优化技巧：提前if判断帮助CPU分支预测
在stackoverflow上有一个非常有名的问题：为什么处理有序数组要比非有序数组快？，可见分支预测对代码运行效率有非常大的影响。要提高代码执行效率，一个重要的原则就是尽量避免CPU把流水线清空，那么提高分支预测的成功率就非常重要。
相关分享
无图
如何使用JS获取系统内存、CPU/GPU、电量等信息
这篇文章讲解了如何通过 JavaScript 获取设备的内存、CPU、GPU 和电池等硬件信息，详细介绍了可用的 API、兼容性及实践场景。通过代码示例和性能分析，展示了如何在前端优化中合理利用这些数据。内容适合从事前端开发的工程师以及关注性能优化和用户体验提升的技术人员，提供了实用的开发参考。
无图
Go中秘而不宣的数据结构 CacheLinePad：精细化优化
这篇文章深入解析了 Go 语言中的 CacheLine 数据结构，详细探讨了其在多核环境下的内存对齐、伪共享问题以及性能优化方法。通过具体的代码示例和实验分析，文章展示了如何利用 CacheLine 提升并发程序的性能。内容专业且实用，对开发高性能 Go 应用的工程师有很高的参考价值，值得推荐阅读和分享。
无图
Go中秘而不宣的数据结构 BitVec, 资源优化方法之位向量
如何深入理解 Go 的内部数据结构？文章以 BitVec 为例，详细解析了其设计原理、实现方式以及在不同场景中的应用，还探讨了相关的性能优化策略和工程实践。这是一篇高质量的技术解读，为开发者学习 Go 的底层实现提供了宝贵的参考！
无图
图解Blink-Tree：B+Tree的一种并发优化结构和算法
本文介绍了 Blink-Tree，这是一种 B+Tree 的并发优化结构。通过引入 high key 和 link 指针，解决了并发访问时的性能问题，特别适用于高并发环境的存储引擎优化。如果你对数据库存储引擎感兴趣，这篇文章不容错过！
无图
OpenTelemetry 深度定制：跨服务追踪的实战技巧
本文总结了如何在OpenTelemetry中实现自定义仪表化。作者介绍了如何使用OpenTelemetry SDK为应用程序创建自定义的追踪和指标，涵盖了如何定义新的Span和指标类型，以便捕获特定的业务逻辑数据。文章提供了代码示例，展示如何通过配置实现这些自定义功能。此外，还讨论了将数据导出到后端系统进行分析的步骤。
无图
使用 OpenRewrite 优化代码
本文介绍了如何使用OpenRewrite工具优化Java代码。OpenRewrite可以通过自动化脚本进行代码重构，减少技术债务，提升代码质量。作者详细讲解了如何配置Maven插件，并使用多种重构“处方”，例如排序import语句、升级到Java 21、替换Base64实现，以及迁移到Spring Boot 3.2和JUnit 5。通过这些工具和方法，开发者可以简化代码维护和升级流程。
无图
大批量动画模型的优化
最近和公司一个开发团队探讨了一下他们正在开发的游戏中遇到的性能问题，看看应该如何优化。这个游戏的战斗场景想模仿亿万僵尸(They are billions）的场景。在亿万僵尸中，场景中描绘了上万的僵尸潮，但我们这个游戏，超过 500 个僵尸就遇到了性能问题。固然，手机的硬件性能比不上 PC ，但 500 这个数量级还是略低于预期。
对于游戏中大量类似的动画物体，肯定有方法可以优化。
无图
大众点评内容搜索算法优化的探索与实践
本文整理自美团技术沙龙第80期《美团内容智能分发的算法实践》，分享内容主要包括三部分。第一部分介绍了大众点评内容搜索的场景特点以及面临的挑战；第二部分介绍了为应对这些困难和挑战，技术团队在链路各环节上做的实践优化，包括内容消费和搜索满意度的优化等等；第三部分是总结和对未来的展望。
无图
CPU篇之软中断
软中断作为下半部机制的代表，是随着SMP（share memory processor）的出现应运而生的，它也是tasklet实现的基础（tasklet实际上只是在软中断的基础上添加了一定的机制）。软中断一般是“可延迟函数”的总称，有时候也包括了tasklet（请读者在遇到的时候根据上下文推断是否包含tasklet）。它的出现就是因为要满足上面所提出的上半部和下半部的区别，使得对时间不敏感的任务延后执行，而且可以在多个CPU上并行执行，使得总的系统效率可以更高。
无图