山花

矩阵计算无论是在高性能计算还是深度学习中，都是比较常用的操作，常规的矩阵相乘包括大量的浮点数计算或者乘加运算，是典型的计算密集型算子。矩阵运算的性能直接展示了程序员设计的矩阵算法对CPU的利用能力

之前一直没关注过多进程这方面，朋友问起时感觉很奇怪，因为进程是资源分配的最小单元，线程是运算调度的最小单元，代码程序本质上只是一些文本文件，给他分配对应的资源运行起来才是进程，那为什么会有多进程呢？

写在前面 本文主要工作为通过将stencil计算转化为矩阵乘法，进一步充分利用GPU计算能力，从而提高性能。 摘要 TCU 越来越多的集成到现代高性能处理器中，以提高矩阵乘法性能。然后，受限于其规格过

缓存不同于预计算这种基于业务场景的一视同仁，而是充分的利用了空间局部性远离，每一次缓存命中，都是计算机的浪漫。Redis与Mysql的配合，全局变量Map，哪怕是CPU，也有不同等级的cache

Doris 的聚合模型 Doris 和 MySQL很像，都是database-table-row的逻辑描述，聚合模型中每个列都分为key类型和 value类型，聚合模型会将数据的中key列相同的数据的

很多人觉得工作像是无尽的CRUD，实际上工作场景中包含很多值得思考的可以性能优化的点。针对数据而言，比较常见的性能优化方式有两种，一种是 cache， 一种是预计算。本篇文章会介绍后者。

使用模型集合预测非常麻烦，计算成本可能会很高，可以通过蒸馏将复杂模型转变为小模型，同时也可以通过使用多个专家模型，来解决易混淆的分类

介绍 kafka是一个比较流行的分布式、可拓展、高性能、可靠的流处理平台。在处理kafka的数据时，这里有确保处理效率和可靠性的多种最佳实践。本文将介绍这几种实践方式，并通过sarama实现他们。 以

为了批量操作数据，使用for select 的方式代替for range对数据进行读取，发现服务会不定期的发生空指针异常导致panic