- 博客(287)
- 收藏
- 关注
RSS订阅原创 IOS Hyperloop 一站式平台13
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:17:14
942
原创 IOS Hyperloop 一站式平台14
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:17:06
717
原创 IOS Hyperloop 一站式平台15
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:16:57
781
原创 IOS Hyperloop 一站式平台16
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:16:49
997
原创 IOS Hyperloop 一站式平台17
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:16:45
608
原创 IOS Hyperloop 一站式平台18
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:16:41
792
原创 IOS Hyperloop 一站式平台19
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:16:38
682
原创 IOS Hyperloop 一站式平台20
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:16:34
640
原创 IOS Hyperloop 一站式平台7
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:13:37
534
原创 IOS Hyperloop 一站式平台6
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:13:28
647
原创 IOS Hyperloop 一站式平台5
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:13:18
842
原创 IOS Hyperloop 一站式平台4
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:13:10
806
原创 IOS Hyperloop 一站式平台3
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:13:01
623
原创 IOS Hyperloop 一站式平台2
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:12:53
704
原创 IOS Hyperloop 一站式平台1
所以在完成了基本的发版准入后，我们又增加了一些可选的优化能力。上面也提到过，我们一些功能是延承自之前的流程，而作为一个全新的系统，我们完全可以用更高效的流程来提升构建效率，运用政治经济学中生产力和生产关系的理论，我们有了更强大的生产力，那也需要有与之相适应的生产关系才能保证和进一步提高生产力。比较巧合的是，后台和工具链都是 Ruby 栈的，这样来看，工具链完全可以成为后台模块中的一部分，通过消息队列就能达到我们想要的效果，并且直接对数据库的操作，统一的功能开发，也让整套逻辑变得十分优雅。
2025-02-23 10:12:45
826
原创 zookeeper 都有哪些使用场景？思考6
那么此时就可以使用 zookeeper 分布式锁，一个机器接收到了请求之后先获取 zookeeper 上的一把分布式锁，就是可以去创建一个 znode，接着执行操作；这个其实是 zookeeper 很经典的一个用法，简单来说，就好比，你 A 系统发送个请求到 mq，然后 B 系统消息消费之后处理了。，一旦 B 系统处理完了就修改 zookeeper 那个节点的值，A 系统立马就可以收到通知，完美解决。那个 znode，结果发现自己创建不了，因为被别人创建了，那只能等着，等第一个机器执行完了自己再执行。
2025-01-12 12:01:32
1103
原创 斐波那契数列的计算奇迹：算法优化与实践
这是因为快速幂算法的时间复杂度为O(log n)，在算法中只需进行log n次乘法运算。也就是说，数列的第三个数是前两个数的和，第四个数是第二个数和第三个数的和，以此类推。因此，空间复杂度为O(1)，即常数级别的空间复杂度。基本思想是利用矩阵乘法的性质，将斐波那契数列的递推关系表示为矩阵形式，然后通过快速幂算法来快速计算矩阵的高次幂，从而得到斐波那契数列的第n项的值。矩阵解法结合快速幂的斐波那契数列算法具有优秀的时间复杂度O(log n)和空间复杂度O(1)，适用于需要高效计算大数值斐波那契数列的场景。
2025-01-12 12:01:24
960
原创 Guava Table：多维度的数据 Table3
本身是二维的，但通过合理的设计，能够扩展其功能，支持三维甚至四维的数据存储和查询。这种方法能够让我们在复杂的数据模型中进行更多维度的索引和查询，适合多维数据分析和处理的场景。中进一步进行分组和索引，想要为每一个维度增加一个标识（比如多重索引），那么我们就需要更复杂的。的嵌套和多重索引功能，我们可以轻松实现多维度数据的管理。举个例子，如果我们想表示一个多维度的时间序列数据，我们可以将。如果你想要在多维度的数据结构中进行查询或遍历，可以使用嵌套的。的每个单元格进一步封装和索引，从而实现多维度的数据管理。
2025-01-12 12:01:16
362
原创 超大规模数据库集群保稳系列：数据库攻防演练建设实践2
而随机无通知演练功能，就是希望建设这样的能力，可以在非特定时间、非特定集群、非特定场景进行故障演练，在一定程度上填补了故障演练的空白，也是故障演练平台向混沌工程演进的一个里程碑。第二部分是演练任务生成，有了演练计划后，我们按演练计划随机搭配生成演练任务并进行周知，和常规演练最大不同是我们不会周知演练的具体时间（会周知演练集群、场景），主要是为了模拟故障发生的随机性。第三部分是演练任务执行，它完全复用我们常规故障演练的功能，也可以在演练前取消、演练中终止，演练后可以自动恢复整个集群的拓扑。
2025-01-12 12:01:05
972
原创 AutoConsis：UI内容一致性智能检测6
在流程上，对于每一个UI目标区域，AutoConsis利用OCR提取所有可识别的字符，随后将分词的结果与CoT示例进行拼合构成Prompt，最后从LLM（AutoConsis的实验部分调用GPT-3.5-Turbo完成）的输出中获取一致性检验所需的关键信息。以下介绍工具的设计过程。对于营销会场页而言，如UI区域识别流程图所示：我们将一个会场页的UI截图送入识别模型，并提供一个商品卡片和对应的文本描述作为检索词，该多模态模型会根据检索词从经UI组件分析处理过的会场页中筛选出近似的商品卡片。
2025-01-12 12:00:53
807
原创 全域用户建模在美团首页推荐的探索与实践2
总的来说，我们通过多阶段递进式探索验证的方式，在美团首页推荐召排模块引入多展位、多应用渠道的多源用户交互数据，并在落地过程中解决美团多展位、多业务、时空场景强相关性的特点导致的严重跨域信号负迁移挑战。全域用户建模经过多期算法落地已经取得显著业务收益，缓解了首页推荐用户行为稀疏导致的模型训练不充分及用户兴趣预估有偏问题，大幅提升了首页猜喜推荐系统在全面理解用户行为模式上的能力。此外，我们在排序模块的部分创新成果也已在CIKM2024会议上发表。
2025-01-12 12:00:37
972
1
原创 从基础到高效：斐波那契数列计算的算法之旅
这是因为快速幂算法的时间复杂度为O(log n)，在算法中只需进行log n次乘法运算。也就是说，数列的第三个数是前两个数的和，第四个数是第二个数和第三个数的和，以此类推。因此，空间复杂度为O(1)，即常数级别的空间复杂度。基本思想是利用矩阵乘法的性质，将斐波那契数列的递推关系表示为矩阵形式，然后通过快速幂算法来快速计算矩阵的高次幂，从而得到斐波那契数列的第n项的值。矩阵解法结合快速幂的斐波那契数列算法具有优秀的时间复杂度O(log n)和空间复杂度O(1)，适用于需要高效计算大数值斐波那契数列的场景。
2025-01-12 12:00:22
1221
1
原创 案例分析：并行计算让代码“飞”起来4
Java 提供了非常丰富的 API，来支持多线程开发。对我们 Java 程序员来说，。但它如何应用到业务场景中？又有哪些注意事项？本课时将从一个并行获取数据的例子开始，逐步讲解这个面试中最频繁的知识点。
2025-01-12 12:00:09
1600
1
原创 案例分析：如何用设计模式优化性能2
就是对常用开发技巧进行的总结，它使得程序员之间交流问题，有了更专业、便捷的方式。比如，我们在《02 | 理论分析：性能优化有章可循，谈谈常用的切入点》中提到，I/O 模块使用的是装饰器模式，你就能很容易想到 I/O 模块的代码组织方式。事实上，大多数设计模式并不能增加程序的性能，它只是代码的一种组织方式。本课时，我们将一一举例讲解和性能相关的几个设计模式，包括代理模式、单例模式、享元模式、原型模式等。
2025-01-12 11:59:58
1651
1
原创 聚焦IOC容器刷新环节obtainFreshBeanFactory初始化BeanFactory专项
在这个过程中，旧的 BeanFactory 实例将被销毁，新的 BeanFactory 实例将被创建和初始化，确保了每次获取 BeanFactory 时都可以获取到最新的实例，从而保持应用程序的状态和配置的一致性。返回 BeanFactory：最后，方法将获取到的 BeanFactory 实例返回给调用者，以便它可以在应用程序中使用，BeanFactory 是整个 Spring 应用程序的核心，它负责管理应用程序中的所有 Bean 实例。@Bean:声明一个Bean，由Spring容器管。
2025-01-12 11:59:45
1744
3
原创 搜索广告召回技术在美团的实践13
从美团流量场景角度来看，美团搜索广告分为两大类，一是列表推荐广告；二是搜索广告。推荐广告以展现商家模式为主，通常叫商家流。搜索广告的展现形式比较丰富，有商家模式，即以商家展现为主，会挂上菜品/商品；还有商品模式，即以商品展现为主，以呈现商品大图、商品标题等核心商品信息为主。搜商品意图占据绝大多数份额，搜索商家只占较小的一部分；因此检索以商品为主，看候选规模的话，美团有百万量级的商家和十亿级别的商品，供给规模较庞大。
2025-01-12 11:59:35
629
原创 初始化BeanFactory专项：obtainFreshBeanFactory20
在这个过程中，旧的 BeanFactory 实例将被销毁，新的 BeanFactory 实例将被创建和初始化，确保了每次获取 BeanFactory 时都可以获取到最新的实例，从而保持应用程序的状态和配置的一致性。返回 BeanFactory：最后，方法将获取到的 BeanFactory 实例返回给调用者，以便它可以在应用程序中使用，BeanFactory 是整个 Spring 应用程序的核心，它负责管理应用程序中的所有 Bean 实例。@Bean:声明一个Bean，由Spring容器管。
2025-01-12 11:59:15
1457
1
原创 AutoConsis：UI内容一致性智能检测13
在流程上，对于每一个UI目标区域，AutoConsis利用OCR提取所有可识别的字符，随后将分词的结果与CoT示例进行拼合构成Prompt，最后从LLM（AutoConsis的实验部分调用GPT-3.5-Turbo完成）的输出中获取一致性检验所需的关键信息。以下介绍工具的设计过程。对于营销会场页而言，如UI区域识别流程图所示：我们将一个会场页的UI截图送入识别模型，并提供一个商品卡片和对应的文本描述作为检索词，该多模态模型会根据检索词从经UI组件分析处理过的会场页中筛选出近似的商品卡片。
2025-01-12 11:59:05
1009
原创 超越常规：斐波那契数列的极速计算技术12
这是因为快速幂算法的时间复杂度为O(log n)，在算法中只需进行log n次乘法运算。也就是说，数列的第三个数是前两个数的和，第四个数是第二个数和第三个数的和，以此类推。因此，空间复杂度为O(1)，即常数级别的空间复杂度。基本思想是利用矩阵乘法的性质，将斐波那契数列的递推关系表示为矩阵形式，然后通过快速幂算法来快速计算矩阵的高次幂，从而得到斐波那契数列的第n项的值。矩阵解法结合快速幂的斐波那契数列算法具有优秀的时间复杂度O(log n)和空间复杂度O(1)，适用于需要高效计算大数值斐波那契数列的场景。
2025-01-12 11:58:49
1423
1
原创 Spring Guava数据流转换与处理(分析)
Guava提供了许多工具和类，能够简化这一过程，尤其是在处理数据时，它的链式调用风格使得数据流的处理更加清晰、优雅。数据流的处理在现代开发中无处不在，而 Guava 提供的流式操作和工具类，让数据处理变得更加简洁、优雅。，都非常适合进行流式操作，通过链式调用我们可以实现一系列数据转换和处理，而不需要中间产生额外的临时变量。提供了许多常用的流式操作方法，可以用来处理集合或迭代器中的数据，增强代码的可读性与可维护性。这样，我们就能够轻松处理包含多余空格或多种分隔符的字符串，避免了手动处理这些繁琐的细节。
2025-01-12 11:55:47
430
原创 Spark向量化计算在美团生产环境的实践1
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:41
845
原创 Spark向量化计算在美团生产环境的实践2
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:37
758
原创 Spark向量化计算在美团生产环境的实践3
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:34
803
原创 Spark向量化计算在美团生产环境的实践4
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:31
622
原创 Spark向量化计算在美团生产环境的实践5
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:27
1265
原创 Spark向量化计算在美团生产环境的实践6
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:24
861
原创 Spark向量化计算在美团生产环境的实践7
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:21
880
原创 Spark向量化计算在美团生产环境的实践8
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:15
551
原创 Spark向量化计算在美团生产环境的实践9
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:13
962
1
原创 Spark向量化计算在美团生产环境的实践10
i < num;++i) {计算在CPU内完成，逻辑计算单元操作寄存器中的数据，算术运算的源操作数要先放置到CPU的寄存器中，哪怕简单的内存拷贝也需要过CPU寄存器。加载（Load），从内存加载2个源操作数（a[i]和b[i]）到2个寄存器。计算（Compute），执行加法指令，作用于2个寄存器里的源操作数副本，结果产生到目标寄存器。存储（Store），将目标寄存器的数据存入（拷贝）到目标内存位置（c[i]）。
2024-12-16 17:38:09
555
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人