性能优化

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。

打工仔折腾 AI

多台服务器日志分散难查？用Promtail+Loki+Grafana搭建集中检索平台线上服务一旦拆到多台机器，日志查询就会变成一件很烦的事。我维护的几个后端服务分布在四台服务器上，平时排查问题基本靠 ssh 登上去，再 tail -f 或者 grep。单机还好，一旦某个请求跨了多个服务，或者要对比几台机器同一时间段的报错，就得开好几个终端来回切，效率低到让人怀疑人生。

Java零基础入门：字符串深度掌握——从基础API到StringBuilder性能优化如果说Java程序是一个人体，那么字符串（String）就是流淌在血管里的血液——无处不在，不可或缺。你写的每一个系统，从用户登录、数据采集到文件解析，全都在和字符串打交道。

打工仔折腾 AI

工业场景下时序库与实时计算一体化架构选型实践对比工业现场的数据链路，很多时候比互联网后端要"拧巴"。一个中型产线，可能有几百个 PLC、传感器、仪表在持续上报数据，采样频率从几百毫秒到几秒不等。这些数据先落到采集网关，再进消息队列，然后一部分要存下来做历史查询，另一部分要立刻算——比如判断某个温度是不是连续超限、某个振动值是不是在恶化。

MySQL 深分页从 4 秒到 60 毫秒：延迟关联减少回表的实测与代价本文摘要：深分页 offset 达九十万时单页常耗数秒，页码越深越慢。延迟关联先在索引挑出 id，再回表 20 行，回表次数从 offset+N 降到 N。

shared_ptr 完全指南：引用计数、控制块与开销std::unique_ptr 把「独占所有权」钉死在类型上，但现实里经常需要多个对象同时引用同一份资源：缓存、父子节点、观察者列表……这时 std::shared_ptr（共享所有权指针，shared pointer）登场。它用引用计数（reference count）记录「现在有几个人在用」，最后一个离开时才释放。这篇把控制块里到底存了什么、它比裸指针贵在哪、以及什么时候不该用它一次讲清。

网络协议性能调优手册从性能视角综合各协议的调优参数与方法，按场景分类。 synthesis 页：跨所有协议页综合分析。专家视角：性能调优是权衡艺术——提升吞吐量通常增加延迟（批量发送），降低延迟通常牺牲吞吐量（小包优先）。明确优化目标是第一步。

喜欢的名字被抢了

08-Redis 性能优化篇：快在哪、BigKey、HotKey、慢查询与内存Redis 快，这句话被说过太多次。面试里答一句「因为内存、单线程、IO 多路复用」就能过关，可真到线上出问题，这三个词一个都用不上。有用的问法是，它省掉了哪一档开销，省不掉哪一档，什么条件下这个快会消失。

Oracle数据库基础之10_性能优化Cost Based Optimizer（CBO)成本优化，根据统计信息和查询条件，自动选择最低成本的执行计划来确定语句的访问路径。CBO对数据敏感，一旦数据发生变化，重新收集统计信息后，执行计划会自动做出相应变化。因为数据库的数据是变化的，在某一时刻使用这个执行计划是最优的，在另一个时刻，却可能很差，这也是CBO 取代RBO的原因之一，规则是死的，而数据是时刻变化的，为了获得最正确的执行计划，只有知道表中数据的实际情况，通过计算各种执行计划的成本，择其最优，才是最科学的，这就是CBO的工作机制。

EXPLAIN 显示走了索引查询仍慢：回表与选择性在 500 万行表上拉开 10 倍耗时本文摘要：500 万行表加二级索引后计划显示走了索引，查询仍然明显偏慢。覆盖索引配合 VACUUM 更新可见性映射，可把回表的随机读降下来。低选择性时顺序扫描更快，写密集表与小表不适用此路线。

React Native for OpenHarmony 实战：三方库 react-native-crypto-js 的鸿蒙化适配指南react-native-crypto-js 是 crypto-js 在 RN 生态里的一个常用入口包：MD5、HMAC-MD5、AES 口令式加解密，做本地数据摘要、接口签名、配置加密时会用到。

一条请求的接力赛：用运行时责任重画 RSC 边界React Server Components（RSC）讨论到最后，常常又回到一句过于静态的话：“这个组件该放服务端，还是客户端？”

打工仔折腾 AI

把模型切换交给平台：用蓝耘智能路由搭建商品评论分析工具做商品评论分析的工具，最烦的其实不是模型效果，而是模型名字。我手头这个需求很典型：给一批电商评论做三件事——判断情感倾向、抽取商品属性标签、对差评生成一句简短摘要。一开始我图省事，三个任务全写死同一个模型：

努力努力再努力wz

【CUDA入门系列】CUDA 执行模型与性能优化：SM 调度、Occupancy、内存访问与 Bank Conflict🔥 本文专栏：CUDA 🌸作者主页：努力努力再努力wz💪 今日博客励志语录：焦虑喜欢让你提前活在失败里，而行动只要求你把眼前这一小步走完。

打工仔折腾 AI

从零写一个CAD 02：实体容器、Esc取消与键盘失灵的排查第一篇结束时，窗口里能画出一条线，代码大概长这样：一个 QMainWindow 子类，重写 mousePressEvent 和 mouseReleaseEvent，在按下时记一个起点，在松开时把线段塞进一个 self.lines 列表，然后在 paintEvent 里遍历这个列表画出来。

Neo4j 内嵌模式（Embedded）实战：Java 嵌入式 vs 服务端部署的写入性能对比与 GC 调优在技术选型时,团队有一个很自然的想法:能不能把图数据库直接嵌入 Java 应用里,像 SQLite 之于 MySQL 那样,省掉独立部署、省掉网络开销、省掉运维成本?