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)。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。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本 到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的 人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
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