Tanel Poder的故障排除脚本（TPT） 这些sqlplus脚本用于Oracle数据库性能优化和故障排除。 大多数脚本也应直接从SQL Developer运行。 入门和视频 要了解如何设置客户端环境并使用一些与Oracle相关的主要脚本，请查看以下视频： 您也可以在Twitter上关注我，因为我会在此处发布任何值得注意的更新：

[英文原版] High.Performance.MySQL,2nd.Edition.pdf

NetCore服务器 超快速和低延迟异步套接字服务器和客户端C＃.NET Core库，支持TCP，SSL，UDP，HTTP，HTTPS，WebSocket协议和解决方案。 内容 产品特点 跨平台（Linux，OSX，Windows） 异步通讯 支持的传输协议： ， ， ， 支持的Web协议： ， ， ， 支持的迭代文档 要求 Linux OSX Windows 10 可选的： 如何建造？ 设置库 git clone https://github.com/chronoxor/NetCoreServer.git cd NetCoreServer Linux cd build ./unix.sh OSX cd build ./unix.sh Windows（Visual Studio） 打开并构建或运行构建脚本： cd build vs.bat 构建脚本将使用zip文件创建“发布”目录： NetCoreServer.zip-C＃服务器程序集 Benchmarks.zip-C＃服务器基准 examples.zip-C＃服务器示例 例子 示例：TCP聊天服务器

Mastering Distributed Tracing: Analyzing performance in microservices and complex systems Understand how to apply distributed tracing to microservices-based architectures Key Features A thorough conceptual introduction to distributed tracing An exploration of the most important open standards in the space A how-to guide for code instrumentation and operating a tracing infrastructure

iOS 和 macOS 性能优化书。iOS and macOS Performance Tuning Cocoa, Cocoa Touch, Objective-C, and Swift

Geatpy2 适用于Python的高性能遗传进化算法工具箱。 介绍 网站（包括文档） ： : 演示： : Pypi页面： : //pypi.org/project/geatpy/ 与我们联系： : 错误报告： : 注意： : 常见问题解答： ： Geatpy的功能： 快速解决单目标，多目标，多目标和组合优化问题的能力。 大量具有进化算法（选择，重组，变异，迁移...）高性能的算子。 支持人口染色体的众多编码。 许多进化算法模板，包括用于单/多目标进化的GA，DE，ES。 多种人口进化。 支持多体进化。 评价的并行化和分配。 包含最常见基准测试功能的测试平台。 支持对演化迭代的跟踪分析。 算法的许多评估指标。 Geatpy 2.6.0的改进 为MOEA / D-DE添加推和拉搜索策略。 添加新的核心：“ ri2bs”和“ mergecv

学生学业成绩等级分类 使用不同的机器学习方法可视化学生的学术数据和对学生水平进行分类 灵感 开发资料库的目的是可视化学生的学术活动和影响学生整体学习成绩的其他因素，并根据学生的学习成绩和其他相关信息对学生的水平进行分类。 用于分析的数据集是从集中收集的。 数据集文件包含480名学生的数据，包括17个属性。出于分析目的，从数据文件中选取了10个属性（包括``班级''属性）。为了将不同的机器学习方法应用于分类，将总数据集划分为400个训练集＆80测试仪。 全可视化和分析的描述可以在这里找到 数据集信息 数据集特征：多变量 实例数：480 领域：电子学习，教育，预测模型，教育数据挖掘 属性特征：整数/类别 属性数：10 相关任务：分类 缺少价值？ 不 档案格式：xAPI-Edu-Data.csv 属性 性别-学生的性别（名义：“男”或“女”） 教育阶段-受教育水平的学生所属（名义：“低

Oracle Database 12c Performance Management and Tuning认证题库

中断概率矩阵代码信标辅助双跳CRN中中继选择方案的性能评估 这是Matlab的文章代码：“在硬件噪声的影响下，信标辅助双跳认知无线电无线传感器网络中中继选择方案的性能评估”。 18，6，pp.1-24，2018。 ＃文章摘要 为了解决认知无线传感器网络（CR-WSN）的能量约束和频谱稀缺问题，考虑了一种底层解码和转发中继方案，其中能量受约束的次要源和中继节点能够从多节点收集能量。天线功率信标（PB），并使用所收集的能量将源信息转发到目的地。 基于时间切换接收器架构，考虑了三种中继协议，即混合部分中继选择（H-PRS），常规机会中继选择（C-ORS）和最佳机会中继选择（B-ORS）协议，以增强端-最大干扰约束和收发器硬件损害共同影响下的终端性能。 为了进行性能评估和比较，我们得出了中断概率（OP）和吞吐量（TP）的精确渐近闭式表达式，以提供对我们提出的协议对瑞利衰落信道上的系统性能的影响的深刻见解。 最后，仿真结果验证了理论结果。 工具： MATLAB版本：9.1（R2016b）操作系统：Windows 7 致谢：这项工作得到了韩国能源技术评估与规划学院（KETEP）的“能源技术人力资源

We experimentally demonstrate a direct-detection orthogonal-frequency-division-multiplexing quadrature-phase-shift-keying (OFDM-QPSK) system that is capable of delivering a 32 Gbaud OFDM-QPSK signal over 7 km single-mode fiber-28 (SMF-28). Intra-symbol frequency-domain averaging (ISFA) channel response estimation is applied to suppress in-band noise, while discrete Fourier transform-spread (DFT-spread) is used to reduce the peak-to-average power ratio (PAPR) of the transmitted OFDM signal. With