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

全部云计算&大数据(4)数据库(3)MySQL(3)Kubernetes(2)后端开发(1)系统运维(1)Linux(1)RocketMQ(1)ffmpeg(1)边缘计算(1)

语言

全部中文(简体)(9)

格式

全部PDF文档 PDF(8)PPT文档 PPT(1)
 
本次搜索耗时 0.022 秒,为您找到相关结果约 9 个.
  • 全部
  • 云计算&大数据
  • 数据库
  • MySQL
  • Kubernetes
  • 后端开发
  • 系统运维
  • Linux
  • RocketMQ
  • ffmpeg
  • 边缘计算
  • 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 MySQL 8.0.17 调优指南(openEuler 20.09)

    某一方面性能 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 对于服务器端问题,需要定位的是硬件相关指标,例如CPU,Memory,Disk I/O,Network I/O,如果是某个硬件指标有问题,需要深入的进行分析。 4. 如果硬件指标都没有问题,需要查看数据库相关指标,例如:等待事件、内存命 中率等。 5. 如果以上指标都正常,应用程序的算法、缓冲、缓存、同步或异步可能有问题, 需要具体深入的分析。 瓶颈点 说明 硬件/规格 一般指的是CPU、内存、磁盘I/O方面的问题,分为服务器硬件瓶 2. 将“Support Smmu”设置为“Disable” 。 步骤2 关闭预取。 1. 在BIOS中,选择“Advanced>MISC Config”,单击Enter键进入。 2. 将“CPU Prefetching Configuration”设置为“Disabled”,单击F10键保存退 出。 ----结束 MySQL 8.0.17 调优指南(openEuler 20.09) 2
    0 码力 | 11 页 | 223.31 KB | 1 年前
    3
  • pdf文档 RocketMQ v3.2.4 开发指南

    (1). Broker 正常关闭 (2). Broker 异常 Crash (3). OS Crash (4). 机器掉电,但是能立即恢复供电情冴。 (5). 机器无法开机(可能是 cpu、主板、内存等关键设备损坏) (6). 磁盘设备损坏。 (1)、(2)、(3)、(4)四种情冴都属亍硬件资源可立即恢复情冴,RocketMQ 在返四种情冴下能保证消息丌丢,戒 者丢失少量数据(依赖刷盘方式是同步迓是异步)。 优点:即使频繁调用,使用小块文件传输,效率也很高 缺点:丌能很好的利用 DMA 方式,会比 sendfile 多消耗 CPU,内存安全性控制复杂,需要避免 JVM Crash 问题。 2. 使用 sendfile 方式 优点:可以利用 DMA 方式,消耗 CPU 较少,大块文件传输效率高,无内存安全新问题。 缺点:小块文件效率低亍 mmap 方式,只能是 BIO 方式传输,丌能使用 com/alibaba/RocketMQ 29 1. 使用 CPU 资源来换叏网卡流量资源 2. FilterServer 不 Broker 部署在同一台机器,数据通过本地回环通信,丌走网卡 3. 一台 Broker 部署多个 FilterServer,充分利用 CPU 资源,因为单个 Jvm 难以全面利用高配的物理机 Cpu 资源 4. 因为过滤代码使用 Java 诧言来编写,
    0 码力 | 52 页 | 1.61 MB | 1 年前
    3
  • ppt文档 谈谈MYSQL那点事

    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 使用好的硬件,更快的硬盘、大内存、多核 CPU CPU ,专业的 ,专业的 存储服务器( 存储服务器( NAS NAS 、 、 SAN SAN ) )  设计合理架构,如果 设计合理架构,如果 MySQL MySQL 访问频繁,考虑 访问频繁,考虑 order by order by 字句,避 字句,避 免 免 额为的开销 额为的开销 采用连接操作,避免过多的子查询,产生的 采用连接操作,避免过多的子查询,产生的 CPU CPU 和 和 IO IO 开销 开销  只关心需要的表和满足条件的数据 只关心需要的表和满足条件的数据  适当使用临时表或表变量 适当使用临时表或表变量  对于连续的数值,使用 对于连续的数值,使用
    0 码力 | 38 页 | 2.04 MB | 1 年前
    3
  • pdf文档 强大的音视频处理工具: FFmpeg

    using SAR using SAR==1/1 1/1 [[libx264 @ 0xce0e540 libx264 @ 0xce0e540]] using cpu capabilities: MMX2 SSE2Fast using cpu capabilities: MMX2 SSE2Fast [[libx264 @ 0xce0e540 libx264 @ 0xce0e540]] profile
    0 码力 | 73 页 | 11.57 MB | 1 年前
    3
  • pdf文档 A Day in the Life of a Data Scientist Conquer Machine Learning Lifecycle on Kubernetes

    deployment, scaling, and management of containerized applications • Declarative • Can be a mix of GPU or CPU nodes • Massive Scale • OpenAI dedicates up to 10k cores for a single experiment • Autoscaling capabilities:
    0 码力 | 21 页 | 68.69 MB | 1 年前
    3
  • pdf文档 Manage Edge Nodes with KubeEdge and Case Study

    bandwidth/High latency • Unstable connectivity • Heterogeneous hardware • Memory: 64MB ~ 100+ GB • CPU: AMD64/ARM/MIPS… Manage Edge Nodes with KubeEdge • Goal • Manage Edge Nodes together with Nodes
    0 码力 | 11 页 | 1.42 MB | 1 年前
    3
  • pdf文档 基于 KUBERNETES 的 容器器 + AI 平台

    User User group Namespace Deployment Registry 
 project CI/CD workspace Pod … resources CPU quota MEM quota Storage quota Device (GPU) quota …. quota Service Config group … k8s
    0 码力 | 19 页 | 3.55 MB | 1 年前
    3
  • pdf文档 Kubernetes Operator 实践 - MySQL容器化

    replicas: 3, version: "5.5", port: 3613, storage: {type: "local", size: "80G"}, resources: { request: {cpu: 4, memory:8}}}}' http://***/apis/mysql.biz.sogou/v1/namespaces/default/mysqlclusters CLI 方式 REST
    0 码力 | 42 页 | 4.77 MB | 1 年前
    3
  • pdf文档 Ubuntu 桌面培训 2010

    建模和 游戏。操作系统需要进行复杂的计算以使 3D 图像显示在 2D 屏幕上。因而,为了减 轻操作系统的负担和加速应用程序,3D 加速卡开发出来了。加速卡使用显卡上的图形 处理器而不是消耗宝贵的 CPU 资源。几乎所有的现代显卡都内建显示 3D 的加速功 能。 Ubuntu 将显卡的 3D 功能利用于桌面特效。其显见的一例便是 Compiz Fusion – 旋转立方体、浮动窗口等。Compiz 系统或者可以使用 LiveCD 或 LiveUSB 启动电脑,可以使用 如下命令查看: cat /proc/cpuinfo |grep lm 如果能够看到输出,表示您的 CPU 支持 AMD64,如果没有输出则表示不支持。 如果很遗憾,您的 CPU 不支持 AMD64,但是您的内存却超过了 32 位系统支持的最大量(4GiB)... 这时可以使用 linux-image-server 或者 linux-image-generic-pae
    0 码力 | 540 页 | 26.26 MB | 1 年前
    3
共 9 条
  • 1
前往
页
相关搜索词
MySQL8.017调优指南openEuler20.09RocketMQ开发mediaprocessffmpegKubeConChinaMLLifecycleKubeEdgeKUBERNETESKubernetesOperatorUbuntu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