实战 流程 性能jmeter
Java 流程控制
用户交互 Scanner Scanner 可以获取用户的输入内容，类似于 Python 的 input。 基本语法 import java.util.Scanner; Scanner s = new Scanner(System.in); 通过 Scanner 类的 next（）与 nextline ......
关于多开软件对Windows电脑性能的影响
多开软件对Windows电脑性能的影响及优化建议 随着计算机软件的日益丰富和功能的不断拓展，很多用户在使用Windows电脑时都会遇到需要同时打开多个软件的情况。然而，多开软件对Windows电脑的性能会产生一定的影响，因此有必要了解这些影响并采取相应的优化措施。 首先，多开软件会占用系统资源，包括 ......
Android显示流程
Android的显示过程具体包含这三部分：内容端（绘制）、SurfaceFlinger/Hwcomposer（合成）、 DisplayProcessor及显示接口如LCD（显示） UE游戏的绘制过程： 绘制 Application/Activity/View Application包括4大组件：Ac ......
06.流程管理平台
目录 JIRA 管理平台 JIRA 平台管理测试流程 JIRA 管理平台 推荐方案。 定制性很强。 JIRA 中的基本概念 Project 项目 Issue 问题 Field 字段 Workflow 工作流 Screen 视图 JIRA 管理测试用例流程 创建测试用例管理项目。 录入用例。 测试用例 ......
03.软件测试流程
测试左移： 左移是往测试之前的开发阶段移 测试团队在软件开发周期早期就开始介入 对代码进行测试 从发现bug到预防bug 测试左移-质量保障手段: 代码评审（code review） 代码审计 单元测试 自动化冒烟测试 研发自测 测试右移： 右移是往发布之后移 产品上线后进行线上监控 测试右移-线上 ......
ASR项目实战-方案设计
对于语音识别产品的实施方案，给出简易的业务流程，仅供参考。 如下流程图，可以使用如下两个站点查看。 web chart Web Sequence Diagrams 文件转写 创建文件转写任务 客户应用->接入网关: 发送创建文件转写的请求 接入网关->安全网关: 转发请求 安全网关->安全网关: 对 ......
ASR项目实战-决策点
针对语音识别的产品，分别记录设计、开发过程中的决策点。 实时语音识别 对于实时语音识别来说，客户端和服务端之间实时交换语音数据和识别的结果。 客户端在启动识别时，即开始发送语音数据，期望在等待较短的时间后，即收到最初的识别结果。第一段语音数据和第一个识别结果之间的时延，一般称为首字时延。 客户端在停 ......
AutoGPT实战
1.概述 人工智能（AI）的能力持续在全球范围内引起轰动，并对我们日常生活和职业生涯带来重大变革。随着像ChatGPT这样的先进生成型AI模型以及从GPT-3到GPT-4的加速，我们在高级推理、理解更长上下文和输入设置方面看到了重大改进。像ChatGPT这样的工具要求用户编写Prompt，以获得所需 ......
ASR项目实战-架构设计
一般而言，业务诉求作为架构设计的输入。 需求清单 对于语音识别产品而言，需满足的需求，举例如下： 功能需求 文件转写。 长文件转写，时长大于60秒，小于X小时，X可以指定为5。 短文件转写，时长小于60秒。 实时语音识别。 长语音识别，时长大于60秒，小于Y小时，Y可以指定为5。 短语音识别，时长小 ......
ASR项目实战-项目交付历程
本文记录，作为项目主要负责人，完整参与语音识别项目的交付历程。 2019年12月中旬 接到项目交付任务，收集基本知识，启动业务分析工作。 2020年1月 完成竞品分析的整理。 梳理合作伙伴的清单，整理项目计划，启动和各合作伙伴的沟通工作。 启动架构方案、设计方案的准备工作。 2020年2月 和合作伙 ......
ASR项目实战-交付团队的分工
对于通常的软件项目，参与角色，比如可以有用户，消费者，产品团队，研发团队（研发团队包括开发和测试），运营团队，运维团队，管理团队。 通常认为，用户，负责购买服务的群体，而消费者，负责使用业务的群体。这两个群体，不在本文的讨论范围之内，因此后续的介绍中，除非明确说明，否则默认均不涉及。 产品团队，研发 ......
02.软件开发流程
目录 软件 软件生命周期 软件开发模型 软件 软件是与计算机系统操作有关的计算机程序、可能有的文档及数据。 软件生命周期 定义问题 软件开发 软件维护 @startuml scale 10 |定义问题| start :搜集需求; :可行性研究; :需求分析; |软件开发| :概要设计; :详细设计; ......
ASR项目实战-产品分析
分析Google、讯飞、百度、阿里、QQ、搜狗等大厂的ASR服务，可以罗列出一款ASR服务所需要具备的能力。 产品分类 ASR云服务产品，从用户体验、时效性、音频时长，可以划分为如下几类： 实时短音频转写，可以用于支撑输入法、搜索、导航等场景。 实时长音频转写，可以用于支撑视频字幕、图文直播、会议直 ......
使用LOTR合并检索提高RAG性能
RAG结合了两个关键元素:检索和生成。它首先使用语义搜索等高级技术来浏览大量数据，包括文本、图像、音频和视频。RAG的本质在于它能够检索相关信息，然后作为下一阶段的基础。生成组件利用大型语言模型的能力，解释这些数据块，制作连贯的、类似人类的响应。与传统的生成模型相比，这个过程确保RAG系统可以提供更 ......
ASR项目实战-前处理
本文深入探讨前处理环节。 首先介绍一些基本的名词，比如 文件名后缀 文件格式 音频格式 采样率和位深 预备知识 文件名后缀、文件格式和音频格式 常见的音频文件，比如.wav、.mp3、.m4a、.wma等，这些都代表什么？ 仅仅是这类音频文件的后缀而已，不一定和音频文件的编码、音频数据的编码相关。 ......
ASR项目实战-后处理
本文深入探讨后处理环节。 在本环节要处理的重要特性有分词、断句、标点符号、大小写、数字等的格式归一等。 分词 和NLP、搜索等场景下的分词含义不同。对于拼音类的语言，比如英语、法语等，句子由多个单词组成，语音输出的结果，需要按需在各个单词之间补充或者去掉空格。对于中文来说，字和词之间不以空格作为边界 ......
ASR项目实战-数据
使用机器学习方法来训练模型，使用训练得到的模型来预测语音数据，进而得到识别的结果文本，这是实现语音识别产品的一般思路。 本文着重介绍通用语音识别产品对于数据的诉求。 对数据的要求 训练集 相关要求，如下： 地域，需要覆盖使用人群所在的地域，且数据的比例适中。 口音，需要覆盖典型的口音。 年龄，从18 ......
性能集成监控系统exporter+Prometheus+Grafana
Prometheus 是一个时序数据库，存数据 exporter是收集器，来收集被监控的数据，想要监控不同的内容，就使用不同的exporter，这个exporter应该放在被测服务器上，再把exporter和Prometheus进行关联。 一、环境搭建 参考文档 https://blog.csdn. ......
ASR项目实战-构建Kaldi
准备工作 安装构建时依赖的基础软件 软件清单如下： bzip2 python3 automake libtool cmake gcc g++ gfortran git subversion 不同平台安装软件的方式不同，比如可以使用yum或者apt-get等。 下载开源软件 软件清单如下： Libun ......
python反编译全流程
[NISACTF 2022]ezpython 1、将exe文件转换为pyc文件格式 此题附件下载下来后为exe文件格式，我们需要用到pyinstxtractor.py这个工具来将exe文件转成pyc格式 在pyinstxtractor.py的文件夹中cmd，输入 python pyinstxtrac ......
ASR项目实战-语音识别
本文深入探讨语音识别处理环节。 本阶段的重点特性为语音识别、VAD、热词、文本的时间偏移、讲话人的识别等。 语音识别 业界流派众多，比如Kaldi、端到端等，具体选择哪一种，需要综合考虑人员能力、训练数据量和质量、硬件设施、交付周期等，作出相对合理的交付规划。 基于Kaldi的方案，优点在于其发挥稳 ......
性能测试-JMeter分布式测试及其详细步骤
性能测试概要 性能测试是软件测试中的一种，它可以衡量系统的稳定性、扩展性、可靠性、速度和资源使用。它可以发现性能瓶颈，确保能满足业务需求。很多系统都需要做性能测试，如Web应用、数据库和操作系统等。 性能测试种类非常多，有些概念也很相近： Load Testing Baseline Testing ......
大厂性能测试监控指标及分析调优指南
一、哪些因素会成为系统的瓶颈 CPU：如果存在大量的计算，他们会长时间不间断的占用CPU资源，导致其他资源无法争夺到CPU而响应缓慢，从而带来系统性能问题，例如频繁的FullGC，以及多线程造成的上下文频繁的切换，都会导致CPU繁忙，一般情况下CPU使用率<75%比较合适。 内存：Java内存一般是 ......
sql性能优化
前言：实现完rpc接口后，开始进行性能优化，提升响应效率。 1，查全量表，如果表格几万条，甚至更多信息时，导致性能下降。 // const tickInfos = await knex(SRC20_TICK_TABLE); // const tickInfoMap = {} // for (let ......
ShowMeBug X 元象唯思 | 打造全面技术招聘流程，提升人才甄选效率
ShowMeBug 签约了元象唯思控股深圳有限公司（以下简称元象唯思），凭借完善的技术招聘解决方案，ShowMeBug 助力元象唯思构建全流程技术招聘，打造科学的人才筛选机制，帮助企业快速识别优质技术人才。 ShowMeBug 技术测评平台集成了30多种编程语言与主流开发框架，不仅满足了元象唯思多个 ......
opengauss-测试shared_buffers对影响DROP TABLE的性能影响
https://mp.weixin.qq.com/s/b2_Wteyv9ujoW2IV2y8QAw 记录一下白老师提到的在PG数据库中 shared_buffers会影响DROP TABLE的性能。 在opengauss中的测试，tps波动不明显： ......
JVM-实战篇-GC调优
1 GC调优 GC调优指的是对垃圾回收进行调优。GC调优的主要目标是避免由垃圾回收引起的程序性能下降。 GC调优的核心分为三部分： 通过JVM参数的设置； 特定垃圾回收器的JVM参数的设置； 解决由频繁的FULLGC引起的程序性能问题。 GC调优没有唯一的标准答案，重点学习调优的工具和方法。 2 G ......
25.测试用例流程设计
目录 测试用例通用结构回顾 web自动化测试用例流程设计 web自动化测试用例项目结构 现有测试用例的问题 可维护性不高 可读性较差 稳定性较差 用例结构设计 测试用例的编排 测试用例的项目结构 自动化测试用例流程-回顾 web自动化测试-用例设计 类型框架对应作用 前置 setup_class/B ......
.NET批量更新两种方式性能对比
数据库MySql，.NET7,ORM EF 使用新的批量更新： public async Task UpdateManyAsync(string url,string data) { await _dbContext.TestDb .Where(a=>a.Url != null && a.Url.E ......