- 浏览: 1025504 次
- 性别:
- 来自: 杭州
-
文章分类
- 全部博客 (826)
- 硬件 (8)
- 软件 (24)
- 软件工程 (34)
- JAVA (229)
- C/C++/C# (77)
- JavaScript (8)
- PHP (1)
- Ruby (3)
- MySQL (14)
- 数据库 (19)
- 心情记事 (12)
- 团队管理 (19)
- Hadoop (1)
- spring (22)
- mybatis(ibatis) (7)
- tomcat (16)
- velocity (0)
- 系统架构 (6)
- JMX (8)
- proxool (1)
- 开发工具 (16)
- python (10)
- JVM (27)
- servlet (5)
- JMS (26)
- ant (2)
- 设计模式 (5)
- 智力题 (2)
- 面试题收集 (1)
- 孙子兵法 (16)
- 测试 (1)
- 数据结构 (7)
- 算法 (22)
- Android (11)
- 汽车驾驶 (1)
- lucene (1)
- memcache (12)
- 技术架构 (7)
- OTP-Erlang (7)
- memcached (17)
- redis (20)
- 浏览器插件 (3)
- sqlite (3)
- Heritrix (9)
- Java线程 (1)
- scala (0)
- Mina (6)
- 汇编 (2)
- Netty (15)
- libevent (0)
- CentOS (12)
- mongod (5)
- mac os (0)
最新评论
-
kingasdfg:
你这里面存在一个错误添加多个任务 应该是这样的 /** * ...
Quartz的任务的临时启动和暂停和恢复【转】 -
kyzeng:
纠正一个错误,long型对应的符号是J,不是L。
Jni中C++和Java的参数传递 -
zhaohaolin:
抱歉,兄弟,只是留下作记录,方便学习,如果觉得资料不好,可以到 ...
netty的个人使用心得【转】 -
cccoooccooco:
谢谢!自己一直以为虚机得使用网线才可以与主机连接呢。。
主机网卡无网线连接与虚拟机通信 -
yuqilin001:
要转别人的东西,请转清楚点嘛,少了这么多类,误人子弟
netty的个人使用心得【转】
压测方案
- 准备多个文件大小分别为 1k 10k 100k 300k
- 使用ab分别按 [50,2000](按50逐渐叠加)压测服务,每次请求10W次
- 硬件信息:CPU:Intel(R) Xeon(R) CPU 1.86GHz ×4 4G
- 统计脚本:grep "Requests per second:" 300k_* | awk -F':' '{print substr($1,6),$3}'|sort -n
- 1k 10k 压测的时候load维持在3左右,100k 300k的load飙升到5 。
压测结果
- 在小文件(小于10k)情况下Netty的性能要优于Tomcat,qps大概能提升50%,而且比Tomcat稳定。
- 在并发量增大时候Netty表现得比Tomcat稳定,通过修改内核加快TIME_WAIT的回收时间,从而提高系统的并发量。
- 在大文件的情况下Netty没有任何优势,而且线程池相关的没有Tomcat优秀,Tomcat的内存回收更优秀些。
- 结论:Netty适合搭建轻量级的应用,特别适合传输内容少,但是并发量非常高的应用。或者是大文件下载服务器。
修改TIME_WAIT回收时间
vi /etc/sysctl.conf net.ipv4.tcp_syncookies = 1 net.ipv4.tcp_tw_reuse = 1 net.ipv4.tcp_tw_recycle = 1 net.ipv4.tcp_fin_timeout = 30 /sbin/sysctl -p
net.ipv4.tcp_syncookies = 1 表示开启SYN Cookies。当出现SYN等待队列溢出时,启用cookies来处理,可防范少量SYN攻击,默认为0,表示关闭; net.ipv4.tcp_tw_reuse = 1 表示开启重用。允许将TIME-WAIT sockets重新用于新的TCP连接,默认为0,表示关闭; net.ipv4.tcp_tw_recycle = 1 表示开启TCP连接中TIME-WAIT sockets的快速回收,默认为0,表示关闭。 net.ipv4.tcp_fin_timeout 修改系統默认的 TIMEOUT 时间
相关数据(下载)
===== Netty ===== ====== 1k ====== 50 15661.50 [#/sec] (mean) 100 13429.52 [#/sec] (mean) 150 15385.05 [#/sec] (mean) 200 15598.34 [#/sec] (mean) 250 15135.97 [#/sec] (mean) 300 13494.79 [#/sec] (mean) 350 15102.49 [#/sec] (mean) 400 14614.11 [#/sec] (mean) 450 13463.52 [#/sec] (mean) 500 13447.48 [#/sec] (mean) 550 13126.29 [#/sec] (mean) 600 11108.25 [#/sec] (mean) 650 11073.34 [#/sec] (mean) 700 14518.88 [#/sec] (mean) 750 13409.66 [#/sec] (mean) 800 13060.86 [#/sec] (mean) 850 11938.25 [#/sec] (mean) 900 13133.88 [#/sec] (mean) 950 13670.75 [#/sec] (mean) 1000 13803.70 [#/sec] (mean) 1050 16414.20 [#/sec] (mean) 1100 14770.09 [#/sec] (mean) 1150 11108.65 [#/sec] (mean) 1200 13294.72 [#/sec] (mean) 1250 13448.52 [#/sec] (mean) 1300 15128.31 [#/sec] (mean) 1350 13367.31 [#/sec] (mean) 1400 14277.91 [#/sec] (mean) 1450 13193.80 [#/sec] (mean) 1500 14272.63 [#/sec] (mean) 1550 11004.96 [#/sec] (mean) 1600 13438.72 [#/sec] (mean) 1650 13105.43 [#/sec] (mean) 1700 13653.39 [#/sec] (mean) 1750 13366.72 [#/sec] (mean) 1800 12727.40 [#/sec] (mean) 1850 13075.32 [#/sec] (mean) 1900 11103.91 [#/sec] (mean) 1950 13463.83 [#/sec] (mean) ====== 10k ====== 50 7280.51 [#/sec] (mean) 100 9089.69 [#/sec] (mean) 150 9423.90 [#/sec] (mean) 200 8130.07 [#/sec] (mean) 250 8142.88 [#/sec] (mean) 300 8311.20 [#/sec] (mean) 350 8512.20 [#/sec] (mean) 400 7940.84 [#/sec] (mean) 450 7823.32 [#/sec] (mean) 500 8284.60 [#/sec] (mean) 550 8785.93 [#/sec] (mean) 600 7725.20 [#/sec] (mean) 650 7753.23 [#/sec] (mean) 700 8184.61 [#/sec] (mean) 750 8027.75 [#/sec] (mean) 800 7934.49 [#/sec] (mean) 850 7792.94 [#/sec] (mean) 900 7734.34 [#/sec] (mean) 950 7118.27 [#/sec] (mean) 1000 7866.23 [#/sec] (mean) 1050 7724.82 [#/sec] (mean) 1100 7734.17 [#/sec] (mean) 1150 7688.83 [#/sec] (mean) 1200 7359.90 [#/sec] (mean) 1250 7526.02 [#/sec] (mean) 1300 7515.24 [#/sec] (mean) 1350 6639.51 [#/sec] (mean) 1400 7902.36 [#/sec] (mean) 1450 7447.63 [#/sec] (mean) 1500 8216.35 [#/sec] (mean) 1550 8133.42 [#/sec] (mean) 1600 7728.28 [#/sec] (mean) 1650 7724.26 [#/sec] (mean) 1700 7622.26 [#/sec] (mean) 1750 7848.25 [#/sec] (mean) 1800 7715.88 [#/sec] (mean) 1850 7594.04 [#/sec] (mean) 1900 8017.95 [#/sec] (mean) 1950 7992.33 [#/sec] (mean) ====== 100k ====== 50 1079.56 [#/sec] (mean) 100 1078.64 [#/sec] (mean) 150 1080.74 [#/sec] (mean) 200 1074.42 [#/sec] (mean) 250 1082.69 [#/sec] (mean) 300 1084.87 [#/sec] (mean) 350 1080.00 [#/sec] (mean) 400 1046.49 [#/sec] (mean) 450 1050.25 [#/sec] (mean) 500 1052.89 [#/sec] (mean) 550 1046.49 [#/sec] (mean) 600 1059.16 [#/sec] (mean) 650 1051.33 [#/sec] (mean) 700 1050.23 [#/sec] (mean) 750 1045.41 [#/sec] (mean) 800 1054.51 [#/sec] (mean) 850 1034.61 [#/sec] (mean) 900 1045.55 [#/sec] (mean) 950 1036.36 [#/sec] (mean) ====== 3000k ====== 50 345.95 [#/sec] (mean) 100 355.97 [#/sec] (mean) 150 361.02 [#/sec] (mean) 200 363.39 [#/sec] (mean) 250 358.99 [#/sec] (mean) 300 332.52 [#/sec] (mean) 350 320.66 [#/sec] (mean) 400 315.49 [#/sec] (mean) 450 305.72 [#/sec] (mean) 900 304.57 [#/sec] (mean) ===== Tomcat ===== ====== 1k ====== 50 8808.85 [#/sec] (mean) 100 9933.93 [#/sec] (mean) 150 11037.66 [#/sec] (mean) 200 10857.99 [#/sec] (mean) 250 10389.63 [#/sec] (mean) 300 11054.51 [#/sec] (mean) 350 10397.66 [#/sec] (mean) 400 10617.54 [#/sec] (mean) 450 9600.62 [#/sec] (mean) 500 10822.00 [#/sec] (mean) 550 10815.92 [#/sec] (mean) 600 11385.86 [#/sec] (mean) 650 11094.66 [#/sec] (mean) 700 10819.33 [#/sec] (mean) 750 10821.28 [#/sec] (mean) 800 9009.25 [#/sec] (mean) 850 10814.18 [#/sec] (mean) 900 9542.68 [#/sec] (mean) 950 11095.51 [#/sec] (mean) 1000 10811.53 [#/sec] (mean) 1050 11084.72 [#/sec] (mean) 1100 11089.07 [#/sec] (mean) 1150 9590.15 [#/sec] (mean) 1200 13826.40 [#/sec] (mean) 1250 8186.03 [#/sec] (mean) 1300 13961.24 [#/sec] (mean) 1350 11077.12 [#/sec] (mean) 1400 16536.29 [#/sec] (mean) 1450 11430.66 [#/sec] (mean) 1500 10817.56 [#/sec] (mean) 1550 16195.09 [#/sec] (mean) 1600 17205.66 [#/sec] (mean) 1650 13300.61 [#/sec] (mean) 1700 11061.43 [#/sec] (mean) 1750 10837.05 [#/sec] (mean) 1800 9786.94 [#/sec] (mean) 1850 10808.81 [#/sec] (mean) 1900 13019.67 [#/sec] (mean) 1950 10090.06 [#/sec] (mean) ====== 10k ====== 50 5513.00 [#/sec] (mean) 100 7093.53 [#/sec] (mean) 150 9134.78 [#/sec] (mean) 200 8910.81 [#/sec] (mean) 250 9240.74 [#/sec] (mean) 300 7805.80 [#/sec] (mean) 350 8661.73 [#/sec] (mean) 400 8835.57 [#/sec] (mean) 450 7966.94 [#/sec] (mean) 500 8322.71 [#/sec] (mean) 550 6575.24 [#/sec] (mean) 600 8726.30 [#/sec] (mean) 650 8108.30 [#/sec] (mean) 700 9226.79 [#/sec] (mean) 750 8834.83 [#/sec] (mean) 800 8386.70 [#/sec] (mean) 850 8380.58 [#/sec] (mean) 900 8323.48 [#/sec] (mean) 950 9060.00 [#/sec] (mean) 1000 7213.51 [#/sec] (mean) 1050 9504.06 [#/sec] (mean) 1100 9381.86 [#/sec] (mean) 1150 8839.41 [#/sec] (mean) 1200 9760.02 [#/sec] (mean) 1250 9476.96 [#/sec] (mean) 1300 8366.04 [#/sec] (mean) 1350 9651.87 [#/sec] (mean) 1400 9186.07 [#/sec] (mean) 1450 9600.16 [#/sec] (mean) 1500 8289.33 [#/sec] (mean) 1550 9399.26 [#/sec] (mean) 1600 8205.92 [#/sec] (mean) 1650 8306.61 [#/sec] (mean) 1700 9464.74 [#/sec] (mean) 1750 8682.26 [#/sec] (mean) 1800 9589.63 [#/sec] (mean) 1850 8315.31 [#/sec] (mean) 1900 9174.38 [#/sec] (mean) 1950 8956.78 [#/sec] (mean) ====== 100k ====== 50 1033.41 [#/sec] (mean) 100 1054.92 [#/sec] (mean) 150 1061.72 [#/sec] (mean) 200 1075.20 [#/sec] (mean) 300 373.05 [#/sec] (mean) 350 375.34 [#/sec] (mean) 400 376.29 [#/sec] (mean) 450 376.51 [#/sec] (mean) 500 377.04 [#/sec] (mean) 550 377.09 [#/sec] (mean) 650 363.08 [#/sec] (mean) 700 368.69 [#/sec] (mean) ====== 300k ====== 50 354.93 [#/sec] (mean) 100 361.82 [#/sec] (mean) 150 366.71 [#/sec] (mean) 200 369.58 [#/sec] (mean) 250 372.58 [#/sec] (mean) 300 374.43 [#/sec] (mean) 350 375.92 [#/sec] (mean) 400 376.23 [#/sec] (mean) 450 376.93 [#/sec] (mean) 500 376.61 [#/sec] (mean) 550 377.67 [#/sec] (mean) 600 372.58 [#/sec] (mean)
发表评论
-
调试jdk中的源码,查看jdk局部变量
2013-06-15 23:30 1065调试jdk中的源码,查看jdk局部变量 2012-04 ... -
Reactor模式和NIO<转>
2013-05-27 14:20 884本文可看成是对Doug Lea Scalable IO in ... -
Eclipse快捷键 10个最有用的快捷键<转>
2013-04-11 23:28 1090Eclipse中10个最有用的快捷键组合 一个Eclip ... -
Lucene 3.6 中文分词、分页查询、高亮显示等
2012-12-09 23:35 18431、准备工作 下载lucene 3.6.1 : htt ... -
Maven实战(九)——打包的技巧(转)
2012-10-12 00:41 950“打包“这个词听起 ... -
基于Maven的web工程如何配置嵌入式Jetty Server开发调试环境(转)
2012-10-12 00:28 9571、首先在web工程的POM文件里添加依赖jar包如下: ... -
轻轻松松学Solr(1)--概述及安装[转]
2012-09-18 14:59 1003概述 这段时间对企 ... -
分析Netty工作流程[转]
2012-09-04 19:02 908下面以Netty中Echo的例 ... -
让eclipse在ubuntu下面好看一点
2012-03-27 10:17 939<p> </p> <h1 cla ... -
zookeeper安装和应用场合(名字,配置,锁,队列,集群管理)[转]
2012-01-12 17:59 1664安装和配置详解 本文 ... -
Jakarta-Common-BeanUtils使用笔记[转]
2012-01-10 14:13 1169Jakarta-Common-BeanUtils ... -
一个关于Java Thread wait(),notify()的实用例【转】
2012-01-07 16:05 1032///// // ProducerConsume ... -
Java基础:Java中的 assert 关键字解析【转】
2012-01-06 19:50 1079J2SE 1.4在语言上提供了 ... -
一篇不错的讲解Java异常的文章(转载)----感觉很不错,读了以后很有启发[转]
2012-01-06 15:02 1283六种异常处理的陋习 ... -
如何解决HP QC(Quality Center)在Windows 7下不能工作的问题
2011-12-26 10:48 1603HP QC(Quantity Center) 是一款不错的测 ... -
JAVA读写文件,中文乱码 【转】
2011-12-19 23:43 2133最近在做HTML静态生成,需要从硬盘上把模版文件的内容读出来。 ... -
Java 6 JVM参数选项大全(中文版)【转】
2011-12-19 19:51 984Java 6 JVM参数选项大全(中文版) 作者 ... -
使用assembly plugin实现自定义打包【转】
2011-12-13 01:58 983在上一篇文章中,讨论到在对maven的机制不熟悉的情况下,为了 ... -
使用maven ant task实现非标准打包[转]
2011-12-13 01:56 1059maven很强大,但是总有些事情干起来不是得心应手,没有使用a ... -
Java日期转换SimpleDateFormat格式大全【转】
2011-12-08 20:22 132924小时制时间 显示: public clas ...
相关推荐
- **Tomcat性能优化**:调整Tomcat参数,提高性能。 **7.12 性能调优专题-数据库优化** - **MySQL常见优化手段分析及实践**:针对MySQL进行性能调优。 **7.13 高性能容器的使用** - **Nginx使用入门**:了解...
麦芽糊精检验表格(食品企业原辅料质量验收记录表).docx
塑料原型制作服务市场报告:全球前13强生产商排名及市场份额.docx
C++数据结构与STL容器总结
谷氨酸钠(味精)检验表格(食品企业原辅料质量验收记录表).docx
已更新微信登录获取用户头像失败功能,增加登录更新账号信息功能。 主要功能 会员系统,用户登录/注册 购买记录 收藏记录 基本设置 后台控制 导航颜色 字体颜色 标题等设置 流量主广告开关 小程序广告显示隐藏 广告主审核过审核 资源管理 后台可以添加5种类型资源 灵活设置 激励广告解锁资源 vip专享资源 免费资源 积分购买资源 阅读全文资源 公告 会员公告系统 VIP系统 用户可以开通VIP 查看vip专属资源 签到 签到互动二奖励 分类 资源分类 友情连接 跳转小程序 盈利能力:激励视频广告+插屏广告+视频广告+横幅广告+格子广告 =收益神器
[继电保护仿真]--三段式距离保护 基于matlab simulink仿真 支持三段式电流保护、三段式距离保护、零序电流保护、欠压保护、振荡闭锁、差动保护、变压器差动保护、变压器后备保护、母线保护、自动重合闸、分布式电源自适应保护等仿真定制 ,继电保护仿真; 三段式距离保护; MATLAB Simulink仿真; 多种保护类型仿真定制,Matlab Simulink三段式距离保护仿真定制
内含数据库 源码 流程图 效果图,绝对物超所值
内容概要:本文主要讨论了将弹性薄板动力分析从传统的Lagrange体系转换到Hamilton体系的必要性和优势。通过引入非传统Hamilton变分原理,建立了薄板动力学在相空间中的正则方程及对应的辛算法——辛空间有限元-时间子域法。这种方法不仅可以提高计算精度与效率,而且克服了以往非辛算法中存在的诸多缺陷。此外,文章提供了具体的数学模型、边界和初始条件推导以及算例验证。 适用人群:适用于固体力学领域研究人员、机械工程专业的学生和技术人员,特别是关注弹性薄板振动特性分析的专业人士。 使用场景及目标:本方法适用于弹性薄板结构在不同边界条件下的动态响应分析。旨在为相关工程问题提供更高精确度的解决方案。 其他说明:该研究展示了新型算法相比于传统方法在稳定性和准确性方面的优越性。通过对两个特定实例的数据对比进一步证实了辛算法的有效性和可行性。
内容概要:本文提出了一种基于时变参数字典和细化二次选择机制的正交匹配追踪(TPRSS-OMP)算法,用于滚动轴承的早期故障检测。传统的相关滤波方法对噪声敏感,固定参数原子难以适应时间变化的影响特征,而本文提出的改进方法克服了这些问题。首先通过分段时域相关滤波与K-means聚类确定拉普拉斯小波字典的时间变化参数范围,在求解稀疏系数过程中引入新的优化后的次级选择原则——考虑信号重建前后信封频谱峰度的变化,从而提高算法对背景噪音干扰下的故障冲击特征提取能力。实验结果表明,新算法能有效重构故障信号并精准提取故障脉冲特征,适用于实际工况下的滚动轴承监测任务。 适合人群:具有一定机械工程与振动信号处理基础知识的研究人员、研究生、工程师。 使用场景及目标:①工业设备中滚动轴承及其他旋转设备的早期故障预警系统构建;②从强背景噪声中精确提取故障冲击特征。 其他说明:论文提供仿真及真实数据验证,展示了改进后的正交匹配追踪方法相比现有技术在准确性方面的优越表现,特别强调对于复杂操作环境下的鲁棒性能提升。文中还讨论了未来需要解决的问题如K-means聚类方法可能受到大幅波动的影响以及复合故障情况下的扩展性研
醪糟检验表格(食品企业原辅料质量验收记录表).docx
SBLC买断基本信息.docx
罗汉果检验表格(食品香辛料质量验收记录表)检验表格(食品香辛料质量验收记录表).docx
100%能恢复数据,亲测亲调试优化了代码 工具概述 我们有一个用Go语言编写的工具,能够读取.ibd文件并将其转换为可执行的SQL语句,从而实现数据恢复。该工具的主要功 解析.ibd文件:读取并解析.ibd文件中的数据结构。 生成SQL脚本:将解析到的数据转换为SQL插入语句。 恢复数据:通过执行生成的SQL脚本,将数据重新导入数据库 https://blog.csdn.net/qq_24396737/article/details/146182892?spm=1001.2014.3001.5501
内容概要:本国际标准 (ISO 13733:2020) 详细规定了安装在船舶上以引导系泊绳从船内到外板的带有顶部滚轮的船用通用导缆器的标准和技术要求。具体涵盖四种类型的导缆器分类、额定尺寸、尺寸参数、制造材料、结构设计、制造与检测要求以及标记要求等内容,并明确了安全工作载荷(SWL)的定义和要求,还提供了有限元法(FEM)用于评估强度的分析条件。 适用人群:适用于从事船舶工程、海上技术设备制造和相关标准规范实施的专业技术人员和监管人员。 使用场景及目标:本标准用于指导船舶装备制造商和工程师进行正确的导缆器设计、选型、生产及其安装施工,并保障在各种实际操作条件下能可靠传递系泊负荷。 其他说明:标准修订了多项内容,增加了技术指南并调整了关键部件的设计尺寸,提高了产品的安全性。此外,对于涉及专利权的技术细节,请参照ISO官网的相关信息获取进一步帮助。
本文为抛砖引玉:简单描述,如需根据自身业务详细设计,请随时联系
基于51单片机的测量仪(电压,电平,频率) 1104-基于51单片机的测量仪(电压,电平,频率)原理图、流程图、物料清单、仿真图、源代码 功能介绍: 基于单片机的简易测量仪(测量电压、TTL电平01,频率等) 设计一个简易的测量设备,用两支表笔(1个是GND,一个是输入信号)测可用于数字电路实验及测试中 功能要求如下: (1)测量直流信号的电压,电压范围0~5V; (2)测量信号的TTL电平,给出高低电平测量结果;(3)测量数字信号的频率,给出测量结果; (4)用LCD显示结果,使用按键切测量功能(5)显示学号及姓名的拼音字母 有哪些资料: 1、仿真工程文件 2、源代码工程文件 3、原理图工程文件 4、流程图 5、功能介绍 6、元件清单 ,基于51单片机的测量仪;电压测量;电平测量;频率测量;原理图;流程图;物料清单;仿真图;LCD显示;按键切换功能;学号姓名显示。,基于51单片机多功能测量仪:电压、电平、频率测量及显示系统
基于YOLOv9的智慧渔业捕捞检测系统(Python源码+数据集) 智慧渔业捕捞一共355张,类别为:'fish' ,基于YOLOv9; 智慧渔业捕捞检测系统; Python源码; 数据集; 鱼('fish'); 355张图片,基于YOLOv9的渔业智慧检测系统(Python+数据集)
O型環槽部設計.zip
超1000项!2024年度国家自然科学基金管理学部立项清单(最全整理)-最新出炉 一共有1000多个记录,主要统计自各校相关院系发布的2024年获批结果和各位项目负责人的CV,统计项包括学科代码(仅作参考)、项目批准号、单位、负责人、项目名称、项目类型。。内容来源于网络分享,如有侵权请联系我删除。