计算机组成与结构：lecture 2 Computer Evilution and Performance.pdf

性能之巅-Systems Performance-Brendan Gregg-中英文pdf

基于CPU的系统性能分析和优化 PDF

intel基于高性能架构分析方法 2014年发布IEEE系统和软件性能分析的论文

学习者表现预测算法的简单而高效的实现： 设置 创建一个新的conda环境，安装和其余要求： conda create python==3.7 -n learner-performance-prediction conda activate learner-performance-prediction pip install -r requirements.txt conda install pytorch==1.2.0 torchvision==0.4.0 -c pytorch 该代码支持以下数据集： （assistments09） （assistments12） （assistments15） （assistments17） （bridge_algebra06） （algebra05） （西班牙语） （静电） 数据集 ＃个用户 ＃ 项目 ＃技能 ＃互动

matrixStats：R包：适用于矩阵的行和列（以及向量）的方法

高性能python,介绍了如何寻找python程序性能瓶颈的方法，以及从数据结构和模块等方面介绍提升python程序性能的方法，是python进阶的必读书！

Oracle 11g环境查询gap缓慢，长时间无输出

Rational Performance Tester

近年来，Internet的发展使全球数据量快速增长，大数据时代的到来给传统计算带来了巨大挑战。 大数据系统（例如hadoop，spark）正成为处理大数据的重要平台，但是由于大数据应用程序本身的设计缺陷以及不合理的分布式框架配置，因此难以实现大数据系统中应用程序的性能。计算机理论的最高速度，因此如何定位大数据系统的性能瓶颈并分析瓶颈原因。值得研究。 本文提出了大数据系统的5层性能评估模型，为性能分析提供了可靠的基础，同时，提出了大数据系统的性能优化模型，可以弥补性能瓶颈。位置和瓶颈分析，并进一步优化性能。 基于这两个性能模型，实现了一个基于事件的性能工具来分析性能数据。 实验结果表明，这两个性能模型对大数据系统的性能评估和优化有效，可将大数据系统的平均运行时间缩短19％。