腾讯云新版本监控（5秒粒度）已经灰度3个多月了，原有的分钟级粒度的监控版本仍然会继续保留一段时间，有条件的企业和开发者推荐升级至5秒监控，后续官方应该会提供合适的升级方案。
牛年跳槽季，惨遭开门黑，谨以此文纪念笔者的首次腾讯面试经历。经老师，微软MVP大佬推荐，有幸拿到了腾讯.NET Core高开面试机会，二面却挂在一个最常见的问题上，“你上家公司电商平台的TPS、QPS是多少，怎么应对增长的？”，一是当时脑子短路，几个词都混淆了，二是日常项目的几个数据确实没有关心，一问就傻了。这不回来了就去整理了一波相关知识，这会儿也给大家分享下！
我跟几位BAT老哥聊了下NLP全路径学习的事情，总结出以下内容，包含： 学习NLP需要具备哪些基础 NLP全路径各任务学习的项目 01 学习NLP需要具备的基础 01 机器学习 熟悉简单的机器学习模型。例如：逻辑回归、决策树、朴素贝叶斯、隐马尔科夫模型、K-Means、正则化方法等；有部分高级机器学习基础更好。例如：集成学习（随机森林、GBDT、XGB、Stacking等）、条件随机场CRF、贝叶斯网络、支持向量机、主题模型等。 02 深度学习 熟悉简单的神经网络基础。例如：神经元模型、多层感知机、反向传播
Jmeter Suite是一套分布式的压测服务，需要有1台或者多台机器组成的K8S集群进行部署。所以在部署压测服务之前，请先自行购买机器。
早就听过CPU火焰图的强大功能，也听过几个火焰图工具，今天终于开始尝试使用CPU火焰图生成工具。
检查腾讯云数据库 MySQL 主从延迟的情况，若延迟过高，可能会导致数据库 RO 实例被剔除，主从 HA 切换时间过长或者失败等风险。
最近看到一个网友在问（请问一下，每天3~4W次的读写，用什么样子的配置比较好，麻烦推荐一个配置，谢谢 MySQL5.7的.）看着应该是一个比较简单的场景，不过笔者通过这问题在想云MySQL不同的配置他的性能究竟如何？如果推荐了这个用户配置后，他的业务又涨了该如何再选择其他的配置？ 所以这里我们可以来测试一下云MySQL的性能，从测试数据上看是否可以更好的解答此用户的问题。
集群配置为：8 个 node 节点，16 核 32G，索引 4 分片 1 副本。应用程序的查询逻辑是按经纬度排序后找前 200 条文档。
系统设计在面试中一定是最让面试者头疼的事情之一。 因为系统设计相关的问题通常是开放式的，所以没有标准答案。你在和面试官思想的交流碰撞中会慢慢优化自己的系统设计方案。理论上来说，系统设计面试也是和面试官一起一步一步改进原有系统设计方案的过程。
这篇博文主要谈MySQL数据库发展周期中所面临的问题及优化方案，暂且抛开前端应用不说，大致分为以下五个阶段：
文章https://cloud.tencent.com/developer/article/1753788 已经简述了Jmeter Suite的操作过程，为了更为详细地介绍操作过程，尽可能做到看文章就会用工具，特此写了一篇详细说明。
之前写Kafka Client Go实践的时候，跟一位粉丝交流，Go语言的channel实现和Java的多线程实现的性能问题。就想做一次两者的性能测试进行对比。可惜Go语言用得少，还没形成快速进行性能测试的基础能力。所以得建设一些基础设施之后才行，今天分享一下，基于Go语言的动态QPS压测模型实现，算是基础能力建设的一部分了。
我又来水文推荐好东西了，可能因为近期是春招找实习的好时机，不少学生党都来找我问一些求职意见和简历修改意见，不过问的比较多的还是希望我推荐一些可以写在简历上的项目，毕竟 Web 服务器已经烂大街了。
稳定性设计第一篇：在分布式系统下，线上的某一个功能按钮背后会有很多个服务共同完成，这些服务之间有依赖关系，且有一定的顺序调用。那么这些服务如果其中有一个环节出现问题，会带来一些连锁反应。
TiDB正式线上前，总是要对TiDB做个压测来为后续的业务接入做评估依旧；本次针对TiDB 5.0以及MySQL 8.0在同等规格配置下，性能做一个对比，尽管来说这么对比，可比性不是很强，但是起码能为后续业务的接入以及上线有一个理论依旧；
前面的几篇文章从生产全链路压测的定义，内部立项和技术调研，聊到了测试验证以及全链路压测的对企业业务和技术团队的价值，算是整体上的构建一个认知的概念。
🎉🎉为了给大家提供更加安全、可靠的DNS服务，腾讯云解析新增DNS安全防护数据可视化特性。
简介：随着非结构化数据的持续增长和人工智能（AI）以及大语言模型（LLM）的爆火，向量数据库已成为至关重要的基础设施。在这种趋势下，如何评估并挑选出最适合您的向量数据库呢？本文将深入探讨向量数据库的关键评估指标和性能测试工具。同时，本文还将介绍如何评估向量数据库性能助您做出明智的决策。
前两天有一个需求，需要访问某API服务器请求数据，该服务器限制了QPS=2(哈哈应该都知道是哪个服务器了吧_(:з」∠)_)，因为QPS很小所以就使用阻塞式请求。后来开通了服务，QPS提高到了20，阻塞式请求满足不了这个QPS了，于是使用了GRequests来并发请求数据，但这里又遇到了一个问题：并发太快，服务器通过发送错误码拒绝了很多数据的响应，造成了资源的浪费。 故在此记录以下几种 节流(Throttle) 方法：
随着微服务的流行，服务和服务之间的稳定性变得越来越重要。缓存、降级和限流是保护微服务系统运行稳定性的三大利器。
最近一段项目实践中大量使用了基于RabbitMQ的消息中间件，也积累的一些经验和思考，特此成文，望大家不吝赐教。 本文包括RabbitMQ基本概念、进阶概念、实践与思考等三部分，着重强调相关概念和基于RabbitMQ进行扩展开发的思路，并简要展示RabbitMQ客户端的编码，接下来通过一个思维导图来展示整体思路，红星表示重点部分。
功能测试用python、shell之类的脚本，勉强可以胜任。性能压力测试再手动写脚本，就有点力不从心了。
QPS 是一台服务器每秒能够相应的查询次数，即1秒内完成的请求数量，是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准
假设我们希望给某个用户限制调用某个 API 的总 QPS 为 50，但机器数可能很多（比如有 100 台）。这时候我们很自然地就想到，找一个 server 专门用来统计总的调用量，其它的实例都与这台 server 通信以判断是否可以调用。这就是最基础的集群流控的方式。
社区收藏业务是一个典型的读多写少的场景，社区各种核心Feeds流都需要依赖用户是否收藏的数据判断，早期缓存设计时由于流量不是很大，未体现出明显的问题，近期通过监控平台等相关手段发现了相关的一些问题，因此我们针对这些问题对缓存做了重构设计，以保障收藏业务的性能和稳定性。
最近在看一本15年出版的《Java并发编程的艺术》一书，其中看到并发编程时间部分的ForkJoinPool功能时，突然发现这个功能实际使用上就是把一个大任务分成多个小的子任务，然后使用多个线程完成。
本文主要针对中小型互联网公司，特别适用于手机APP或者pc的后台架构，基本可以支撑5万日活。本文会对可能用到的相关技术进行技术选型的说明，以及技术的架构介绍。
直播业务现在特别火爆，也给人们的互动方式带来了很多新的改变，比如刷礼物、弹幕、排行榜等等。面对巨大的流量规模，直播技术的发展也备受关注。作为一个技术爱好者，相信你也会对直播的技术比较感兴趣，于是我去翻了几篇文章，了解了直播的技术方案，发现涉及到的技术细节太多，有部分已经是知识盲区，如音频、视频的编码传输等。
北京万里开源软件有限公司，是专注于国产自主可控数据库产品研发超 20年的国家高新技术企业，参与多个国家级的数据库行业标准制定工作。本次用于测试的 GreatSQL 开源数据库是适用于金融级应用的国内自主 MySQL 版本，专注于提升 MGR 可靠性及性能，支持 InnoDB 并行查询等特性，可以作为 MySQL 或 Percona Server 的可选替换，用于线上生产环境，且完全免费并兼容 MySQL 或 Percona Server。
今年看源码，之前推荐过一个框架《单机40万QPS，搜狗WF框架，今年最值得学习的开源代码》，随着源码阅读的越来越深入，发现了WF框架一个非常独特的地方：高性能纯异步MySQL客户端，非常有意思，今天和大家介绍一下自己的学习心得。
启动 2 个线程，保持 5 个 http 连接打开的状态下，持续压测 10s 的基准测试
何为热点？热点即经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限制。比如： ♞ 商品 ID 为参数，统计一段时间内最常购买的商品 ID 并进行限制 ♞ 用户 ID 为参数，针对一段时间内频繁访问的用户 ID 进行限制 热点参数限流会统计传入参数中的热点参数，并根据配置的限流阈值与模式，对包含热点参数的资源调用进行限流。热点参数限流可以看做是一种特殊的流量控制，仅对包含热点参数的资源调用生效。Sentinel 利用 LRU 策略统计最近最常访问的热点参数，结合令牌桶算法来进行参数级别的流控。热点参数限流支持集群模式。
在AI绘画的世界里，提示词（Prompt）是一个非常重要的工具。它们是一种特殊的文本输入，可以指导AI模型如何描绘出我们想要的图像。然而，不同的AI绘画工具可能使用不同的提示词语法和插件，因此了解这些差异是非常重要的。
最近在学习数据库相关知识，经常跟一个在某金融公司做DBA的大学朋友交流问题。听说他们公司最近在使用云数据库，我立马来了兴趣，以前只听说过云主机，没想到数据库这种产品也可以在云上买。正好最近在学习使用sysbench，索性我就买了腾讯云数据库（因为他们家的可以按量付费，用完了就释放掉哈哈），配合自己购买的腾讯云主机进行一个对比测试。下面就贴出测试过程和结果，仅供大家参考。
在Redis中，一个字符串最大512MB，一个二级数据结构（例如hash、list、set、zset）可以存储大约40亿个(2^32-1)个元素，但实际中如果下面两种情况，我就会认为它是bigkey。
三个著名的开源服务网格 Istio、Linkerd 和 Cilium 的性能比较。
通俗理解就是用户某一步或几步操作的集合。一般，事务的定义都需要跟业务相关，比如用户一次登录过程，使用淘宝时的支付过程等，需要理解事务不等于请求。
•④ 如果想解决上边的2次内网的通信最理想的方式，上图中的2个节点都不要就可以了。
cnblogs.com/huojg-21442/articles/8194348.html
总第492篇 2022年 第009篇 GPU等专用芯片以较低的成本提供海量算力，已经成为机器学习领域的核心利器，在人工智能时代发挥着越来越重要的作用。如何利用GPU这一利器赋能业务场景，是很多技术研发者都要面临的问题。本文分享了美团外卖搜索/推荐业务中模型预估的GPU架构设计及落地的过程，希望能对从事相关应用研发的同学有所帮助或启发。 1 前言 2 背景 3 外卖搜推场景下的精排模型 4 模型服务架构概览 5 GPU优化实践 5.1 系统优化 5.2 计算优化 5.3 基于DL编译器的自动优化 6 性能表
摘要: 原创出处 http://www.iocoder.cn/Performance-Testing/MySQL-benchmark/ 「芋道源码」欢迎转载，保留摘要，谢谢！
一个成熟的数据库架构并不是一开始设计就具备高可用、高伸缩等特性的，它是随着用户量的增加，基础架构才逐渐完善。这篇博文主要谈MySQL数据库发展周期中所面临的问题及优化方案，暂且抛开前端应用不说，大致分为以下五个阶段：
一个成熟的数据库架构并不是一开始设计就具备高可用、高伸缩等特性的，它是随着用户量的增加，基础架构才逐渐完善。这篇博文主要谈MySQL数据库发展周期中所面临的问题及优化方案，暂且抛开前端应用不说，大致分为以下五个阶段： 1、数据库表设计 项目立项后，开发部根据产品部需求开发项目，开发工程师工作其中一部分就是对表结构设计。对于数据库来说，这点很重要，如果设计不当，会直接影响访问速度和用户体验。影响的因素很多，比如慢查询、低效的查询语句、没有适当建立索引、数据库堵塞（死锁）等。当然，有测试工程师的团队，会做压
一个成熟的数据库架构并不是一开始设计就具备高可用、高伸缩等特性的，它是随着用户量的增加，基础架构才逐渐完善。
点击上方蓝字每天学习数据库 首先来介绍一下今天的主角——Redis Pipelining。该功能是为了解决因为客户端和服务器的网络延迟造成的请求延迟。 Redis Pipelining在很早就出现了，如果你在用较早版本的Redis，那么也能使用这个功能。此功能可以将一系列请求连续发送到Server端，不必等待Server端的返回，而Server端会将请求放进一个有序的管道中，在执行完成后，会一次性将返回值再发送回来。 对于这么神奇的功能，我们怎么能不测一下pipeline对于性能的提升有多大呢？ 一、
点击蓝字 关注我们 导语 负载均衡（Cloud Load Balancer，CLB）提供安全快捷的流量分发服务，访问流量经由 CLB 可以自动分配到云中的多台云服务器上，扩展系统的服务能力并消除单点故障。负载均衡支持亿级连接和千万级并发，可轻松应对大流量访问，满足业务需求。 CLB 访问日志当前支持基于 7 层负载均衡，访问日志内容丰富，可以涵盖多种场景的内容。 「CLS数据淘金第一期」介绍过 CLB 两大主要场景：运维监控场景与运营统计场景；本期我们将对运维监控场景做进一步的补充，并将重磅推出腾讯云 CL
产品要求的功能都都开发完了，但这并不是终结。怎么样做才能让我们的服务具有更好的质量。 笔者结合自己的遇到的问题和工作中的经验，并以提问的方式，给读者一点点建议
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
