43 天前 / php-v
badfer是一个纯Go实现的快速的嵌入式K/V数据库，针对LSM tree做了优化。 安装$ gogetgithub.com/dgraph-io/badger/... 数据库打开一个数据库 opts := badger.DefaultOptions opts.Dir = "/tmp/badger" opts.ValueDir = "/tmp/badger" db, err := badger.Open(opts) if err != nil { log.Fatal(err) } defer db.Close() 存储存储kv使用 Txn.Set()方法 err := db.Update(func(txn *badger.Txn) error { err := txn.Set([]byte("answer"), []byte("42")) return err }) 批量设置wb := db.NewWriteBatch() defer wb.Cancel()......
49 天前 / 蚂蚁金服分布式架构SOFAStack
SOFAStack Scalable Open Financial Architecture Stack 是蚂蚁金服自主研发的金融级分布式架构，包含了构建金融级云原生架构所需的各个组件，是在金融场景里锤炼出来的最佳实践。 本文根据SOFA Meetup#1 北京站现场分享整理，完整的分享 PPT 获取方式见文章底部。 前言 SOFAJRaft 是一个基于Raft一致性算法的生产级高性能 Java 实现，支持 MULTI-RAFT-GROUP，适用于高负载低延迟的场景。SOFAJRaft 是从百度的braft移植而来，做了一些优化和改进，感谢百度 braft 团队开源了如此优秀的 C++ Raft 实现。 GitHub 地址： https://github......
51 天前 / hyper0x
原文地址: Allocation Efficiency in High-Performance Go Services, 没有原模原样的翻译, 但不影响理解。 关于工具我们的第一个建议就是: 不要过早优化。Go 提供了很棒的性能调优工具可以直接指出代码上哪里消耗了大量内存。没必要重复造轮子，建议读者阅读下 Go 官方博客上的这篇很赞的文章；里面会一步步教你使用 pprof 对 CPU 和内存进行调优。在 Segment 我们也是用这些工具去找到项目的性能瓶颈的。 用数据来驱动优化。 逃逸分析Go 可以自动的管理内存，这帮我们避免了大量潜在 bug，但它并没有将程序员彻底的从内存分配的事情上解脱出来......
55 天前 / colobu
The goal for this workshop is to give you the tools you need to diagnose performance problems in your Go applications and fix them. Through the day we’ll work from the small—learning how to write benchmarks, then profiling a small piece of code. Then step out and talk about the execution tracer, the garbage collector and tracing running applications. The remainder of the day will be a chance for you to ask questions, experiment with your own code.
60 天前 / php-v
关系数据库经过几十年的发展，已经非常成熟，但同时也存在不足： 存储的是行记录，无法存储数据结构 例如微博的关注关系，“我关注的人”是一个用户ID列表，使用关系数据库只能将列表拆成多行，然后查询组装，无法直接存储一个列表。 schema 扩展不方便 表结构是强约束的，业务变更时扩充很麻烦。 在大数据场景下 I/O 较高 如果对大数据量的表进行统计运算，I/O会很高，因为即使只针对某列进行运算，也需要将整行数据读入内存。 搜索功能较弱 全文搜索只能使用 Like 进行整表扫描，性能非常低。 针对这些不足，产生了不同的 NoSQL 解决方......
80 天前 / phperzone
DPVS是 iQiYi采用 DPDK技术开发的的高性能四层负载均衡器。与 Linux内核的 LVS（LinuxVirtualServer）相比，DPVS具有如下特点： 更高的性能：DPVS的包处理速度，1个工作线程可以达到 2.3Mpps，6个工作线程可以达到万兆网卡小包的转发线速（约 12Mpps)。这是主要因为DPVS 绕过了内核复杂的协议栈，并采用轮询的方式收发数据包，避免了锁、内核中断、上下文切换、内核态和用户态数据拷贝产生的性能开销。 更完善的功能：从转发转发模式看，DPVS 支持 DirectRouting（DR）、NAT、Tunnel、Full-NAT、SNAT五种转发模式，可以灵活适配各种网络应用场景......
140 天前 / Bd999
年底了，该给自己写个总结了，一个六年女Java程序员的心声>>> 老实说，写这篇文章其实是为了宣传我的框架，目前（在写这篇文章时）是beta.1版，还没有正式版发出。 那么接下来我们就来详细对比一下 React 和 Vue： 客观来说，作为 Ale 的核心开发者，我们肯定会更偏爱 Ale，认为对于某些问题来讲用 Ale 解决会更好。但是在此，我们想尽可能地公平和准确地来描述一切。其他的框架也有显著的优点，例如 React 庞大的生态系统，或者像是 Angular 和 Vue 有着众多应对大型项目的解决方案。我们会尝试着把这些内容全部列出来。 ReactReact 和 Ale 几......
147 天前 / openio
几乎所有互联网公司，Nginx可以说是标配组件，但是主要场景还是负载均衡、反向代理、代理缓存、限流等场景；而把Nginx作为一个Web容器使用的还不是那么广泛。Nginx的高性能是大家公认的，而Nginx开发主要是以C/C++模块的形式进行，整体学习和开发成本偏高；如果有一种简单的语言来实现Web应用的开发，那么Nginx绝对是把好的瑞士军刀；目前Nginx团队也开始意识到这个问题，开发了nginxScript：可以在Nginx中使用JavaScript进行动态配置一些变量和动态脚本执行；而目前市面上用的非常成熟的扩展是由章亦春将Lua和Nginx粘合的ngx_lua模块，并且将Nginx......
163 天前 / magicly
本文介绍 Julia 的并行计算。 Julia 中并行计算模型主要分为三大类： Coroutines Multi-Threading Multi-Core or Distributed Processing CoroutinesJulia 中的 coroutine（又叫 task）跟 Golang 中的 goroutine 比较像， 都是通过 Channel 交换数据。 Julia 中用put!放数据到 channel 中， 用take!取出数据， 也可以用fetch取数据， 但是不会从 channel 中移除。 如果 channel 满了，put!会 block， 如果空了，take!会 block。 下面代码开 4 个 task 从 channel 中取任务去干活， 然后把结果放到 result channel 中： functiontestTask() ......
164 天前 / magicly
前面两篇让代码飞起来——高性能 Julia 学习笔记（一）让代码飞起来——高性能 Julia 学习笔记（二）， 介绍了如何写出高性能的 Julia 代码， 这篇结合我最近的项目， 简单测试对比一下各种语言用 monte carlo 算法计算 pi 的效率。 首先声明一下， 本文不能算严格意义上的性能测试， 也不想挑起语言圣战， 个人能力有限， 实现的不同语言版本代码也未必是最高效的， 基本都是 naive 实现。 如果对 Monte Carlo 算法不熟悉， 可以参考下面两个资料， 我就不浪费时间重复了： https://zh.wikipedia.org/wiki/%E8%92%99%E5%9C%B0%E5%8D%A1%E7%BE%8......
166 天前 / magicly
首发于 https://magicly.me/hpc-julia-2/ 接上一篇：让代码飞起来——高性能 Julia 学习笔记（一）， 继续整理高性能 Julia 学习笔记。 数字Julia 中 Number 的 size 就跟 C 语言里面一样， 直接依赖于底层的 CPU/OS， 32 位 OS 上 integer 默认是 32 位， 64 位 OS 上 integer 默认是 64 位。 可以用bitstring查看 number 的二进制表示： julia>bitstring(3) "0000000000000000000000000000000000000000000000000000000000000011" julia>bitstring(-3) "1111111111111111111111111111111111111111111111111111111111111101" 有时候数字......
168 天前 / magicly
最近有个项目是计算密集型的， 最开始用 TS 快速实现了算法原型， 后来改用 Go 重写， Go 的 goroutine 用起来还是蛮爽的， 很容易把所有 cpu core 跑满。 不过随着代码逐渐复杂， 感觉用 Go 还是没有动态语言写起来爽， 性能也没有达到极致， 跟 C/C++/Rust 还是有一定差距，似乎对 GPU 和 SIMD 支持也不太好（不敢说对 Go 精通， 可能是我没找到合适的打开方式吧）。 一开始打算用 Rust 尝试一下， 之前用过一下， 性能确实可以（毕竟没有 runtime/GC），结果前段时间 Julia 发布 1.0，看了一下语法、性能等各方面都很适合， 遂决定用 Julia 写。......