在项目压测过程中，发现系统占用，上下文切换非常频繁，在此记录下调优过程，希望对后来人有所帮助。测试方法：模拟客户端实际操作，向服务器高并发发送数据，查看服务器的负载情况。服务器基本配置如下 !(https://oscimg.oschina.net/oscnet/bc83614f489750249dce90a28ca5924a8ff.png)

!(https://oscimg.oschina.net/oscnet/cdf117e0215f43c98649fa8825efe2e7.jpg)AV1比HEVC有30%以上的编码效率提升，但编码复杂度高的离谱。好在AOM联盟不断对AV1进行优化，预计今年内AV1的编码复杂度将降到VP9的10倍以内。文/包研参

隐含规则————在我们使用Makefile时，有一些我们会经常使用，而且使用频率非常高的东西，比如，我们编译C/C的源程序为中间目标文件（Unix下是\.o\文件，Windows下是\.obj\文件）。本章讲述的就是一些在Makefile中的“隐含的”，早先约定了的，不需要我们再写出来的规则。“隐含规则”也就是一种惯

在日志收集服务器上使用Flume（1.6）的KafkaSink将日志数据发送至Kafka，在FlumeAgent启动之后，发现每个Agent的CPU使用率都非常高，而我们需要在每台机器上启动多个FlumeAgent来收集不同类型的日志，如果每个Agent都这样，那肯定会把机器的CPU吃满了，刚开始使用jstack定位到是org.apache.flume

拉模式和推模式拉模式1、数据更新频率低，则大多数请求是无效的2、在线用户量多，则服务端的查询负载高3、定时轮询拉取，实时性低推模式1、仅在数据更新时才需要推送2、需要维护大量的在线长连接3、数据更新后可以立即推送基于webSocket推送1、浏览器支持的socket编

LivePlayer网页直播、点播播放器资源下载：https://www.liveqing.com/docs/download/LivePlayer.html(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.liveqing.com%

AI驱动招聘价值重构：从人才入口到组织效能的全链路升级当企业纷纷加码HR数字化转型，核心HR系统、工时薪资核算模块已逐步实现线上化，但作为人才供应链起点的招聘环节，却常陷入“高投入低产出”的困境：海量简历筛选耗费80%精力、面试评估依赖个人经验、优质候选人

本文面向受众可以是运营、可以是产品、也可以是研发、测试人员，作者希望通过如下思路（知历史清家底明目标定战略做战术促成长）帮助大家能够了解电商大促系统的高可用保障，减少哪些高深莫测的黑话和高大尚的论调，而是希望有个体系化的知识让读者有所得。一、【知历史】电商

作者：京东物流杨唯一一、Java枚举类Java枚举是一个特殊的类，一般表示一组常量，比如一年的4个季节，一年的12个月份，一个星期的7天，方向有东南西北等。我们在业务需求开发中，通常会使用枚举来定义业务上的一组常量，那除了简单地定义常量之外，我们如何利用枚

作者：京东物流冯志文一、分布式数据系统挑战1.一致性（Consistency）：在多个节点上维护相同的数据副本，确保所有节点在任何给定时间点都能看到相同的数据状态。这是CAP理论中的C部分（一致性、可用性和分区容错性）。2.可用性（Availability