highoooo
highoooo

CUDA 冬令营1

基本概念

1.CPU的任务：为串行任务优化
2.GPU的任务：为并行任务优化
3.L4T ubuntu：基于NVIDIA Tegra芯片的ubuntu系统（linux for Tegra）
4.Tegra：继承了ARM CPU 和 NVIDIA GPU的处理器芯片
5.X86：高性能，复杂指令，多用于win
6.ARM：低功耗高效率，简易指令集，Linux
7.GPU的产生：CPU的两个瓶颈 存储器墙（IO跟不上）时钟频率墙（散热）

CPU到GPU

所有的处理优化逻辑变成计算核心
CUDA 冬令营1_第1张图片
CUDA 冬令营1_第2张图片CUDA 冬令营1_第3张图片

CUDA 冬令营1_第4张图片
CUDA 冬令营1_第5张图片
CUDA 冬令营1_第6张图片

CUDA线程层次

CUDA 冬令营1_第7张图片
CUDA 冬令营1_第8张图片
CUDA 冬令营1_第9张图片
block的意义：（为什么不直接用通过grid管理所有的thread）不用直接去分配N个线程 分班去管理 有利于内存管理
GPU上运行函数kernel对应一个Grid，每个Grid内有多个Block，每个Block由多个Thread组成。
执行原理参考1
执行原理参考2
硬件层面：一个DEVICE由多个SM和其他资源组成，一个SM由多个SP(CUDA Core)和其他资源组成
软件层面：一个Grid由多个block组成，Block由多个Thread组成，Block内的Thread可以通过共享内存通信，也可以通过函数同步
线程调度：CUDA的线程调度粒度是32个Thead，即1个Warp，Warp在SP上是随机且多次被调度执行的，Warp的切换开销可以忽略不计。

你可能感兴趣的:(CUDA,cuda)

  • Ubuntu 22.04 庙算平台训练环境搭建指南 笑衬人心。 ubuntulinux深度学习
    本文记录了基于Ubuntu22.04.3LTS的训练环境搭建过程，适用于需要部署庙算推演离线平台的用户，支持GPU（可选）。一、训练环境搭建●硬件要求操作系统：Linux（推荐Ubuntu22.04.3LTS）可选配置：NVIDIAGPU（CUDA支持）1.Linux环境搭建建议双系统安装Ubuntu，具体参考如下教程：参考教程：Windows和Ubuntu双系统的安装和卸载（哔哩哔哩）2.GPU
  • YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-torch_utils.py 红色的山茶花 YOLO笔记深度学习
    torch_utils.pyultralytics\utils\torch_utils.py目录torch_utils.py1.所需的库和模块2.defsmart_inference_mode():3.defautocast(enabled:bool,device:str="cuda"):4.deftime_sync():5.deffuse_conv_and_bn(conv,bn):6.deffu
  • YOLOV10的tensorrt C++部署 dddccc1234 YOLO
    根据博客进行python版本安装YOLOv10最全使用教程（含ONNX和TensorRT推理）-CSDN博客并将pt转为onnx：yoloexportmodel=yolov10s.ptformat=onnxopset=13simplify然后采用：https://github.com/hamdiboukamcha/yolov10-tensorrt.git进行c++编译配置好cuda11.7tens
  • CARLsim开源程序 是一个高效、易用、GPU 加速的软件框架，用于模拟具有高度生物细节的大规模脉冲神经网络 （SNN） 模型。 struggle2025 神经网络人工智能深度学习
    一、软件介绍文末提供程序和源码下载CARLsim是一个高效、易用的GPU加速库，用于模拟具有高度生物学细节的大规模脉冲神经网络（SNN）模型。CARLsim允许在通用x86CPU和标准现成GPU上以逼真的突触动力学执行Izhikevich脉冲神经元网络。该模拟器在C/C++中提供了一个类似PyNN的编程接口，允许在突触、神经元和网络级别指定详细信息和参数。二、CARLsim6的新功能包括：CUDA
  • Deepfacelive安装报错解决记录 matouxiao conda
    去c盘：windows/system32目录下面找不能load的文件比如kernel132.dll，然后copy到.\DeepFaceLive_NVIDIA\_internal\CUDA\bin目录下就能运行
  • tensorRT 与 torchserve-GPU性能对比 joker-G 计算机视觉pytorchpython
    实验对比前端时间搭建了TensorRT、Torchserve-GPU，最近抽时间将这两种方案做一个简单的实验对比。实验数据Cuda11.0、Xeon®62423.1*80、RTX309024G、Resnet50TensorRT、Torchserve-GPU各自一张卡搭建10进程接口，感兴趣的可以查看我个人其他文章。30进程并发、2000张1200*720像素图像的总量数据TensorRT的部署使用
  • 141G显存H20单机DeepSeek-R1满血FP8版性能测试
    #环境参数#H20141G单机8卡，CUDA12.4，vLLMv0.8.3，flashinferv0.2.2#服务化命令#基于知乎大神的推荐出装与前期H800双机生产环境测试，在H20上开启EP、MLA等核心优化参数，实现推理吞吐性能最优吞吐量破10000tokens/s，VLLM0.8.1版本驱动下的Deepseek-r1671Bhttps://zhuanlan.zhihu.com/p/1887
  • AI算力综述和资料整理 木鱼时刻 人工智能
    目录总体介绍计算精度传输协议GPU池化资源调度CUDA技术GPU硬件参考链接总体介绍AI算力是人工智能系统的核心基础设施，涵盖了从计算精度、传输协议到硬件架构的完整技术栈。计算精度混合精度训练原生满血版DeepSeek671B是FP8精度。FP16在训练计算力占比有80-90%，FP32占比10%-20%。大模型训练中通常会用到FP16（半精度浮点数），但并不是只使用FP16，而是采用**混合精度
  • Day33打卡 @浙大疏锦行 ayuan0119 python打卡shupython
    知识点回顾：PyTorch和cuda的安装查看显卡信息的命令行命令（cmd中使用）cuda的检查简单神经网络的流程数据预处理（归一化、转换成张量）#仍然用4特征，3分类的鸢尾花数据集作为我们今天的数据集fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitimportnumpyasnp
  • CIANNA由天体物理学家提供/为天体物理学家提供的卷积交互式人工神经网络 struggle2025 神经网络
    一、软件介绍文末提供程序和源码下载CIANNA是一个通用的深度学习框架，主要用于天文数据分析。根据天体物理问题解决的相关性添加功能和优化。CIANNA可用于为各种任务构建和训练大型神经网络模型，并提供高级Python接口（类似于keras、pytorch等）。CIANNA的特点之一是它定制实施了受YOLO启发的对象探测器，用于2D或3D射电天文数据产品中的星系探测。该框架通过低级CUDA编程完全实
  • 使用vllm部署 Nanonets-OCR-s 没刮胡子 软件开发技术实战专栏Linux服务器技术人工智能AIocrpython深度学习
    使用vLLM部署Nanonets-OCR-s模型的完整指南Nanonets-OCR-s作为基于Qwen2.5-VL-3B的多模态OCR模型，结合vLLM的高效推理引擎可显著提升部署性能。一、环境准备与依赖安装1.安装vLLM与多模态依赖#安装vLLM（含CUDA加速）pipinstallvllm==0.3.21#建议使用稳定版本pipinstalltransformers==4.35
  • OpenCV CUDA模块设备层-----线性插值函数log() 村北头的码农 OpenCVopencv人工智能计算机视觉
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该函数用于创建线性插值访问器，支持对GPU内存中的图像数据进行双线性插值采样。主要应用于图像缩放、旋转等几何变换中需要亚像素级精度的场景。为输入图像构造一个基于“双线性插值”的访问器对象LinearInterPtrSz，可以在CUDA核函数中按需访问缩放后的像素值
  • 强化学习 16G实践以下是基于CQL（Conservative Q-Learning）与QLoRA（Quantized Low-Rank Adaptation）结合的方案相关开源项目及资源，【ai技】 行云流水AI笔记 开源人工智能
    根据你提供的CUDA版本（11.5）和NVIDIA驱动错误信息，以下是PyTorch、TensorFlow的兼容版本建议及环境修复方案：1.版本兼容性表框架兼容CUDA版本推荐安装命令（CUDA11.5）PyTorch11.3/11.6pipinstalltorchtorchvisiontorchaudio--extra-index-urlhttps://download.pytorch.org/
  • Windows 下编译 AMGX 东北豆子哥 数值计算/数值优化HPC/MPICUDAHPC
    文章目录Windows下编译AMGX**1.系统要求****2.安装必要工具****(1)安装VisualStudio****(2)安装CUDAToolkit****(3)安装CMake****3.获取AMGX源码****4.使用CMake生成VisualStudio项目****(1)配置CMake****(2)生成项目****5.使用VisualStudio编译****6.验证安装****7.常
  • 深度学习计算机视觉开源系统OpenMMLab（mmsegmentation、mmdetection、mmpose）环境配置【详细、可运行】 nomoremorphine 深度学习计算机视觉开源
    OpenMMLab（mmsegmentation、mmdetection、mmpose）环境配置OpenMMLab简介优势：一、Windows/Linux下环境配置（以mmsegmentationv1.2.2（最新版）为例）0.确认安装版本信息1）确认电脑显卡版本2）确认mmcv对应版本3）确认版本1.安装CUDA和cuDNN2.创建conda环境，下载pytorch3.安装mmcv4.安装MMS
  • 编译OpenCV支持CUDA视频解码 AI标书 pythonopenvccudanvidiadockerbuild
    如何在Ubuntu上编译OpenCV并启用CUDA视频解码支持（cudacodec）在深度学习、视频处理等高性能计算领域，OpenCV的GPU加速功能非常重要。特别是它的cudacodec模块，能直接利用NVIDIA硬件实现高效的视频解码，极大提升性能。本文将基于Ubuntu环境，详细介绍从环境准备到编译安装OpenCV，并开启cudacodec模块的全过程。完整的shell脚本以及本次编译所用到
  • CUDA加速cloud compare高度渲染算法 小充 图像加速OpenCVCUDAopencv算法计算机视觉
    一、CPU版本算法为一个for循环内，将高度信息，映射到彩色空间，比较耗时的是正弦运算，还执行了多次乘除法，当图像大小为2038*4000时，处理耗时为170ms。原算法是处理点云，这里是输入一张深度图像，数据类型为intvoidsetRGBColorByBanding(cv::Mat*src,cv::Mat*dst,floatfreq=10.0f){   cv::TickMeterst;   s
  • OpenCV CUDA模块设备层-----逐通道的正弦运算函数sin() 村北头的码农 OpenCVopencv人工智能计算机视觉
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述OpenCV的CUDA模块（cv::cudev）中的一个设备端数学函数，用于在CUDA核函数中对uchar4类型（即4通道无符号字符类型）进行逐通道的正弦运算，并将结果转换为float4类型输出。将一个uchar4类型像素值（每个通道取值范围[0,255]）逐通道
  • CUDA与venv的配置 老兵发新帖 经验分享
    根据技术原理和实际配置经验，CUDA工具包本身无法完全安装在Python的venv虚拟环境目录中，但可通过环境变量和依赖管理实现虚拟环境对特定CUDA版本的调用。以下是关键分析及配置方案：⚙️一、CUDA工具包的安装位置与虚拟环境的关系系统级全局安装CUDA工具包（含nvcc编译器、CUDA运行时库等）必须安装在系统全局路径（如Windows的C:\ProgramFiles\NVIDIAGPUCo
  • PyTorch版本匹配终极指南：手把手教你避开99%的安装坑
    被版本支配的恐惧（真实故事）上周我的学弟兴冲冲跑来：“师兄！我照着CSDN教程装PyTorch，结果训练时直接报错cudaruntimeerror！”我一看他的环境——Python3.12强行装PyTorch1.8，搭配CUDA11.6…（此时应有乌鸦飞过）这就像用Win11系统装XP时代的显卡驱动，能不翻车吗？！一、版本对应表（2024最新版）（掏出小本本记重点！！！）这是我整理的最新版本对应关
  • Anaconda 创建python3.9+pytorch1.10.1+cuda11.3环境 canny_kevin DeepLearningPythonpythonconda
    1.打开AnacondaPowershellPrompt2.创建conda环境condacreate--nameRordAIpython=3.9conda一些命令condainfo--envs：输出中带有【*】号的的就是当前所处的环境condalist:看这个环境下安装的包和版本condainstallnumpyscikit-learn:安装numpysklearn包condaenvremove-
  • Pytorch血泪安装史好吗（GPU版本+cuda12.1+python3.9.13） 宇宙最强袋鼠 pytorchpython人工智能
    1.安装cuda首先看下自己电脑是CPU还是GPU，看自己电脑对应的cuda版本看右下角英伟达标识，点击组件，我的cuda版本是12.3，但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn前两步可以看参考:Pytorch的安装，有点繁琐但是很详细，保姆级教程不信你安装不成功（Cuda+Cudnn+Anaconda+Pytorch）_pytorch安装-CSDN博客3.anaco
  • CUDA编程：优化GPU并行处理与内存管理 Omoo CUDAGPU并行处理线程协作内存管理硬件限制
    背景简介CUDA是NVIDIA推出的一种通用并行计算架构，它利用GPU的强大计算能力来解决复杂的计算问题。在本书的第12章中，我们深入探讨了CUDA编程的关键概念，包括线程间的协作、内存分配与管理以及如何应对硬件限制。CUDA中的线程协作与内存管理在GPU上进行编程时，我们需要处理内存分配、数据传输以及内核（kernel）的调用等任务。CUDA提供了一系列的API来帮助开发者管理这些资源。在提供的
  • 如何使用YOLOv8对遥感图像中的滑坡-泥石流进行分割 深度学习遥感图像滑坡泥石流分割数据集的训练及应用 计算机C9硕士_算法工程师 YOLO深度学习人工智能
    如何使用YOLOv8对遥感图像中的滑坡-泥石流进行分割深度学习遥感图像滑坡泥石流分割数据集的训练及应用文章目录遥感图像滑坡-泥石流分割数据集情况数据集概述类别统计总体统计注意事项✅一、安装CUDA驱动（Linux示例）✅二、安装Anaconda（Linux示例）✅三、创建Python虚拟环境并安装依赖✅四、数据集结构示例（遥感图像滑坡-泥石流分割）✅五、创建data.yaml文件（用于训练）✅六、
  • bitsandbytes：轻量级CUDA自定义函数Python封装库 步子哥 AGI通用人工智能python开发语言人工智能算法深度学习
    引言在人工智能和深度学习领域，计算效率和内存使用一直是研究人员和开发者关注的重点。随着模型规模的不断扩大，如何在有限的硬件资源下实现高效的计算成为了一个关键问题。在这样的背景下，bitsandbytes库应运而生，为我们提供了一种优化计算和内存使用的有效解决方案。bitsandbytes库简介bitsandbytes是一个轻量级的Python库，它主要为CUDA自定义函数提供了一个便捷的封装。这个
  • bitsandbytes 安装和配置指南 黎沁颖Desired
    bitsandbytes安装和配置指南bitsandbytes8-bitCUDAfunctionsforPyTorch项目地址:https://gitcode.com/gh_mirrors/bi/bitsandbytes1.项目基础介绍和主要编程语言项目基础介绍bitsandbytes是一个轻量级的Python库，主要用于在PyTorch中实现k-bit量化，从而使得大规模语言模型（LLM）更加易
  • CUDA与PyTorch(GPU)的对应关系
    CUDA与PyTorch(GPU)的对应关系：(需要自己按需求去找)：https://pytorch.org/get-started/previous-versions/表二：CUDAToolkit版本及可用PyTorch对应关系CUDAToolkit版本可用PyTorch版本7.50.4.1，0.3.0，0.2.0，0.1.12-0.1.68.01.1.0，1.0.0，0.4.19.01.1.0
  • OpenCV CUDA模块设备层-----设备端（GPU）线程块级别的一个内存拷贝工具函数blockCopy() 村北头的码农 OpenCVopencv人工智能计算机视觉
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述在同一个线程块（threadblock内，将[beg,end)范围内的数据并行地复制到out开始的位置。它使用了CUDA线程协作机制（warp-level或block-level）来实现高效的块级拷贝，通常比简单的逐线程拷贝更快。函数原型_device__stat
  • Python学习Day33 m0_64472246 python打卡学习python
    学习来源：浙大疏锦行一、PyTorch和CUDA的安装：给电脑装“超级计算器”通俗解释PyTorch：是一个专门用于深度学习的“工具箱”，类似程序员的“智能积木”，能快速搭建神经网络。CUDA：是NVIDIA显卡的“加速引擎”，相当于给电脑的显卡装了一个“超级计算器”，让它能快速计算复杂的数学问题（如图像识别、数据训练）。安装逻辑：先装CUDA（显卡的“计算器驱动”），再装PyTorch（用这个计
  • torch-gpu版本 anaconda配置教程 GXYGGYXG python
    教程Pytorch的GPU版本安装，在安装anaconda的前提下安装pytorch_pytorch-gpu-CSDN博客版本对应PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客cuda下载地址CUDAToolkitArchive|NVIDIADevelopercudacudnn
  • JAVA基础 灵静志远 位运算加载Date字符串池覆盖
    一、类的初始化顺序 1 （静态变量，静态代码块）-->（变量，初始化块）--> 构造器 同一括号里的，根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况，那就在父类到子类交替初始化。 二、String 1 String a = "abc"; JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象，根
  • keepalived实现redis主从高可用 bylijinnan redis
    方案说明 两台机器（称为A和B），以统一的VIP对外提供服务 1.正常情况下，A和B都启动，B会把A的数据同步过来（B is slave of A） 2.当A挂了后，VIP漂移到B；B的keepalived 通知redis 执行：slaveof no one，由B提供服务 3.当A起来后，VIP不切换，仍在B上面；而A的keepalived 通知redis 执行slaveof B，开始
  • java文件操作大全 0624chenhong java
    最近在博客园看到一篇比较全面的文件操作文章，转过来留着。 http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html 转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html 一.获得控制台用户输入的信息    &nbs
  • android学习任务 不懂事的小屁孩 工作
    任务 完成情况 搞清楚带箭头的pupupwindows和不带的使用 已完成 熟练使用pupupwindows和alertdialog，并搞清楚两者的区别 已完成 熟练使用android的线程handler,并敲示例代码 进行中 了解游戏2048的流程，并完成其代码工作 进行中-差几个actionbar 研究一下android的动画效果，写一个实例 已完成 复习fragem
  • zoom.js 换个号韩国红果果 oom
    它的基于bootstrap 的 https://raw.github.com/twbs/bootstrap/master/js/transition.js  transition.js模块引用顺序 <link rel="stylesheet" href="style/zoom.css"> <script src=&q
  • 详解Oracle云操作系统Solaris 11.2 蓝儿唯美 Solaris
    当Oracle发布Solaris 11时，它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是，这些说法没有告诉我们为什么Solaris是配得上云的。幸好，我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用：OpenStack、内核域、统一存档（UA）和弹性虚拟交换（EVS）。 
  • spring学习——springmvc（一） a-john springMVC
    Spring MVC基于模型-视图-控制器（Model-View-Controller，MVC）实现，能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。   1，跟踪Spring MVC的请求 请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样，Spring MVC所有的请求都会通过一个前端控制器Servlet。前
  • hdu4342 History repeat itself-------多校联合五 aijuans 数论
    水题就不多说什么了。 #include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
  • EJB和javabean的区别 asia007 beanejb
    EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了   1.EJB用于服务端应用开发, 而JavaBeans
  • Struts的action和Result总结 百合不是茶 strutsAction配置Result配置
        一:Action的配置详解:      下面是一个Struts中一个空的Struts.xml的配置文件     <?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE struts PUBLIC &quo
  • 如何带好自已的团队 bijian1013 项目管理团队管理团队
    在网上看到博客" 怎么才能让团队成员好好干活"的评论，觉得写的比较好。 原文如下： 我做团队管理有几年了吧，我和你分享一下我认为带好团队的几点： 1.诚信         对团队内成员，无论是技术研究、交流、问题探讨，要尽可能的保持一种诚信的态度，用心去做好，你的团队会感觉得到。 2.努力提
  • Java代码混淆工具 sunjing ProGuard
    Open Source Obfuscators ProGuard http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
  • 【Redis三】基于Redis sentinel的自动failover主从复制 bit1129 redis
    在第二篇中使用2.8.17搭建了主从复制，但是它存在Master单点问题，为了解决这个问题，Redis从2.6开始引入sentinel，用于监控和管理Redis的主从复制环境，进行自动failover，即Master挂了后，sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作，如果Master醒来再次加入集群，只能以从服务器的形式工作。   什么是Sentine
  • 使用代理实现Hibernate Dao层自动事务 白糖_ DAOspringAOP框架Hibernate
    都说spring利用AOP实现自动事务处理机制非常好，但在只有hibernate这个框架情况下，我们开启session、管理事务就往往很麻烦。 public void save(Object obj){ Session session = this.getSession(); Transaction tran = session.beginTransaction(); try
  • maven3实战读书笔记 braveCS maven3
    Maven简介 是什么？ Is a software project management and comprehension tool.项目管理工具 是基于POM概念(工程对象模型) [设计重复、编码重复、文档重复、构建重复，maven最大化消除了构建的重复] [与XP：简单、交流与反馈；测试驱动开发、十分钟构建、持续集成、富有信息的工作区]     功能：
  • 编程之美-子数组的最大乘积 bylijinnan 编程之美
    public class MaxProduct { /** * 编程之美 子数组的最大乘积 * 题目: 给定一个长度为N的整数数组，只允许使用乘法，不能用除法，计算任意N-1个数的组合中乘积中最大的一组，并写出算法的时间复杂度。 * 以下程序对应书上两种方法，求得“乘积中最大的一组”的乘积——都是有溢出的可能的。 * 但按题目的意思，是要求得这个子数组，而不
  • 读书笔记-2 chengxuyuancsdn 读书笔记
    1、反射 2、oracle年-月-日 时-分-秒 3、oracle创建有参、无参函数 4、oracle行转列 5、Struts2拦截器 6、Filter过滤器(web.xml) 1、反射 (1)检查类的结构 在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。 2、oracle年月日时分秒 s
  • [求学与房地产]慎重选择IT培训学校 comsci it
          关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题       培训学校的教学楼和宿舍的环境和稳定性问题       我们大家都知道，房子是一个比较昂贵的东西，特别是那种能够当教室的房子... &nb
  • RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 daizj oraclermanfilespersetPARALLELISM
    RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 转 PARALLELISM --- 我们还可以通过parallelism参数来指定同时"自动"创建多少个通道： RMAN > configure device type disk parallelism 3 ; 表示启动三个通道，可以加快备份恢复的速度。
  • 简单排序:冒泡排序 dieslrae 冒泡排序
    public void bubbleSort(int[] array){ for(int i=1;i<array.length;i++){ for(int k=0;k<array.length-i;k++){ if(array[k] > array[k+1]){
  • 初二上学期难记单词三 dcj3sjt126com sciet
    concert 音乐会 tonight 今晚 famous 有名的；著名的 song 歌曲 thousand 千 accident 事故；灾难 careless 粗心的，大意的 break 折断；断裂；破碎 heart 心（脏） happen  偶尔发生，碰巧 tourist 旅游者；观光者 science （自然）科学 marry 结婚 subject 题目；
  • I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码 收藏代码 dcj3sjt126com redis
    wget http://download.redis.io/redis-stable.tar.gz tar xvzf redis-stable.tar.gz cd redis-stable make   前面3步应该没有问题，主要的问题是执行make的时候，出现了异常。 异常一： make[2]: cc: Command not found 异常原因：没有安装g
  • 并发容器 shuizhaosi888 并发容器
       通过并发容器来改善同步容器的性能，同步容器将所有对容器状态的访问都串行化，来实现线程安全，这种方式严重降低并发性，当多个线程访问时，吞吐量严重降低。    并发容器ConcurrentHashMap       替代同步基于散列的Map，通过Lock控制。   &nb
  • Spring Security（12）——Remember-Me功能 234390216 Spring SecurityRemember Me记住我
    Remember-Me功能   目录   1.1     概述 1.2     基于简单加密token的方法 1.3     基于持久化token的方法 1.4     Remember-Me相关接口和实现
  • 位运算 焦志广 位运算
    一、位运算符Ｃ语言提供了六种位运算符： & 按位与 | 按位或 ^ 按位异或 ~ 取反 << 左移 >> 右移 1. 按位与运算 按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时，结果位才为1 ，否则为0。参与运算的数以补码方式出现。 例如：9&am
  • nodejs 数据库连接 mongodb mysql liguangsong mongodbmysqlnode数据库连接
    1.mysql 连接    package.json中dependencies加入     "mysql":"~2.7.0"    执行 npm install      在config 下创建文件 database.js    
  • java动态编译 olive6615 javaHotSpotjvm动态编译
        在HotSpot虚拟机中，有两个技术是至关重要的，即动态编译(Dynamic compilation)和Profiling。     HotSpot是如何动态编译Javad的bytecode呢？Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器，即Profile Monitor,专门监视
  • Storm0.9.5的集群部署配置优化 roadrunners 优化storm.yaml
    nimbus结点配置（storm.yaml）信息： # Licensed to the Apache Software Foundation (ASF) under one # or more contributor license agreements. See the NOTICE file # distributed with this work for additional inf
  • 101个MySQL 的调节和优化的提示 tomcat_oracle mysql
    　1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。 　　2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的，它的速度很慢。 　　3. 使用电池供电的RAM（注：RAM即随机存储器）。 　　4. 使用高级的RAID（注：Redundant Arrays of Inexpensive Disks，即磁盘阵列
  • zoj 3829 Known Notation(贪心) 阿尔萨斯 ZOJ
    题目链接：zoj 3829 Known Notation 题目大意：给定一个不完整的后缀表达式，要求有2种不同操作，用尽量少的操作使得表达式完整。 解题思路：贪心，数字的个数要要保证比∗的个数多1，不够的话优先补在开头是最优的。然后遍历一遍字符串，碰到数字+1，碰到∗-1,保证数字的个数大于等1，如果不够减的话，可以和最后面的一个数字交换位置（用栈维护十分方便），因为添加和交换代价都是1
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他