mysql常用优化参数

  1. 修改全站搜索   
  2. 修改my.ini(my.cnf) ,在 [mysqld] 后面加入一行“ft_min_word_len=1”,然后 重启Mysql,再登录网站后台(模块管理->全站搜索)重建全文索引。   
  3. 记录慢查询sql语句,修改my.ini(my.cnf),添加如下代码:   
  4. #log-slow-queries   
  5. long_query_time = 1 #是指 执行超过多久的 sql 会被 log 下来   
  6. log-slow-queries = E:/wamp /logs/slow.log #设置把日志写在那里,可以为空,系统会给一个缺省的文件   
  7. #log-slow-queries = /var /youpath/slow.log linux下     host_name-slow.log   
  8. log-queries-not-using-indexes    
  9. mysql缓存的设置   
  10. mysql>show variables like '%query_cache%';     mysql 本身是有对sql语句缓存的机制的,合理设置我们的mysql缓存可以降低数据库的io资源。   
  11. #query_cache_type= 查 询缓存的方式(默认是 ON)   
  12. query_cache_size 如果你希望禁用查询缓存,设置 query_cache_size=0。禁用了查 询缓存,将没有明显的开销   
  13. query_cache_limit 不缓存大于这个值的结果。(缺省为 1M)    
  14. 查询缓存的统计信息   
  15. mysql> SHOW STATUS LIKE ‘qcache%’;   
  16. Qcache_free_blocks 缓存中相邻内存块的个数。数目大说明可能有碎片。FLUSH QUERY CACHE 会对 缓存中的碎片进行整理,从而得到一个空闲块。   
  17. Qcache_free_memory 缓存中的空闲内存。   
  18. Qcache_hits 每次查询在缓存中命中时就增大。   
  19. Qcache_inserts 每次插入一个查询时就增大。命中次数除以插入次数就是不中比率;用 1 减去这个值就是命中率。在上 面这个例子中,大约有 87% 的查询都在缓存中命中。   
  20. Qcache_lowmem_prunes 缓存出现内存不足并且必须要进行清理以便为更多查询提供空间的次数。这个数字最好长时间 来看;如果这个数字在不断增长,就表示可能碎片非常严重,或者内存很少。(上面的 free_blocks 和 free_memory 可以告诉您属于 哪种情况)。   
  21. Qcache_not_cached 不适合进行缓存的查询的数量,通常是由于这些查询不是 SELECT 语句。   
  22. Qcache_queries_in_cache 当前缓存的查询(和响应)的数量。   
  23. Qcache_total_blocks 缓存中块的数量。通常,间隔几秒显示这些变量就可以看出区别,这可以帮助确定缓存是否正在 有效地使用。运行 FLUSH STATUS 可以重置一些计数器,如果服务器已经运行了一段时间,这会非常有帮助。   
  24. my.ini(my.conf)配置   
  25. key_buffer_size = 256M  
  26. # key_buffer_size指定用于索引的缓冲区大小,增加它可得到更好的索引处理性能。     对于内存在4GB左右的 服务器该参数可设置为256M或384M。注意:该参数值设置的过大反而会是服务器整体效率降低   
  27. max_allowed_packet = 4M  
  28. thread_stack = 256K  
  29. table_cache = 128K  
  30. sort_buffer_size = 6M  
  31. 查询排序时所能使用的缓冲区大小。注意:该参数对应的分配内存是每连接独占!如果有100个连接,那么实际分配的总共排序缓冲区大小 为100 × 6 = 600MB。所以,对于内存在4GB左右的服务器推荐设置为6-8M。   
  32. read_buffer_size = 4M  
  33. 读查询操作所能使用的缓冲区大小。和sort_buffer_size一样,该参数对应的分配内存也是每个连接独享!   
  34. join_buffer_size = 8M  
  35. 联合查询操作所能使用的缓冲区大小,和sort_buffer_size一样,该参数对应的分配内存也是每个连接独享!    
  36. myisam_sort_buffer_size = 64M  
  37. table_cache = 512  
  38. thread_cache_size = 64  
  39. query_cache_size = 64M  
  40. 指定MySQL查询缓冲区的大小。可以通过在MySQL控制台执行以下命令观察:   
  41. > SHOW VARIABLES LIKE '%query_cache%';   
  42. > SHOW STATUS LIKE 'Qcache%';   
  43. # 如果Qcache_lowmem_prunes的值非常大,则表明经常出现缓冲不够的情况;   
  44. #如果Qcache_hits的值非常大,则表明查询缓冲使用非常频繁,如果该值较小反而会影响效率,那么可以考虑不用查询缓冲;   
  45. Qcache_free_blocks,如 果该值非常大,则表明缓冲区中碎片很多   
  46. tmp_table_size = 256M  
  47. max_connections = 768  
  48. 指定MySQL允许的最大连接进程数。如果在访问论坛时经常出现Too Many Connections的错误提示,则需要增大该 参数值。   
  49. max_connect_errors = 10000000  
  50. wait_timeout = 10  
  51. 指定一个请求的最大连接时间,对于4GB左右内存的服务器可以设置为5-10。    
  52. thread_concurrency = 8  
  53. 该参数取值为服务器逻辑CPU数量×2,如果服务器有2颗物理CPU,而每颗物理CPU又支持H.T超线程,所以实际取值为 4 × 2 = 8    
  54. skip-networking   
  55. 开启该选项可以彻底关闭MySQL的TCP/IP连接方式,如果WEB服务器是以远程连接的方式访问MySQL数据库服务器则不要开 启该选项!否则将无法正常连接!  
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值