随记，性能相关

最新推荐文章于 2025-12-01 17:37:58 发布

原创最新推荐文章于 2025-12-01 17:37:58 发布 · 213 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍如何通过使用线程池代替多线程操作来节约内存及CPU占用率，并提供了避免滥用trycatch、不使用Java枚举类型及减少内部Getters/Setters使用的建议。

尽量使用线程池替代多线程操作，这样可以节约内存及CPU占用率。

不要滥用trycatch，trycatch也会消耗资源，避免整块代码都trycatch起来这种不负责任的做法

避免在Android中使用Java的枚举类型，因为编译后不但占空间，加载也费时，完全没有static final的变量好用、高效。

避免内部的Getters/Setters

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

maopeng0535

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

学习随记：纹波噪声谐波区别

09-04

JSP PDF打印随记复杂模板设计

11-14

本篇随记主要探讨的是如何在JSP环境中进行PDF打印，并涉及复杂的模板设计。PDF（Portable Document Format）是一种通用的文件格式，常用于生成保持原始文档格式不变的静态文档，适用于打印和共享。首先，我们需要...

参与评论您还未登录，请先登录后发表或查看评论

高性能网络+可视化网络随记

guotch的专栏

08-05

838

关键词： INT In-band Network Telemetry，带内网络遥测 MOD Mirror-On-Drop，丢包镜像 TCB Transient Capture Buffer，瞬态捕获缓冲 erspan Encapsulated Remote Switch Port Analyzer http://www.ruijie.com.cn/fa/xw-hlw/...

[Unity] 关于性能的几点说明

游戏开发及系统编程

08-04

249

monobehaviour的print和Debug.Log()是一模一样的，可以帮助我们省下几个字符。影响unity性能的几个东西： [list] [*]多边形的数量 [*]draw distance 就是camera的far clip plane [*]texture size [*]script的性能 [*]有个演讲 http://unity3d.com/support/r...

Mesh—合并网格提升性能

Move_Cat的博客

06-21

5029

将多个网格合并为一个网格，即将多个模型合并为一个模型。如下面两个模型：从右边可以看出它是由两个模型组成。有些时候我们会希望这两个模型使用同一个Collider，但是我们不可能还要美术从新做一个碰撞，因为物体的摆放不是固定的。所以我们就要使用到Untiy的一个API——CombineMeshes。具体可以查看https://docs.unity3d.com/ScriptReference/Mesh.C

腾讯自研交换机系统优化之路

腾讯技术工程

09-17

2700

一、Tencent NOS概述SONiC is an open source network operating system based on Linux that runs on s...

高性能网络服务程序简介

dadidiaosu的博客

12-15

495

网络服务程序一般分为：单线程重复式、多进程网络服务、多线程网络服务、线程池网络服务及IO多路复用。 1、单线程重复式，是一种简单的阻塞等待，侦听服务，连接，提供服务，释放，连接，服务，释放......... 若当前处于连接状态，有新的连接到达，则进入排队队列等待服务。单线程重复式实现简单，但是确定也明显，每次只能为一个用户提供服务，若服务时间长，则对排队连接的用户体验产生不利影响。

C#性能优化随记

xhydongda的博客

12-01

334

本文分享了C#优化InfluxDB内核性能的几点经验：1)使用Parallel.Foreach并发处理集合，使177M文件写入时间从22分钟缩短至3分6秒；2)将链表结构改为List集合，显著降低CPU消耗；3)正确使用性能探查器分析长时间运行的CPU热点；4)善用Copilot辅助问题排查和代码优化。这些优化措施带来了6倍的性能提升，并解决了50%的CPU消耗问题。

Java性能调优随记

陈德优的博客

03-05

231

事情发生在16年了。当时系统beta版本进行上线前的性能压测时，发现进程的内存占用率会持续升高，与之而来的时，性能的接口性能的持续下降。最奇怪的是，停止压测后CPU和内存开销并没有恢复过来。记得之前发过博文，不知道怎么回事找不到了。应其他同事的要求，回忆一下当时的定位过程，再做一个简单分享。在讲述整个过程前，请大家自备两个梯子：Java虚拟机的垃圾回收机制jmeter的基本使用知识首先下载...

linux高性能编程随记

laiyuhua120的博客

09-18

3. 当写 buff 有数据，但是我们没处理（没发送出去），但是对相应fd进行epoll_mod OUT事件时，触发。3. 当读 buff 有数据可读时，我们不处理，但是对相应fd进行epoll_mod IN事件时，触发。读缓冲区有数据就一直触发（即epoll_wait时能检测到），没有就不触发。2. 当有新数据到达时，即读 buff 数据由少 -> 多时，触发；2. 当有数据被送走时，即写 buff 数据由多 -> 少时，触发；1. 当写 buff 从满 -> 不满时，触发；

Mysql-性能优化随记

飞扬晴雪

05-10

153

Mysql-性能优化随记 1.顺序查询与随机查询的区别： **顺序查询：**只需要顺序查询时间， **随机查询：**时间需要查询时间，寻轨时间，旋转时间随机查询回避顺序查询耗费更多时间。 2.B+树和B数的区别 **B+：**只有叶子节点存放数据； **B树：**叶子节点和其他节点都可存放数据； 3.聚集索引和非聚集索引的区别聚集索引：分为主键索引和辅助索引，主键索引只有一个，辅助索引可以由多个；索引指向存放的数据；非聚集索引：的索引指向存放数据的地址举例：创建一个B+Tr

EHCache的使用随记

08-05

**EHCache的使用随记** EHCache是一款广泛应用于Java环境中的高效、易用且功能丰富的内存缓存系统。它能够显著提升应用性能，通过将常用数据存储在内存中，避免了反复从数据库读取，降低了I/O延迟。本文将探讨...

基于微信小程序平台开发的集家庭日常收支精细化记录多成员协同管理与智能财务分析于一体的云端家庭财务管理系统_微信小程序开发前端界面设计后端数据逻辑处理云数据库存储用户权限管.zip

12-04

CursorSetup-x64-2.1.47.exe

最新发布

12-04

CursorSetup-x64-2.1.47.exe

动态覆盖的分布式策略，具有有限感知能力.zip

12-04

1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

（55页PPT）智慧农业行业解决方案.pptx

12-04

（55页PPT）智慧农业行业解决方案.pptx

基于双目标 UCB 控制启发式算法的主动磁悬浮轴承 PID 隐式模型优化方法-基准函数测试（Matlab代码实现）

12-04

内容概要：本文提出了一种基于双目标UCB控制启发式算法的主动磁悬浮轴承PID隐式模型优化方法，并通过基准函数测试验证其有效性。该方法结合了多目标优化与启发式搜索策略，旨在提升主动磁悬浮轴承控制系统中PID参数整定的精度与稳定性，利用Matlab进行仿真代码实现，展示了在基于双目标 UCB 控制启发式算法的主动磁悬浮轴承 PID 隐式模型优化方法——基准函数测试（Matlab代码实现）复杂非线性系统建模与优化方面的应用潜力。; 适合人群：具备一定控制理论基础和Matlab编程能力的高校研究生、科研人员及从事自动化、机械电子工程等领域研发工作的技术人员。; 使用场景及目标：①用于主动磁悬浮轴承系统的高性能控制设计；②为PID控制器参数优化提供基于双目标UCB启发式算法的新思路；③适用于需要高精度、强鲁棒性控制的工业场景，如高速旋转机械、精密制造装备等。; 阅读建议：建议读者结合Matlab代码深入理解算法实现细节，重点关注双目标优化机制与UCB启发式策略的融合方式，并可通过替换不同基准函数进行扩展实验，进一步掌握其在实际控制系统优化中的调参技巧与适应性分析方法。

毕业设计基于深度学习的家庭用电量预测模型研究python源码+PPT材料+演示视频.zip

12-04

毕业设计基于深度学习的家庭用电量预测模型研究python源码+PPT材料+演示视频.zip

（48页PPT）某省市规划蓝图解决方案.pptx

12-04

（48页PPT）某省市规划蓝图解决方案.pptx

随记森林回归min_weight_fraction_leaf

12-09

随机森林中的min_weight_fraction_leaf参数用于限制叶子节点中样本权重的最小加权分数。在决策树生长过程中，叶子节点的样本权重必须大于或等于 min_weight_fraction_leaf 值，否则节点将不会被分裂。通过调整 min_weight_fraction_leaf 参数，可以有效控制决策树模型的深度和复杂度，从而防止过拟合。当 min_weight_fraction_leaf 的值较小时，模型会以更小的样本权重来进行节点分裂，导致树变得更深并生成更多的叶子节点。这可能会提高模型的拟合能力，但也容易导致过拟合。相反，当 min_weight_fraction_leaf 的值较大时，模型会趋向于生成更少的叶子节点，从而限制了模型的复杂度，降低了过拟合的风险。因此，通过调整 min_weight_fraction_leaf 参数，可以在模型的拟合能力和泛化能力之间寻找平衡。合适的 min_weight_fraction_leaf 值可以帮助我们构建一个既能很好地拟合训练数据，又能在测试集上表现良好的随机森林模型。总之，min_weight_fraction_leaf 参数对随机森林模型的性能具有重要影响，需要根据具体的数据集和问题需求来进行调节和选择。