这个项目的目标是收集软件、数字和技术,从第一原理快速估计系统的预期性能。例如,你能多快读取1 GB内存?通过组合这些资源,你应该能够回答有趣的问题,例如:对于每秒100,000个请求的应用程序,你预计需要支付多少存储成本用于记录日志?
学习这项技能的最佳入门方式是通过我在SRECON的演讲。
在计算机领域广泛实践餐巾纸数学的最佳方式是解决自己的问题。次优方法是订阅这份新闻通讯,你将在接下来的几周内获得一个问题来练习。随着你对这些技术的熟练程度提高,每个问题的解决时间应该只需要几分钟。
可以用来练习的问题归档在这里。解决方案将在下一期新闻通讯中提供。
以下数字来自在3.4GHz Intel Xeon E-2236处理器(12个虚拟核心)上进行的测试,已经四舍五入。
注意1: 某些吞吐量和延迟数字不太吻合,这是为了便于计算而刻意为之。
注意2: 请谨慎对待这些数字。例如对于I/O,fio
是目前最先进的测试工具。我会不断更新这些数字,以提高准确性并反映硬件的改进。
操作 | 延迟 | 吞吐量 | 1 MiB | 1 GiB |
---|---|---|---|---|
顺序内存读写(64字节) | 0.5 ns | |||
├ 单线程, 无SIMD | 10 GiB/s | 100 μs | 100 ms | |
├ 单线程, SIMD | 20 GiB/s | 50 μs | 50 ms | |
├ 多线程, 无SIMD | 30 GiB/s | 35 μs | 35 ms | |
├ 多线程, SIMD | 35 GiB/s | 30 μs | 30 ms | |
同区域网络 | 10 GiB/s | 100 μs | 100 ms | |
├ 在VPC内 | 10 GiB/s | 100 μs | 100 ms | |
├ 在VPC外 | 3 GiB/s | 300 μs | 300 ms | |
哈希, 非加密安全(64字节) | 25 ns | 2 GiB/s | 500 μs | 500 ms |
随机内存读写(64字节) | 50 ns | 1 GiB/s | 1 ms | 1s |
快速序列化 [8] [9] † | N/A | 1 GiB/s | 1 ms | 1s |
快速反序列化 [8] [9] † | N/A | 1 GiB/s | 1 ms | 1s |
系统调用 | 500 ns | N/A | N/A | N/A |
哈希, 加密安全(64字节) | 500 ns | 200 MiB/s | 10 ms | 10s |
顺序SSD读取(8 KiB) | 1 μs | 4 GiB/s | 200 μs | 200 ms |
上下文切换 [1] [2] | 10 μs | N/A | N/A | N/A |
顺序SSD写入, -fsync (8KiB) | 10 μs | 1 GiB/s | 1 ms | 1s |
TCP Echo服务器 (32 KiB) | 10 μs | 4 GiB/s | 200 μs | 200 ms |
解压缩 [11] | N/A | 1 GiB/s | 1 ms | 1s |
压缩 [11] | N/A | 500 MiB/s | 2 ms | 2s |
顺序SSD写入, +fsync (8KiB) | 1 ms | 10 MiB/s | 100 ms | 2 min |
排序(64位整数) | N/A | 200 MiB/s | 5 ms | 5s |
顺序HDD读取(8 KiB) | 10 ms | 250 MiB/s | 2 ms | 2s |
Blob存储同区域, 单文件 | 50 ms | 500 MiB/s | 2 ms | 2s |
Blob存储同区域, 多文件 | 50 ms | 网络限制 | ||
随机SSD读取(8 KiB) | 100 μs | 70 MiB/s | 15 ms | 15s |
序列化 [8] [9] † | N/A | 100 MiB/s | 10 ms | 10s |
反序列化 [8] [9] † | N/A | 100 MiB/s | 10 ms | 10s |
代理: Envoy/ProxySQL/Nginx/HAProxy | 50 μs | ? | ? | ? |
同区域网络 | 250 μs | 2 GiB/s | 500 μs | 500 ms |
同区域/VPC内高级网络 | 250 μs | 25 GiB/s | 50 μs | 40 ms |
{MySQL, Memcached, Redis, ..} 查询 | 500 μs | ? | ? | ? |
随机HDD读取(8 KiB) | 10 ms | 0.7 MiB/s | 2 s | 30m |
跨区域网络 [6] | 浮动 | 25 MiB/s | 40 ms | 40s |
美国中部 <-> 东部网络 | 25 ms | 25 MiB/s | 40 ms | 40s |
美国中部 <-> 西部网络 | 40 ms | 25 MiB/s | 40 ms | 40s |
美国东部 <-> 西部网络 | 60 ms | 25 MiB/s | 40 ms | 40s |
欧洲西部 <-> 美国东部网络 | 80 ms | 25 MiB/s | 40 ms | 40s |
欧洲西部 <-> 美国中部网络 | 100 ms | 25 MiB/s | 40 ms | 40s |
美国西部 <-> 新加坡网络 | 180 ms | 25 MiB/s | 40 ms | 40s |
欧洲西部 <-> 新加坡网络 | 160 ms | 25 MiB/s | 40 ms | 40s |
†: "快速序列化/反序列化"通常是一种简单的线路协议,只是转储字节,或一个非常高效的环境。通常标准序列化如JSON将是较慢的。我们在这里包含这两者,因为序列化/反序列化是一个非常广泛的 话题,根据数据和实现的不同,性能特征会极其不同。
您可以使用./run
运行它以达到正确的优化级别。在调试模式下编译时,您无法获得正确的数字。您可以通过添加新的套件并填写空白来帮助这个项目。
这是一个英语到中文的翻译,请提供以下源文本的中文翻译。
注意:翻译需要符合中文语序、流程和通顺。
**注意:**我目前正在将基准测试移植到Criterion.rs,所以有些在bench/
中。你可以通过取消注释./run
中的相关行来运行它们。
我知道这个套件存在一些低效之处。我打算提高自己在这方面的技能,以确保数字是生产环境中你可能能挤出的上限性能。我认为它们偏差不会超过2-3倍,这对大多数用户来说应该不是问题。
云供应商之间应该保持一致的大致数字。
类型 | 数量 | 月费 | 1年预留(每月) | 竞价(每月) | 竞价(每小时) |
---|---|---|---|---|---|
CPU | 1 | $15 | $10 | $2 | $0.005 |
GPU | 1 | $5000 | $3000 | $1500 | $2 |
内存 | 1 GB | $2 | $1 | $0.2 | $0.0005 |
存储 | |||||
├ 仓库存储 | 1 GB | $0.02 | |||
├ Blob (S3, GCS) | 1 GB | $0.02 | |||
├ 区域 HDD | 1 GB | $0.05 | |||
├ 临时 SSD | 1 GB | $0.08 | $0.05 | $0.05 | $0.07 |
├ 区域 SSD | 1 GB | $0.2 | |||
├ 区域 SSD | 1 GB | $0.35 | |||
网络 | |||||
├ 同区 | 1 GB | $0 | |||
├ Blob | 1 GB | $0 | |||
├ 入口 | 1 GB | $0 | |||
├ L4 LB | 1 GB | $0.008 | |||
├ 跨区 | 1 GB | $0.01 | |||
├ 跨区域 | 1 GB | $0.02 | |||
├ 公网出口 | 1 GB | $0.1 | |||
CDN 出口 | 1 GB | $0.05 | |||
CDN 填充 | 1 GB | $0.01 | |||
仓库查询 | 1 GB | $0.005 | |||
日志/跟踪 | 1 GB | $0.5 | |||
指标 | 1000 | $20 |
这来自几个来源。注意压缩速度(但通常不是比率)根据算法和压缩级别(速度和压缩比之间的权衡)而有一个数量级的差异。
我通常假定另一个 _x 压缩比会降低 10x 的性能。例如,我们可以在英文维基百科上获得 2x 的比率速度约 200 MiB/s,3x 约 20 MiB/s,4x 约 1 MB/s。
项目 | 压缩比 |
---|---|
HTML | 2-3x |
英文 | 2-4x |
源代码 | 2-4x |
可执行文件 | 2-3x |
RPC | 5-10x |
SSL | -2% |
c * 10^e
。你的目标是在数量级上得到正确结果 - 这只需要 e
。c
要小得多。只关注单位数字指数使用纸巾计算它更容易(更不用提避免写太多零)。OpenAI Agents SDK,助力开发 者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号