CSDN日报来啦！给大家奉上当日最新鲜的技术干货！
作者：ThinkWon
授人以鱼不如授人以渔
本博客的目的不在于给出最佳配置，而是带领开发者，能够从实际情况出发，通过不断的调节tomcat和jvm参数，去发现吞吐量，平均响应时间和错误率等信息的变化，同时根据服务器的cpu和内存等信息，结合接口的业务逻辑，最好是测试使用率最高，并发最大，或者是最重要的接口(比如下单支付接口)，设置最优的tomcat和jvm配置参数。
点击阅读全文
Java虚拟机学习总结（2）——性能优化的一般性原则、层次与通用方法
作者：一杯甜酒
依据数据而不是凭空猜测
性能优化的第一原则是当我们怀疑性能有问题的时候，应该通过测试、日志、profillig来分析出哪里有问题，有的放矢，而不是凭感觉、撞运气。一个系统有了性能问题，瓶颈有可能是CPU，有可能是内存，有可能是IO（磁盘IO，网络IO），大方向的定位可以使用top以及stat系列来定位（vmstat，iostat，netstat…），针对单个进程，可以使用pidstat来分析。按照二八定律，绝大多数的时间都耗费在少量的代码片段里面，找出这些代码我们可以使用Profileg工具，熟练使用这些profile工具是性能优化的第一步。
点击阅读全文
大体思路
opencv读取视频
将视频分割为帧
对每一帧进行处理(opencv模板匹配)
在将此帧写入pipe管道
利用ffmpeg进行推流直播
点击阅读全文
TensorFlow2.0 学习笔记（七）：变量的保存与恢复
作者：我是管小亮 ?
很多时候，我们需要在模型训练完成后，将训练好的参数（变量）保存起来。在需要使用模型的其他地方，就可以载入模型和参数，直接得到训练好的模型，而不用重新训练，继而节省了很多时间。
可能第一个想到的是用 Python 的序列化模块 pickle 存储 model.variables。但不幸的是，TensorFlow 的变量类型 ResourceVariable 并不能被序列化。好在 TensorFlow 提供了 tf.train.Checkpoint 这一强大的变量保存与恢复类，可以使用其 save() 和 restore() 方法将 TensorFlow 中所有包含 Checkpointable State 的对象进行保存和恢复。
点击阅读全文
MySQL 慢查询日志导入 Elasticsearch 可视化查询分析
作者：qhh0205
当应用程序后台 SQL 查询慢的时候我们一般第一时间会查看数据库慢查询记录，但是慢查询记录是原始文本，直接查询搜索分析比较费时费力，虽然业界有针对 MySQL 慢查询分析的命令行工具（比如：pt-query-digest），但是使用起来还是不够方便，而且分析结果也是针对整个实例的大概统计，不能及时定位到某个应用（库.表）的慢查询。出于这个目的我们可以将 MySQL 原始慢查询日志结构化导入 Elasticsearch，然后通过 Kibana 可视化查询分析，由于日志结构化解析出来了，所以可以快速查询分析。本文主要介绍如何运用业界主流的开源工具链实现这一需求
点击阅读全文
优质博文推荐
如果您的文章符合以下要求，欢迎大家投稿，拉您进入CSDN博文推荐群，添加运营小姐姐微信：172984955 备注：博文推荐！
1.有一定技术指导性的中高级技术文章
2.基础知识点讲解
3.最新的科技热点资讯
4.求职面试、职场进阶、人生感悟
推荐格式：文章标题+CSDN文章地址+推荐语(一两句话阐述)
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
