本篇文章会对我开的这个 『Unity精品学习专栏⭐️』 做一个简单的概述，简而言之就是一个目录。
WeTest UPA是WeTest和Unity联合出品的一款Unity游戏性能优化的工具，自上线以来受到了很多Unity游戏开发人员和测试人员的关注，同时也有一些用户反馈不知道应该如何解读UPA报告，下面我们对UPA报告的解读方法进行总结，帮助大家最大化利用UPA报告，解决游戏性能问题。
原文链接：http://wetest.qq.com/lab/view/375.html
Unity在UI开发方面提供了强大的功能，但在处理复杂UI的时候，性能问题常常成为开发者的痛点。本文将深入探讨UI性能瓶颈及其优化策略，涵盖减少Draw Call、批处理技术、内存优化、异步加载UI以及Profile工具的使用，希望能对大家有所帮助和启发~
为了避免手机性能成为游戏选择时的壁垒，游戏厂商必须进行更好的游戏性能优化。本文利用WeTest平台的Cube工具，通过三步完成游戏内存检测与分析的过程，希望为游戏开发者提供一些内存优化的方法和思路。
自从WeTest宣布与Unity官方共同推出Unity性能分析工具UPA（Unity Performance Analysis）以来（Hi，我们和Unity合作了全新的性能分析工具），我们收到了非常多热情的开发者的反馈。为了更好与开发者沟通。我们开辟了UPA官方论坛。
作者：杨超，腾讯移动客户端开发 工程师 商业转载请联系腾讯WeTest获得授权，非商业转载请注明出处。 原文链接：http://wetest.qq.com/lab/view/362.html We
在 我这样减少了26.5M Java内存！中内存优化一期已经告一段落，主要做的事情是，造了几个分析内存问题的轮子，定位进程各种类型内存占用情况，分析了线程创建OOM的原因。当然最重要的是，优化了一波进程静息态的内存占用（减少26M+）。而二期则是在一期的基础之上，推进已发现问题的SDK解决问题，最终要的是要优化进程的动态Java内存占用！
在 我这样减少了26.5M Java内存！中内存优化一期已经告一段落，主要做的事情是，造了几个分析内存问题的轮子，定位进程各种类型内存占用情况，分析了线程创建OOM的原因。当然最重要的是，优化了一波进程静息态的内存占用（减少26M+）。而二期则是在一期的基础之上，推进已发现问题的SDK解决问题，最终要的是要优化进程的动态Java内存占用！ 通常来说不管是做什么性能优化，逃不出性能优化3步曲： 1. 找到性能瓶颈 2. 分析优化方案 3. 执行优化 上述三步看似第三步最能决定优化结果，而事实上，从笔者的几次
Unity中，CPU准备好需要绘制的元素，对底层图形程序接口进行调用的过程，每次引擎准备数据并通知GPU的过程称为一次Draw Call。DrawCall越高对显卡的消耗就越大。 降低DrawCall的方法：
项目背景 LoliProfiler是一款针对安卓项目（游戏或APP产品）的C/C++内存分析的自研工具，专为进行内存优化的游戏引擎工程师与游戏测试工程师开发。拥有用户友好的图形界面，资深开发者可对不同的引擎进行深度定制，以最大化发挥工具的作用。官方针对UnrealEngine4与Unity引擎有特殊优化，以达到最佳的性能表现。相较于同类型产品Perfetto，其更适合游戏引擎，支持的安卓系统版本更广泛，可深度定制。 LoliProfiler解决了安卓平台Native内存采集与分析的一系列痛点和问题，
Mono下的foreach使用需谨慎。频繁调用容易触及堆上限，导致GC过早触发，出现卡顿现象。
我们在 7 月发布了 Android 游戏开发工具包 (AGDK)，并收集了一些开发者提出的热门问题，包括 AGDK 库和工具、Android 内存优化以及绘制图形等。
draw call是openGL的描绘次数（directX没怎么研究，但原理应该差不多） 一个简单的openGL的绘图次序是：设置颜色→绘图方式→顶点座标→绘制→结束。 每帧都会重复以上的步骤。这就是一次draw call
作者：杨超，腾讯移动客户端开发 工程师 商业转载请联系腾讯WeTest获得授权，非商业转载请注明出处。 原文链接：http://wetest.qq.com/lab/view/359.html WeT
历时五天的内存优化已经结束，这里总结一下这几天都做了什么，有哪些收获。优化了，或可以优化的地方都有哪些。（因为很多事还没做，有些结论需要一定样本量才能断定，所以叫一期）一期优化减少JavaHeap内存占用约26.5M。
在逝去的2016后半年，由于项目需要支持数据的快速更新和多用户的高并发，我试水SQL Server 2016的In-Memory OLTP，创建内存数据库实现项目的需求，现在项目接近尾声，系统运行稳定，写一篇博客，记录一下使用内存数据库的经验。
在最近的优化工作中，马三发现项目中的动画文件内存占比实在是太大了，峰值竟然有200多mb，很明显需要进行优化。经过一番网上查阅资料并结合自己实际操作以后，得到一些需心得体会，在这里马三记录一下并且分享给大家，希望对大家能有一些帮助。
随着Android 开发越来越规范， 国内工程师的素质，以及用户对产品的要求也越来越高。
【编者按】本文作者在和同事的一次讨论中发现，对 IntelliJ IDEA 内存采用不同的设置方案，会对 IDE 的速度和响应能力产生不同的影响。
原文链接：：http://blog.oneapm.com/apm-tech/426.html
避免因不正确使用内存 & 缺乏管理，从而出现 内存泄露（ML）、内存溢出（OOM）、内存空间占用过大 等问题，最终导致应用程序崩溃（Crash）
腾讯公司在五月三十一日开展【腾讯Bugly移动开发人员沙龙】大会。大会上面叶方正老师解说了 关于Android的内存优化的问题，只是我感觉叶老师许多其它的站在了測试的角度上去解释了这一方面，叶老师给我们介绍了许多的工具去測试Android应用在各种情况下的内存占用情况。只是好像对我们开发的帮助并非特别的大。我在这里总结叶老师所说的重点和自己对内存优化的一些理解，希望可以对大家有所帮助。
硬件平台: 全志R/V/F/MR/H 系列芯片。软件平台: Tina v3.5 及后续版本。
Redis的内存优化主要包括配置合理的内存上限、选择合适的回收策略以及使用内存优化工具。
内存泄漏原理 : 长生命周期对象 , 持有短生命周期对象的引用 , 并且是强引用持有 , GC 无法释放该短生命周期对象引用 , 造成 OOM ;
本文旨在介绍一种用于fine-tuning语言模型（LM）的低内存优化器——MeZO，内存减少多达12倍。使用单个A100 80G GPU，MeZO可以训练一个300亿参数的模型。
本篇是 Android 内存优化的进阶篇，难度可以说达到了炼狱级别，建议对内存优化不是非常熟悉的仔细看看前篇文章： Android性能优化之内存优化，其中详细分析了以下几大模块：
Caffe - 显存优化 1. Caffe - memory multiloading 功能 原文 - Squeezing Memory out of Caffe Caffe 的一个优化版本 - caffe-yjxiong. 测试了一下, ResNet101 相对于官方 caffe, 能够明显节省显存占用, batchsize 可以增加很多. 显存优化的 Caffe 主要实现的功能: memory multiloading 在深度网络训练和测试时,可以显著地节省内存. 训练时,节省一半内存; 测试时,
作者 | 陈迪豪 编辑 | 邓艳琴 随着人工智能技术的发展和普及，越来越多的企业和组织需要处理和分析大量的数据，其中就包括了 AI 数据。AI 数据库为处理这些数据提供了更高效，更智能的方式，能够更好地支撑人工智能应用的发展。因此，目前 AI 数据库已经成为人工智能领域的热门技术之一。OpenMLDB 则是这里面的知名开源项目。 本文整理自 OpenMLDB PMC 陈迪豪在 QCon 全球软件开发大会（北京站）AI 基础架构分论坛上的发表的演讲实录。 希望大家通过本文能够了解三个方面的内容：前沿的
InnoDB用一块内存区域做I/O缓存池，该缓存池不仅用来缓存InnoDB的索引块，而且也用来缓存InnoDB的数据块。
大量TimeoutException，说明当前redis服务节点上已经堆积了大量的连接查询，超出redis服务能力，再次尝试连接的客户端，redis 服务节点直接拒绝，抛出错误。
Keys 为你要创建的索引字段，1 为指定按升序创建索引，如果你想按降序来创建索引指定为 -1 即可。
导语 智能手机发展到今天已经有十几个年头，手机的软硬件都已经发生了翻天覆地的变化，特别是Android阵营，从一开始的一两百M到今天动辄4G，6G内存。然而大部分的开发者观看下自己的异常上报系统，还是会发现各种内存问题仍然层出不穷，各种OOM为crash率贡献不少。Android开发发展到今天也是已经比较成熟，各种新框架，新技术也是层出不穷，而内存优化一直都是Android开发过程一个不可避免的话题。 恰好最近做了内存优化相关的工作，这里也对Android内存优化相关的知识做下总结。 在开始文章之前推荐下公
我国信创生态的核心企业龙芯，其自主知识产权的 LoongArch指令集核心 maintainer 在 Linux 内核邮件列表了总结了他们近期对内核的贡献。
【Android 内存优化】Android Profiler 工具常用功能 ( 监测内存 | 内存快照 )
内存优化表是SQL server2014版本中推出的新特性之一。也是基于create table创建的，只不过是驻留在内存中表。从内存读取表中的行和将这些行写入内存。 整个表都驻留在内存中。表数据的另一个副本维护在磁盘上，但仅用于持续性目的。内存中 OLTP 与 SQL Server 集成，以便在所有方面（如开发、部署、可管理性和可支持性）提供无缝体验。 内存优化表中的行是版本化的。 这意味着表中的每行都可能有多个版本。 所有行版本均维护在同一个表数据结构中。 本文主要描述SQL server 2014内
MOO 音乐是 TME 旗下的新锐音乐服务，其团队是公司内最早实践 Flutter 的先行者之一。本系列文章将提炼 MOO APP 开发中遇到的情况，就 Flutter 内存占用治理方面，分享日常开发的一些基本认知、注意要点、排查方法和优化方案。内存治理篇文章共分上、中、下三篇，本篇为下篇。 五、内存优化策略 1. 图片内存优化 各种导致内存增长的资源中，图片引起的问题是尤为明显和常见的，一张高清图动辄几百K，MOO 音乐很多列表都使用 GIF 动图，大小可以达几MB乃至十几MB，图片所占内存跟图片大小有
Advanced SystemCare 11 是一款易于使用的Windows电脑优化工具。它帮助用户清洁、优化、加速和保护系统,以及保护用户的在线隐私。 一款能分析系统性能瓶颈的优化软件。通过对系统
前言 在 Android开发中，性能优化策略十分重要 因为其决定了应用程序的开发质量：可用性、流畅性、稳定性等，是提高用户留存率的关键 本文全面讲解性能优化中的所有知识，献上一份 Android性能优化的详细攻略， 含：优化方向、原因 & 具体优化方案，希望你们会喜欢 目录 1. 性能优化的目的 性能优化的目的是为了让应用程序App 更快、更稳定 & 更省。具体介绍如下： 更快：应用程序 运行得更加流畅、不卡顿，能快速响应用户操作 更稳定：应用程序 能 稳定运行 & 解决用户需求，在用户使用过程中不
【Android 内存优化】垃圾回收算法 ( 内存优化总结 | 常见的内存泄漏场景 | GC 算法 | 标记清除算法 | 复制算法 | 标记压缩算法 ) 介绍了 标记清除算法 , 复制算法 , 标记压缩算法 , 三种垃圾回收算法 ;
我们为您整理了幻兽帕鲁服务器常见问题及对应的参考指南和教程，详情参考：常见问题及指引
Redis 集群 有 16384 个哈希槽， 每个 key 通过 CRC16 校验后对 16384 取模来决定放置 哪个槽，集群的每个节点负责一部 分 hash 槽。
相比用户停留时间短、用完即走的 Web 页面，桌面 QQ 用户在一次登录后，可能会挂机一周以上，这段期间，如果没有严格控制好 QQ 内存占用，那么结果可能是用户交互响应变慢、甚至 Crash。在系统监控工具里，高内存占用也会被直观地反映出来，带来不好的口碑。Mac QQ 灰度期间，也听到了一些用户关于内存占用偏高的声音。既然不能置若罔闻，那么必须得痛下决心系统地来一波内存占用分析与优化。在这个过程中，团队前前后后挖出来了不少优化项，最终，可以让桌面 QQ 在内存占用上达到一个相对较低且稳定的状态。本文内容是探索桌面 QQ 内存优化上的一个阶段性小结，肯定还有更多内存优化 trick，欢迎大佬们提点。
新版桌面 QQ 自内测以来受到许多热心网友和行业人士，以及鹅厂小伙伴的关注，非常感谢大家在内测过程中提的各种有建设性的建议和反馈。其中，也有一小部分有开发背景的用户对我们采用 Electron 框架表达担心：高内存占用、超大安装包、启动缓慢等。究其原因还是担心新版本 QQ 资源占用大、体验变差，针对用户的担心，我们在内存上进行了专项优化，也取得了一些阶段性的进展，在此做一个小结。
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
即时通信 IM
腾讯会议
