32MB（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存）；16MB（72核CPU/576G内存，64核CPU/512G内存，60核CPU/480G内

查看更多 →

工作负载成本，计算方式：根据工作负载资源用量（CPU、Memory）占整体节点资源比例计算出来的成本，结合工作负载关联存储的成本 运行总核时 所选时间周期内，工作负载总消耗的核时资源数 核时单价 CPU 每核每小时价格。 用来指导您工作负载所在节点对应的机型的CPU核时单价。如果工作负载或者命名空间对应核时单价很贵

查看更多 →

8MB（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存，64核CPU/512G内存，60核CPU/480G内存，32核CPU/256G内存，16核CPU/

查看更多 →

with_ttl_in_queue CPU核数一半 在ReplicatedMergeTree队列中允许同时使用TTL合并部件的任务数。 merge_tree.max_number_of_merges_with_ttl_in_pool CPU核数 在ReplicatedMergeT

查看更多 →

${Topic名称} -s ${消息大小} -w ${生产者线程数} 连接地址：购买RocketMQ实例后，获取实例的连接地址。 Topic名称：创建Topic时设置的Topic名称。 消息大小：1KB 生产者线程数：测试rocketmq.4u8g.cluster.small、rocketmq

查看更多 →

Spark作业CUs数=Executor所占CU数+driver所占CUs数 Executor所占CU数=max { [（Executor个数 x Executor内存）÷4]，（Executor个数 x Executor CPU核数）} x1 driver所占CUs数=max [（ driver内存÷4），

查看更多 →

Memory：926GB（=948224 MB） 390 专属计算集群规格中的vCPUs计算公式：vCPUs=(槽位数 * CPU核数 * 单核线程数 - CPU开销) * CPU超分比 s3型专属计算集群 vCPUs = (2 * 22 * 2 - 16) * 2 = 144 s3_pro型专属计算集群 vCPUs

查看更多 →

在CPU核数、内存相同的情况下，小规格多节点与大规格三节点集群如何选择？ 小规格多节点： 如果数据量不大、集群节点数量需要伸缩，但不能忍受太高的成本，可以选择小规格多节点集权。 例如，规格为8核32G的小规格集群（dwsx2.h.2xlarge.4.c6），可以提供较强的计算能力

查看更多 →

cutor CPU核数”要小于队列的计算资源CU数，避免其他Spark任务角色无法启动。更多Spark任务角色的相关信息请参考Spark官方。 Spark作业参数计算公式： CU数=driver CPU核数+Executor个数*Executor CPU核数 内存数=driver

查看更多 →

历史规格/性能说明 版本 资产数 并发数 CPU 内存 硬盘 标准版 20 20 1核 4GB 100GB 专业版 50 50 2核 4GB 200GB 企业版 100 100 4核 8GB 400GB 高级版 200 200 4核 8GB 800GB 旗舰版 无限制 无限制 8核 16GB 1TB

查看更多 →

shuffle时启动的Task个数。 如何调优 一般建议将该参数值设置为执行器核数的1到2倍。例如，在聚合场景中，将task个数从200减少到32，有些查询的性能可提升2倍。 表2 设置用于CarbonData查询的Executor个数、CPU核数以及内存大小 参数 spark.executor.cores

查看更多 →

（96核CPU/768G内存）；120（80核CPU/640G内存）；100（64核CPU/512G内存）；80（60核CPU/480G内存）；40（32核CPU/256G内存）；20（16核CPU/128G内存）；10（8核CPU/64G内存，4核CPU/32G内存，4核CPU/16G内存）

查看更多 →

见产品价格详情。 费用计算核时为核数和时间相乘，例如：730核时，表示您可以730核用1小时，也可以730小时用1核。 1 核*时= 1 * 3600（核*秒） 1 核*时：1核的CPU连续跑1个小时所用的资源量 1 核*秒：1核的CPU连续跑1秒所用的资源量 按需计费模式 以实

查看更多 →

在“数据库代理”页面，单击代理实例名称。 在“代理实例信息”模块的“代理实例节点数量”处，单击“调整数量”。 推荐代理实例节点数量 =（主节点CPU核数+所有只读节点CPU核数总和）/（4*代理实例CPU核数），计算结果向上取整。 弹框中选择需要调整的代理实例节点数量，单击“确定”，完成修改。 图1 调整代理实例节点数量

查看更多 →

CN：4GB（60核CPU/480G内存）；2GB（32核CPU/256G内存，16核CPU/128G内存）；1GB（8核CPU/64G内存）；512MB（4核CPU/32G内存）；256MB（4核CPU/16G内存） DN：140GB（60核CPU/480G内存）；76GB（32核CPU/

查看更多 →

现原理是将查询任务进行切分并分发到多个CPU核上进行计算，充分利用cpu的多核计算资源来缩短查询时间。并行查询的性能提升倍数理论上与CPU的核数正相关，也就是说并行度越高能够使用的CPU核数就越多，性能提升的倍数也就越高。 下图是使用CPU多核资源并行计算一个表的count(*)

查看更多 →

shuffle时启动的Task个数。 如何调优 一般建议将该参数值设置为执行器核数的1到2倍。例如，在聚合场景中，将task个数从200减少到32，有些查询的性能可提升2倍。 表2 设置用于CarbonData查询的Executor个数、CPU核数以及内存大小 参数 spark.executor.cores

查看更多 →

128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存）；256MB（72核CPU/576G内存，64核CPU/512G内存，60核CPU/480G内存）；128MB（32核CPU/25

查看更多 →

最小规格 内存：256MiB CPU：0.25Core 安全容器的CPU核数（单位为Core）与内存（单位为GiB）配比建议在1:1至1:8之间。例如CPU为0.5Core，则内存范围建议在512MiB-4GiB间。 无 容器引擎命令行 crictl Docker容器：docker

查看更多 →

。 used_cpu double precision 正在使用的CPU核数（仅统计非默认资源池上复杂作业的CPU使用情况，且该值为相关控制组的CPU使用统计值）。 DN：显示当前DN上对应用户正在使用的CPU核数。 CN：显示所有DN上对应用户正在使用的CPU核数之和。 total_cpu

查看更多 →

信息及数量，格式为：核数（平台类型）内存大小：数量。 单击相应区域，会在下方显示相应的主机列表。 磁盘配置 横轴为节点上磁盘总容量（包含OS盘），纵轴为逻辑磁盘数量（包含OS盘）。 鼠标放置圆点上会显示处于当前配置状态下的磁盘信息，包括磁盘数量、总容量、主机数。 单击相应圆点，会在下方显示相应的主机列表。

查看更多 →