A01、深入了解性能优化

1、常用性能评价/测试指标

1.1、响应时间

        提交请求和返回该请求的响应时间之间使用的时间，一般比较关注平均响应时间。常用操作的响应时间列表：

操作响应时间
打开一个站点几秒
数据库查询一条记录（有索引）十几毫秒
机械磁盘一次寻址定位4毫秒
从机械磁盘顺序读取1M数据2毫秒
从SSD磁盘顺序读取1M数据0.3毫秒
从远程分布式换成Redis读取一个数据0.5毫秒
从内存读取1M数据十几微妙
Java程序本地方法调用几微妙
网络传输2Kb数据1微妙

1.2、并发数

        同一时刻。对服务器有实际交互请求的请求数。和网站在线用户数的关联：1000个同时在线用户数，可以估计并发数在5%到15%之间，也就是同时并发数在50~150之间。

1.3、吞吐量

        对单位时间内完成的工作量(请求)的量度。

1.4、关系

        系统吞吐量和系统并发数以及响应时间的关系，可以理解为高速公路的通行状况：

  • 吞吐量是每天通过收费站的车辆数目（可以换算成收费站收取的高速费）
  • 并发数是高速公路上的正在行驶的车辆数目
  • 响应时间是车速

        车辆很少时，车速很快。但是收到的高速费也相应较少；随着高速公路上车辆数目的增多，车速略受影响，但是收到的高速费增加很快；（并发少时，响应就快同时也就是说吞吐量更低；当并发增多时，响应时间也会略受影响，吞吐量也就逐步增多）

        随着车辆的继续增加，车速变得越来越慢，高速公路越来越堵，收费不增反降；如果车流量继续增加，超过某个极限后，任务偶然因素都会导致高速全部瘫痪，车走不动，当然后也收不着，而高速公路成了停车场（资源耗尽）。（随着并发继续增加，响应时间会越来越慢，服务器负载也就越高，这时的吞吐量将不增反减；如果并发数继续增加，当超过某个极限后，服务器可能会崩溃，导致各服务无法运行）

2、常用性能优化手段

2.1、避免过早优化

        不应该把大量的时间耗费在小的性能改进上，过早考虑优化是所有噩梦的根源。所以，我们应该编写清晰，直接，易读和易理解的代码，真正的优化应该留到以后，等到性能分析表明优化措施有巨大的收益时再进行。

2.2、进行系统性能测试

        所有的性能调优，都有应该建立在性能测试的基础上，直觉很重要，但是要用数据说话，可以推测，但是要通过测试求证。

2.3、寻找系统瓶颈

        性能测试后，对整个请求经历的各个环节进行分析，排查出现性能瓶颈的地方，定位问题，分析影响性能的的主要因素是什么？内存、磁盘IO、网络、CPU，还是代码问题？架构设计不足？或者确实是系统资源不足？

3、前端优化常用手段

3.1、浏览器/APP

  1. 减少请求数：合并CSS，Js，图片
  2. 使用客户端缓存：静态资源文件缓存在浏览器中，有关的属性Cache-Control和Expires。如果文件发生了变化，需要更新，则通过改变文件名来解决。
  3. 启用压缩：减少网络传输量，但会给浏览器和服务器带来性能的压力，需要权衡使用。
  4. 资源文件加载顺序：css放在页面最上面，js放在最下面
  5. 减少Cookie传输：cookie包含在每次的请求和响应中，因此哪些数据写入cookie需要慎重考虑
  6. 给用户一个提示：有时候在前端给用户一个提示，就能收到良好的效果。毕竟用户需要的是不要不理他。

3.2、CDN加速

        CDN，又称内容分发网络，本质仍然是一个缓存，而且是将数据缓存在用户最近的地方。无法自行实现CDN的时候，可以考虑商用CDN服务。

3.3、反向代理缓存

        将静态资源文件缓存在反向代理服务器上，一般是Nginx。

3.4、web组件分离

        将js，css和图片文件放在不同的域名下。可以提高浏览器在下载web组件的并发数。因为浏览器在下载同一个域名的的数据存在并发数限制。

4、应用服务性能优化

4.1、缓存

        网站性能优化第一定律：优先考虑使用缓存优化性能。（缓存离用户越近越好）

4.2、缓存的基本原理和本质

        缓存是将数据存在访问速度较高的介质中。可以减少数据访问的时间，同时避免重复计算。

4.3、合理使用缓存的准则

  • 频繁修改的数据，尽量不要缓存，读写比2:1以上才有缓存的价值。
  • 缓存一定是热点数据。
  • 应用需要容忍一定时间的数据不一致。
  • 缓存可用性问题，一般通过热备或者集群来解决。
  • 缓存预热，新启动的缓存系统没有任何数据，可以考虑将一些热点数据提前加载到缓存系统。

解决缓存击穿：

  1. 布隆过滤器
  2. 把不存在的数据也缓存起来 ，比如有请求总是访问 key = 23 的数据，但是这个key = 23 的数据在系统中不存在，可以考虑在缓存中构建一个( key=23 value = null)的数据。

4.4、分布式缓存与一致性哈希

1、分布式缓存

以集群的方式提供缓存服务，有两种实现：

  1. 需要更新同步的分布式缓存，所有的服务器保存相同的缓存数据，带来的问题就是，缓存的数据量受限制，其次，数据要在所有的机器上同步，代价很大。
  2. 每台机器只缓存一部分数据，然后通过一定的算法选择缓存服务器。常见的余数hash算法存在当有服务器上下线的时候，大量缓存数据重建的问题。所以提出了一致性哈希算法。

2、一致性哈希

  1. 首先求出服务器（节点）的哈希值，并将其配置到0～232的圆（continuum）上。
  2. 然后采用同样的方法求出存储数据的键的哈希值，并映射到相同的圆上。
  3. 然后从数据映射到的位置开始顺时针查找，将数据保存到找到的第一个服务器上。如果超过232仍然找不到服务器，就会保存到第一台服务器上。

        一致性哈希算法对于节点的增减都只需重定位环空间中的一小部分数据，具有较好的容错性和可扩展性。

        一致性哈希算法在服务节点太少时，容易因为节点分部不均匀而造成数据倾斜问题，此时必然造成大量数据集中到Node A上，而只有极少量会定位到Node B上。为了解决这种数据倾斜问题，一致性哈希算法引入了虚拟节点机制，即对每一个服务节点计算多个哈希，每个计算结果位置都放置一个此服务节点，称为虚拟节点。具体做法可以在服务器ip或主机名的后面增加编号来实现。例如，可以为每台服务器计算三个虚拟节点，于是可以分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值，于是形成六个虚拟节点：同时数据定位算法不变，只是多了一步虚拟节点到实际节点的映射，例如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中，通常将虚拟节点数设置为32甚至更大，因此即使很少的服务节点也能做到相对均匀的数据分布。

5、同步 & 异步

5.1、同异步 & 阻塞和非阻塞

同步和异步关注的是结果消息的通信机制

同步:同步的意思就是调用方需要主动等待结果的返回

异步:异步的意思就是不需要主动等待结果的返回，而是通过其他手段比如，状态通知，回调函数等。

阻塞和非阻塞主要关注的是等待结果返回调用方的状态

阻塞:是指结果返回之前，当前线程被挂起，不做任何事

非阻塞:是指结果在返回之前，线程可以做一些其他事，不会被挂起。

常见阻塞模型

  • 同步阻塞：同步阻塞基本也是编程中最常见的模型，打个比方你去商店买衣服，你去了之后发现衣服卖完了，那你就在店里面一直等，期间不做任何事(包括看手机)，等着商家进货，直到有货为止，这个效率很低。jdk里的BIO就属于【同步阻塞】
  • 同步非阻塞：同步非阻塞在编程中可以抽象为一个轮询模式，你去了商店之后，发现衣服卖完了，这个时候不需要傻傻的等着，你可以去其他地方比如奶茶店，买杯水，但是你还是需要时不时的去商店问老板新衣服到了吗。jdk里的NIO就属于【同步非阻塞】
  • 异步阻塞：异步阻塞这个编程里面用的较少，有点类似你写了个线程池,submit然后马上future.get()，这样线程其实还是挂起的。有点像你去商店买衣服，这个时候发现衣服没有了，这个时候你就给老板留给电话，说衣服到了就给我打电话，然后你就守着这个电话，一直等着他响什么事也不做。这样感觉的确有点傻，所以这个模式用得比较少。
  • 异步非阻塞：好比你去商店买衣服，衣服没了，你只需要给老板说这是我的电话，衣服到了就打。然后你就随心所欲的去玩，也不用操心衣服什么时候到，衣服一到，电话一响就可以去买衣服了。jdk里的AIO就属于异步

5.2、常见异步的手段

  • Servlet异步：servlet3中才有，支持的web容器在tomcat7和jetty8以后。
  • 多线程
  • 消息队列
  • 集群：可以很好的将用户的请求分配到多个机器处理，对总体性能有很大的提升

5.3、程序优化

  • 选择合适的数据结构：
    @Test
    public void buildTest() {
        List<Object> list = new LinkedList<>();
        int i = 0;
        while (true) {
            i++;
            if (i % 10000 == 0) {
                System.out.println("i = " + i);
            }else {
                list.add(new Object());
            }
        }
    }

        选择ArrayList和LinkedList对我们的程序性能影响很大，为什么？因为ArrayList内部是数组实现，存在着不停的扩容和数据复制。

  • 选择更优算法：

        举个例子，最大子列和问题：

        给定一个整数序列，a0, a1, a2, …… , an（项可以为负数），求其中最大的子序列和。如果所有整数都是负数，那么最大子序列和为0；例如（a[1],a[2],a[3],a[4],a[5],a[6]）=(-2,11,-4,13,-5,-2)时，最大子段和为20，子段为a[2],a[3],a[4]。

  • 最坏的算法：穷举法，所需要的的计算时间是O(n^3).
  • 一般的算法：分治法的计算时间复杂度为O(nlogn).
  • 最好的算法：最大子段和的动态规划算法，计算时间复杂度为O(n)

        n越大，时间就相差越大，比如10000个元素，最坏的算法和最好的算法之间的差距绝非多线程或者集群化能轻松解决的。

  • 编写更少代码：

        同样正确的程序，小程序比大程序要快，这点无关乎编程语言。

  • 并发编程：
    • 充分利用CPU多核
    • 实现线程安全的类，避免线程安全问题
    • 同步下减少锁的竞争
  • 资源的复用：目的是减少开销很大的系统资源的创建和销毁，比如数据库连接，网络通信连接，线程资源等等
  • 单例模式
  • 池化技术

6、JVM

6.1、与JIT编译器相关的优化

        对JVM性能影响最大的是编译器。选择编译器是运行java程序首先要做的选择之一

6.2、热点编译概念

        对于程序来说，通常只有一部分代码被经常执行，这些关键代码被称为应用的热点，执行的越多就认为是越热。将这些代码编译为本地机器特定的二进制码，可以有效提高应用性能。

6.3、选择编译器类型

  • -server：更晚编译，但是编译后的优化更多，性能更高
  • -client：很早就开始编译
  • -XX:+TieredCompilation：开启分层编译，可以让jvm在启动时启用client编译，随着代码变热后再转为server编译。

        缺省编译器取决于机器位数、操作系统和CPU数目。32位的机器上，一般默认都是client编译，64位机器上一般都是server编译，多核机器一般是server编译。

6.4、编译时机

图中的mix mode 一般指编译时机：

  • -Xint 表示禁用JIT，所有字节码都被解释执行，这个模式的速度最慢的。
  • -Xcomp 表示所有字节码都首先被编译成本地代码，然后再执行。
  • -Xmixed，默认模式，让JIT根据程序运行的情况，有选择地将某些代码编译成本地代码。

6.5、代码缓存相关

        在编译后，会有一个代码缓存保存编译后的代码，一旦这个缓存满了，jvm将无法继续编译代码。当jvm提示： CodeCache is full，就表示需要增加代码缓存大小。

–XX:ReservedCodeCacheSize=N  //可以用来调整这个大小

6.6、编译阈值

        代码是否进行编译，取决于代码执行的频度，是否到达编译阈值。计数器有两种，分别是：

  • 方法调用计数器
  • 方法里的循环回边计数器

        一个方法是否达到编译阈值取决于方法中的两种计数器之和。编译阈值调整的参数为：

-XX:CompileThreshold=N

        方法调用计数器统计的并不是方法被调用的绝对次数，而是一个相对的执行频率，即一段时间之内方法被调用的次数。当超过一定的时间限度，如果方法的调用次数仍然不足以让它提交给即时编译器编译，那这个方法的调用计数器就会被减少一半，这个过程称为方法调用计数器热度的衰减（Counter Decay），而这段时间就称为此方法统计的半衰周期（Counter Half Life Time）。进行热度衰减的动作是在虚拟机进行垃圾收集时顺便进行的，可以使用虚拟机参数：

-XX：-UseCounterDecay

来关闭热度衰减，让方法计数器统计方法调用的绝对次数，这样，只要系统运行时间足够长，绝大部分方法都会被编译成本地代码。另外，可以使用

-XX：CounterHalfLifeTime

参数设置半衰周期的时间，单位是秒。与方法计数器不同，回边计数器没有计数热度衰减的过程，因此这个计数器统计的就是该方法循环执行的绝对次数。

6.7、方法内联

        内联默认开启，-XX:-Inline，可以关闭，但是不要关闭，一旦关闭对性能有巨大影响。方法是否内联取决于方法有多热和方法的大小，很热的方法如果方法字节码小于325字节才会内联，这个大小由参数：-XX:MaxFreqInlinesSzie=N 调整，但是这个很热与热点编译不同，没有任何参数可以调整热度。

        方法小于35个字节码，一定会内联，这个大小可以通过参数-XX:MaxInlinesSzie=N 调整。

7、GC调优

7.1、调优的原则和步骤

  1. 大多数的java应用不需要GC调优
  2. 大部分需要GC调优的的，不是参数问题，是代码问题
  3. 在实际使用中，分析GC情况优化代码比优化GC参数要多得多；
  4. GC调优是最后的手段

GC调优的最重要的三个选项：

  • 第一位：选择合适的GC回收器
  • 第二位：选择合适的堆大小
  • 第三位：选择年轻代在堆中的比重

调优步骤：

1、监控GC的状态

        使用各种JVM工具，查看当前日志，分析当前JVM参数设置，并且分析当前堆内存快照和gc日志，根据实际的各区域内存划分和GC执行时间，觉得是否进行优化；

2、分析结果，判断是否需要优化

        如果各项参数设置合理，系统没有超时日志出现，GC频率不高，GC耗时不高，那么没有必要进行GC优化；如果GC时间超过1-3秒，或者频繁GC，则必须优化；

注意：如果满足下面的指标，则一般不需要进行GC：

  • Minor GC执行时间不到50ms；
  • Minor GC执行不频繁，约10秒一次；
  • Full GC执行时间不到1s；
  • Full GC执行频率不算频繁，不低于10分钟1次；

3、调整GC类型和内存分配

        如果内存分配过大或过小，或者采用的GC收集器比较慢，则应该优先调整这些参数，并且先找1台或几台机器进行beta，然后比较优化过的机器和没有优化的机器的性能对比，并有针对性的做出最后选择；

4、不断的分析和调整

        通过不断的试验和试错，分析并找到最合适的参数

5、全面应用参数

        如果找到了最合适的参数，则将这些参数应用到所有服务器，并进行后续跟踪。

7.2、阅读GC日志

以参数 -Xms5m -Xmx5m -XX:+PrintGCDetails -XX:+UseSerialGC为例：

[DefNew: 1855K->1855K(1856K), 0.0000148 secs][Tenured: 2815K->4095K(4096K), 0.0134819 secs] 4671K

DefNew：指明了收集器类型，而且说明了收集发生在新生代

1855K->1855K(1856K)：表示回收前 新生代占用1855K，回收后占用1855K，新生代大小1856K

0.0000148 secs：表明新生代回收耗时

Tenured：表明收集发生在老年代

2815K->4095K(4096K)：同上述新生代回收

0.0134819 secs：同上述回收耗时

4671K：指明堆的大小

将收集器参数调整为：-XX:+UseParNewGC；日志将变为：

[ParNew: 1856K->1856K(1856K), 0.0000107 secs][Tenured: 2890K->4095K(4096K), 0.0121148 secs]

收集器参数变为-XX:+ UseParallelGC或UseParallelOldGC，日志变为：

[PSYoungGen: 1024K->1022K(1536K)] [ParOldGen: 3783K->3782K(4096K)] 4807K->4804K(5632K)

7.3、GC相关的参数

  • 调试跟踪与打印简单的GC信息参数：-verbose:gc, -XX:+PrintGC
  • 打印详细的GC信息：-XX:+PrintGCDetails, +XX:+PrintGCTimeStamps
  • 设置GC日志输出路径：-Xlogger:log/gc.log
  • 定义滚动日志文件大小：-XX:GCLogFileSize=100M
  • 定义滚动日志文件的个数：-XX:NumberOfGCLogFiles=2 
  • 打印堆信息：-XX:+PrintHeapAtGC
    • 应用场景：获取Heap在每次垃圾回收前后的使用状况
  • 跟踪类的加载过程：-XX:+TraceClassLoading
    • 应用场景：在系统控制台信息中看到class加载的过程和具体的class信息，可用以分析类的加载顺序以及是否可进行精简操作
  • 禁止调用GC：-XX:+DisableExplicitGC
    • 应用场景：-XX:+DisableExplicitGC
  • 内存溢出快照记录：-XX:-HeapDumpOnOutOfMemoryError
    • 应用场景：默认关闭，建议开启，在java.lang.OutOfMemoryError 异常出现时，输出一个dump.core文件，记录当时的堆内存快照。
  • 堆内存快照路径输出：-XX:HeapDumpPath=./java_pid<pid>.hprof
    • 应用场景：默认是java进程启动位置，用来设置堆内存快照的存储文件路径

7.4、推荐策略

年轻代大小选择

响应时间优先的应用：尽可能设大,直到接近系统的最低响应时间限制(根据实际情况选择).在此种情况下,年轻代收集发生的频率也是最小的.同时,减少到达年老代的对象.

吞吐量优先的应用：尽可能的设置大,可能到达Gbit的程度.因为对响应时间没有要求,垃圾收集可以并行进行,一般适合8CPU以上的应用.

避免设置过小：当新生代设置过小时会导致：

  1. YGC次数更加频繁
  2. 可能导致YGC对象直接进入旧生代,如果此时旧生代满了,会触发FGC.

老年代大小选择

响应时间优先的应用：年老代使用并发收集器,所以其大小需要小心设置,一般要考虑并发会话率和会话持续时间等一些参数.如果堆设置小了,可以会造成内存碎片,高回收频率以及应用暂停而使用传统的标记清除方式;如果堆大了,则需要较长的收集时间.最优化的方案,一般需要参考以下数据获得：

  • 并发垃圾收集信息
  • 持久代并发收集次数
  • 传统GC信息
  • 花在年轻代和年老代回收上的时间比例

吞吐量优先的应用：一般吞吐量优先的应用都有一个很大的年轻代和一个较小的年老代.原因是,这样可以尽可能回收掉大部分短期对象,减少中期的对象,而年老代尽存放长期存活对象

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/256304.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

数据结构：图解手撕B-树

数据结构：图解手撕B-树

文章目录 为什么需要引入B-树&#xff1f;B树是什么&#xff1f;B树的插入分析 本篇总结的内容是B-树 为什么需要引入B-树&#xff1f; 回忆一下前面的搜索结构&#xff0c;有哈希&#xff0c;红黑树&#xff0c;二分…等很多的搜索结构&#xff0c;而实际上这样的结构对于数…
阅读更多...
(C++)vector--迭代器失效问题

(C++)vector--迭代器失效问题

个人主页&#xff1a;Lei宝啊 愿所有美好如期而遇 前言 迭代器的作用就是能够让算法不用关心底层数据结构&#xff0c;其底层实际上就是一个指针&#xff0c;或者对指针做了封装&#xff0c;比如vector和string的迭代器就是原生态指针T*&#xff0c;因此迭代器失效&#xff…
阅读更多...
Python爬虫-解决使用requests，Pyppeteer，Selenium遇到网站显示“您的连接不是私密连接”的问题|疑难杂症解决(2)

Python爬虫-解决使用requests，Pyppeteer，Selenium遇到网站显示“您的连接不是私密连接”的问题|疑难杂症解决(2)

前言 本文是该专栏的第13篇，后面会持续分享python爬虫案例干货，记得关注。 相信很多同学在处理爬虫项目的时候，会遇到一些网站出现如下图所示的情况： 就是当你不论是使用requests进行协议请求，还是使用自动化框架pyppeteer或者selenium都会出现上图中的情况。这相信会或多…
阅读更多...
element组件库的日期选择器如何限制?

element组件库的日期选择器如何限制?

本次项目中涉及到根据日期查找出来的数据进行调整,所以修改的数据必须是查找范围内的数据.需要对调整数据的日期进行限制,效果如下: 首先我们使用了element 组件库的日期选择器,其中灌完介绍, picker-options中函数disabledDate可以设置禁用状态,代码如下: <el-date-pickerv…
阅读更多...
K8s内容器拓扑图工具

K8s内容器拓扑图工具

1.背景&#xff1a;随着线上容器越来越多&#xff0c;需要一个可视化的方式展示各个容器之间的拓扑图。 2.需求&#xff1a;轻量级&#xff0c;部署方便。 3.部署 helm repo add groundcover https://helm.groundcover.com/ helm repo update helm install caretta --namespa…
阅读更多...
初步认识spring，一问掌握spring应用知识文集。

初步认识spring，一问掌握spring应用知识文集。

&#x1f3c6;作者简介&#xff0c;普修罗双战士&#xff0c;一直追求不断学习和成长&#xff0c;在技术的道路上持续探索和实践。 &#x1f3c6;多年互联网行业从业经验&#xff0c;历任核心研发工程师&#xff0c;项目技术负责人。 &#x1f389;欢迎 &#x1f44d;点赞✍评论…
阅读更多...
关于“Python”的核心知识点整理大全26

关于“Python”的核心知识点整理大全26

目录 10.3.9 决定报告哪些错误 10.4 存储数据 10.4.1 使用 json.dump()和 json.load() number_writer.py number_reader.py 10.4.2 保存和读取用户生成的数据 对于用户生成的数据&#xff0c;使用json保存它们大有裨益&#xff0c;因为如果不以某种方式进行存储&#xf…
阅读更多...
opencv 入门二（播放视频）

opencv 入门二（播放视频）

环境配置如下&#xff1a; opencv 入门一&#xff08;显示一张图片&#xff09;-CSDN博客 用OpenCV播放视频就像显示图像一样简单。唯一不同的是&#xff0c;我们需要某种循环来读取视频序列中的每一帧。 源码如下&#xff1a; #include <iostream> #include <str…
阅读更多...
主馆位置即将售罄“2024北京国际信息通信展会”众多知名企聚京城

主馆位置即将售罄“2024北京国际信息通信展会”众多知名企聚京城

2024北京国际信息通信展&#xff0c;将于2024年9月份在北京国家会议中心盛大召开。作为全球信息通信技术领域的重要盛会&#xff0c;此次展会将汇集业内顶尖企业&#xff0c;展示最新的技术成果和产品。 目前&#xff0c;主馆位置即将售罄&#xff0c;华为、浪潮、中国移动、通…
阅读更多...
PIC单片机项目（5）——基于PIC16F877A的多功能防盗门

PIC单片机项目（5）——基于PIC16F877A的多功能防盗门

1.功能设计 本次设计的功能如下&#xff1a;如果红外对管检测到有人经过&#xff0c;LCD1602可以显示&#xff0c;我设计的是显示字符串“someone”。 如果有人强行破门&#xff0c;FSR402压力传感器会检测到压力过大&#xff0c;然后触发蜂鸣器报警&#xff0c;LCD1602也显示“…
阅读更多...
EMC测试与整改实践？|深圳比创达电子

EMC测试与整改实践？|深圳比创达电子

电磁兼容(EMC)测试和整改是当今社会对电磁兼容(EMC)意识日益深入的表现&#xff0c;EMC测试与整改随着社会对电磁环境要求的不断提高&#xff0c;越来越受到重视&#xff0c;下面就EMC测试与整改实践进行一下详细介绍。 一、什么是EMC测试&#xff1f; EMC测试是指在一定的电…
阅读更多...
rabbitmq界面主要参数分析

rabbitmq界面主要参数分析

本篇主要分析rabbitmq broker界面参数 rabbitmq界面主要参数分析 1、connections User Name: user - 连接所使用的用户名。 State: running - 连接当前的状态&#xff0c;这里表明连接是活动的。 SSL/TLS: ○ - 表示这个连接没有使用SSL/TLS加密。 内部或受信任的网络中可能…
阅读更多...
C# pictureBox显示一张图片，我想先释放这个图片以免占用无法修改，(旋转)改完再显示这张图片

C# pictureBox显示一张图片，我想先释放这个图片以免占用无法修改，(旋转)改完再显示这张图片

效果 public static bool RotateFlip(MyDel Log, string fileName){try{string tempPath Path.GetTempFileName();using (Bitmap bmp new Bitmap(fileName)){float resolution 600; //x,y必须为这个数 误差小于-1bmp.RotateFlip(RotateFlipType.Rotate90FlipNone);bmp.Save(…
阅读更多...
SQL Server 查询处理过程

SQL Server 查询处理过程

查询处理--由 SQL Server 中的关系引擎执行&#xff0c;它获取编写的 T-SQL 语句并将其转换为可以向存储引擎发出请求并检索所需结果的过程。 SQL Server 需要四个步骤来处理查询&#xff1a;分析、代化、优化和执行。 前三个步骤都由关系引擎执行&#xff1b;第三步输出的是…
阅读更多...
前端开发新趋势：Web3、区块链和虚拟现实

前端开发新趋势：Web3、区块链和虚拟现实

目录 前言 Web3&#xff1a;下一代互联网 区块链技术 去中心化应用程序&#xff08;DApps&#xff09; 区块链&#xff1a;重塑数字世界 数字钱包 NFT&#xff08;非同质化代币&#xff09; 虚拟现实&#xff1a;沉浸式体验 WebVR和WebXR 三维图形 新挑战与机会 性…
阅读更多...
众和策略：短线交易看什么？短线交易看什么指标？

众和策略：短线交易看什么？短线交易看什么指标？

短线交易看什么&#xff1f; 1、k线 当k线出现黄昏十字星、黑乌鸦、乌云盖顶等卖出形状图时&#xff0c;是一种卖出信号&#xff0c;当k线出现早晨十字星、红三兵、等买入形状图时&#xff0c;是一种买入信号。 2、均线 当均线出现死叉、空头摆放时是一种卖出信号&#xff…
阅读更多...
中国邮政旋转图像证码识别方案

中国邮政旋转图像证码识别方案

最近研究了一下中国邮政旋转验证码的识别&#xff0c;居然正确率高达99%。所以可以说基本上的完美解决了这个问题&#xff0c;可以实现自动化验证。最后也给大家准备了识别代码。 1、下载图片 这里的图片一定要下载足够多&#xff0c;品种足够丰富&#xff0c;数据量越大&…
阅读更多...
Kafka 安装与部署

Kafka 安装与部署

目录 Kafka 下载 &#xff08;1&#xff09;将 kafka_2.11-2.4.1.tgz 上传至 /opt/software/ &#xff08;2&#xff09;解压安装包至 /opt/module/ [huweihadoop101 ~]$ cd /opt/software/ [huweihadoop101 software]$ tar -zxvf kafka_2.11-2.4.1.tgz -C ../module/&#…
阅读更多...
小型洗衣机哪个牌子好十大排名？口碑好的小型洗衣机分享

小型洗衣机哪个牌子好十大排名？口碑好的小型洗衣机分享

现在很多小伙伴每天的工作压力已经非常大了&#xff0c;每天下班就希望可以躺平&#xff0c;但我们的贴身衣物还要每天来手动清洗&#xff0c;这对于上班人来说是一件很痛苦的事情&#xff0c;而现在市面上的内衣洗衣机真的给我们提供太多帮助&#xff0c;今天咱们来聊聊内衣洗…
阅读更多...
IDEA中自定义注解支持SEL代码提示, 自定义参数, 函数参数, 返回值

IDEA中自定义注解支持SEL代码提示, 自定义参数, 函数参数, 返回值

背景 首先 IDEA 默认是不支持 SpEL 的代码提示的 根据网上教程, 我们只能使用java-annotations库, 并添加Language("SpEL")注解 但这样仅仅是能够支持SpEL表达式, 并不支持自定义变量, 也不支持提示方法参数和返回值. 尤其是对写框架和第三方库的人来说, 特别不友…
阅读更多...
最新文章

Copyright @ 2022~2023