Web制作の技術は日々進化しており、会社やプロジェクトによっては昨今の環境に適さない書き方をしているケースも時折見受けられます。 そこで今回は「2024年のWeb制作ではこのようにコードを書いてほしい！」という内容をまとめました。 質より量で、まずは「こんな書き方があるんだ」をこの記事で伝えたかったので、コードの詳細はあまり解説していません。なので、具体的な仕様などを確認したい方は参考記事を読んだりご自身で調べていただけると幸いです。 1. HTML 画像周りはサイトパフォーマンスに直結するので、まずはそこだけでも取り入れていただきたいです。また、コアウェブバイタルやアクセシビリティも併せて理解しておきたい内容です。 Lazy loading <img>にloading="lazy"属性を付けると画像が遅延読み込みになり、サイトの読み込み時間が早くなります。
最近ローカルLLMがアツいらしい
最近、ローカルLLMがアツくなっているという話をtwitterでチラホラ見かける。 ローカルLLMって何じゃ？というと、オープンに公開されているモデルのウエイトをDLしてきて手元のPC上で推論させる事である。 オープンなAIモデルとは逆の存在として、モデルがDLできないクローズなAIモデルもある。 OpenAIやAnthropicのような最先端AI企業のクローズなAIモデルに比べて、オープンに公開されているオープンなAIモデルの性能は今でもかなり後れを取っている。 だから去年の間はあくまでAIの本命はChatGPTのようなクローズモデルであって、オープンなAIモデルなんて眼中にありませんみたいな風潮が無くはなかった。だが最近は風向きが少々変わってきている。 GPTのAPI高い問題 ＆ OpenAIがAIベンチャー皆殺しにしてしまう問題 まず「結局GPTのAPIを叩いてサービス運営して成功し
サブクエリの書き方を2万文字弱かけてすべて解説する
これはなに ども、レバテック開発部のもりたです。 今回はSQLのサブクエリについてまとめます。仕事でクエリを書く際、サブクエリは頻出の構文だと思うんですが、同時にサブクエリの書き方を完全に理解しているよという人は案外少ないのではないでしょうか？[1] 実際、MySQLの公式ドキュメントを見ると12ページくらいを割かれており、意外と奥深いのがサブクエリです。使いこなせると便利ですし、何よりちょっとSQLのコツみたいなのがわかって面白いよ、ということで記事にしてみました。 前提 この記事は以下の前提を含んでいます。 環境 MySQL8.0系 読者の知識 なんとなくサブクエリが書ける けど相関サブクエリとかになると「あーっ」つってGoogle meetを閉じてしまうくらいのレベル感 記事のボリューム 18,000文字 おれの卒論が20,000文字だった マサカリ 間違ってたら投げてくれ〜〜 それ
この記事ですることを3行で Pythonの標準ライブラリでできる並列実行を、あらためて総当たりで速度比較しよう ウォーターフォールチャートで、それぞれの並列処理の処理時間の特徴を可視化しよう boto3の実行をモデルケースにして、どの並列処理が一番早いのかを調べよう この記事の結論を先に Python 3.12から本格的に使えるようになったサブインタープリターは、CPUで実行する処理について言えば、従来のサブプロセスよりも高速 boto3の実行は、サブインタープリターよりも署名付きURLの非同期実行のほうが速い → S3からの10ファイルの取得であれば、実行時間を90%削減できます → Bedrockの3回実行であれば、実行時間を60%削減できます 今回使ったソースコードはこちらに置いています。 お手持ちの環境で再実行できるようにしていますので、気になる方はぜひ。 どうしてこの記事を書くの
今更聞けないDBMSのメモリ管理について
DBMSのメモリ管理について データベース管理システム（DBMS）の設計では、大量のデータと複雑なクエリを処理するために、ハードウェアの特性を最大限引き出すことが求められます。 この記事では、DBMSがどのようにメモリを使ってデータアクセスの速度を向上させ、同時にデータの安全性を確保しているのかを解説します。 DBMSと記憶装置の関係について DBMSが使う記憶装置は次の2つです。 HDD HDDは磁気ディスクを使用してデータを記録・読み取りする記憶装置です。その主な特徴は大容量であり、コスト効率が良いことです。DBMSでは、データの永続的な保存にHDDが用いられます。これにより、システムがシャットダウンされた後もデータが保持され、必要に応じて再びアクセス可能となります。 しかし、HDDのデータアクセス速度はメモリに比べて遅いため、リアルタイム処理や高速なトランザクションが求められるアプリ
SQL実行の流れ まずはSQLがどのような流れで実行されるのかを見ていきます。 SQL実行の流れは大まかに捉えると以下のようになります。 パーサ パーサでは、ユーザーから送信されたクエリを受け取り、その文法的な正確さを検証します。SQLクエリが正しくフォーマットされているか、必要な構文要素が全て含まれているかをチェックし、例えばFROM句で指定されたテーブルが存在するかどうかも確認します。 文法的なエラーがある場合、例えばカンマの欠落や存在しないテーブルの参照など、クエリはエラーとして返されます。 エラーがない場合は、クエリは「抽象構文木」というデータ構造に変換されます。これにより、データベースはクエリをより効率的に解析し、次の処理ステップに進めることができます。 オプティマイザ SQLクエリがパーサを通過した後、次にクエリの最適化を行うのが「オプティマイザ」です。オプティマイザの主な役割
C# / .NET における、パフォーマンス改善の Tips をお届けします。 これを見れば、効率良く 80 点を取ることができるようになるはずです！
SaaSを作るという仕事について
コンパウンドプロダクト開発の質とスピードを支える Protobuf と Connect #アーキテクチャ_findy / Boosting Compound Product Development Efficiency with Protobuf and Connect
クールベの裸婦画に赤い塗料で「MeToo」 仏
ギュスターブ・クールベが制作した裸婦画「世界の起源」を鑑賞する人々。仏パリのオルセー美術館で（2020年6月23日撮影）。(c)Thomas COEX / AFP 【5月11日 AFP】仏パリのオルセー美術館（Musee d'Orsay）は、他館に貸し出していたフランスの写実主義の画家ギュスターブ・クールベ（Gustave Courbet）の有名絵画に2人の女が塗料をかけたことを受け、警察に告訴した。関係者が10日、明らかにした。 告訴された2人が、セクシュアルハラスメント（性的嫌がらせ）に対する世界的な告発運動を示す「#MeToo（私も）」というメッセージを塗料で書き込んだのは、クールベが1866年に制作した裸婦画「世界の起源（The Origin of the World）」と他4点。 メッスの検察は、「MeToo」と書き込まれたのは計5点で、他に1点が盗まれたとしている。 「世界の起
仲山進也氏 インタビュー メンバーが地雷を恐れて黙って様子見するチームは成長しない 高パフォーマンスのチームづくりを阻む10項目 新年度がスタートし、新たなチーム結成から1ヶ月が経過した5月。リーダーやマネージャーにとって、チーム管理の課題が浮き彫りになる時期です。この重要な時期に、ログミーBizのアンバサダーでありチームビルディングに詳しい仲山進也氏に、効果的なチーム作りのポイントをお聞きしました。前編は、心理的安全性の実現が難しい具体的な理由や、チーム成長を阻む心理的障壁10選などが語られました。 心理的安全性の実現が難しい具体的な理由 ――チームのパフォーマンス向上にもつながる重要な要素として、数年前から「心理的安全性」が言われていますが、実際には心理的安全性を実現できていないケースも多いようです。チームビルディングの専門家である仲山さんは、この状況をどのようにご覧になっていますか？
2024/05/11に行われたTSKaigiで発表したLTの資料です！ ◎概要 TypeScriptはJavaScriptのスーパーセットとして、静的型付けと高度な型システムを提供し、大規模なプロジェクトの開発を助けています。しかし、これらの利点を最大限に活用するためには、コンパイルパフォーマンスの最適化が不可欠です。コンパイル速度を上げることでビルド時間やテスト実行時間の削減を行うことができます。今回の発表では、TypeScriptのコンパイルパフォーマンスを改善するための具体的な手法とその背後にある理論をいくつか紹介します。 ◎内容 1. TypeScriptのパフォーマンスとは何か、そしてなぜそれが重要なのか 2. コンパイル速度を改善するための具体的な手法とその背後にある理論 本資料で紹介している内容については以下の記事で詳しく記載していますので合わせて参照していただければと思いま
この記事は、『Software Design 2024年6月号』（2024年5月17日発売）の第1特集「SQLチューニングする前に知っておきたい 実行計画＆インデックスのしくみ」の連動企画です。ぜひ本誌特集1もお読みください。 適切なインデックスを設計する インデックスの調整によるクエリの高速化は、RDBMSを使用する際の数あるチューニングテクニックの中でも最もお手軽なものです。テーブルのカラムの定義を変えるわけではないので、クエリの結果に違いが生じず、アプリケーションを変更する必要性がないからです。適切なインデックスを付与するだけでチューニングが済むというのは極めて効率的です。それでは適切なインデックスとはどのようなものでしょうか。本記事では、まずインデックスを設計する際に重要なポイントを解説します。 インデックスとSQL構文 「どのカラムの組み合わせに対してインデックスを作成すべきか」
新型「iPad Pro」がM3チップをスキップした理由 現地でM4チップ搭載モデルと「iPad Air」に触れて驚いたこと
新型「iPad Pro」がM3チップをスキップした理由 現地でM4チップ搭載モデルと「iPad Air」に触れて驚いたこと：本田雅一のクロスオーバーデジタル（1/6 ページ） Appleが行った新しいiPadシリーズの発表は、実に多くの情報を含んだものだった。その全体像は、発表された製品のレポート記事にある通りだ。 →iPadに“史上最大”の変化 「Appleスペシャルイベント」発表内容まとめ 発表に伴うスペシャルイベントは米国のニューヨーク、イギリスのロンドン、そして中国の上海（翌日開催）の世界3拠点で行われる大規模なものになった。事前のうわさ通り「iPad Pro」が刷新された他、M2チップを搭載した上で13インチモデルも追加された「iPad Air」、そして日本では1万円値下げされた「iPad（第10世代）」など、iPadに焦点を絞ったとは思えないほどに“盛りだくさん”だったといえる
C#パフォーマンス勉強会 https://cs-reading.connpass.com/event/309714/
『呪術廻戦 ファントムパレード』の大規模アクセスを支えるインフラ構成と最適化 - Sumzap Engineering Blog
この記事は、2024年3月7日に開催された「CyberAgent Game Conference 2024（CAGC 2024）」のセッション内容をAIによる自動文字起こしをベースに加筆修正したものになります。 セッション概要 TVアニメ『呪術廻戦』初のスマホゲーム『呪術廻戦 ファントムパレード（ファンパレ）』は、多くのユーザーに遊ばれ大量のアクセスが来ることが予想されていました。 本セッションでは、高負荷が予想される中、どのようにインフラを構築し負荷対策を行ったのか、実際のインフラ構成図をお見せしながらお話しします。 また、アプリリリース前に行った負荷試験の流れや、リリース後の負荷状況について、具体的なメトリクスの数字をお見せしながらご紹介します。 ※セッションのアーカイブ動画 登壇内容 タイトル 『呪術廻戦 ファントムパレード』の大規模アクセスを支えるインフラ構成と最適化というタイトル
A 100x speedup with unsafe Python
We're going to speed up some numpy code by 100x using "unsafe Python." Which is not quite the same as unsafe Rust, but it's a bit similar, and I'm not sure what else to call it... you'll see. It's not something you'd use in most Python code, but it's handy on occasion, and I think it shows "the nature of Python” from an interesting angle. So let's say you use pygame to write a simple game in Pytho
Go1.13以後のエラーハンドリングについて語ろう / Let's talk about error handling after Go 1 13
国産プログラミング言語「Ruby」は、インタプリタ型のプログラミング言語であるため、「処理速度が遅そう」というイメージを持つ開発者の方もいるかもしれません。 しかし今回、Rubyで書かれたプログラムも工夫次第で十分高速に操作することを、John Hawthorn氏はブログ記事「Ruby might be faster than you think」で指摘し、Hacker NewsやRedditで注目を集めています。 同氏が例として掲載しているのは、crystalrubyと呼ばれる、Rubyの中からCrystalを呼び出すためのgemのサンプルプログラムです。 CrystalはRubyに似た構文を採用した静的型付けプログラミング言語です。 フィボナッチ数を計算するプログラムで、Pure Ruby版のfib_rbとCrystalのコードを呼び出すfib_crの実行速度を比較しています。 req
#RubyKaigi 2024 LTで「Improved REXML XML parsing performance using StringScanner 」というタイトルで発表しました。 - @naitohの日記
RubyKaigi 2024 LT で 6年振り にLT発表させて頂きました。 今回の内容は、おおよそ naitoh.hatenablog.com を5分に縮めた内容になります。 具体的には、下記になります。 自分が作成している RBPDF gem で SVG 画像(XMLで記述されています。)を処理したいので、XML処理ライブラリの中でインストールの容易な REXML を使いたい。 REXML は C拡張の gem の libxml-ruby と比較して dom で65倍、sax でも 21倍遅いので、速くしたい。 Ruby 3.3 で YJIT を有効にするだけで dom で65倍→44倍、sax で 21倍→14倍の性能差まで改善されるが、まだ遅いのでさらに改善したい。 RubyKaigi 2019 の Better CSV processing with Ruby 2.6 で、St
GitHub - hadashiA/Unio: Unio (short for unity native I/O) is a small utility set of I/O using native memory areas.
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Blazingly Fast Linked Lists
© Tomas Castelazo, www.tomascastelazo.com / Wikimedia Commons / CC BY-SA 4.0 Linked lists are taught as fundamental data structures in programming courses, but they are more commonly encountered in tech interviews than in real-world projects. In this post, I'll demonstrate a practical use case where a linked list significantly outperforms Vec. We will build a simple data validation library that sh
GitHub - remorses/docker-phobia: Analyze Docker images size
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Unleash the power of automated index tuning in Azure Database for PostgreSQL Flexible Server
Azure Database for PostgreSQL Flexible Server offers a smart and easy way to tune your indexes and consequently improve the performance of your workloads and reduce your Azure costs. Why index tuning matters Indexes are data structures that help your database find and retrieve data faster. They are essential for improving the performance of your queries, especially when you have large tables with
Optimize Azure Functions for Performance and Costs using Azure Load Testing
Azure Functions is a serverless computing platform that allows you to run code without having to manage infrastructure, servers, or operating systems. You focus on the code that matters most to you, in the most productive language for you, and Azure Functions handles the rest. As applications grow, so do the costs and performance requirements. Finding the optimal balance between cost and performan
This presentation is about the .NET profiling tool. If a program is slow, profiling is important to determine the cause of the slowdown. NET has many profilers; Visual Studio has diagnostic tools that can be used while debugging. Memory snapshots can be used to investigate memory leaks. However, profiling can be expensive and time consuming. It is important to consider cost-effectiveness.
最近のCPUには行列乗算に役立つ命令が載っていることがあります。IntelのAdvanced Matrix Extensions (AMX)、AppleのAMX、IBM PowerのMatrix-Multiply Assist (MMA)，そしてここで取り上げるArmのScalable Matrix Extension (SME)です。 SMEはここ数年（2021年ごろから？）話は聞きますが、実物の話は聞かないという状況でした（私の中では）。それが最近発表されたApple M4に実装されているという噂を聞いて、俄然興味が出てきました。Apple M4の実物は私は持っていませんが、QEMUを使うとSMEの動作確認ができるようです。やってみましょう。 環境構築とベクトル長 Ubuntu 24.04上のGCC 14/Clang 18とQEMU 8.2で動作確認します。Ubuntuはx86_64で
AWS Glue での Spark のパフォーマンス (実行時間) を改善したい - クラウドエンジニアのノート
はじめに 準備 データ 計測関数 CSV vs Parquet Parquet 参考 読み取り速度比較 データ作成 読み取り 読み取って Filter 処理した際の速度比較 データサイズ比較 csv gzip はどれくらい？ まとめ Glue DynamicFrame vs Spark DataFrame データ読み取り速度比較 まとめ パーティション数の違いによる速度比較 準備 シャッフルが発生しない処理 シャッフルが発生する処理 まとめ Spark Join BroadCast Join まとめ キャッシュを使う キャッシュありなし比較 遅延評価？ まとめ はじめに 最近 O'Reilly のLearning Spark 2nd Edition を読み始めました。 https://learning.oreilly.com/library/view/learning-spark-2nd/
【Oracle】UPDATE,INSERT,DELETE文の高速化 この記事でわかる・できること OracleでUPDATE,INSERT,DELETE文を高速化する方法 この記事の対象者 OracleでSQLを書く人全般 動作環境・使用するツールや言語 Windows 10 Pro 22H2 Oracle 12cR2 Enterprise Edition はじめに UPDATE,DELETE,およびINSERT INTO 【テーブル名】 SELECT ～では操作対象のレコードを特定してから更新を行います。 操作対象のレコードを特定するところは基本的に前回のSELECT文と変わらないのでそちらを参照してください。 共通 ループ処理をできるだけ避ける よくあるのが複数レコードを更新するために「Oracleへの接続・SQLで１レコード更新・切断」の一連の処理をループで繰り返し実行しているケース
App Service にデプロイした .NET アプリの応答遅延を分析する - Qiita
はじめに この記事ではApp Service にデプロイした .NET アプリの応答遅延を分析します。 下記の記事で事前準備してあります。 応答遅延の再現 10秒スリープするエンドポイントの例 ランダムに1~10秒遅延するリクエストを5分送ります。 import http from 'k6/http'; import { sleep } from 'k6'; export default function () { http.setResponseCallback(http.expectedStatuses(200)); // Generate a random sleep time between 1 and 10 seconds const sleepTime = Math.floor(Math.random() * 10) + 1; http.get('https://toshida
どうも太田アベル(@LandscapeSketch)です。 先日から快適に使用中の自作の小型PC「DeskMini 310」。過去のレビューはこちら。
日々ビッグデータと格闘しておられる私たちデータエンジニアにはなじみ深いSparkのの話です。 小サイズ&大量ファイルのデータを扱うことがなぜ苦手なのか、どう対処すればよいかを見てみましょう。 なぜ小サイズ&大量ファイルが苦手？Sparkは細切れのデータを扱うのがメモリ効率やパフォーマンスの面で苦手です。 具体的なサイズをいうと数KB～数MBだと悪影響が出てきますね。 なぜ細切れのファイルを扱いのが苦手なのかというと、ファイルを開いて・読んで・閉じる必要があるためです。 極端な話、ファイルがひとつだけであれば一度だけの開け閉めと読み取りでいいですから。 またタスクを平行で走らせるときのオーバーヘッドもファイル数に応じて大きくなっていきます。 さらにSparkのメモリ管理は大規模で連続したメモリ領域に特化していて、細切れのファイルだとメモリが枯渇してしまうんですよね。 どう対処する？第一に細切
事件 PytorchのResNetモデルを使って画像の訓練をしていたら、エポックのループ毎に、CPU / GPUメモリ両方の使用率がガンガン上がっていく事件に遭遇した。 解決方法（tqdmの使い方） tqdmは、進捗をプログレスバーで表示してくれる便利なライブラリだが、そこに落とし穴があった。 import tqdm # 訓練画像の data loader をループを回す for x in tqdm(loader): y = model(x)
C# 最適化/パフォーマンス/Peanut Butter
やり方の基本 できるならビルド時最適化を試してみる アプリ全体でプロファイルする プロファイルでネックが見つかったら細かく比較計測 Peanut Butterよりアルゴリズム見直し・並列処理化・非同期化・遅延実行 注意点 ネック箇所の比較計測には BenchmarkDotNet を使う 事実上標準 System.Diagnostics.Stopwatchは辞める 理由 めちゃくちゃ時間かかる処理とかはあり StopWatch.GetElapsedTime() (.NET7+ ランタイム/コンパイラの違いを意識する 新しい.NETほど同じソースでも高速 たとえば、一部のforeachがforに事前展開されたりしている SharpLab で 展開後のコードやILの違いを確認できる Unityのランタイムは標準と違うので注意 ちょっと古い手法が有効 .NET 8.0以降は計測時に Dynamic
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
令和のHTML / CSS / JavaScriptの書き方50選
Python 3.12で増えた並列処理と、これまでの並列処理の挙動を比べてみる - Qiita
クエリのパフォーマンスチューニングの第一歩。実行計画や統計情報について入門する
今日からできる！簡単 .NET 高速化 Tips -2024 edition-
「Copilot+ PC」とはなにか マイクロソフトが狙うUX変化とWindowsの再設計
メンバーが地雷を恐れて黙って様子見するチームは成長しない 高パフォーマンスのチームづくりを阻む10項目
TypeScriptのパフォーマンス改善
【笠原一輝のユビキタス情報局】 「Copilot+ PC」のローンチパートナーがQualcommになった背景
［Software Design連動企画］ 実践クエリチューニング | gihyo.jp
R3のコードから見る実践LINQ実装最適化・コンカレントプログラミング実例
Microsoft、「Copilot+ PC」対応のSnapdragon X Elite搭載「Surface Pro/Laptop」
PGOによるコンパイラ最適化 / Compiler Optimization with PGO
Rubyは思ったより速いかもしれないとの指摘 | ソフトアンテナ
.NET Profiler in 2024.
ArmのScalable Matrix Extension (SME)を試す
【Oracle】UPDATE,INSERT,DELETE文の高速化 - Qiita
DeskMini 310のダストフィルタは有効だったのか！？驚きの結果は！
Sparkで少サイズ大量データの課題にどう立ち向かう？｜Puuuii
tqdmでメモリリークにハマった話（機械学習） - Qiita