性能优化

React Native for OpenHarmony 实战：三方库 react-native-url-polyfill 的鸿蒙化适配指南本文记录把 react-native-url-polyfill（WHATWG URL 标准实现）适配到 HarmonyOS 的完整过程。

RAG Chunks 切分优化后成本骤降 86%大家好，我是 HLAIA 光子。最近在给我的项目 OpenMMV 做 RAG 检索优化，其中很重要的一环是 Chunks 切分优化。之所以要优化，其一是因为服务器性能实在不好，有两台服务器是我在闲鱼上淘的七八年前退役、淘汰的硬件组成的，也就比 E3、E5之流强一点；内存、存储更是丐中之丐了。优化之后，服务器性能压力会少一些。其二就是烧钱的问题，本文主角之一“父子切割”策略，实测下来是烧钱大户，优化了之后成本可以降低 86%。对你没听错，降低 86%

传奇开心果编程

【现代声明式UI学与练】第9课性能优化——渲染优化、列表优化、内存优化、启动优化学完这一课，你要建立七个认知：本课核心线索：贯穿全文的核心问题：渲染优化的本质：减少不必要的函数重执行，减少不必要的 UI 描述对比。

RAF 渲染帧速通：从渲染帧到性能优化最近整理前端性能优化相关的知识，发现 requestAnimationFrame（RAF）这个 API 看着简单，但真要讲清楚它和浏览器渲染、事件循环、性能优化的关系，还是有不少细节。这篇是我自己的学习笔记，把之前搞混的点梳理一下。

移动构造与移动赋值：把资源偷过来「std::move 是什么」那一篇已经讲清楚了：它只是个类型转换，真正搬数据的是移动构造函数。这一篇换个视角，从类的实现者出发，亲手写出正确、高效的移动操作。有几个问题只有写实现时才碰得到：noexcept 为什么不是装饰、移动后源对象到底处于什么状态、移动赋值怎么处理自赋值。还有一个更隐蔽的：编译器可能压根没给你生成移动操作。

eBPF 开发实践：使用 eBPF 隐藏进程或文件信息eBPF（扩展的伯克利数据包过滤器）是 Linux 内核中的一个强大功能，可以在无需更改内核源代码或重启内核的情况下，运行、加载和更新用户定义的代码。这种功能让 eBPF 在网络和系统性能分析、数据包过滤、安全策略等方面有了广泛的应用。

shared_mutex 读写锁该不该用，以及 volatile 的三大误解「读多写少，那用读写锁肯定更快吧。」这句话是并发优化里最常见的直觉，也是最常翻车的一个。std::shared_mutex（C++17）确实做到了多读者并存、写者独占，但它的独占成本比 std::mutex 高，读者路径还要动一个共享计数器。下面先讲清该怎么用、什么时候别用，再顺手把 volatile 的三大误解拆掉。这两件事总是一起出现，因为动机都一样：想省掉那把锁。

unique_ptr 完全指南：独占所有权与零开销裸指针最大的麻烦其实不是「会忘写 delete」，而是所有权含糊不清：这段内存归谁，谁来释放，读代码的人只能猜。std::unique_ptr 把答案钉死在类型里，同一时刻只有一个 unique_ptr 拥有这块内存，要转移就必须显式写 std::move。代价几乎为零，既不比裸指针多占内存，也不比它多花时间。下面把常用接口和几个容易踩的点一起讲清。

Chrome 性能优化实战：内存节省、硬件加速与 Flags 设置，让浏览器更流畅Chrome 功能强大，但标签页、扩展和多媒体内容开多了，确实容易变慢。很多时候并不是电脑配置不够，而是浏览器没有做基础优化。下面这些设置都不需要安装额外软件，打开 Chrome 就能调整。

Android 性能优化常见工具与使用场景：从症状到证据的排查指南“App 很卡”不是一个足够具体的性能问题。它可能是冷启动白屏、列表滑动掉帧、点击后无响应、内存不断上涨，也可能是网络慢或设备发热。不同症状需要不同工具：用内存快照找不到主线程某一帧为什么超时，用一次本地 Trace 也不能代表线上所有机型的体验。

西红柿炖牛腩354

Three.js 模型体积优化：Draco/Meshopt 压缩与 DRACOLoader 配置的 4 个步骤场景加载慢，先别怀疑渲染代码。这篇给一套能直接复制的完整流程：inspect 诊断 → 纹理压缩 → 几何压缩 → Three.js 解码器配置，含命令和参数。

首屏不是 dist：用“加载账本”治理 Vite 的大包dist/assets 里出现一个 800 KB 的文件，通常会立刻触发“拆包”行动：加 manualChunks、把组件改成动态导入、把所有依赖塞进 vendor。但这些动作未必改善用户体验，甚至可能把稳定的首屏加载改造成点击后的请求瀑布。

map / set 完全指南：红黑树与有序容器std::map 是 C++ 里最常被用、也最容易被用错的容器。它的核心事实只有一句话：它是一棵自平衡的红黑树（red-black tree），所以 key 永远有序、查找永远是 O(log n)。有序带来范围查询、中序遍历即排序、find 优于 std::find 这些能力；但也带来一个著名陷阱——operator[] 在找不到 key 时会默默插入一个默认值。这篇按「结构 → 只读查表 → 查找写法 → 插入写法 → 范围查询 → 完整示例」的顺序把 map / set 全家讲清楚。

【YOLO 入门到精通 08】推理预测完全指南：多数据源、流式推理与性能优化标签：YOLO推理流式推理 predict 性能优化 Results对象难度：⭐⭐⭐ | 阅读时长：约 60 分钟 | 系列：第 08/12 集前置：07 验证评估 | 下一集：09 目标跟踪

打工仔折腾 AI

从零写一个CAD 04：中键拖动平移，抓住一个点让它一直待在鼠标底下平移看起来是 CAD 里最简单的一个交互，比画线、比捕捉、比布尔运算都简单。但我第一次写完中键拖动之后，遇到的实际问题是：拖动过程中图会"漂"，鼠标停下时视图跟着抖一下，快速拖动还会跳。后来把逻辑重写成"抓住一个点"的思路，问题基本消失了。

C++ 查找算法：std::find 与容器成员 find 的性能差距在 map 里找一个 key，有人写成 std::find_if(m.begin(), m.end(), ...)，十万个元素就要跑十万次比较；换成 m.find(key)，同样十万个元素只要几十次 —— 两者名字里都有 find，复杂度却差了一个数量级。这篇文章从这条落差讲起，把查找族算法的语义、返回值约定和短路口诀一次讲清，重点解释这个落差的根源：STL 算法只拿得到迭代器，看不见容器的内部结构。

工作10年+，存储芯片行业

Linux NVMe 中断排查与性能优化：IRQ 优化(原理+排查)目录一、为什么要关注 NVMe 中断二、原理篇2.1 中断演进：从 INTx 到 MSI-X2.2 NVMe 多队列模型

list 与 forward_list：链表真的比 vector 快吗「中间插入删除用链表，随机访问用数组」这条规则背了很多年，但它只说对了一半。真把十万个 int 分别塞进 std::list 和 std::vector，链表的内存占用是后者的 6 倍，顺序遍历还要慢一个数量级。原因不在复杂度（两者遍历都是 O(n)），而在每个节点的额外指针和缓存局部性（cache locality）。这篇用实测把链表的开销算清楚，也把链表真正不可替代的两个场景——迭代器失效规则与 splice 零拷贝——讲透，最后给一条能直接用的选型结论。

【Qt 进阶指南】详解 Qt 常用标准对话框与主窗口组件架构🔥个人主页：Cx330🌸❄️个人专栏：《C语言》《LeetCode刷题集》《数据结构-初阶》《C++知识分享》

eBPF 开发实践：使用 sockops 加速网络请求转发eBPF（扩展的伯克利数据包过滤器）是 Linux 内核中的一个强大功能，可以在无需更改内核源代码或重启内核的情况下，运行、加载和更新用户定义的代码。这种功能让 eBPF 在网络和系统性能分析、数据包过滤、安全策略等方面有了广泛的应用。