 所处层级选择优化的方式方法。 下面介绍MySQL数据库具体的调优思路和分析过程,如图1所示。 调优分析思路如下: 1
    0 码力 | 11 页 | 223.31 KB | 1 年前
    3
  • pdf文档 清华大学 DeepSeek 从入门到精通

    维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务(如诗歌创作) 需要严格逻辑链的任务(如数学证明) 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强,仅在其训练目标领域显著优于通用模型 通用场景更灵活,但专项任务需依赖提示语补偿能力 • 例如:GPT-3、GPT-4(O le),主要用于语言生成、语言理解、文本分类、翻译 等任务。 快思慢想:效能兼顾 全局视野 概率预测(快速反应模型,如ChatGPT 4o) 链式推理(慢速思考模型,如OpenAI o1) 性能表现 响应速度快,算力成本低 慢速思考,算力成本高 运算原理 基于概率预测,通过大量数据训练来快速预测可能 的答案 基于链式思维(Chain-of-Thought),逐步推理 问题的每个步骤来得到答案 多轮 迭代促进创新 优化任务执行效率 任务指令元素 + 结构元素 + 格式 元素 长度元素 + 风格元素 通过清晰的任务指令和预定义的结构提高执行效率,同时确保输出符合特定的 格式和风格要求 提升输出一致性 风格元素 + 知识域元素 + 约束条 件元素 格式元素 + 质量控制元素 通过统一的风格和专业领域知识确保输出的一致性,同时使用约束条件和质量 控制维持标准 增强交互体验 迭代指令元素
    0 码力 | 103 页 | 5.40 MB | 8 月前
    3
  • pdf文档 2022 Apache Ozone 的最近进展和实践分享

    Ozone的实践分享 ⼤数据存储的需求 能否提供⾼并发读取和写⼊ 是否兼容主流API,如HDFS/S3 是否可以扩展⾄数百PB的存储容量,数千个 物理节点以及数⼗亿个对象 扩展性 API 兼容性 性能 是否⽀持存算分离架构同时也可以兼容存算耦合 架构 应⽤对接 安全 加密 HDFS现有的⼀些解决⽅案 Namenode Federation Router Based Federation HIVE/IMPALA/SPARK KAFKA / FLINK 计算 OTHER WORKLOADS OTHER WORKLOADS X • 可⽤于承载实时和批处理的业务 • 扩展性提升 • ⽆需改变或改造业务应⽤代码 • 降低控制平⾯的节点数和服务依赖 业务价值 • 降低⼤规模集群的运维难度 • 可通过HDFS API和Distcp进⾏快速迁移 • 降低系统恢复时间 • 性能影响,频繁open/close实例 • 磁盘使⽤量,不可精准预测 • 稳定性,频繁open/close⾮RocksDB的推荐⽤法, 容易触发潜在问题 解决办法 - 单盘单RocksDB实例 单盘单RocksDB实例 • 除了Container的删除,其他操作V3都要⽐V2有数量级的提升 • 随着单盘Container数量的增多,V2的各操作性能出现下降,⽽V3性能基本没有变化
    0 码力 | 35 页 | 2.57 MB | 1 年前
    3
  • pdf文档 MySQL高可用 - 多种方案

    点都是 secondary 模式的时候才可以将 dbserver2 设置成 primary。 d) 在 dbserver2 上执行 drbdadm primary all,将 dbserver2 提升为主模 式,并观察/proc/drbd 是否正常。 e) 在 dbserver2 上执行 mount /dev/drbd0 /drbd 挂在文件系统。 f) 启动 dbserver2 的 chinaunix.net/uid-20639775-id-3088302.html http://blog.chinaunix.net/uid-20639775-id-154518.html 《高性能 MySQL(第 2 版)》
    0 码力 | 31 页 | 874.28 KB | 1 年前
    3
  • pdf文档 RocketMQ v3.2.4 开发指南

    65535,返种优兇级问题一般使用丌同 topic 解决就非常丌合 项目开源主页:https://github.com/alibaba/RocketMQ 5 适。如果要让 MQ 解决此问题,会对 MQ 的性能造成非常大的影响。返里要确保一点,业务上是否确实需 要返种严格的优兇级,如果将优兇级压缩成几个,对业务的影响有多大? 4.3 Message Order 消息有序挃的是一类消息消费时,能挄 挂掉重启后仍然能将乀前内存的数据恢复出来。 JMS 不 CORBA Notification 规范没有明确说明如何持丽化,但是持丽化部分的性能直接决定了整个消息中间件 的性能。 RocketMQ 参考了 Kafka 的持丽化方式,充分利用 Linux 文件系统内存 cache 来提高性能。 4.6 Message Reliablity 影响消息可靠性的几种情冴: (1). Broker 正常关闭 生,在此单点上的消息全部丢失。RocketMQ 在返两种情冴下,通 过异步复制,可保证 99%的消息丌丢,但是仍然会有极少量的消息可能丢失。通过同步双写技术可以完全避免单点, 同步双写势必会影响性能,适合对消息可靠性要求极高的场合,例如不 Money 相关的应用。 RocketMQ 从 3.0 版本开始支持同步双写。 4.7 Low Latency Messaging 在消息丌堆积情冴下,消息到达
    0 码力 | 52 页 | 1.61 MB | 1 年前
    3
  • ppt文档 谈谈MYSQL那点事

    文件引擎中速度最快的 • 不支持一些数据库特性,比如 事务、外键约束等 不支持一些数据库特性,比如 事务、外键约束等 • Table level lock Table level lock ,性能稍差,更适合读取多的操作 ,性能稍差,更适合读取多的操作 InnoDB InnoDB 特点 特点 •使用 使用 Table Space Table Space 的方式来进行数据存储 的方式来进行数据存储 ib_logfile0) • 支持 事务、外键约束等数据库特性 支持 事务、外键约束等数据库特性 • Rows level lock , Rows level lock , 读写性能都非常优秀 读写性能都非常优秀 • 能够承载大数据量的存储和访问 能够承载大数据量的存储和访问 • 拥有自己独立的缓冲池,能够缓存数据和索引 拥有自己独立的缓冲池,能够缓存数据和索引 MySQL 架构设计—应用架构 MySQL 架构设计—高可用架构  系统优化:硬件、架构 系统优化:硬件、架构  服务优化 服务优化  应用优化 应用优化 MySQL MySQL 优化方式 优化方式 影响性能的因素 影响性能的因素 应用程序 应用程序 查询 查询 事务管理 事务管理 数据库设计 数据库设计 数据分布 数据分布 网络 网络 操作系统 操作系统 硬件 硬件  使用好的硬件,更快的硬盘、大内存、多核
    0 码力 | 38 页 | 2.04 MB | 1 年前
    3
  • pdf文档 Apache Pulsar,云原生时代的消息平台 - 翟佳

    运维痛点:替换机器、服务扩容、数据 rebalance • 减少⽂件系统依赖 • 性能难保障: 持久化(fsync)、⼀致性(ack: all)、多Topic • IO不隔离:消费者读Backlog的时候会影响其他⽣产者和消费者 streamnative.io Apache Pulsar 特性 • 云原⽣架构: • 存储计算分离 • 分层 + 分⽚ • ⾼性能 + 强⼀致性 • ⽀持统⼀的 Queue 和 Stream openLedger(5, 3, 2) streamnative.io 企业级流存储层: 读写⾼可⽤性(容错) streamnative.io 企业级流存储层: 稳定的 IO 质量 ⾼性能、强⼀致性、读写隔离、灵活SLA • Pulsar 的根本不同 • Apache Pulsar 简介 • Pulsar 的云原⽣架构 • 企业级流存储: BookKeeper streamnative
    0 码力 | 39 页 | 12.71 MB | 5 月前
    0.03
  • pdf文档 基于go和flutter的实时通信/视频直播解决方案 段维伟

    WebRTC框架(防火墙,编译环境) • 原生SDK开发(每平台人力投入) • UI 的一致性,更新迭代(类似SDK需按平台维护) • 性能问题(全部使用html5) 客户端是否有 更好的选择? 为何选择 Flutter • 同样是 Google 发起的跨全平台高性能UI框架 • 基于 Skia 2D 渲染引擎 • 使用类似JS/TS的Dart 语言开发 • 支持代码编辑后热重载, Flutter 基于pion/webrtc 开发 pion/ion-sfu • 分布式架构 • 基于grpc over NATS mq • 使用redis 存储媒体流全局位置 • 支持业务自定义开发 • 高性能,单个ion-sfu节点 1k 并发仅需 0.5核 ION 架构 多node 架构 主要模块 • ISLB 服务发现,负载均衡,媒体信息全局存储 • Biz 业务接入模块 • SFU 节点
    0 码力 | 38 页 | 2.22 MB | 1 年前
    3
  • pdf文档 Ubuntu 桌面培训 2010

    的样子的。 自由分发的源代码的想法是为了鼓励人们自愿地、相互协同地开发软件。用户不断参 与增强软件、修复缺陷、开发新功能并且和其他人分享。 大量的程序员参与到软件协作开发之中,用户可以获得质量和性能比专有软件更好的 开源软件。开源软件鼓励用户对软件进行自定义,使其满足自身需要。这是一个巨大 的进步,软件不再是一成不变的。 2 自由软件运动、开源和 Linux 目录 Lucid Lynx 盘启动并 运行系统。如果您喜欢它,再安装;如果不,您还可以把它送给需要的朋友。Live CD 在恢复系统时也很有用。 二者的安装都比较简单,运行安装光盘然后启动电脑,安装所花费时间取决于计算 机的性能,平均需要 10 到 20 分钟。 • 软件安装在 Ubuntu 中,您可以使用 Ubuntu 软件中心和新立得软件包管理器来 添加软件。在 Ubuntu 软件中心里您可以从 Ubuntu 推荐的自由软件中选择您想 您可以从其 中选择一个。 探索 Ubuntu 桌面 53 Ubuntu 桌面培训 目录 图 II.36 配 置 视 觉 效 果 如果您想要一个没有任何特效的普通桌面,选择无。如果您想要一个在性能和外观之 间平衡的桌面,选择正常。如果您想要更丰富的桌面效果,比如窗口抖动、桌面立方 体等等,选择扩展。比如说窗口抖动效果,在您等待更新完成或者邮件客户端收取邮 件的时候,您可以打开窗口抖动特效,那些窗口就会开始舞动和出现
    0 码力 | 540 页 | 26.26 MB | 1 年前
    3
共 16 条
  • 1
  • 2
前往
页
相关搜索词
清华大学DeepSeekDeepResearch科研MySQL8.017调优指南openEuler20.09清华华大大学入门精通ApacheOzone最近进展实践分享高可用RocketMQ开发ApachePulsargocngoflutterrtcUbuntu桌面培训
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩