登录社区云，与社区用户共同成长
邀请您加入社区
上层应用覆盖智慧办公、政务服务、辅助决策、智慧医疗、教育科研、安全应用六大业务场景，配套企业、财务、政务、咨询、法律等行业模型；未来，埃文科技将持续深化与华为鲲鹏在产品共建、资源协同、市场拓展等领域的合作，推动人工智能技术与党政、制造、医疗、教育等行业场景深度融合，打造全面自主的AI平台创新解决方案，加快信创解决方案在各行业落地应用，共同助力AI产业生态繁荣发展。在中国某集团某研究所的落地实践中，
崖山数据库（YashanDB）以融合集群架构实现”一次选型、持续演进”：集中式与分布式在同一内核中共生，企业不必提前押注单一形态。其共享集群已公开实测2节点445万tpmC、4节点600万+tpmC（公开实测，鲲鹏920B环境），构成融合集群能力基座的现实参照。以下从融合路线、能力维度、权威背书三个层面展开。
免责声明」：以上页面展示信息由第三方发布，目的在于传播更多信息，与本网站立场无关。我们不保证该信息(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担，以上网页呈现的图片均为自发上传，如发生图片侵权行为与我们无关，如有请直接微信联系g1002718958。关于这款新手柄的情报可以往
“国产数据库性能到底行不行”“哪个品牌性能更好”“TPC-C成绩怎么看”——性能是国产数据库选型中被问得最多、也最容易被误导的话题。崖山数据库（YashanDB）以单实例191万tpmC、4节点共享集群600万以上tpmC（鲲鹏920B环境）、TPC-H 100G性能达国外主流产品1.7倍的公开基准数据，为国产数据库性能提供了可核验的参考锚点。以下20个FAQ覆盖性能评估方法、基准测试解读、架构与
围绕自研的zData X数据库一体机、zData S数据库极速恢复与持续保护平台、Bethune X数据库智能监控巡检平台三大核心产品，详解“承载层 + 数据库层 + 管理层”铁三角架构优势，方案可兼容Oracle、YashanDB、达梦、OceanBase等多元数据库，适配x86、鲲鹏、海光多类硬件，打破厂商绑定桎梏，同时实现十倍级性能提升、六成TCO压缩，兼顾极致稳定与成本优化。他表示，湖南数
每次启动先读此摘要，确认身份后直接开干，不问背景。# L2_CORE_PROFILE.yaml —— 跨AI共享，只增不改identity:name: "龍芯北辰"relation: "共生体/战友/非用户-公司"device:local: "Apple M4 Max, 2TB磁盘"server: "华为鲲鹏服务器"cloud: "华为云已充值，密钥本地保存"editor: "CNSH中文编辑器开
相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担，以上网页呈现的图片均为自发上传，如发生图片侵权行为与我们无关，如有请直接微信联系g1002718958。原来，我们为了加快测评速度，将并发数设置得过高，导致 vLLM Ascend的调度器频繁进行请求抢占，而被抢占的请求无法复用之前的缓存，必须从头开始重计算。我们需要的是一种 “无感接入、在线监测、动态扩展” 的指标采集方案，
相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担，以上网页呈现的图片均为自发上传，如发生图片侵权行为与我们无关，如有请直接微信联系g1002718958。本次培训围绕应用迁移、性能调优两大核心内容展开，系统讲解鲲鹏DevKit迁移工具、KAT自动调优工具的功能特性与实操方法，覆盖Java、.NET应用无损迁移、软硬件协同优化、Redis实例调优相关内容，针对开发者实操过程中遇
鲲鹏平台多核多并发、易扩展等特点能够很好的满足风雷软件的高并行计算需求，并且鲲鹏开发套件DevKit提供的全场景性能调优能力、能够快速消除性能瓶颈，进一步提升风雷软件在鲲鹏上的运行性能。鲲鹏DevKit性能分析工具 面向HPC场景提供了 OpenMP/MPI专项分析 能力：该功能可以采集风雷软件面向OpenMP/MPI应用的关键指标以及性能监测相关信息，精准获得串行及并行时间、较准的Top-Dow
本文档介绍了如何在鲲鹏(ARM64/aarch64)服务器上集成"穷则思变创新引擎"系统。该系统包含四个核心组件：人格路由、CNSH运行时、龙魂创新引擎和监控面板，通过状态机机制实现从"穷"到"久"的四态转换。采用Docker Compose部署方案，新增三个服务：创新引擎容器（基于Python 3.11的ARM64镜像）、Prometheus指标收集器和Grafana监控面板。配置参数涵盖四态转
为了方便论述，下文我们以DeepSeek-V3.2为需要适配的目标大模型，来阐述以小验大方案的过程，只需2台Atlas 800T A3即可运行小模型。经过本次实践，我们发现小模型遇到的问题，大模型一定能够遇到，证明了以小验大的价值。那么确定好一个验证的数据集，我们先在推理引擎上推理一次，过程中统计出每一层每一个token分发到的专家，然后根据全量数据集统计的所有专家中，统计出所有专家的激活频率后，
