首页 > TAG信息列表 > 调优篇
MySQL调优篇 | SQL调优实战（5）完结篇
【前言】 经常有一些朋友向我咨询，如何写出高效的SQL，这不是三言两语能说得清的，索性认真来写一下，增删查改方面的知识我不再赘述，如果有基础薄弱的同学，可以好好的补一补再来看。 以MySQL为基础，MySQL调优篇内容主要包含MySQL逻辑架构、索引知识、表关联算法、explain执行计划解读MySQL调优篇 | SQL调优实战（5）完结篇
【前言】 经常有一些朋友向我咨询，如何写出高效的SQL，这不是三言两语能说得清的，索性认真来写一下，增删查改方面的知识我不再赘述，如果有基础薄弱的同学，可以好好的补一补再来看。 以MySQL为基础，MySQL调优篇内容主要包含MySQL逻辑架构、索引知识、表关联算法、explain执行计划解读【单点】每日突破，MapReduce调优篇
MapReduce调优篇 问：MapReduce常见的调优方式。 答： 采用CombineTextInputFormat来作为输入，解决输入端大量小文件场景。大量的小文件会产生大量的map任务，任务都需要初始化，从而导致mr运行缓慢减少spill溢写次数：通过调整mapreduce.task.io.sort.mb及mapreduce.map.sort.spill.per真香！Github一夜爆火，阿里性能优化不传之秘终于开源
性能优化 性能调优，是从开发岗跃迁至架构岗的拦路虎。如果你是一个小白，那么恭喜你性能优化这个东西你暂时还不需要扛着。但如果你是公司的中坚力量，想把技术水平往架构层面靠近，那么性能优化这个东西你必须要扛下来，并且解决它。 性能调优任务不像普通开发任务，它需要背负业务、时间和惨无人道的性能优化！阿里淘宝双十一性能优化全栈实录我粉了！
性能优化 性能调优，是从开发岗跃迁至架构岗的拦路虎。如果你是一个小白，那么恭喜你性能优化这个东西你暂时还不需要扛着。但如果你是公司的中坚力量，想把技术水平往架构层面靠近，那么性能优化这个东西你必须要扛下来，并且解决它。 性能调优任务不像普通开发任务，它需要背负业务、时间系列学习 MySQL 之第 6 篇 —— MySQL 性能调优篇
应用系统正式上线后，随着生产数据量的急剧增长，数据库开始显露性能问题，对生产的影响也越来越大，因此我们必须对它们进行优化。如何优化 MySQL 数据库，比如优化查询速度、优化更新速度和优化 MySQL 服务器等。在讲解 MySQL 性能调优前，我们先了解 MySQL 的日志和分类。参考：http://性能调优篇：困扰我半年之久的RocketMQ timeout exception 终于破解了
在内网环境中，超时问题，网络表示这个锅我不背。 笔者对于超时的理解，随着在工作中不断实践，其理解也越来越深刻，RocketMQ在生产环境遇到的超时问题，已经困扰了我将近半年，现在终于取得了比较好的成果，和大家来做一个分享。 本次技术分享，由于涉及到网络等诸多笔者不太熟悉的领域，如果存性能测试_调优篇
目录 一、性能调优分析 二、TOMCAT调优 三、JVM调优 四、数据库调优 1、SQL优化的必要性 2、SQL优化原则： 3、SQL优化的一些方法 一、性能调优分析 1、分析：调优的目的是提升系统的性能，针对系统的“瓶颈点”对症“下药”,通过测试验证系统的性能有多大的提升。 2、风险：未进行调优性能优化之MySQL调优篇
MySQL对于很多Linux从业者而言，是一个非常棘手的问题，多数情况都是因为对数据库出现问题的情况和处理思路不清晰。在进行MySQL的优化之前必须要了解的就是MySQL的查询过程，很多的查询优化工作实际上就是遵循一些原则让MySQL的优化器能够按照预想的合理方式运行而已。 图 - MySQL查《Spark性能优化之shuffle调优篇》
shuffle调优 调优概述 大多数Spark作业的性能主要就是消耗在了shuffle环节，因为该环节包含了大量的磁盘IO、序列化、网络数据传输等操作。因此，如果要让作业的性能更上一层楼，就有必要对shuffle过程进行调优。但是也必须提醒大家的是，影响一个Spark作业性能的因素，主要还是代码《Spark性能优化之数据倾斜调优篇》
前言 继《Spark性能优化：开发调优篇》和《Spark性能优化：资源调优篇》讲解了每个Spark开发人员都必须熟知的开发调优与资源调优之后，本文作为《Spark性能优化指南》的高级篇，将深入分析数据倾斜调优与shuffle调优，以解决更加棘手的性能问题。 数据倾斜调优 调优概述 有的spark调优篇-oom 优化(汇总)
spark 之所以需要调优，一是代码执行效率低，二是经常 OOM 内存溢出 内存溢出无非两点： 1. Driver 内存不够 2. Executor 内存不够 Driver 内存不够无非两点： 1. 读取数据太大 2. 数据回传 Executor 内存不够无非两点： 1. map 类操作产生大量数据，包括 map、flatMap、filter、mapPartspark调优篇-spark on Yarn 内存管理总结
本文旨在解析 spark on Yarn 的内存管理，使得 spark 调优思路更加清晰 内存相关参数 spark 是基于内存的计算，spark 调优大部分是针对内存的，了解 spark 内存参数有也助于我们理解 spark 内存管理 spark.driver.memory：默认 512M spark.executor.memory：默认 512M spark.yarn.am.me性能测试分析与性能调优诊断--史上最全的服务器性能分析监控调优篇
1 服务器的性能监控和分析 1.1 Linux服务器的性能指标监控和分析 1.1.1 通过vmstat深挖服务器的性能问题 1.1.2 如何通过mpstat 分析服务器的性能指标 1.1.3 从lsof中能看到什么 1.1.4 如何通过free看懂内存的