公众号：数据搬砖人
前言
前言 JMeter最初设计用于Web应用测试，但它的功能已经扩展到其他测试领域。JMeter可以用于测试静态和动态资源，如静态文件、Java小服务程序、CGI脚本、Java对象、数据库和FTP服务器等。它能够对服务器、网络或对象模拟巨大的负载，以测试它们的强度和分析整体性能。 此外，JMeter还可以进行功能/回归测试，通过创建带断言的脚本来验证程序是否返回预期结果，它允许使用正则表达式创建断言，以增加测试的灵活性。JMeter提供了丰富的图形化界面来创建测试计划，并支持多种测试场景的建模和执行。它支持多种协议，如HTTP、HTTPS、FTP、JDBC、LDAP、SOAP、JMS等，使其能够应对各种类型的应用程序和服务。 JMeter还支持使用BeanShell、JSR223等脚本语言编写测试脚本，实现更灵活的定制和扩展。它允许分布式测试，即将负载分发到多台机器上执行，以模拟更真实的大规模并发用户。JMeter生成详细的测试报告，包括吞吐量、响应时间、错误率等指标，并支持将数据导出进行进一步分析。
前言 NVIDIA CUDA® 深度神经网络库 (cuDNN) 是一个 GPU 加速的深度神经网络基元库，能够以高度优化的方式实现标准例程（如前向和反向卷积、池化层、归一化和激活层）。 全球的深度学习研究人员和框架开发者都依赖 cuDNN 来实现高性能 GPU 加速。 借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。 cuDNN 可加速广泛应用的深度学习框架，包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch 和 TensorFlow。
前言 旧的数据分析架构如 Hive、Hadoop、HDFS、MapReduce、HiveSQL、Hive 存储等，如今国内外的各大企业都在逐步转向 Lakehouse 架构，即 Spark、Flink、Presto，底层的湖存储格式：Iceberg、Delta、Hudi、Paimon，以及下面数据存储在 HDFS、对象存储 OSS 或 S3。
前言 高可用Kubernetes集群通常使用多个节点运行控制平面组件，并且这些组件通常会有备份或者多个副本以防止单点故障。节点层面的工作负载则会被调度到多个健康节点上。
前言 在实时计算应用场景中经常会有对异构集群的实时调用需求，而当异构集群的服务由于机器配置、节点负载等原因无法做到负载均衡时，可以通过Flink的自定义多线程来实现对异构集群的动态负载均衡。
前言 基于开源构建的一站式数据算法服务平台部署
前言 日常工作中做为数仓开发工程师、数据分析师经常碰到漏斗分析模型，本文详细介绍漏斗模型的概念及基本原理，并阐述了其在平台内部的具体实现。针对实际使用过程的问题，探索基于 ClickHouse漏斗模型实践方案。
背景 Q: 线程死循环问题可能会导致高耗电，界面卡顿，耗尽内存等性能问题。与此同时，死循环问题还具有隐蔽性高，黑盒测试无法感知的特点。 A: 本文旨在介绍死循环检测工具建设的思路和典型案例的修复历程。希望通过此次分享，对同样面临类似死循环问题的团队能够有所启发。
Kubesphere整理与总结
大数据学习：各种计算框架：
Description: 基于Flink1.12的相关PyFlink任务
学习以及各种资料整理(前端/APP/小程序、后端、存储、实时计算、数仓、运维、算法、代码设计、数据结构、刷题....)
自己的老板本行：各类金融，经济，财务研究分析，以及自己当初考注册会计师、注册税务师的一些经验总结
封装好了的基础依赖jar，可自行进行在此基础上进行拓展