1）nginx进程数，建议按照cpu数目来指定，一般跟cpu核数相同或为它的倍数。
日志收集推荐使用Elastic Stack协议栈，可以满足收集海量日志需求，而且便于后续分析、报表、报警操作
通俗的来讲,一根管子往池塘注水，池塘底部有一个口子往外出水，当注水的速度过快时，池塘的水会溢出，此时，我们的做法换根小管子注水或者把注水管子的口堵住一半，这就是限流，限流的目的就是为了防止池塘的水溢出，放在软件开发中，一台硬件的CPU和内存总归是有限的，能处理的请求量是有一个阈值的，就跟人的精力一样是有限的，超过这个限度系统就会异常，人就会生病。
防抖和节流函数是我们经常用到的函数，在实际的开发过程中，如 scroll、resize、click、键盘等事件很容易被多次触发，频繁的触发回调会导致页面卡顿和抖动，为了避免这种情况，需要使用节流和防抖的方法来减少无用的操作和网络请求，也是面试中经常遇到的问题，需要牢牢掌握。
刁姹接到一个任务，为税务部门调查一位商人的账本，看看账本是不是伪造的。账本上记录了n个月以来的收入情况，其中第i 个月的收入额为Ai(i=1,2,3...n-1,n)， 。当 Ai大于0时表示这个月盈利Ai 元，当 Ai小于0时表示这个月亏损Ai 元。所谓一段时间内的总收入，就是这段时间内每个月的收入额的总和。 刁姹的任务是秘密进行的，为了调查商人的账本，她只好跑到商人那里打工。她趁商人不在时去偷看账本，可是她无法将账本偷出来，每次偷看账本时她都只能看某段时间内账本上记录的收入情况，并且她只能记住这段时间内的总收入。 现在，刁姹总共偷看了m次账本，当然也就记住了m段时间内的总收入，你的任务是根据记住的这些信息来判断账本是不是假的。
过滤 / 筛选 被观察者（Observable）发送的事件 & 观察者 （Observer）接收的事件
Rxjava由于其基于事件流的链式调用、逻辑简洁 & 使用简单的特点，深受各大 Android开发者的欢迎。
当用户频繁的与UI界面操作交互时,例如:窗口调整(触发resize),页面滚动,上拉加载(触发scroll),表单的按钮提交,商城抢购疯狂的点击(触发mousedown),而实时的搜索(keyup,input),拖拽等
每次发现系统变慢时，通常做的第一件事，就是执行 top 或者 uptime 命令，来了解系统的负载情况
本文不是讨论最新的 JavaScript 库、常见的开发实践或任何新的 ES6 函数。相反，在讨论 JavaScript 时，面试中通常会提到三件事。我自己也被问到这些问题，我的朋友们告诉我他们也被问到这些问题。
健康检查 (HEALTHCHECK) 指令告诉 Docker 如何检查容器是否仍在工作。 它能够监测类似一个服务器虽然服务进程仍在运行， 但是陷入了死循环， 不能响应新的请求的情况。
2023-06-16：给你一份工作时间表 hours，上面记录着某一位员工每天的工作小时数。
1202: [HNOI2005]狡猾的商人 Time Limit: 10 Sec Memory Limit: 162 MB Submit: 1554 Solved: 745 [Submit][Status] Description 刁姹接到一个任务，为税务部门调查一位商人的账本，看看账本是不是伪造的。账本上记录了n个月以来的收入情况，其中第i 个月的收入额为Ai(i=1,2,3...n-1,n)， 。当 Ai大于0时表示这个月盈利Ai 元，当 Ai小于0时表示这个月亏损Ai 元。所谓一段时间内的总收入，
相比单体架构，微服务架构下，服务调用从同一台机器内部的本地调用变成了不同机器间的远程方法调用，这就引入不确定因素：
业务问题：店铺在对用户进行盘点时发现，用户运营过于粗放，没能做到用户分类运营。老板想在下一个月对不同的用户进行有针对性的营销，达到降低成本提高收入，精细化运营的效果。怎么办？
这个就是你当前配置的apache最大的并发响应数，对应的是apache的进程数，两个参数同时修改，MaxClients不得大于ServerLimit参数。
随着 Kubernetes 使用越来越广泛，日志集中收集、展示、告警等都需要考虑的事情。Kubernetes 日志收集方案一般有下面几种：
（一） 前言 突然的资源受限或网络延迟，可能导致找不到目标元素，这时测试报告会显示测试失败。这时需要一种延时机制，来使脚本的运行速度与程序的响应速度相匹配，WebDriver为这种情况提供了隐式等待和显式等待两种机制。 （二） 隐式等待 一旦设置隐式等待时间，就会作用于这个WebDriver实例的整个生命周期（对所有的元素查找都生效），设置隐式等待时间后，Webdriver会在一定时间内持续检测和搜寻DOM，以便于查找一个或多个不是立即加载成功并可用的元素。隐式等待的默认时间是0. WebDriver使用
API 监控报告是一种监测 API 异常的工具。在 API 管理中，查看 API 异常监控的监控报告，是 Eolink Apikit 常用的功能。Eolink Apikit 的监控报告有 3种：
数字IC设计中我们经常会遇到这种场景，工作在不同时钟域的两个模块，它们之间需要进行数据传递，为了避免数据丢失，我们会使用到FIFO。当读数据的速率小于写数据的速率时，我们就不得不将那些还没有被读走的数据缓存下来，那么我们需要开多大的空间去缓存这些数据呢？缓存开大了会浪费资源，开小了会丢失数据，如何去计算最小FIFO深度是我们讨论的重点。
微服务架构相比单体架构，服务的调用从同一台机器内部的本地调用变成了不同机器之间的远程方法调用，但是这个过程也引入了两个不确定的因素：
1. 默认情况下，redis不是在后台运行的，如果需要在后台运行，把该项的值更改为yes daemonize no 2. 当Redis在后台运行时，Redis默认会把pid写入/var/run/redis.pid文件，可以通过pidfile指定 pidfile /var/run/redis.pid 3. 指定Redis监听端口，默认端口为6379 port 6379 4. 指定redis只接收来自该IP地址的请求，如果不进行设置，那么将处理所有请求，在生产环境中最好设置该项 bind 127.0.0
（1）表的存储会出现碎片化，每当删除了一行内容，该段空间就会变为空白、被留空，而在一段时间内的大量删除操作，会使这种留空的空间变得比存储列表内容所使用的空间更大；
在平时的运维工作中，当一台服务器的性能出现问题时，通常会去看当前的CPU使用情况，尤其是看下CPU的负载情况(load average)。对一般的系统来说，根据cpu数量去判断。比如有2颗cup的机器。如果平均负载始终在1.2以下，那么基本不会出现cpu不够用的情况。也就是Load平均要小于Cpu的数量。 对于cpu负载的理解，首先需要搞清楚下面几个问题： 1）系统load高不一定是性能有问题。 因为Load高也许是因为在进行cpu密集型的计算 2）系统Load高不一定是CPU能力问题或数量不够。
大家好，我渔夫子。上篇文章我们讲解了漏桶（LeakyBucket）的实现原理。本文我们介绍另外一种限流器---令牌桶（TokenBucket）。
作者新建了QQ群：460430320，供大家交流测试心得（培训机构勿进）。另外，还会不定期上传测试资料，也欢迎您共享测试资料。
在讲解如何去计算FIFO深度之前，我们来理解一个术语burst length，如果你已经了解了可以跳过。要理解数据的突发长度，首先我们来考虑一种场景，假如模块A不间断的往FIFO中写数据，模块B同样不间断的从FIFO中读数据，不同的是模块A写数据的时钟频率要大于模块B读数据的时钟频率，那么在一段时间内总是有一些数据没来得及被读走，如果系统一直在工作，那么那些没有被读走的数据会越累积越多，那么FIFO的深度需要是无穷大的，因此只有在突发数据传输过程中讨论FIFO深度才是有意义的。也就是说我们一次传递一包数据完成后再去传递下一包数据，我们把一段时间内传递的数据个数称为burst length。在维基百科中，burst transmission是这样解释的：In telecommunication, a burst transmission or data burst is the broadcast of a relatively high-bandwidth transmission over a short period。
谈起电源的缓启动（软起动），我们都知道现在大多数电子系统都要支持热插拔功能。所谓热插拔，也就是在系统正常工作时，带电对系统的某个单元进行插拔操作，且不对系统产生任何影响。
随着移动互联网的快速发展，智能手机对电量的消耗也变得越来越大，续航短板一直是用户吐槽的焦点，不管是iOS还是android，每天为手机充电成为一个惯例，甚至一天充电好几次；而许多手机厂商也承认电池成了制约手机发展的主要障碍之一。手机的其他模块越来越小，而电池的体积越来越大，已经成为了一个事实，只能通过增加电池的容量来满足功能的需求，移动电源的出现，虽然在一定程度上缓解了续航不足的问题，但并不是一个最好的解决方案。下图为用户对智能手机缺陷的投票结果（统计数据来源于网易手机频道），通过投票结果我们可以看出，电池
WebDriverWait 通常与 until 和 util_not 结合使用，Java 与 Python 用法相同。
计数器是限流里最简单的,简单来说,比如 我限制1分钟内 请求数最多为60个! 当此刻 2018-02-27 16:23:00 到 2018-02-27 16:24:00 时间内,请求最多只能是60个!到了2018-02-27 16:24:00,把计数器归零! 周而复始!
在二叉搜索树（Binary Search Tree, BST）和最小堆（Min Heap）中，元素的排列顺序都是根据其关键字的大小。然而，它们之间存在着重要的区别。
（下面很多指标术语在不同的语境下可能会有不同的含义，在评价性能指标时，通常是指他们能够达到的最优值。比如吞吐量是指服务能承受的最大吞吐量。）
原文https://blog.csdn.net/u010521062/article/details/115908166
系统负载：在Linux系统中表示，一段时间内正在执行进程数和CPU运行队列中就绪等待进程数，以及非常重要的休眠但不可中断的进程数的平均值（具体load值的计算方式，有兴趣可以自行深究，这里不深究）。说白了就是，系统负载与R(Linux系统之进程状态)和D(Linux系统之进程状态)状态的进程有关，这两个状态的进程越多，负载越高。
指标设计可以很好的帮助我们了解业务状况、发现业务问题和异常。比如，xx企业将日活用户数作为北极星指标，针对该指标向下拆解各种细分指标，然后对各种细分指标进行优化提升，从而最终提升北极星指标，业绩大幅提升。
原文:https://blog.csdn.net/u010521062/article/details/115908166
字典类型容量变化过程叫做rehash,需要满足一定的条件才能触发扩容机制 服务器当前没有进行BGWRITEAOF或者BGSAVE命令，且当前键值对个数超过一维数组的大小，才会触发扩容。
在 O(n) 时间内对 0 到 n^3-1 区间内的 n 个整数进行排序，可以使用基数排序（Radix Sort）算法。基数排序是一种非比较型整数排序算法，其时间复杂度为 O(d*(n+k))，其中 d 是数字的最大位数，k 是基数（通常为 10）。
函数防抖（debounce）：当持续触发事件时，一定时间段内没有再触发事件，事件处理函数才会执行一次，如果设定的时间到来之前，又一次触发了事件，就重新开始延时。如下图，持续触发 scroll 事件时，并不执行 handle 函数，当 1000 毫秒内没有触发 scroll 事件时，才会延时触发 scroll 事件。
请注意，本文编写于 1195 天前，最后修改于 1195 天前，其中某些信息可能已经过时。
PV(Page View)即页面浏览量或点击量，是衡量一个网站或网页用户访问量。具体的说，PV值就是所有访问者在24小时（0点到24点）内看了某个网站多少个页面或某个网页多少次。PV是指页面刷新的次数，每一次页面刷新，就算做一次PV流量。
1. Redis默认不是以守护进程的方式运行，可以通过该配置项修改，使用yes启用守护进程
前面几篇文章已经介绍完一个电商从注册登录到购物下单的典型场景的 Jmeter压测脚本，具体可参考前期文章：基于电商模式的性能测试(五)-基于Jmeter完成一次日常典型电商场景的压测(下单-支付)。
一起来看个具体例子：某个打车出行APP，已按RFM格式，统计好用户数据（如下图，仅为示例数据100条），现领导要求：分析分析用户情况。要怎么分析呢？
速率是指计算机网络中的主机在数字信道上，单位时间内从一端传送到另一端的数据量，即数据传输率，也称数据率或比特率。比特(bit)是数据量的最小单位，s(秒)是时间的最小单位。所以速率单位为bit/s或bps(bit per second)，类似的有kb/s(k=10^3)、Mb/s(M=10^6)、Gb/s(G=10^9)、Tb/s(T=10^12)，1Byte=8bit 1B=8b 1B/s=8b/s(或1Bps=8bps)
速率限制是指防止操作的频率超过定义的限制。在大型系统中，速率限制通常用于保护底层服务和资源。速率限制一般在分布式系统中作为一种防御机制，使共享资源能够保持可用性。
通过修改setpts代码实现调整视频部分的播放速率。 完整代码可参考: https://andy-zhangtao.github.io/ffmpeg-examples/
一幅图秒懂LoadAverage（负载） 一、什么是Load Average？ 系统负载（System Load）是系统CPU繁忙程度的度量，即有多少进程在等待被CPU调度（进程等待队列的长度）。 平均负载（Load Average）是一段时间内系统的平均负载，这个一段时间一般取1分钟、5分钟、15分钟。 二、如何查看Load？ top，uptime，w等命令都可以查看系统负载： [shenjian@dev02 ~]$ uptime 13:53:39 up 10 days, 2:15, 1 user, lo
领取专属 10元无门槛券
手把手带您无忧上云
