## 构建强一致性分布式数据库 TiDB 沈泰宁 R & D Engineer @ PingCAP ## 极客时间 | 企业服务 ## 想做团队的领跑者 需要迈过这些“槛” 成长型企业，易忽视人才体系化培养企业转型加快，团队能力又跟不上 团队成员技能水平不一， 难以一“敌”百人需求 寻求外部培训，奈何价更高且集中式学习 学习效果难以统计，产生不良循环 VS VS VS

## PyTorch ## 基本数据类型 主讲人：龙良曲 ## All is about Tensor |python|PyTorch| |---|---| |Int|IntTensor of size()| |float|FloatTensor of size()| |Int array|IntTensor of size \[d1, d2, ...]| |Float array|FloatTensor

和平统一 # 微服务场景下的数据一致性解决方案 殷湘 华为PaaS微服务架构师 开源能力中心  ## 大纲 • 离 数据一致性的起因 • 合 数据一致性的解决方案 • 断 方案选择建议 ## 离 数据一致性的起因  ## 单体应用 • 单体应用由于所有模块(A/B/C)使用同一个数据库 • 数据一致性通过数据库事务保证  ## 微服务场景 ## 数据一致性无法完全通过数据库保证 离 独立进程  独立部署 独立技术 独立团队 MongoDB Cassandra ## 合 数据一致性的解决方案 ## Saga • 1987年Hector & Kenneth 发表论文 Sagas • Saga = Long Live Transaction (LLT) • LLT =

2; } bate::timing("main"); return 0; } ## 使用 int64_t ：每个占据 8 字节 • 如果用更大的数据类型，用时会直接提升两倍！ 这是因为 i%2 的计算时间，完全隐藏在内存的超高延迟里了。 - 可见，当数据量足够大，计算量却不多时，读写数据量的大小唯一决定着你的性能。 - 特别是并行以后，计算量可以被并行加速，而访存却不行。 ：每个占据 1 字节 - 因此我们可以把数据类型变小，这样所需的内存量就变小，从而内存带宽也可以减小！ - 对于右边这种内存瓶颈的循环体，从 4 字节的 int 改成 int8_t，理论上可以增加 4 倍速度！ - 这就是量化数据类型的思想，把占空间大的数据类型转换成较小的（损失一定精度，换来性能）。 因此如果你的程序不需要那么高精度，可以考虑用小点的数据类型。main: 0.120654s int

(StrategyNumber) PG_GETARG_UINT16(2); /* Oid subtype = PG_GETARG_OID(3); */ data_type *key = Datum 数据类型 (entry->key); double retrieval; /* * determine return value as a function of strategy