场景
- 未使用消息队列工具时
用户发请求—>服务端接受处理—>服务端处理(花很长时间)—>用户收到结果
当服务端处理需要消耗比较长的时间且大量消耗CPU资源时,客户端与服务端的连接需要一直保持,同时,当大量的请求涌入时,可能会造成拥堵或者资源耗尽,此时则需要对客户端提交的请求进行有序的处理,引入消息队列工具。
用户发请求—>服务端接受处理—>服务端处理(花很长时间)—>用户收到结果
当服务端处理需要消耗比较长的时间且大量消耗CPU资源时,客户端与服务端的连接需要一直保持,同时,当大量的请求涌入时,可能会造成拥堵或者资源耗尽,此时则需要对客户端提交的请求进行有序的处理,引入消息队列工具。
在采用Python编写数值计算方法的求解器时,往往需要自己组装求解的刚度矩阵,当矩阵带宽比较大时,采用稠密矩阵(尽管直接组装速度会快些)常常会遇到内存受限的问题。此时,我们会考虑采用稀疏矩阵来存储,这样可以省去为零位置的值,大大节省内存或磁盘的占用。
这里记录在Ubuntu 18.04上安装PythonOCC-core的整个过程,方便以后复现。
今天晚上完成了一直打算完成的一件事,即考虑到手中的移动硬盘年份较久远了,打算将其中的内容拷贝到Onedrive中备份。不自觉地打开了一些比较古老的照片,想起了一些往事。
最近接触到一个采用wordpress建站的任务,在内容构建完成后,正式部署时遇到了不少的问题,最后采用Caddy反代解决。
迫于最近的一台Debian 9的实例即将过期,本着节约资金的原则,又开了一年的学生机。
转眼间,宝贵的三年学习过去了。一个阶段的学习即将结束,也即将进入生活的另一阶段。以此自勉,愿自己能在今后走得更好!
The title of this blog has been determined almost one month ago, I was very sad because of my mistake in one competition’s registration those days.