性能优化

爱喝水的鱼丶

SAP-ABAP：变量、常量、结构与内表声明（10篇博客合集）第九篇：声明阶段的性能优化：如何从定义环节减少程序内存占用与运行耗时当程序响应缓慢或内存占用过高时，我们通常会本能地去优化算法、调整SQL、添加索引。但很多时候，性能瓶颈早在你写下第一行 DATA 声明时就已埋下——不合理的变量初始值、未预分配空间的内表、过于臃肿的结构体组件，都会在运行时悄然消耗额外资源。本文从声明阶段入手，讲解变量初始值设置、内表初始行数预分配、结构组件类型精简三大优化技巧，并通过对比测试展示不合理声明与优化后声明的内存占用与执行效率差异，帮助你在“起跑线”上就赢得性能优势。

PostgreSQL性能优化实战：从查询慢如蜗牛到飞一般的体验“为什么我的PostgreSQL查询这么慢？” —— 这是每个DBA和开发人员都会遇到的问题。作为一名数据库老兵，我经历过无数次从“用户投诉”到“找到根因”再到“性能飙升”的惊心动魄。本文将从一个真实慢查询案例入手，带你系统掌握PostgreSQL性能优化的完整方法论。

GaussDB(DWS)数据融合：Oracle增量数据迁移到DWS本文介绍一种从Oracle到Dws进行数据迁移方式。数据迁移分为两步，全量迁移和增量迁移。全量迁移是指将源端的全部或部分数据一次性的迁移到目标端的过程，全量同步采用CDM方案；增量同步是指将指定检查点后的数据库数据增量变化由源数据库同步到目标数据库的过程。

Python 性能优化：tracemalloc、profiling 与 C 扩展加速“Python 太慢了”——这句话对了一半。纯 Python 的 CPU 密集型计算确实慢，但性能优化从来不是从重写 C 开始，而是从找到瓶颈开始。

筠筠喵呜喵

Linux CPU性能优化：D状态和Z状态排查与处理在 Linux 系统中，常用的五大基本状态（通过 ps、top 等命令可查看）分别是：含义：进程当前正在运行（占用 CPU）或者处于可运行队列中、只要获得 CPU 时间片就能立刻执行。特点：包括正在 CPU 上执行的进程，以及就绪等待调度的进程。这是进程争取 CPU 时的活跃状态。示例：一个不停计算的 while(1) 程序通常处于 R 状态；在多核系统上，多个 R 状态进程可能同时运行。

图片下载工具性能优化：并发控制与内存管理电商图片下载工具需要处理大量图片下载任务。如何在高负载下保持稳定，同时控制资源占用？本文从技术角度分享性能优化策略。

昇腾NPU上的Vector算子模板库，性能优化案例实录要在昇腾NPU上做Vector算子性能优化，但不知道从哪入手？自己手写Vector算子太慢，用现成的模板库又怕性能不够？atvc（Ascend Vector Template C++ Library）就是为这个场景准备的。

Triton推理服务接昇腾NPU，GE后端怎么搭？NVIDIA的Triton Inference Server是推理服务的事实标准——做模型服务化、多模型调度、动态batching，用Triton准没错。但Triton原生只支持NVIDIA GPU（CUDA），昇腾NPU想接入Triton生态，中间需要一个"翻译层"。

MU在掘金91695

Block Events数据覆盖：一个静默Bug的排查过程SmartInspector 有两条卡顿检测的数据通道：两条通道各有优势。SQL 通道有精确的 ts_ns 时间戳，但 atrace 有 127 字符截断限制，长类名会被截断。WS 通道有完整的调用栈，但没有 Perfetto 的时间戳。

CDN加速的原理，远不止缓存这么简单摘要：大部分人对CDN的理解停留在"把静态资源搬到离用户近的地方"。但CDN的加速手段不止缓存——DNS调度、协议优化、TCP优化、动态加速、边缘计算，每一层都在提速。本文从一个"上了CDN还是慢"的案例出发，逐层拆开CDN的加速原理。

从Explain到SQL优化：一次生产环境慢查询的完整调优复盘线上接口突然变慢，用户投诉如潮水般涌来，DBA紧急排查发现竟然是一条"看起来没问题"的SQL在搞鬼——这种场景你一定不陌生。本文将用一个真实的生产案例，带你从头到尾走一遍SQL优化的全流程，从Explain分析到索引重构，每一步都踩在实战的点子上。

《OpenHands 安装部署教程：用 Docker 在本地快速跑通开源 AI 编码助手》OpenHands 这类项目，第一眼看上去都像“下一代开发神器”，第二眼就容易掉进环境、权限、端口和 API Key 的坑里。这篇文章不聊概念泡沫，直接走普通开发者最容易复现的路线：用 Docker 在本地启动 OpenHands，配置模型，打开 Web 页面，并完成第一个最小可用任务验证。

海南java第二人

ClickHouse 性能优化完全指南：从数据模型到生产调优作为一款为在线分析处理（OLAP）而生的列式数据库，ClickHouse 的性能优势众所周知。但“快”不是自动获得的——合理的表结构设计、科学的索引与分区策略、以及对集群资源的精细调优，才是将硬件潜力转化为极致查询性能的关键。本文将从数据模型、查询编写、集群调优三个维度，系统性地梳理 ClickHouse 性能优化的核心方法与实战经验。

爱和冰阔落

Linux 性能优化基石：全景拆解 PRI/NI 优先级算力争夺与 O(1) 调度算法精髓🔥个人主页：爱和冰阔乐 📚专栏传送门：《数据结构与算法》、【C++】、【Linux】 🐶学习方向：C++方向学习爱好者 ⭐人生格言：得知坦然，失之淡然

KingbaseES系统视图与Hints调优：从诊断到性能优化的进阶之路数据库慢了，日志里翻不出原因，应用层看不出来毛病，但就是慢。这种情况太多了。问题可能藏在锁等待里，可能是统计信息太久没更新导致执行计划走偏，也可能就是一个该加的索引一直没人加。这篇文章的思路很简单：用系统视图把问题翻出来，用EXPLAIN看明白执行计划，再用Hints在关键位置做调整。三步走，不绕弯。

CANN ops-transformer 仓库详解：Transformer 算子的底层实现与性能优化前面写了 40 多篇，提到 Transformer 的地方不少，但还没系统讲过 CANN 里专门为 Transformer 优化的算子库——ops-transformer。这个仓库里藏着大模型在昇腾 NPU 上跑得快的真正秘密：Flash Attention、Rotary Embedding、RMSNorm、SwiGLU，这些都是大模型的"基础设施算子"。

万字深度：Chroma 向量数据库全解析 — 核心原理、实战操作、性能优化与工程最佳实践在大模型与检索增强生成（RAG）全面普及的今天，向量数据库已成为 AI 应用不可或缺的底层基础设施。传统关系型数据库擅长结构化数据与精确匹配，难以高效处理文本、图像、音频等高维向量的语义相似性检索；而专门面向向量存储与近似最近邻搜索（ANN）的向量数据库，能在毫秒级返回与查询语义最相关的结果，支撑智能问答、文档检索、推荐系统、多模态交互等核心场景。

心中有国也有家

PaddlePaddle 适配 NPU 的技术全解析——从算子接入到端到端性能优化PaddlePaddle（飞桨）是百度开源的深度学习框架，它怎么在华为 NPU 上跑起来？核心是通过 Paddle 的自定义算子机制接入 CANN 算子库，并通过通信后端抽象支持 HCCL 和 hixl。这篇文章把这套适配技术拆开讲清楚。