in insights.thoughtworks.cn / 2021-07-06 15:01 / by @Thoughtworks

性能测试之并发模型对比（JMeter、Locust和Gatling）

打开原文喜欢 1 0 条评论

现在常见的并发模型有多线程模型，事件循环模型，Actor模型和CSP模型。为了能测试服务器系统的并发能力，性能测试工具也需要支持与之相应的并发包能力。充分了解性能测试工具的并发模型，可以更好地帮助你选择适合自己的性能测试工具。

赞过的人

@IT技术博客大学习

co www.codedump.info / 2024-09-09 23:46

图解Blink-Tree：B+Tree的一种并发优化结构和算法

本文介绍了 Blink-Tree，这是一种 B+Tree 的并发优化结构。通过引入 high key 和 link 指针，解决了并发访问时的性能问题，特别适用于高并发环境的存储引擎优化。如果你对数据库存储引擎感兴趣，这篇文章不容错过！

查看详情

无图

co colobu.com / 2024-09-08 23:34

四种字符串和bytes互相转换方式的性能比较

在 Go 中，字符串和字节数组的互转性能是很多开发者关注的问题。本文详细对比了四种转换方式，包括新型 unsafe 方法和 Kubernetes 实现，并通过 Benchmark 测试揭示了它们的性能差异。想要优化你的 Go 项目性能？不妨看看这篇详细的实测分析！

查看详情

无图

hu hubojing.github.io / 2024-08-06 08:12

【大模型系列】指令微调

本文总结了大模型中的指令微调（Instruction Tuning）技术，重点介绍了如何通过指令化数据对大语言模型进行参数微调以提升任务性能。文章探讨了数据构建方法如Self-Instruct和Evol-Instruct，以及微调策略包括优化设置和高效微调方法。通过这些技术，模型可以在多任务场景中表现出色。此内容对希望提升大语言模型能力的研究者和开发者具有参考价值。

查看详情

无图

hu hubojing.github.io / 2024-08-06 08:11

【大模型系列】提示学习

本文介绍了提示学习（Prompt Learning）的基础概念和应用场景。作者详细讨论了提示学习在大语言模型中的作用，以及如何通过优化提示来提高模型的任务表现。文章还分享了在实际应用中调整和设计提示的技巧，并探讨了该技术在自然语言处理中的未来发展趋势。这篇文章为希望利用大模型进行高效自然语言处理的开发者提供了有价值的见解。

查看详情

无图

co colobu.com / 2024-08-06 07:51

“测试 Rust 的 I/O 性能”

这篇文章探讨了在Linux上使用Rust进行文件I/O操作的性能测试。作者通过多种方法对读取大文件进行基准测试，包括使用标准BufReader、Direct I/O、内存映射（Mmap）以及io_uring等技术。结果显示，使用AVX-512指令集的内存映射实现是最快的方法，其读取速度超过8.4 GB/s。文章强调不同技术的性能差异，并提供代码示例供开发者参考。

查看详情

无图

bl blog.codingnow.com / 2024-05-05 23:26

大批量动画模型的优化

最近和公司一个开发团队探讨了一下他们正在开发的游戏中遇到的性能问题，看看应该如何优化。这个游戏的战斗场景想模仿亿万僵尸(They are billions）的场景。在亿万僵尸中，场景中描绘了上万的僵尸潮，但我们这个游戏，超过 500 个僵尸就遇到了性能问题。固然，手机的硬件性能比不上 PC ，但 500 这个数量级还是略低于预期。

对于游戏中大量类似的动画物体，肯定有方法可以优化。

查看详情

无图

co www.codedump.info / 2024-03-21 23:26