<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>缓存 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E7%BC%93%E5%AD%98/</link>
    <description>Recent content in 缓存 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Thu, 20 Aug 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E7%BC%93%E5%AD%98/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Go 1.27 SIMD 性能实测：缓存内数据与 NumPy 持平</title>
      <link>https://index.zshipu.com/geek/post/20260820/Go-1.27-SIMD-%E6%80%A7%E8%83%BD%E5%AE%9E%E6%B5%8B%E7%BC%93%E5%AD%98%E5%86%85%E6%95%B0%E6%8D%AE%E4%B8%8E-NumPy-%E6%8C%81%E5%B9%B3/</link>
      <pubDate>Thu, 20 Aug 2026 00:00:00 +0000</pubDate>
      <guid>https://index.zshipu.com/geek/post/20260820/Go-1.27-SIMD-%E6%80%A7%E8%83%BD%E5%AE%9E%E6%B5%8B%E7%BC%93%E5%AD%98%E5%86%85%E6%95%B0%E6%8D%AE%E4%B8%8E-NumPy-%E6%8C%81%E5%B9%B3/</guid>
      <description>Go 1.27 在标准库中引入了实验性的 simd 包，但大多数文章只介绍 API，很少提及实际性能提升。开发者 Efraín Garay 针对一个具体的向量搜索任务，对比了 Go 的 SIMD 实现与 NumPy 的性能，结果发现关键因素并非语言或库，而是数据是否适合 CPU 缓存。 测试设置 测试任务是一个说话人搜索索引：346,000 个 192 维向量，每次</description>
    </item>
    <item>
      <title>性能优化关于缓存的一些思考</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%80%A7%E8%83%BD%E4%BC%98%E5%8C%96%E5%85%B3%E4%BA%8E%E7%BC%93%E5%AD%98%E7%9A%84%E4%B8%80%E4%BA%9B%E6%80%9D%E8%80%83/</link>
      <pubDate>Tue, 15 Mar 2022 09:04:38 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%80%A7%E8%83%BD%E4%BC%98%E5%8C%96%E5%85%B3%E4%BA%8E%E7%BC%93%E5%AD%98%E7%9A%84%E4%B8%80%E4%BA%9B%E6%80%9D%E8%80%83/</guid>
      <description>烛衡 阿里云开发者 利用缓存做性能优化的案例非常多，从基础的操作系统到数据库、分布式缓存、本地缓存等。它们表现形式各异，却有着共同的朴素的本质：弥补CPU的高算力和IO的慢读写之间巨大的鸿沟。 和架构选型类似，每引入一个组件，都会导致复杂度的上升。以缓存为例，它带来性能提升的同时，也带</description>
    </item>
  </channel>
</rss>
