CN107346267A - 一种基于numa架构的cpu性能优化方法和装置 - Google Patents
一种基于numa架构的cpu性能优化方法和装置 Download PDFInfo
- Publication number
- CN107346267A CN107346267A CN201710569721.8A CN201710569721A CN107346267A CN 107346267 A CN107346267 A CN 107346267A CN 201710569721 A CN201710569721 A CN 201710569721A CN 107346267 A CN107346267 A CN 107346267A
- Authority
- CN
- China
- Prior art keywords
- cpu
- thread
- performance
- caching
- dependence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
本申请公开了一种基于NUMA架构的CPU性能优化方法和装置,该方法包括获取CPU的性能参数和指导值;获取线程的数量和内存控制器的数量;根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。上述基于NUMA架构的CPU性能优化方法和装置,能够避免访问远端内存,提高数据传输速度,从而提高CPU的性能。
Description
技术领域
本发明属于处理器技术领域,特别是涉及一种基于NUMA架构的CPU性能优化方法和装置。
背景技术
处理器性能评估的方法有很多种,究其根本来讲,处理器的性能是通过其对数据模型的计算能力来表现,而处理器性能的发挥依赖于缓存及内存对数据的传输能力。
利用现有的NUMA技术(Non-Uniform Memory Access,非统一内存访问机制),系统所有内存被分为若干个块,同时系统拥有多条内存总线,处理器通过每个内存总线与一块内存相连构成一个组,这样NUMA系统被分为若干个组,每个组被称为一个节点(node),处于该节点中的内存被称为本地内存(local memory),处于其它节点中的内存对于该组而言被称为远程内存(foreign memory)。现有的CPU性能处理模型是测试环境下运行多个测试线程,每个测试线程遍历所有的内存,然而这种测试方法存在一定的缺陷,表现在当处理器访问远端内存的数据时,数据传输速度会降低,影响CPU性能的发挥。
发明内容
为解决上述问题,本发明提供了一种基于NUMA架构的CPU性能优化方法和装置,能够避免访问远端内存,提高数据传输速度,从而提高CPU的性能。
本发明提供的一种基于NUMA架构的CPU性能优化方法,包括:
获取CPU的性能参数和指导值;
获取线程的数量和内存控制器的数量;
根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;
根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;
将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。
优选的,在上述基于NUMA架构的CPU性能优化方法中,
所述评估CPU的性能对缓存及内存的依赖程度包括:
根据所述线程的数量和所述每个线程的计算量计算总数据量;
对比所述总数据量和所述CPU的指导值,评估所述CPU的性能对缓存及内存的依赖程度。
优选的,在上述基于NUMA架构的CPU性能优化方法中,
每个所述内存控制器对应一个或多个所述处理器核心。
本发明提供的一种基于NUMA架构的CPU性能优化装置,包括:
第一获取单元,用于获取CPU的性能参数和指导值;
第二获取单元,用于获取线程的数量和内存控制器的数量;
评估单元,用于根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;
分割单元,用于根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;
执行单元,用于将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。
优选的,在上述基于NUMA架构的CPU性能优化装置中,
所述评估单元具体用于根据所述线程的数量和所述每个线程的计算量计算总数据量,对比所述总数据量和所述CPU的指导值,评估所述CPU的性能对缓存及内存的依赖程度。
优选的,在上述基于NUMA架构的CPU性能优化装置中,
每个所述内存控制器对应一个或多个所述处理器核心。
通过上述描述可知,本发明提供的上述基于NUMA架构的CPU性能优化方法和装置,由于该方法包括获取CPU的性能参数和指导值;获取线程的数量和内存控制器的数量;根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务,因此能够避免访问远端内存,提高数据传输速度,从而提高CPU的性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的第一种基于NUMA架构的CPU性能优化方法的示意图;
图2为本申请实施例提供的第一种基于NUMA架构的CPU性能优化装置的示意图;
图3为本申请的NUMA架构的示意图。
具体实施方式
本发明的核心思想在于提供一种基于NUMA架构的CPU性能优化方法和装置,能够避免访问远端内存,提高数据传输速度,从而提高CPU的性能。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供的第一种基于NUMA架构的CPU性能优化方法如图1所示,图1为本申请实施例提供的第一种基于NUMA架构的CPU性能优化方法的示意图,该方法包括如下步骤:
S1:获取CPU的性能参数和指导值;
S2:获取线程的数量和内存控制器的数量;
S3:根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;
S4:根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;
S5:将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。
也就是说,根据每个内存控制器对应的线程所需要的内存大小来分配给其对应大小的本地内存块,这样,处理器核心在处理数据时,就只需要调用分配好的本地内存块,避免调用远端内存,从而提高数据处理速度。
通过上述描述可知,本申请实施例提供的第一种基于NUMA架构的CPU性能优化方法,由于包括获取CPU的性能参数和指导值;获取线程的数量和内存控制器的数量;根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务,因此能够避免访问远端内存,提高数据传输速度,从而提高CPU的性能。
本申请实施例提供的第二种基于NUMA架构的CPU性能优化方法,是在上述第一种基于NUMA架构的CPU性能优化方法的基础上,还包括如下技术特征:
所述评估CPU的性能对缓存及内存的依赖程度包括:
根据所述线程的数量和所述每个线程的计算量计算总数据量;
对比所述总数据量和所述CPU的指导值,评估所述CPU的性能对缓存及内存的依赖程度。
需要说明的是,为了避免远程内存的使用,只利用本地内存处理任务,那么就必须事先计算需要多少内存,再分配相应大小的本地内存块给每个线程,这样就能够提高数据处理速度。
本申请实施例提供的第三种基于NUMA架构的CPU性能优化方法,是在上述第二种基于NUMA架构的CPU性能优化方法的基础上,还包括如下技术特征:
每个所述内存控制器对应一个或多个所述处理器核心。
具体可以参考图3,图3为本申请的NUMA架构的示意图,其中处理器2中包括多个处理器核心3,每个内存控制器4对应了两个处理器核心3,每个处理器核心3对应一个线程1,而每个内存控制器4对应一个本地内存块5,当然这仅仅是举例,还可以将内存控制器对应到一个或者多于两个处理器核心,此处并不限制。
本申请实施例提供的第一种基于NUMA架构的CPU性能优化装置如图2所示,图2为本申请实施例提供的第一种基于NUMA架构的CPU性能优化装置的示意图,该装置包括:
第一获取单元201,用于获取CPU的性能参数和指导值;
第二获取单元202,用于获取线程的数量和内存控制器的数量;
评估单元203,用于根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;
分割单元204,用于根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;
执行单元205,用于将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。
也就是说,根据每个内存控制器对应的线程所需要的内存大小来分配给其对应大小的本地内存块,这样,处理器核心在处理数据时,就只需要调用分配好的本地内存块,避免调用远端内存,从而提高数据处理速度。
本申请实施例提供的第二基于NUMA架构的CPU性能优化装置,是在上述第一种基于NUMA架构的CPU性能优化装置的基础上,还包括如下技术特征:
所述评估单元具体用于根据所述线程的数量和所述每个线程的计算量计算总数据量,对比所述总数据量和所述CPU的指导值,评估所述CPU的性能对缓存及内存的依赖程度。
需要说明的是,为了避免远程内存的使用,只利用本地内存处理任务,那么就必须事先计算需要多少内存,再分配相应大小的本地内存块给每个线程,这样就能够提高数据处理速度。
本申请实施例提供的第三基于NUMA架构的CPU性能优化装置,是在上述第二种基于NUMA架构的CPU性能优化装置的基础上,还包括如下技术特征:
每个所述内存控制器对应一个或多个所述处理器核心。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于NUMA架构的CPU性能优化方法,其特征在于,包括:
获取CPU的性能参数和指导值;
获取线程的数量和内存控制器的数量;
根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;
根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;
将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。
2.根据权利要求1所述的基于NUMA架构的CPU性能优化方法,其特征在于,
所述评估CPU的性能对缓存及内存的依赖程度包括:
根据所述线程的数量和所述每个线程的计算量计算总数据量;
对比所述总数据量和所述CPU的指导值,评估所述CPU的性能对缓存及内存的依赖程度。
3.根据权利要求2所述的基于NUMA架构的CPU性能优化方法,其特征在于,
每个所述内存控制器对应一个或多个所述处理器核心。
4.一种基于NUMA架构的CPU性能优化装置,其特征在于,包括:
第一获取单元,用于获取CPU的性能参数和指导值;
第二获取单元,用于获取线程的数量和内存控制器的数量;
评估单元,用于根据所述线程的数量、每个线程的计算量以及所述CPU的性能参数和指导值,评估CPU的负载大小及其性能对缓存及内存的依赖程度;
分割单元,用于根据所述CPU的负载大小及其性能对缓存及内存的依赖程度,将每个节点的本地内存分割为预设数量的本地内存块,每个所述本地内存块对应所述节点中的一个内存控制器;
执行单元,用于将所述线程绑定到每个节点相应的处理器核心上,利用对应的所述本地内存块执行计算任务。
5.根据权利要求4所述的基于NUMA架构的CPU性能优化装置,其特征在于,
所述评估单元具体用于根据所述线程的数量和所述每个线程的计算量计算总数据量,对比所述总数据量和所述CPU的指导值,评估所述CPU的性能对缓存及内存的依赖程度。
6.根据权利要求5所述的基于NUMA架构的CPU性能优化装置,其特征在于,
每个所述内存控制器对应一个或多个所述处理器核心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710569721.8A CN107346267A (zh) | 2017-07-13 | 2017-07-13 | 一种基于numa架构的cpu性能优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710569721.8A CN107346267A (zh) | 2017-07-13 | 2017-07-13 | 一种基于numa架构的cpu性能优化方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107346267A true CN107346267A (zh) | 2017-11-14 |
Family
ID=60257780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710569721.8A Pending CN107346267A (zh) | 2017-07-13 | 2017-07-13 | 一种基于numa架构的cpu性能优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107346267A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684085A (zh) * | 2018-12-14 | 2019-04-26 | 北京中科寒武纪科技有限公司 | 内存访问方法及相关产品 |
CN111240845A (zh) * | 2020-01-13 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置和存储介质 |
CN111884945A (zh) * | 2020-06-10 | 2020-11-03 | 中国电信股份有限公司重庆分公司 | 一种网络报文的处理方法和网络接入设备 |
CN112860530A (zh) * | 2021-01-27 | 2021-05-28 | 中山大学 | 一种利用非统一內存访问架构特点提升并行化NumPy计算性能的方法 |
CN113176950A (zh) * | 2021-04-09 | 2021-07-27 | 杭州迪普科技股份有限公司 | 报文处理方法、装置、设备及计算机可读存储介质 |
CN113542763A (zh) * | 2021-07-21 | 2021-10-22 | 杭州当虹科技股份有限公司 | 高效的视频解码方法及解码器 |
WO2022002095A1 (zh) * | 2020-06-30 | 2022-01-06 | 华为技术有限公司 | 一种内存初始化装置、方法及计算机系统 |
WO2024027395A1 (zh) * | 2022-07-30 | 2024-02-08 | 华为技术有限公司 | 一种数据处理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050091A (zh) * | 2012-12-28 | 2014-09-17 | 华耀(中国)科技有限公司 | 基于非一致性内存访问系统的网络设备及其设置方法 |
CN104182334A (zh) * | 2013-05-24 | 2014-12-03 | 鸿富锦精密工业(深圳)有限公司 | Numa系统的内存测试方法及系统 |
CN104375899A (zh) * | 2014-11-21 | 2015-02-25 | 北京应用物理与计算数学研究所 | 高性能计算机numa感知的线程和内存资源优化方法与系统 |
CN104484250A (zh) * | 2014-11-28 | 2015-04-01 | 英业达科技有限公司 | 快速通道互联总线的压力测试方法和压力测试装置 |
CN104850461A (zh) * | 2015-05-12 | 2015-08-19 | 华中科技大学 | 一种面向numa架构的虚拟cpu调度优化方法 |
US20160070598A1 (en) * | 2014-09-05 | 2016-03-10 | Telefonaktiebolaget L M Ericsson (Publ) | Transparent Non-Uniform Memory Access (NUMA) Awareness |
-
2017
- 2017-07-13 CN CN201710569721.8A patent/CN107346267A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050091A (zh) * | 2012-12-28 | 2014-09-17 | 华耀(中国)科技有限公司 | 基于非一致性内存访问系统的网络设备及其设置方法 |
CN104182334A (zh) * | 2013-05-24 | 2014-12-03 | 鸿富锦精密工业(深圳)有限公司 | Numa系统的内存测试方法及系统 |
US20160070598A1 (en) * | 2014-09-05 | 2016-03-10 | Telefonaktiebolaget L M Ericsson (Publ) | Transparent Non-Uniform Memory Access (NUMA) Awareness |
CN104375899A (zh) * | 2014-11-21 | 2015-02-25 | 北京应用物理与计算数学研究所 | 高性能计算机numa感知的线程和内存资源优化方法与系统 |
CN104484250A (zh) * | 2014-11-28 | 2015-04-01 | 英业达科技有限公司 | 快速通道互联总线的压力测试方法和压力测试装置 |
CN104850461A (zh) * | 2015-05-12 | 2015-08-19 | 华中科技大学 | 一种面向numa架构的虚拟cpu调度优化方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684085A (zh) * | 2018-12-14 | 2019-04-26 | 北京中科寒武纪科技有限公司 | 内存访问方法及相关产品 |
CN109684085B (zh) * | 2018-12-14 | 2019-11-12 | 北京中科寒武纪科技有限公司 | 内存访问方法及相关产品 |
CN111240845A (zh) * | 2020-01-13 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置和存储介质 |
CN111240845B (zh) * | 2020-01-13 | 2023-10-03 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置和存储介质 |
CN111884945B (zh) * | 2020-06-10 | 2022-09-02 | 中国电信股份有限公司重庆分公司 | 一种网络报文的处理方法和网络接入设备 |
CN111884945A (zh) * | 2020-06-10 | 2020-11-03 | 中国电信股份有限公司重庆分公司 | 一种网络报文的处理方法和网络接入设备 |
WO2022002095A1 (zh) * | 2020-06-30 | 2022-01-06 | 华为技术有限公司 | 一种内存初始化装置、方法及计算机系统 |
CN112860530A (zh) * | 2021-01-27 | 2021-05-28 | 中山大学 | 一种利用非统一內存访问架构特点提升并行化NumPy计算性能的方法 |
CN112860530B (zh) * | 2021-01-27 | 2022-09-27 | 中山大学 | 一种利用非统一存储器访问架构特点提升并行化NumPy计算性能的方法 |
CN113176950A (zh) * | 2021-04-09 | 2021-07-27 | 杭州迪普科技股份有限公司 | 报文处理方法、装置、设备及计算机可读存储介质 |
CN113176950B (zh) * | 2021-04-09 | 2023-10-27 | 杭州迪普科技股份有限公司 | 报文处理方法、装置、设备及计算机可读存储介质 |
CN113542763A (zh) * | 2021-07-21 | 2021-10-22 | 杭州当虹科技股份有限公司 | 高效的视频解码方法及解码器 |
CN113542763B (zh) * | 2021-07-21 | 2022-06-10 | 杭州当虹科技股份有限公司 | 高效的视频解码方法及解码器 |
WO2024027395A1 (zh) * | 2022-07-30 | 2024-02-08 | 华为技术有限公司 | 一种数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346267A (zh) | 一种基于numa架构的cpu性能优化方法和装置 | |
CN107992401A (zh) | 性能测试评价方法、装置、终端设备及存储介质 | |
CN102362464B (zh) | 内存访问监测方法和装置 | |
CN108376112A (zh) | 压力测试方法、装置及可读介质 | |
CN104202220B (zh) | 压力测试方法和装置 | |
CN107124472A (zh) | 负载均衡方法及装置、计算机可读存储介质 | |
CN104484250B (zh) | 快速通道互联总线的压力测试方法和压力测试装置 | |
CN103607424B (zh) | 一种服务器连接方法及服务器系统 | |
CN104331328B (zh) | 虚拟资源调度方法和虚拟资源调度装置 | |
CN104333465A (zh) | 一种心跳间隔设置的方法、装置及系统 | |
CN109976917A (zh) | 一种负载调度方法、装置、负载调度器、存储介质及系统 | |
CN107729514A (zh) | 一种基于hadoop的副本放置节点确定方法及装置 | |
CN106209512A (zh) | 一种上报用户行为数据的方法及装置 | |
CN107707612B (zh) | 一种负载均衡集群的资源利用率的评估方法及装置 | |
CN108737573A (zh) | 一种分布式存储集群及其服务响应控制方法、装置和设备 | |
CN109491754A (zh) | 虚拟服务器的性能测试方法和装置 | |
CN106934027A (zh) | 分布式爬虫实现方法及系统 | |
CN105389649A (zh) | 一种电能质量异常数据检测及处理方法 | |
CN107291539A (zh) | 基于资源重要程度的集群程序调度方法 | |
CN108388490A (zh) | 一种测试高端服务器内存的方法及系统 | |
CN115586995A (zh) | 负载机最大负载量的预测方法、系统、计算机设备及介质 | |
CN104281587B (zh) | 一种建立连接的方法及装置 | |
CN106020732A (zh) | 节点的磁盘空间确定方法及系统 | |
CN105760284A (zh) | 网站性能监控方法及装置 | |
CN107704362A (zh) | 一种基于Ambari监控大数据组件的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171114 |
|
RJ01 | Rejection of invention patent application after publication |