リングバッファのイメージ図 1. リングバッファとは何か 機能的にはFirst In First Out (FIFO)とも呼ばれるキューの一種であるが、リング状にバッファを置いてそれの中でReadとWriteのインデックスがグルグルと回る構造をとる事によって容量に上限ができることと引き換えに高速な読み書き速度を得たものである。キューを単に実装するだけなら山ほど方法があって線形リストを使ってもいいしスタックを2つ使っても原理的には可能だ。その中でもリングバッファを用いた方法の利点はひとえに性能の高さでありメモリ確保などを行わないお陰でシステム系の様々な場所で使われている。 これの実装自体は情報系の大学生の演習レベルの難度であるが少し奥が深い。まずリングバッファのスタンダードなインタフェースと実装は以下のようなものである。 class RingBuffer { public: explicit
はじめに MySQL(InnoDB)でSQLのパフォーマンスチューニングをするときに役に立つ知識をエッセンスとしてまとめました。結合(JOIN)やB-treeインデックスの探索の仕組み、実行計画の基本的な見方を紹介します。 想定する読者は、SQLのパフォーマンスを改善する必要があるが実行計画をみてもいまいちピンと来ない方です。インデックスの作成の経験や、複合インデックスやカーディナリティの知識があることを前提にしています。目標は、実行計画の内容がよく分からない読者が、実行計画をみただけでクエリが実行される様子をイメージでき、自信を持ってクエリの改善にあたることができるようにすることです。 ストレージエンジンはInnoDBを前提としています。また、インデックスはB-treeインデックスを想定しています。全文検索の転置インデックスや空間検索のR-treeインデックスについては触れません。 イン
実務につなげる数理最適化
はじめに はじめまして、2023年10月にシニアリサーチャーとして入社したアドバンスドテクノロジーラボ（ATL）の梅谷俊治です。2023年9月まで、大阪大学大学院情報科学研究科にて数理最適化寄附講座教授を務めていました。 本記事では、リクルートのデータ推進室における数理最適化を活用した問題解決の取り組みをご紹介します。 数理最適化は、与えられた制約条件の下で、目的関数を最小（もしくは最大）にする最適化問題を通じて、現代社会における意思決定や問題解決を実現する数理技術の一つです。 近年では、機械学習によるデータ分析や予測の技術開発が進み次々と実用化されています。数理最適化は、それらのデータ分析や予測の結果を踏まえた上で意思決定や計画策定を実現する問題解決における出口を担当する技術です。例えば、オンライン広告などカスタマーに商品を推薦するレコメンデーションでは、機械学習を活用してカスタマーの商
目次＃ 前編 準備段階：計画と指標 パフォーマンスを重視する文化、Core Web Vitals、パフォーマンスのプロファイル、CrUX、Lighthouse、FID、TTI、CLS、端末。 現実的な目標の設定 パフォーマンスバジェット、パフォーマンス目標、RAILフレームワーク、170KB/30KBバジェット。 環境の定義 フレームワークの選択、パフォーマンスコストの基準設定、Webpack、依存関係、CDN、フロントエンドアーキテクチャ、CSR、SSR、CSR + SSR、静的レンダリング、プリレンダリング、PRPLパターン。 中編 アセットの最適化 Brotli、AVIF、WebP、レスポンシブ画像、AV1、アダプティブメディア読み込み、動画圧縮、Webフォント、Googleフォント。 ビルドの最適化 JavaScriptモジュール、モジュール/ノーモジュールのパターン、ツリーシェイ
Small String Optimization で Rust ライブラリ ratatui を最適化した話 - はやくプログラムになりたい
最近 ratatui という crate に Small String Optimization を利用した最適化を入れたので，その話を書きます． 目次 Small String Optimization (SSO) とは（SSO を既に知っている人は読み飛ばして大丈夫です） Rust で SSO を適用した文字列型を提供する crate 比較 SSO を利用して ratatui のメモリ効率と実行効率を最適化した話 compact_str crate の実装の最適化の話 インラインストレージに24バイト全てを使える理由 隙間最適化のための工夫 説明を簡潔にするため，特に断りが無い場合 64bit アーキテクチャを前提とします． Small String Optimization (SSO) とは Rust の可変長文字列型 String は文字列バッファへのポインタ，文字列の長さ，バッフ
GitHub - kaytu-io/kaytu: The Kaytu CLI helps you save on cloud costs by finding the perfect server sizes. Kaytu analyzes historical usage and provides tailored recommendations, ensuring you only pay for the resources you need.
Ease of use: One-line command. Use without modifying workloads or making configuration changes. Base on actual Usage: Analyzes the past seven days of usage from Cloud native monitoring (CloudWatch), including advanced AWS CloudWatch metrics (where available). Customize: Optimize for region, CPU, memory, network performance, storage, licenses, and more to match your specific requirements. Secure -
Introduction to Design and Implementation of Metaheuristics
実務に現れる組合せ最適化問題には，汎用の数理最適化ソルバーで対応できない問題が少なくありません．このような問題に対しては，貪欲法や局所探索法を基本戦略にさまざまなアイデアを組み合わせたメタヒューリスティクスの開発がひとつの有効な手段となります．しかし，メタヒューリスティクスの設計や実装を詳細に解説している書籍は少なく，そのノウハウを習得することは容易ではありません．本スライドでは，巡回セールスマン問題と一般化割当問題を通じてメタヒューリスティクスの設計と実装を解説します．
cloudflare workers routes を利用するので、cloudflare が ns を持つドメインを持っている必要があります。 import { Hono } from "hono"; import { createMiddleware } from "hono/factory"; import { optimizeImage } from "wasm-image-optimization"; import { cache } from "hono/cache"; const app = new Hono(); const via = createMiddleware((c, next) => { if (c.req.header("via")) { console.log("pass through", c.req.raw.url); return fetch(c.req
JOI夏季セミナー2023 全体講演会1の講演資料です。 【講義題目】 メタヒューリスティクスで広がる「解けた！」の世界 【講義概要】 世の中には，まだ効率的に解く方法が見つかっていない難しい問題がたくさんあります．こうした問題に立ち向かうときに頼りになるのが，メタヒューリスティクスと呼ばれるアルゴリズムたちです．本講義では，まずメタヒューリスティクスの基礎について，そしてメタヒューリスティクスが実社会にどのように応用されているかについて紹介します．
See also my blog Contents Optimization manuals Vector class library Object file converter and disassembler Subroutine library ForwardCom: An open standard instruction set for high performance microprocessors Test programs for measuring clock cycles in C++ and assembly code Floating point exception tracking through NAN propagation CPUID manipulation program Links Optimization manuals This series of
数理最適化のことなら何でも OK です。 何か実装してみた 論文や本で学んだこと 何かに応用してみた話 などなど。 ついでに数理最適化の話をできる場所を探している方は、Casual Optimization というコミュニティがあるのでぜひこちらから Slack にも参加してください！ https://optimization.connpass.com/ https://casual-opt.github.io/ edit_calendarHow to join the calendarYou can join the calendar by selecting an available date and registering the URL of the article you wish to link to. If a slot is available, you can go ba
2023/09/12実施の、大阪大学 大学院情報科学研究科 数理最適化寄附講座 最終報告シンポジウムにおける、西村の資料です。
【C#】StringBuilderとDefaultInterpolatedStringHandlerの処理速度・メモリ確保量を比べてみる - はなちるのマイノート
はじめに 今回はStringBuilderとDefaultInterpolatedStringHandlerの処理速度・メモリ確保量を比べてみたいと思います。 learn.microsoft.com learn.microsoft.com 大抵のStringBuilderの利用シーン、new StringBuilderの代わりにnew DefaultInterpolatedStringHandler(0, 0)を使ったほうが良いと思うのだけど、new DefaultInterpolatedStringHandler(0, 0)という呼びづらさが微妙にそれを躊躇わせる。— neuecc (@neuecc) October 17, 2023 はじめに 概要 もうちょい詳しく 実験 結果 概要 実はDefaultInterpolatedStringHandlerをStringBuilderのよう
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
徐々に高度になるリングバッファの話 - Software Transactional Memo
MySQL(InnoDB)のSQLパフォーマンスチューニングのエッセンス
フロントエンドパフォーマンスのチェックリスト2021年版（PDF、Apple Pages、MS Word）-中編 | POSTD
wasm-image-optimization で一括画像最適化
メタヒューリスティクスで広がる「解けた！」の世界
Software optimization resources. C++ and assembly. Windows, Linux, BSD, Mac OS X
数理最適化のカレンダー | Advent Calendar 2023 - Qiita
リクルートにおける数理最適化の 活用事例と産学連携の取り組み