深入简出零拷贝及应用 深入简出零拷贝及应用1. 传统文件传输过程传统文件传输过程:需要cpu 全程参与数据搬运,效率低引入DMA技术:通过DMA控制器完成磁盘到内核缓存区的数据拷贝工作零拷贝的定义:减少用户态和内核态之前的上下文切换次数& 减少 cpu 拷贝次数 1234read(file, tmp_ buf, len);//从磁盘读取文件write(socket, tmp_buf, len)// 通过网络协议 2025-03-22 其他 #零拷贝
Go 语言工程实践之测试 Go 语言工程实践之 测试是避免事故的最后一道屏障 回归测试:在软件经过修改(如修复错误、添加新功能等)后,重新对软件开展的测试,目的在于确保修改未引入新错误且已通过测试的功能依旧正常运行。 集成测试:在单元测试基础上,将已通过单元测试的各单元依软件设计架构组合起来进行测试,重点关注单元间接口的正确性以及协同工作时整体功能的实现情况。 单元测试:对软件中最小可测试单元(如函数、方法、类等)进行的 2025-03-22 编程语法 > go #go #测试
Go语言进阶与依赖管理 Go语言进阶与依赖管理Go语言进阶一、Goroutine 协程并发与并行概念 并发: 多线程程序在一个核的cpu上运行 并行: 多线程程序在多个核的cpu上运行 Go 语言可以充分发挥多核优势,高效运行。它能够很好地利用现代计算机的多核架构,将任务合理分配到不同的核心上进行并行处理 协程: 用户态,轻量级线程,栈 KB 级别线程: 内核态,线程跑多个协程,栈 MB 级别 线程与协程关系:线程 2025-03-22 编程语法 > go #go #依赖
ClickHouse DDL [TOC] ClickHouse DDLIDEA 连接 Clickhouse 问题解决方案: 驱动可能不能正常下载:选择手动本地添加 LZ4 压缩算法不支持报错:修改 Data Source & Drivers => Advanced => compress_algorithm => 从 lz4 修改为 gzip create datab 2025-03-22 大数据 > ClickHouse #ClickHouse #大数据
ClickHouse Theory [TOC] ClickHouse Theory特点(快)C++开发,列式数据库,在线分析处理,SQL查询,实时分析 表引擎四大类,20多种引擎,如:MergeTree 高速读写:类 LSM Tree结构。类似 HBase Memcache写入,版本与时间戳,后台定期 Compact,Merge Sort后落盘,Major Compact 后历史版本删除。顺序写入 append,且写入后只读。 数据 2025-03-22 大数据 > ClickHouse #ClickHouse #大数据
Centos安装ClickHouse21.7.3.14单机&集群&分片集群 [TOC] Centos安装ClickHouse21.7.3.14单机&集群&分片集群一、单机安装1、删除旧的 查找rpm包 12rpm -qa|grep clickhouseyum list installed|grep clickhouse 删除 1234yum -y remove lickhouse-client-21.7.3.14-2.noarchyum -y re 2025-03-22 大数据 > ClickHouse #ClickHouse #大数据
ClickHouse总体学习 [TOC] ClickHouse总体学习 本篇ClickHouse版本21.7.3.14,面向快速全面了解ClickHouse下面文档链接是最新的,可以查看官方文档了解最新信息 一、简介什么是 ClickHouse? | ClickHouse Docs ClickHouse 是俄罗斯的 Yandex 于 2016 年开源的列式存储数据库(DBMS),使用 C++语言编写,主要用于在线分析处理查询 2025-03-22 大数据 > ClickHouse #ClickHouse #大数据
城市搜索之Arkts实现 X叶域Q的主页-鸿蒙开发者社区-51CTO.COM 城市搜索之Arkts实现在当今数字化时代,城市搜索功能在众多应用场景中都有着极为重要的地位,无论是旅游出行规划、本地生活服务查询,还是地理信息系统相关的应用开发,高效且精准的城市搜索都能极大地提升用户体验。 默认全部显示 拼音搜索 文字搜索 一、Arkts 简介ArkTS 是鸿蒙操作系统首选开发语言,在 TypeScript 2025-03-22 Openharmony #Arkts
人工智能与深度学习入门 一、人工智能的发展历程 一是起步发展期:1956年—20世纪60年代初。人工智能概念提出后,相继取得了一批令人瞩目的研究成果, 如机器定理证明、跳棋程序等,掀起人工智能发展的第一个高潮。 二是反思发展期:20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望,人们开始尝试更具挑战性的任务,并提出了一些不切实际的研发目标。然而,接二连三的失败和预期目标的落空 2025-03-22 ai #cnn #ai
卷积神经网络 卷积神经网络一、卷积神经网络的提出卷积神经网络的提出1980年日本NHK技术研究所的研究员福岛邦彦(Kunihiko Fukushima)提出最早期的卷积网络。 2020年鲍尔奖之科学成就奖。获奖理由: 他将神经科学和工程学的原理联系起来,发明了一种具有视觉模式识别能力的神经网络,从而推动了当今人工智能的兴起。 LeNet-5Yann LeCun等在1998年,论文《Gradient-based 2025-03-22 ai #cnn #ai