ts-blank-space-doc.md Learnings from ts-blank-space tags: TypeScript, type erasure, type stripping ts-blank-space As part of my work on the JavaScript Tooling team at Bloomberg I have implemented an experimental (not yet used in production) package to transform TypeScript into JavaScript using a somewhat novel approach. This is a description of what I learned from implementing the idea. The source
エンジニアのみなさま、日々の学習本当にお疲れ様です！ また本記事まで足を運んでいただき本当に感謝です。 約2分程度で読めるので最後まで読んでもらえると幸いです。 タイトルに対する結論 Chrome DevToolsの項目にある 「Lighthouse」 を活用しましょう。 Lighthouseとは ウェブページの品質向上に役立つよう開発されたオープンソースの自動化ツールです。任意のウェブページ、公開ページ、認証要求ページに対して実行できます。パフォーマンス、ユーザー補助、プログレッシブ ウェブアプリ、SEO などの監査を実施しています。 デジタル庁のサイトを使って確認してみる テキストだとイメージしづらいため、早速サイトを見ながら確認してみましょう。 確認手順 1. 対象サイトを開いた状態で「Chrome DevTools」を開く 画面上に「Chrome DevTools」が表示されます
ネットワーク パフォーマンスの解読: TCP と UDP のバルクフローのベンチマーク | Google Cloud 公式ブログ
Gemini 1.5 モデル をお試しください。Vertex AI からアクセスできる、Google のもっとも先進的なマルチモーダル モデルです。 試す ※この投稿は米国時間 2024 年 6 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。 Google Cloud ネットワーキング チームは長年にわたり、お客様のネットワークの構築、修正、強化の支援に深く携わってきました。その間に、ネットワークのパフォーマンスと効率を最大限に高める重要なパターンやベスト プラクティスを発見しました。この豊富な知見は、ただの理論的なリソースではありません。Google Cloud、クロスクラウド、オンプレミス、その他のクラウド プロバイダなどデプロイ先を問わず、お客様のビジネス目標達成を支援するよう設計された実用的なツールキットです。Google はこの専門知識を共有する
New to the world of web performance? Welcome! Here's everything you need to know to master website monitoring, analytics, and diagnostics. Learn how to deliver a fast, joyous experience to all your users. Business Success Making your pages faster isn't just for the web performance geeks in your organization. Site speed affects every business metric you care about – from bounce rate to conversions
Beating NumPy’s Matrix Multiplication in 150 Lines of C Code
TL;DR The code from the tutorial is available at matmul.c. This blog post is the result of my attempt to implement high-performance fp32 matrix multiplication (=SGEMM) on CPU while keeping the code simple and scalable. The implementation follows the BLIS design, works for arbitrary matrix sizes, and outperforms OpenBLAS achieving over 1 TFLOPS across a wide range of matrix sizes on AMD Ryzen 7700.
はじめに 今までは適切なデータを抽出するクエリの書き方しか視野に入れられませんでしたが、次第にパフォーマンスのことも考慮するようになりました。 複雑なSQL文になればなるほどかなり重要になってくるので、少しでもパフォーマンスが改善できる記載を備忘録として残そうと思います
感情やストレスが高まる職場で、怒りをコントロールすることは重要です。しかし、従来のアンガーマネージメントの手法では、その効果を実感するのが難しいと感じる方も多いのではないでしょうか。今回は、株式会社PDCAの学校 代表の浅井隆志氏が、現場で実践できる＜新＞アンガーマネージメントを解説しました。本記事では、職場でのコミュニケーション不足が生む弊害や、部下と効果的にコミュニケーションを取るタイミングなどが語られました。 前回の記事はこちら チームの結束力とパフォーマンスを高める伝え方 浅井隆志氏：では、どのように感情を伝えれば良いのかをケーススタディで具体的にお伝えしたいと思います。 3年目の社員、太郎君は同期の中でも一番のがんばり屋さんです。誰よりも早く出社し、事前準備を怠りません。成果も一番出ています。しかし、業務量が多い繁忙期に気負いすぎて、案件を持ちすぎてしまいました。 上司は気にかけ
Google、Google Sheetsの計算エンジンをWebAssemblyに最適化し、2倍の性能を実現したと発表
Google、Google Sheetsの計算エンジンをWebAssemblyに最適化し、2倍の性能を実現したと発表 GoogleはWebブラウザ上でスプレッドシート機能を提供する「Google Sheets」の計算エンジンの性能をWebAssembyで実装し、従来のJavaScriptによる実装と比較して性能を2倍に向上させたことを明らかにしました。 これにより単純なSUM計算から複雑なクエリまで、シート上でのあらゆる計算を始め、ピボットテーブルの作成、条件付きフォーマットなどさまざまな処理が高速になるとのことです。 この性能向上は、JavaScriptで構築されていた計算エンジンをWebAssemblyに最適化したことで実現していると説明されており、そのためにWebAssemby GC（ガベージコレクション）機能を用いたとのことです。 そのため現時点ではChromeとMicrosoft
Krita の AI Diffusion プラグイン、SD のインターフェースとしてかなり良い。話題の LCM によるライブペイントも便利だし、イラストレーションツールだからレイヤーや選択ツールが使えるのが強い。すでに SD でできたことだが、こんな感じの変換が素早く、気持ちよく行える。https://t.co/bUPOZrKs1n pic.twitter.com/0hn8iMHHms — Naoto Yokoyama (@builtinnya) November 18, 2023 これらを ControlNet8 で入力して AnimateDiff を使えば済むと考えていたが、甘かった。 動画生成 AI に期待しているのは、この2枚の画像の間のフレームを説得力のある形で補間することである。しかし、7秒という長さでは、例えば次の動画1のようになってしまう。 動画1. 図1と図2を使い、パラ
大規模サービスの負荷試験を改善していった話
データベースの値をちょっとだけ書き換えたら検索に数十分かかる様になって障害になった裏話 - STORES Product Blog
はじめに 2024年1月にリテール(ネットショップ・レジ)部門からサービス(予約)部門に異動になった @ucks です。 異動してからはスマートリストという機能の開発を行っていて、5月6日に無事リリースできたのと、開発途中で障害に至ってしまった部分があるので、裏側を少し紹介しようかなと思います。 はじめに スマートリストとは スマートリストの設計 検索の仕様変更 高負荷時のハンドリング そして障害へ 見逃した点 DBの実行計画確認時の見逃し 動作確認時の漏れ 監視先の漏れ ログの損失 おわりに スマートリストとは スマートリストの開発についての話を行う前に、まずはスマートリストについて簡単に説明しておきます。 スマートリストとは、特定の条件の顧客をラベリングする機能です。 早い話、最終予約日がいつ、予約回数が何回以上等の顧客の検索条件を保存しておいて、閲覧時にラベリングして、視認しやすくし
負荷テスト on AWS のすすめ (AWS Summit Japan 2024 - Ministage session)
AWS Summit Japan 2024 にて、セキュリティ & One-AWS Zone ミニステージでの登壇資料です。 「負荷テストは、AWS を使ってどう楽になるか？」についてお話しました。スライド内のリンク類はコチラ→https://mabuchs.hatenablog.com/entry/…
React Nativeアプリの画像表示最適化をしていたら、CDNの設定をリバースエンジニアリングする羽目になった話 フロントエンド領域（ネイティブアプリやWebサイト）において、画像の表示速度を速め、ユーザー体験を向上させる重要性は年々増している。画像の最適化にあたっては、imgix等の画像処理に特化したCDNを用いることで、オンデマンドに必要なサイズの画像を、低い開発工数で生成できる。 弊社で開発しているオンライン家庭教師サービス「マナリンク」において日々先生と生徒間で多くのチャットが行われており、ノートや教科書の写真が送信されている。これらの写真は先生が内容を把握するために高精細である必要がある一方、大量に受信したときに速く表示するために一覧時点ではサムネイルサイズで表示したい、といった最適化Issueが存在する。 そこで弊社のReact Nativeアプリではimgixを用いて臨機
時間の使い方が変わる。作業スピード＆パフォーマンス管理ツール4選【今日のライフハックツール】 | ライフハッカー・ジャパン
もう容量不足に怯えない。サンディスクのmicroSD 1.5TBは在庫があるうちに回収だ #Amazonセール
Pythonの爆速化を可能にするにはどうすればいいのか。ツールやライブラリに頼る前に、まずはピュアPythonに組み込まれている機能を使い、コードの最適化を図るべきです。なぜなら、処理速度の課題を解決できる可能性が高いからです。今回はPythonのパフォーマンスを劇的に向上させるためのテクニックを解説した『爆速Python』（翔泳社）から、Pythonの組み込み機能のパフォーマンスを引き出す方法を紹介します。 本記事は『爆速Python』の「Chapter 2 組み込み機能のパフォーマンスを最大限に引き出す」から一部を抜粋したものです。掲載にあたって編集しています。 ※本書はTiago Rodrigues Antãoによる『Fast Python: High performance techniques for large datasets』（Manning Publications）の邦
GitHub - e18e/e18e
The e18e (Ecosystem Performance) project is an initiative to bring together the groups and individuals who are passionate about improving performance of the JavaScript ecosystem. Many ongoing efforts are already happening in this space, from dependency tree cleanups to performance optimizations, and much more. Our aim is to provide a space for contributions, ideas and knowledge sharing around the
Welcome to e18e! e18e (Ecosystem Performance) is an initiative to connect the folks and projects working to improve JS packages performance. We'd also like to provide visibility to the efforts of countless Open Source developers working to cleanup, levelup, and speedup our dependencies. We invite you to get involved in the different projects linked from these pages, and to connect with others lik
SaaS 向けリレーショナルデータベースのスケーリング (Part 1: 一般的なスケーリングパターン) | Amazon Web Services
Amazon Web Services ブログ SaaS 向けリレーショナルデータベースのスケーリング (Part 1: 一般的なスケーリングパターン) ビジネスが成長するにつれて、SaaS (Software as a Service) プロバイダーが直面する課題の 1 つは、テナントのエクスペリエンスをどのように維持するかです。これには、テナントベースが拡大するにつれて、許容できるパフォーマンスとレスポンスタイムを確保することが含まれます。Amazon Relational Database Service (Amazon RDS) や Amazon Aurora などのリレーショナルデータベースは、一般的に SaaS プロバイダーによって使用されています。ビジネスが成長するにつれて、データベースのスケーリング方法も決定する必要があります。 SaaS ビルダーとしての課題は、SaaS
Google AI Studioを使ってみる
こんにちわ。 GMO NIKKOのT.Mです。 Google AI Studioとは Google AI Studioは、GoogleのAIモデルであるGeminiを使ってプロンプトの検証やモデルのチューニングなどが行える開発ツールです。Gemini APIのAPIキーの取得もできます。 Google AI Studioの始め方 Googleアカウントがあれば始められます。 企業などでGoogle Workspaceを使っている場合は、「早期アクセスアプリ」を有効にする必要がありました。システム管理者に相談してみましょう。 Google AI Studioの起動 Google AI Studioの公式ページから「Google AI Studioにログイン」ボタンを押せば、画面が開きます。 ログインするとGoogle AI Studioが開きます。 クイックスタート クイックスタートのドキュ
はじめに パフォーマンス改善についての参考文献 実機計測 フィーチャーフラグ 計測・プロファイリング 効果見積 効果計測 おわりに はじめに こんにちは、クラスター株式会社のソフトウェアエンジニアのsotanです。今回はUnityクライアントのパフォーマンス改善の取り組みについて紹介します。ユーザーの皆さまに快適な体験を提供できるように、新機能の開発や既存機能の拡張・修正と並行して、パフォーマンス改善に取り組んでいます。具体的な改善点や改善方法を全て紹介することはできないのですが、どのような雰囲気で進めているのかを知ってもらえればと思います。 パフォーマンス改善についての参考文献 Unityアプリケーションのパフォーマンス改善に必要となる基礎知識やノウハウについては、 【Unite 2017 Tokyo】最適化をする前に覚えておきたい技術（docswell, YouTube） Unityパ
背景 こんにちは！Hanoi Dev Centerでバックエンドエンジニアをしているminhquangです。この記事では、私がAI事業本部のある新規プロダクト開発に参画した際に経験したパフォーマンスチューニングについて話したいと思います。 皆さんはサービスのローンチ(サービスを世の中に初めて出すリリース)をやったことがありますか。サービスローンチするときに、リクエストのスパイクや、ユーザー数の増加によるサーバー負荷増加など、様々な未知な課題が存在します。 私のチームでは数百万人の利用が見込まれるサービスにおいて、18000RPSを実現するべく負荷試験とパフォーマンスチューニングを実施しました。 本記事では、上記のサービス要件を満たすために私たちが取り組んだ負荷試験やパフォーマンスチューニングについて説明しつつ、これらの経験から得られた学びを共有したいと思います。 前提 技術スタック サーバ
RStudio v1.0から正式サポートされた機能の中に、profvisを使ったパフォーマンスプロファイリングがあります。 ここでは、このprofileに関してさっくり触れてみたいと思います。 何ができるの？ 解析対象のソースに対して、行単位or呼び出される関数単位でメモリの消費と処理時間を計測することができます。 行単位の結果はFlame Graphタブ、関数の呼び出し毎の結果はDataタブで見ることができます。 ※ちなみに、ほぼ10msec程度で処理が終わるようなものは、プロファイラが処理を拾えないので何もできないので、ご注意を。。。 実際にプロファイリングしてみましょう ということで、実際にやりつつ詳しく追ってみましょう。 今回はテストで次のようなスクリプトをまずは走らせてみましょう。 この例は、Rで処理が遅くなるのでやっちゃダメな典型例としておなじみの ベクター処理が可能なものをf
分散トレーシングを使ってパフォーマンス改善をやってみたら、レスポンスタイムを2割近く改善できたお話 - Tabelog Tech Blog
目次 目次 はじめに そもそもシステム運用改善チームとは何か？ なぜアプリAPIのパフォーマンス改善が必要になったのか？ どうやって改善箇所を見つけるのか？ 分散トレーシングを使って、店舗詳細APIを細かく分析する 計測結果の見方 計測結果から分かったこと 計測結果から見つけたポイントに改善を実施していく コースに紐づくクーポンの取得 口コミを取得する処理と公開画像数のカウント ユーザーごとの公開口コミ投稿数の合計数カウント 全体での改善効果はどうだったか？ パフォーマンス改善の影響 ユーザー体験が向上した 今後の食べログ成長に備えたシステム上の余裕ができた 食べログの分散トレーシングを使って改善を実施してみてよかったこと おわりに はじめに こんにちは。食べログ開発本部 ウェブ開発1部 システム運用改善チームの @4palace です。 今回は、私の所属するシステム運用改善チームが食べロ
コードカバレッジ結果を保存するフォーマットについて調べてみました。主な情報源はLLVMのドキュメントとソースコードです。 LLVM Code Coverage Mapping Format LLVM LLVM Compiler-rt データ プロファイル情報取得 プロファイル情報は以下のようにして取得しました。default.profrawにカバレッジ結果が詰まっているようなのですが、バイナリデータのため、すぐには取り出せません。このフォーマットを調べてみます。 $ cd /tmp $ cat a.c #include <stdio.h> int main(void) { printf("Hello, World\n"); return 0; } $ xcrun clang -g -Wall -Werror -O0 -fprofile-instr-generate -fcoverage-m
if defined? RubyVM::YJIT.enable Rails.application.config.after_initialize do RubyVM::YJIT.enable end end 運用中に何かの理由で無効にしたくなったら、コメントアウトするかファイルごと削除します。 この方法は、最新のRuby on Railsに取り込まれているそのままです。 YJITとは Rubyを高速に実行する機能です。Ruby 3.3 から Ruby on Rails に適用するのも実用的になったそうです。次の記事で詳しく説明されています。 Ruby 3.3 YJITのメモリ管理とRJIT 〜すべてが新しくなった2つのJITを使いこなす | gihyo.jp RubyはJust-In-Time（JIT）コンパイラという機能を備えており、これを有効化すると実行時に機械語を生成して様々な最適
はじめに 最近フロントエンドの通信をGraphQLに統一すべく頑張っているのですが、元々フロントエンドメインで開発していたのもありパフォーマンス度外視のBFF実装をしてしまいました。今回はGraphQLのパフォーマンス改善のために取り組んだこと2つをまとめていきたいと思います。2つしか書かない分できるだけ丁寧に書いたつもりです。普段BFFをGo言語で実装してるためサンプルコードはGo言語で書きますが、Goがわからない人にもわかりやすく説明するので最後までお付き合いいただけると幸いです。 触れること 取得するフィールドの制限してオーバーフェッチングを防ぐ Dataloaderを利用したN+1問題の解決 触れないこと GraphQLの基礎的なこと スキーマ設計とか 外部ツールを導入して計測をしたりだとか 現状そこまでしてパフォーマンス改善を行なった経験がないため 導入コストが高そうなので今回は
近似近傍探索のチューニングで気をつけること
複数台で parallel_tests を動かす場合でも、実行時間ベースでテストを分割できるようにする - Qiita
複数台で parallel_tests を動かす場合でも、実行時間ベースでテストを分割できるようにするRubyRSpecparallel_tests RSpec を並列に実行してくれるツールとして parallel_tests があります。このツールは CPU 数などの情報から、自動で最適な並列数で RSpec などを複数同時に実行してくれるツールです。これにより通常よりも早くテストを完了することが出来ます。 Qiita でも parallel_tests を使いつつ、複数のマシンを利用して CI での自動テストを回しています。(テストが大量にあるのと、テストを動かすマシンスペックの都合などで、こういう構成になっています。) こういう感じで並列にテストを回す場合は、実行時間ベースでテストを分割して割り振ることで、テスト完了までの時間が早くなります。parallel_tests かつ複数マシ
Rに少し慣れると、計算速度を早くしたいと感じるのはよくあることです。 Rを使っていてよく扱うのは行列状のデータです(matrixやdata.frame) matrixの場合 よく言われるのは 行列用の関数 $\geq$ apply $\geq$ for です(参考)。 matrixを列ごとに演算 library(microbenchmark) # ベンチマークようのパッケージ set.seed(123) # 乱数を固定 x <- matrix(runif(10000), 100, 100) # テストデータの生成 plot(microbenchmark( #ベンチマークとその結果のプロット colSums = colSums(x), apply = apply(x, 2, sum), "for" = { y <- numeric(nrow(x)) for(i in 1:ncol(x)) y
Shiny App を高速化したいときに比較的簡単に試せるのがmemoiseを使ったデータのキャッシュ化です。それについて紹介します memoise とは？ 私がこのパッケージを初めて知ったのは、Shiny高速化を調べてる際にpromisesのドキュメントを読んでたときでした 参考 : Case study: converting a Shiny app to async memoiseがどう役立つかというと、ある関数を同じインプットで何度も呼び出すなら、はじめて呼び出したときにデータをキャッシュ化して、2度目以降の呼び出しはそのキャッシュ化されたデータを返してあげよう というところです キャッシュ先としては、なんらかのファイルシステム（例えば、 tmpfs） やクラウドストレージ（例えば、S3)を使うことができます 2019-10-21追記 また、キャッシュ先としてRedisを使うことも
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
RAG vs ファインチューニング（コーディング性能で比較）
Learnings from 'ts-blank-space`
SSH接続を10倍速くするたった3行の設定 - Qiita
Webサイトのパフォーマンスを簡単に確認する方法 - Qiita
AWS Kinesis 上で OpenTelemetry トレースヘッダを伝搬する方法: パート3 | SpeedData
Web Performance Guide | SpeedCurve
【SQL】すぐに使えるパフォーマンス改善 - Qiita
成果を出させる上司が「ミスの指摘」の前に部下に伝えること 「詰める」ではなく、チームの結束力とパフォーマンスを高める方法
動画生成AIについて：一番星はてのは目をゆっくり開き、踊れるか
React Nativeアプリの画像表示最適化をしていたら、CDNの設定をリバースエンジニアリングする羽目になった話
Pythonの爆速化！ ピュアPythonに組み込まれている機能でコードの最適化を実現するには
BiomeがforEachではなくfor...ofを推す理由を処理速度の観点から見る
e18e
【Hothotレビュー】 Core Ultra 7 165H搭載の最新NUC登場！高性能かつ静かなミニPC「ASUS NUC 14 Pro」
1人日で出来るWebパフォーマンス改善入門 - Qiita
Unityクライアントのパフォーマンス改善の進め方 - Cluster Tech Blog
大規模サービスのローンチに向け、パフォーマンスチューニングした話 #go #aws
RStudioのProfileを使ってみる - Qiita
Sysinternalsの高機能プロセスモニター「Process Monitor」が12年ぶりのメジャー更新／インターフェイス、フィルタリング、パフォーマンスを改善した「Process Monitor 4.0」
LLVMのプロファイル情報を紐解いてみた〜カバレッジ編〜 - Qiita
Ruby 3.3.0 Rails 7.1.3 でYJITを有効にする - Qiita
AWS Kinesis 上で OpenTelemetry トレースヘッダを伝搬する方法: パート1 | SpeedData
比較的簡単にできるGraphQLのパフォーマンス改善 - Qiita
data.frameの高速演算には列ごとならlapply、行ごとならReduceを使おう - Qiita
memoiseによる1行変更するだけのShinyApp高速化 - Qiita
大量で巨大なcsvをRで読み込む時の最適解【vroom,readr,data.table】 - Qiita
カーネル密度推定(KDE)の高速化 - Qiita