榜单
服务器优惠
AI论文
-
分布式GPU训练优秀实践
分布式GPU训练优秀实践 开始优化您的GPU分布式训练任务 1、环境变量设置 2、训练策略设置 3、数据准备 4、训练方式 附录 分布式GPU训练优秀实践 开始优化您的GPU分布式训练任务 PaddlePaddle Fluid可以支持在现代GPU [1] 服务器集群上完成高性能分布式训练。 通常可以通过以下方法优化在多机多卡环境训练... -
高并发写入场景最佳实践
TiDB 高并发写入场景最佳实践 目标读者 高并发批量插入场景 TiDB 数据分布原理 热点产生的实例 热点问题产生的原因 热点问题的规避方法 更复杂的热点问题 参数配置 TiDB 高并发写入场景最佳实践 在 TiDB 的使用过程中，一个典型场景是高并发批量写入数据到 TiDB。本文阐述了该场景中的常见问题，旨在给出一个业务的最佳实... -
高并发写入场景最佳实践
TiDB 高并发写入场景最佳实践 目标读者 高并发批量插入场景 TiDB 数据分布原理 热点产生的实例 热点问题产生的原因 热点问题的规避方法 更复杂的热点问题 参数配置 TiDB 高并发写入场景最佳实践 在 TiDB 的使用过程中，一个典型场景是高并发批量写入数据到 TiDB。本文阐述了该场景中的常见问题，旨在给出一个业务的最佳实践... -
分布式CPU训练最佳实践
分布式CPU训练最佳实践 提高CPU的使用率 提高通信速度 分布式CPU训练最佳实践 提高CPU分布式训练的训练速度，主要要从两个方面来考虑：1）提高训练速度，主要是提高CPU的使用率；2）提高通信速度，主要是减少通信传输的数据量。 提高CPU的使用率 提高CPU使用率主要依赖 ParallelExecutor ，可以充分利用多个CPU的计... -
高并发写入场景最佳实践
TiDB 高并发写入场景最佳实践 目标读者 高并发批量插入场景 TiDB 数据分布原理 热点产生的实例 热点问题产生的原因 热点问题的规避方法 更复杂的热点问题 参数配置 TiDB 高并发写入场景最佳实践 在 TiDB 的使用过程中，一个典型场景是高并发批量写入数据到 TiDB。本文阐述了该场景中的常见问题，旨在给出一个业务的最佳实践，... -
分表合并数据迁移最佳实践
分表合并数据迁移最佳实践 独立的数据迁移任务 手动处理 sharding DDL lock 跨分表数据在主键或唯一索引冲突处理 自增主键冲突处理 去掉自增主键的主键属性 使用联合主键 上游 RDS 封装分库分表的处理 合表迁移过程中在上游增/删表 在上游增加分表 在上游删除分表 数据迁移限速/流控 分表合并数据迁移最佳实践 本文阐... -
管理日志采集sidecar容器最佳实践
管理日志采集sidecar容器最佳实践 Kubernetes容器日志收集 EFK整体架构 K8S Sidecar模式弊端 SidecarSet管理sidecar容器的利器 EFK + SidecarSet(FileBeat)实践 安装EFK（ElasticSearch、Kibana） FileBeat SidecarSet CRD 自动注入Fil... -
Rancher 管理 vSphere 集群的最佳实践
Rancher 管理 vSphere 集群的最佳实践 1. 虚拟机注意事项 利用虚拟机模板来构建环境 利用 DRS 反亲和规则（可能的话）在 ESXi 主机上分离下游集群节点 利用 DRS 反亲和规则（可能的话）在 Datastore 上分离下游集群节点 为 Kubernetes 配置合适的虚拟机 2. 网络注意事项 利用 ETCD 节点之间的低延... -
分表合并数据迁移最佳实践
分表合并数据迁移最佳实践 独立的数据迁移任务 手动处理 sharding DDL lock 跨分表数据在主键或唯一索引冲突处理 自增主键冲突处理 去掉自增主键的主键属性 使用联合主键 上游 RDS 封装分库分表的处理 合表迁移过程中在上游增/删表 在上游增加分表 在上游删除分表 数据迁移限速/流控 分表合并数据迁移最佳实践 本文阐...