《性能测试》专题

我需要提高在具有6GB ram的vm中运行的Liferay 6.2门户的性能。将Xmx和Xms增加到3GB以上没有帮助。 所以我偶然发现了Liferay用户指南中的这一段： 请注意，内存回报率是递减的，尤其是在64位系统中。这些系统允许您创建非常大的JVM，但JVM越大，垃圾收集所需的时间就越长。因此，您可能不想创建大小超过2GB的JVM。要在单个系统上利用更大的内存，请运行Liferay的多个J

我试图确定我的ColdFusion PRODUCTION服务器的最佳设置。服务器有以下规格。 ColdFusion： Enterprise Version 10 O/S： Windows Server 2012R2 Standard 处理器：Intel（R）Xeon（R）CPU E5-2660 v2@2.20GHz 已安装内存（RAM）：20.0 GB 系统类型：64位操作系统，基于x64的处理器

我们有一个spring批处理作业，我们试图处理大约1000万条记录。现在，在单线程中执行此操作将非常慢，因为我们必须匹配SLA。 为了提高性能，我们开发了一个POC，其中主步骤是创建分区，每个分区代表一个唯一的prod ID。这可以从500到4500之间的任何地方。在POC中，我们有500个这样唯一的产品ID。现在，每个分区都有一个prod id和一个步骤。所有这一切都很顺利。 我们注意到的是主步

在我的Neo4j/SDN 4应用程序中，我的所有密码查询都基于内部Neo4j ID。 这是一个问题，因为我不能在我的web应用程序URL上依赖这些ID。Neo4j可以重用这些ID，因此很有可能在将来的某个时候，在相同的ID下，我们可以找到另一个节点。 我尝试基于以下解决方案重新实现此逻辑：使用图控制唯一id的生成，但发现查询性能下降。 从理论上看，基于）属性的密码查询是否应该 例如： 与基于内部N

我正在做一些大的重构操作，相对于android应用程序中的一些性能改进，该应用程序使用了一个带有大量静态变量的类，甚至静态活动引用，然后通过应用程序使用！因此，我在Android中寻找一些最佳实践来存储数据，并在我的应用程序中为这些数据提供全局访问。 首先，我删除了所有的活动引用，以避免任何内存泄漏，但我仍然希望知道什么是关于静态变量的最佳实践，这些变量需要在android应用程序的任何地方使用。

更新：为了更明显地说明我正在努力做的事情：我将拥有5000万以上的设备流媒体音频。流平均为100KB，峰值流量时为200K流/分钟。我正在寻找一种存储解决方案来满足这种需求。我一直在研究Bookkeeper、Kafka、Ignite、Cassandra和Redis。到目前为止，我只对redis和ignite进行了基准测试，但我很惊讶ignite这么慢。

null 试图应用马塞尔建议的条件。正如所说，它甚至超过100秒 下面是我的代码的几个示例，

我正在学习著名的《关于Java》一书。这本书说：“如果一个线程写入一个变量，而其他线程只读取它，那么你可以让该变量保持易失性。”我不明白为什么不需要“易失性”来确保将线程刷新变量写回内存？如果没有易失性，其他线程是否会因为本地缓存而读取脏数据？

对于我的测试，我在队列中发布了700万条消息。我创建了一个包含30个消费者线程消费者组，每个分区一个。我最初的印象是，与通过SQS获得的相比，这将大大加快处理能力。不幸的是，情况并非如此。在我的例子中，数据处理是复杂的，平均需要1-2分钟才能完成，这导致了一系列分区重新平衡，因为线程不能按时运行。我在日志里看到一堆消息 组FULL_GROUP的自动偏移量提交失败：无法完成提交，因为该组已重新平衡并

最简单的经验法则之一是记住硬件喜欢数组，并且针对数组的迭代进行了高度优化。对许多问题的一个简单优化只是停止使用花哨的数据结构，只使用简单的数组（或C++中的std：：vectors）。这需要一些时间来适应。 C++类是那种“奇特的数据结构”，即一种可以用数组代替的数据类型，以在C++程序中获得更高的性能吗？

是的，这是一个老话题，但我还是有些困惑。 在爪哇，人们说： LinkedList的插入速度比ArrayList快。这里插入是什么意思？如果这意味着向后移动一些元素，然后将元素放在中间的空点，那么ArrayList应该比LinkedList慢。如果插入只意味着添加（对象）操作，这怎么会慢呢？

我使用的是Apache ActiveMQ Artemis 2.16.0（但也尝试了2.15.0)、artemis-jms-client 2.6.4和Spring Boot 1.5.16.release。

我注意到使用来自Pandas的迭代行时性能非常差。 这是别人经历过的事情吗？它是特定于迭代行的吗？对于一定大小的数据（我正在处理200万-300万行），是否应该避免使用这个函数？ GitHub上的讨论使我相信它是在数据帧中混合dtype时引起的，然而下面的简单示例显示，即使使用一个dtype(float64)时也会出现这种情况。这在我的计算机上需要36秒： 为什么像apply这样的矢量化操作要快得

比这快吗？