性能优化

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。

HCCL 集合通信编程：多卡协同的正确姿势多卡训练和推理，核心是卡间通信。HCCL（Huawei Collective Communication Library）是昇腾的集合通信库，API 和 NCCL 兼容，但底层实现针对 HCCS 和 RoCE 做了优化。

用 Ascend CL 从零写一个推理程序前言用 PyTorch 推理很简单，但生产环境里经常需要更底层的控制——比如 C++ 服务、嵌入式设备、或者极致的性能优化。这时候就要用 Ascend CL（Compute Language）直接调用 NPU。

步步为营DotNet

探秘.NET 11：C# 14 特性在后端性能优化中的深度应用在后端开发领域，性能优化始终是提升应用竞争力的关键因素。随着.NET 11 的发布，C# 14 带来了一系列新特性，为后端性能优化开辟了新途径。这些特性不仅改进了代码结构，还在运行时性能上有显著提升。本文将深入剖析 C# 14 新特性在后端性能优化中的原理，通过实际代码演示其应用，对比优化前后的性能差异，并分享生产级的避坑经验。