Dojo
话题
新佳
订阅
极道
元认知
元逻辑
元设计
元编程
元语言
程序性能测试指南
Python中读取Excel最快的6种方法
在本文中,比较了从 Python 读取 Excel 的几种方法: 1、使用 Pandas 读取 ExcelPandas 是 Python 的数据分析库,是用 Python 处理与数据有关的任何问题的首选,因此是一个
jcstress:Java并发压力测试工具
Java 并发压力 (jcstress) 是实验性工具和一套测试,用于帮助研究 JVM、类库和硬件中并发支持的正确性。 为了理解 jcstress 测试并编写自己的测试,完成
数据库IO有多慢?
大多数资深开发人员一定都经历过数据库 I/O 性能相当低的情况。但很多人可能没有意识到 I/O 操作有多慢,特别是数据库 I/O 速度与其他数据读写方法的速度之间的差距。 Java 是一种用于应用程序开发的常用技术。现在我们进行现场测试,看看Jav
Go中泛型和反射比较指南
Go 是一种以简单性为傲的静态类型语言,自诞生以来已经经历了无数的变化。经常引发 Go 开发人员讨论的两个功能是反射和最近的泛型。两者都有相似的目的:为固有的静态语言引入一定程度的活力和灵活性。但是,虽然反射从早期就已经是 Go 的一部分,但泛型却是新事物,提供了不同的工具来解决一些相同的问题。</
Reddit网友:Springboot升级后性能下降
我最近为我的团队进行了 springboot 和 Java 从 2.7 到 3.1.2 的升级,以及从 Java 11 到 Java 17 的升级。这次升级后,我们发现性能非常糟糕。我在前后也进行了性能测试。我们的一个 API 的 p99 延迟约为 2 秒,但升级后跃升至 5.5-6 秒。我
Java中字符串搜索的4种方法性能比较
检查字符串是否包含子字符串的几种方法,并将比较每种方法的性能。 1、String.indexOfindexOf 方法返回子字符串第一次出现的位置索引,如果没有找到则返回 -1。
Java中23种JSON库性能测试对比
该项目对各种Java Json库的吞吐量性能进行了基准测试 使用JMH。 它包括以下库: ava
算法复杂性分析中的渐近表示法和分析
渐近分析中,我们根据输入大小评估算法的性能(我们不测量实际运行时间)。我们计算算法所花费的时间(或空间)如何随着输入大小的增加而增加。 渐近符号是一种根据输入大小描述算法的运行时间或空间复杂度的方法。它通常用于复杂性分析中,用于描述算法随着输入大小的增长
Java中Gradle结合JMH实现性能测试
如果您想对代码进行基准测试,Java Microbenchmark Harness 是首选工具。在我们的示例中,我们将使用
Threads Collider:一个Java多线程测试工具
Threads Collider尝试在“完全相同”的时刻对多个线程执行所需的操作,以增加出现由竞争条件或死锁引起的问题的机会。 code@RepeatedTest(10)void Thread_safe_adding_to_list
Python ASGI Web框架性能基准比较
性能基准测试报告:MicroPie、FastAPI、Starlette、Quart、LiteStar Python ASGI(Asynchronous Server Gateway Interface)框架是一种用于构建异步网络应用程序的框架,它是 WSG
Go与Java性能PK赛解析
有个叫Anton的油管博主做了个性能PK赛,让Java(穿了个叫Quarkus的马甲)和Go(穿着Fiber战袍)两个选手比赛写网站接口。我本来以为Go语言这种编程界的刘翔,肯定能把Java和C#这些带垃圾回收的选手甩开十条街!结果你猜怎么着?Go就比Java快了那么一丢丢,跟我想象的完全不
苹果M3 Ultra对决:Qwen3完胜4大模型
[基准测试] 在 Mac Studio M3 Ultra 512 GB (LM Studio) 上对 5 种型号进行快速测试 – Qwen3 表现优异。 我曾是一名大学物理讲师(教了五年书),在购买 Mac Studio(M3 Ultra、128 CPU/
JMeter Beanshell 使用指南
在本文中,我们探讨了如何有效地使用 JMeter 中的 BeanShell 向测试计划添加自定义脚本。我们介绍了预处理器、采样器、后处理器和监听器等重要组件,展示了如何操作请求数据、处理响应和记录指标。 在本快速教程中,我们将创建一个使用JMeter中提供
两种虚拟线程对比:JDK vs. Spring Core Reactor性能对比
1、基于 JDK 的虚拟线程实现:摘自
Llama.cpp GeForce RTX 5090的AI性能测
在开始用GeForce RTX 5090的计算性能做NVIDIA Blackwell Linux测试时,除了上周发布的所有CUDA/OpenCL/OptiX基准测试,很多读者还问了AI性能,特别是RTX 5090旗舰显卡在Llama.cpp里的表现。下面是一些初步的基准测试,比较了GeFor
两大主流引擎vLLM与TensorRT-LLM在5000亿参数推理中对决
深度对比vLLM与TensorRT-LLM在5000亿参数模型上的实测表现,揭示性能优势背后的运维代价,提供生产部署决策框架。 AI推理界的"华山论剑"——vLLM和TensorRT-LLM到底谁才是5000亿参数大模型的真命天子? vLL
Java 反序列化糟糕的性能
我在 hackernews 上看到了这篇文章,觉得看看这里的社区怎么想会很有趣。HN 帖子:https://news.ycombi
下页
关闭