草庐IT

Clickhouse-CPU

全部标签

【Go】实操使用go连接clickhouse

前言近段时间业务在一个局点测试clickhouse,用java写的代码在环境上一直连接不上clickhouse服务,报错信息也比较奇怪,Noclientavailable,研发查了一段时间没查出来,让运维这边继续查:运维同学查了各种监听配置,防火墙这些,都没什么问题,但是没有明确证据能够提供证明通过http方式能访问到数据库,时间拖得比较久,项目上就急了,让尽快找到问题,所以就用go写了个小工具拉到集群上试试看8123这个端口到底能不能正常提供服务。正文先安装必要的库,clickhouse官方提供了2个版本的库,v1和v2,v1版本已经明确不会继续更新了,所以用新不用旧哈,可以用官方库的方式或

【Go】实操使用go连接clickhouse

前言近段时间业务在一个局点测试clickhouse,用java写的代码在环境上一直连接不上clickhouse服务,报错信息也比较奇怪,Noclientavailable,研发查了一段时间没查出来,让运维这边继续查:运维同学查了各种监听配置,防火墙这些,都没什么问题,但是没有明确证据能够提供证明通过http方式能访问到数据库,时间拖得比较久,项目上就急了,让尽快找到问题,所以就用go写了个小工具拉到集群上试试看8123这个端口到底能不能正常提供服务。正文先安装必要的库,clickhouse官方提供了2个版本的库,v1和v2,v1版本已经明确不会继续更新了,所以用新不用旧哈,可以用官方库的方式或

清华源conda 安装gpu版本的pytorch总是推送cpu版本解决办法

方法一1.用condalist看看有没有cpuonly这个包,有的话删掉,这个包是装不上gpu版本的罪魁祸首。condauninstallcpuonly2.装pytorchcudatoolkit(新建一个anaconda环境,或者把环境清空,注意版本号不要写错,清华源不是很智能,一定要加上详细的版本号搭配)condainstallpython==3.6.13condainstallpytorch==1.10.0cudatoolkit==10.2.89方法二1.首先尝试官方给的建议方式:StartLocally|PyTorchcondainstallpytorchcudatoolkit=10.2

清华源conda 安装gpu版本的pytorch总是推送cpu版本解决办法

方法一1.用condalist看看有没有cpuonly这个包,有的话删掉,这个包是装不上gpu版本的罪魁祸首。condauninstallcpuonly2.装pytorchcudatoolkit(新建一个anaconda环境,或者把环境清空,注意版本号不要写错,清华源不是很智能,一定要加上详细的版本号搭配)condainstallpython==3.6.13condainstallpytorch==1.10.0cudatoolkit==10.2.89方法二1.首先尝试官方给的建议方式:StartLocally|PyTorchcondainstallpytorchcudatoolkit=10.2

GitLab 内存、cpu资源占用过大问题解决

尝试了好几种方法,最终成功,过程总结了下:一、发现症状1.top,M、P,查看占用内存和cpu比较严重的进程,发现是git、gitlab2.ps-ef|grepgit|wc-l  ,发现竟然有380个进程,3.free -h,发现内存和cpu几乎被吃光,只剩下几十MB,二、尝试方法1.根据reboot万能原则,先是reboot了一下,半小时多,终于起来,free-h发现问题解决,但是不一会儿的功夫,同事git又发现慢了,再一看,内存cpu又被吃光了,发现没有解决根本问题啊,此法强烈不建议,以为我们这台服务器除了git,没有其他的用途,我才敢大胆的reboot2.尝试单独重启gitlab,git

GitLab 内存、cpu资源占用过大问题解决

尝试了好几种方法,最终成功,过程总结了下:一、发现症状1.top,M、P,查看占用内存和cpu比较严重的进程,发现是git、gitlab2.ps-ef|grepgit|wc-l  ,发现竟然有380个进程,3.free -h,发现内存和cpu几乎被吃光,只剩下几十MB,二、尝试方法1.根据reboot万能原则,先是reboot了一下,半小时多,终于起来,free-h发现问题解决,但是不一会儿的功夫,同事git又发现慢了,再一看,内存cpu又被吃光了,发现没有解决根本问题啊,此法强烈不建议,以为我们这台服务器除了git,没有其他的用途,我才敢大胆的reboot2.尝试单独重启gitlab,git

CPU两大架构:X86与ARM的区别

1.CPU架构(CentralProcessingUnitArchitecture):X86,ARM,MIPS,PowerPC,IA64AMD64=x86_64=x64,是64位的CPU架构。区分ARM64!2.复杂指令集计算机CISC、精简指令集计算机RISC①X86:复杂指令集CISC,高性能,速度快。完成量大。(内存、硬盘)易扩展。但是功耗很大。多应用于台式电脑。②ARM:精简指令集RISC,低功耗,耗电少。效率高。(存储、内存等)难扩展。多应用于手机、平板。总结优势:X86:高性能+高速度。ARM:低功耗手机、平板等移动设备使用ARM的CPU架构。拿我的iPhone12举例:3.X86

CPU两大架构:X86与ARM的区别

1.CPU架构(CentralProcessingUnitArchitecture):X86,ARM,MIPS,PowerPC,IA64AMD64=x86_64=x64,是64位的CPU架构。区分ARM64!2.复杂指令集计算机CISC、精简指令集计算机RISC①X86:复杂指令集CISC,高性能,速度快。完成量大。(内存、硬盘)易扩展。但是功耗很大。多应用于台式电脑。②ARM:精简指令集RISC,低功耗,耗电少。效率高。(存储、内存等)难扩展。多应用于手机、平板。总结优势:X86:高性能+高速度。ARM:低功耗手机、平板等移动设备使用ARM的CPU架构。拿我的iPhone12举例:3.X86

CPU多层caches的allocation方式

根据一个cache的内容是否存在于其它level(层次)的cache中,可以构成多种多层次的cache结构。如果上级cache的所有内容在下级cache里都有,那么则称下级cache包含上级cache(Inclusive策略)。如果下级cache只包含上级cache中不存在的内容,则称下级cache不包含上级cache(exclusive策略)。如果下级cache的内容既不严格包含也不排斥上级cache,则称Pseudo-exclusive策略。1.Inclusive策略在Inclusive策略中,也就是L2包含L1的所有内容。假设有一个处理器读取块X的请求。如果在L1缓存中找到该块,则从L1

CPU多层caches的allocation方式

根据一个cache的内容是否存在于其它level(层次)的cache中,可以构成多种多层次的cache结构。如果上级cache的所有内容在下级cache里都有,那么则称下级cache包含上级cache(Inclusive策略)。如果下级cache只包含上级cache中不存在的内容,则称下级cache不包含上级cache(exclusive策略)。如果下级cache的内容既不严格包含也不排斥上级cache,则称Pseudo-exclusive策略。1.Inclusive策略在Inclusive策略中,也就是L2包含L1的所有内容。假设有一个处理器读取块X的请求。如果在L1缓存中找到该块,则从L1