整数量”。 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。 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。 图1 调整代理实例节点数量 相关API 扩容数据库代理节点数量 查询数据库代理信息列表

查看更多 →

failed_times Number 模型实例调用失败次数。 cpu_core_usage Float 已使用CPU核数。 cpu_core_total Float 总CPU核数。 cpu_memory_usage Integer 已使用内存，单位MB。 cpu_memory_total Integer

查看更多 →

“实例配置”，选择“全部配置”。 “yarn.nodemanager.resource.cpu-vcores”设置当前节点上NodeManager可使用的虚拟CPU核数，建议按节点实际逻辑核数的1.5到2倍配置。“yarn.nodemanager.resource.memory-

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 →

持有读锁的线程数 持有读锁的线程数。 Count 60 number_of_threads_waiting_to_be_read 等待读的线程数 等待读的线程数。 Count 60 number_of_threads_waiting_to_be_written 等待写的线程数 等待写的线程数。

查看更多 →

xecutor个数*Executor 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。 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内存+(Executor个数*Executor内存）

查看更多 →

整数量”。 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。 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。 图1 调整代理实例节点数量 相关API 扩容数据库代理节点数量 查询数据库代理信息列表

查看更多 →

参数说明：设置数据库启动时可使用的并行线程数量。 参数类型：整型 参数单位：无 取值范围：1~256 默认值：16 设置方式：该参数属于POSTMASTER类型参数，请参考表1中对应设置方法进行设置。 设置建议：该数值表示并行初始化的线程数量，因此建议设置值不超过（环境CPU核数量-1）。 设置不

查看更多 →

参数说明：设置数据库启动时可使用的并行线程数量。 参数类型：整型 参数单位：无 取值范围：1~256 默认值：16 设置方式：该参数属于POSTMASTER类型参数，请参考表1中对应设置方法进行设置。 设置建议：该数值表示并行初始化的线程数量，因此建议设置值不超过（环境CPU核数量-1）。 设置不

查看更多 →

未严格按作业“抽取并发数”参数分片的情况。 CDM 依次将Task提交给运行池运行。根据集群配置管理中的“最大抽取并发数”参数，超出规格的Task排队等待运行。 如何调整抽取并发数 集群最大抽取并发数的设置与CDM集群规格有关，并发数上限建议配置为vCPU核数*2，如表1所示。 表1

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 →

MySQL连接线程池具有以下特点： 避免性能瓶颈，可以处理大量数据库连接，减少资源的争抢和上下文切换。 限制并发事务的数量，当数据库负载较高时，优先保障正在执行的事务。 避免由于连接得不到及时处理而出现线程异常问题。 当事务在等待IO和锁时，释放CPU资源以服务其他连接。 线程池相关操作

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 →

该值是资源池下所有DN的表空间总值，单DN节点可用空间=设置值 / DN节点数。 -1（不限制） 复杂语句并发 资源池中的最大查询并发数。 内存和查询并发支持单独管控和联合管控，联合管控时必须同时满足并发和内存要求时作业才能下发。 10 网络带宽权重 网络调度时权重值。取值范围为1

查看更多 →

物理资源规格：CPU核数@CPU主频 / 内存容量。例如：64vCPUs@3.0GHz / 136GB 基本信息： 可用区 物理 服务器 数量 云服务器 数量 资源池类型 CPU分配率 总量：所有物理服务器的CPU核数总和 分配：已分配的CPU核数 空闲：空闲的CPU核数 内存分配率

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 →

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内存，32核CPU/256G内存，16核CPU/128G内存，8核CPU/64G内存）

查看更多 →

分析代码性能：Profiler性能分析会自动获取应用程序运行过程中CPU和内存和时延的使用情况。通过火焰图实时展示每一个方法、类和线程的调用关系和执行效率，帮助您优化代码性能。 对代码性能差异：通过火焰图实时展示两个实例或同一个实例不同时间段的方法、类和线程的调用关系和执行效率的差异，帮助您对比代码性能差异。

查看更多 →

独立部署：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） 设置建议：根据实际业务需要和硬件配置设置此参数，建议不超过max_connections的1/10。若仅调大此参数，未同

查看更多 →

未严格按作业“抽取并发数”参数分片的情况。 CDM依次将Task提交给运行池运行。根据集群配置管理中的“最大抽取并发数”参数，超出规格的Task排队等待运行。 如何调整抽取并发数 集群最大抽取并发数的设置与CDM集群规格有关，并发数上限建议配置为vCPU核数*2，如表1所示。 表1

查看更多 →

未严格按作业“抽取并发数”参数分片的情况。 CDM依次将Task提交给运行池运行。根据集群配置管理中的“最大抽取并发数”参数，超出规格的Task排队等待运行。 如何调整抽取并发数 集群最大抽取并发数的设置与CDM集群规格有关，并发数上限建议配置为vCPU核数*2，如表1所示。 表1

查看更多 →