Spark:取消持久化后未释放内存
Spark是一个开源的大数据处理框架，它提供了高效的数据处理和分析能力。在Spark中，持久化是一种将数据存储在内存中以供后续重复使用的技术。当我们取消持久化后，Spark会释放相应的内存资源。
取消持久化后释放内存的过程如下：
- 当我们在Spark中使用持久化技术将数据存储在内存中时，Spark会将数据分布式地存储在集群的内存中。
- 当我们取消持久化时，Spark会将相应的数据从内存中删除，并释放内存资源。
- Spark会根据内存管理策略来决定释放哪些数据，以确保系统的性能和稳定性。
取消持久化的优势：
- 节省内存资源：取消持久化可以释放内存资源，使得其他任务可以使用这些资源，提高系统的整体性能。
- 灵活性：取消持久化可以根据实际需求来决定是否释放内存，提供了更灵活的数据管理方式。
取消持久化的应用场景：
- 数据更新：当数据发生变化时，我们可以取消旧数据的持久化，重新计算并持久化更新后的数据。
- 数据清理：当我们不再需要某些数据时，可以取消其持久化，释放内存资源。
腾讯云相关产品和产品介绍链接地址： 腾讯云提供了一系列与大数据处理相关的产品和服务，例如云数据仓库CDW、弹性MapReduce EMR、云原生数据仓库TDSQL-C、云数据库TencentDB等。您可以访问腾讯云官方网站了解更多详情：https://cloud.tencent.com/product
请注意，以上答案仅供参考，具体的技术实现和产品选择应根据实际需求和情况进行评估和决策。
相关·内容
2回答
我们都知道斯派克在内存中做计算。我只是对下面的内容感到好奇。
如果我从HDFS中在我的RDD外壳中创建了10个pySpark，这是否意味着所有这10个RDD的数据都将驻留在Spark内存中？
如果我不删除RDD，它会永远存在于记忆中吗？
如果我的数据集(文件)大小超过可用RAM大小，数据将存储在哪里？
浏览 5提问于2016-11-22得票数 21
回答已采纳
1回答
非常简单，我在17个节点的集群上使用spark 2.4.3，并且我有一个持久化的数据集。最后，在执行了一些计算/操作之后，我使用了unpersist()，但根据Spark UI中的存储选项卡，数据集在最后仍然保留在内存中。即使我使用unpersist(true)，数据集最终仍然存在。为什么会发生这种情况？ ?
浏览 77提问于2020-09-18得票数 0
回答已采纳
我正在使用Spark来实现中描述的A-Priori算法，该算法需要包含一个庞大的int数组，如下所示：
frequent_item[i] = x, // i is a big integer, x is some integer
现在，如何使这个数组对集群中的所有工作节点可见？更具体地说，
sc.broadcast(frequent_item)可以用于这个目的吗？
这是否意味着这个巨大的数组将在每个工作节点的内存中有一个副本？
对于这样的事情，最好的实践指南是什么？
谢谢，一如既往！
浏览 0提问于2018-02-15得票数 2
回答已采纳
1回答
火花中的缓存是如何工作的
、、、
我很难理解Spark中缓存的用例。我把这个概念理解为“它只将一个RDD保存到内存中”，但是这不是已经完成了吗？
假设我读取了一个文本文件并将RDD命名为"df"，然后运行一个count()作为我的操作。通过这样做，我已经有了内存中的RDD，以后可以调用它，所以为什么或者何时需要缓存我的RDD？如果使用过滤器(但是过滤器返回一个可以作为新变量存储的新RDD )吗？
(谢谢你的帮助:)
浏览 4提问于2021-01-19得票数 0
回答已采纳
1回答
经过几个月的评估、重新评估和规划不同的数据结构和web/应用程序服务器，我现在需要在实现细节上大做文章。(目前理论上)我面临的问题是：
假设我正在使用GWANs KV存储为用户等存储C结构(工作良好，经过测试)，我应该如何从KV中删除这些对象，然后从内存中删除这些对象，而不遇到竞争条件？
我现在就是这样的：
线程A：
获取引用要删除的对象的其他对象
将引用设置为NULL
删除对象
线程B：
尝试获取对象-> kv可以返回对象，因为它还没有被删除
尝试使用->已经删除的对象做一些事情，这样我就可以访问已经释放的内存了吗？
或者其他可能发生的事情：
浏览 1提问于2013-07-03得票数 0
回答已采纳
我们有一个胶水作业，它从Aurora中的表中读取数据。我们正在使用下面的调用从Aurora读取
df = self.glue_context.create_dynamic_frame.from_options(
connection_type="custom.jdbc",
connection_options={
"className": self.jdbc_driver_name,
"url": self.aurora_url,
浏览 10提问于2022-10-05得票数 1
在运行Spark2.4.3和Python2.7时，由于“无法增长缓冲区持有者”错误，我遇到了一个作业失败。
当我的输入数据很小时，我就能使一切顺利地工作。但是，当我将输入加倍到几千个用户(比如一个特性生成引擎)时，我的工作就失败了。我尝试过重新分区，增加集群大小(目前正在运行r4xl 16工作人员)，但似乎没有任何帮助。根据我到目前为止的理解，似乎有一个rdd可能会超过2GB的限制。但我不知道这个问题的解决办法是什么。
任何帮助都是非常感谢的。
Job aborted due to stage failure: Task 0 in stage 125.0 failed 4 times, mos
浏览 1提问于2019-07-24得票数 1
回答已采纳
1回答
我知道在使用Spark时，“for”和“while”循环通常是要避免的。我的问题是关于优化一个“while”循环，但是如果我错过了一个不必要的解决方案，我会洗耳恭听。 我不确定我是否可以用玩具数据演示这个问题(处理时间非常长，随着循环的进行而变得复杂)，但下面是一些伪代码： ### I have a function - called 'enumerator' - which involves several joins and window functions.
# I run this function on my base dataset, df0, and retu
浏览 20提问于2020-12-10得票数 1
回答已采纳
我缓存了一个非常大的RDD (它仍然可以放在内存中)，但是因为它太大了，所以我想尽快取消它。然而，当我对它调用unpersist时，它会导致一个RPC超时错误：
17/11/21 23:25:55 INFO BlockManager: Removing RDD 171
Exception in thread "main" org.apache.spark.rpc.RpcTimeoutException: Futures timed out after [120 seconds]. This timeout is controlled by spark.rpc.askTimeou
浏览 0提问于2017-11-22得票数 5
2回答
使用HDFS存储的Spark作业
、、、、
我有一个长期运行的Spark Structured Streaming Job，它运行在Google Cloud Dataproc上，使用Kafka作为源和接收器。我还将我的检查点保存在Google云存储中。
运行一周后，我注意到它正在稳定地消耗所有100 GB的磁盘存储空间，将文件保存到/hadoop/dfs/data/current/BP-315396706-10.128.0.26-1568586969675/current/finalized/...。
我的理解是，我的Spark作业不应该对本地磁盘存储有任何依赖。
我完全误解了这一点吗？
我像这样提交了我的作业：
(cd app/sr
浏览 0提问于2019-10-01得票数 4
以下是场景示例，我想在不再使用df1释放内存的代码时立即将其删除- df1 = spark.sql("Select 1 as X")
df2 = df1.withColumn("Y", df1["X"])
# here if I want to remove df1 then what should be the code.
df2.show()
浏览 28提问于2020-01-22得票数 2
1回答
我正在迭代3个大文件，并执行一堆统计计算。
我有55 to的可用内存每个执行器，8V核心，和多达10个任务节点可用，除了一个核心和一个主节点。
以下是我的实际代码的伪代码：
#Load MyConfigMeta file- this is a small file and will be a couple of times in the code
MyConfigMeta=spark.read.parquet("s3://path/MyConfigMeta.parquet")
MyConfigMeta=MyConfigMeta.persist(StorageLevel.
浏览 0提问于2021-04-12得票数 3
回答已采纳
我使用的是spark 1.6，当我运行以下代码时遇到了上面的问题：
// Imports
import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.SaveMode
import scala.concurrent.ExecutionContext.Implicits.global
import java.util.Properties
import scala.concurrent.Future
// Se
浏览 2提问于2016-01-11得票数 16
我使用Spark2.0.2(在DSE / DataStaX企业版5.1中)来运行一些流媒体应用。
我的Spark streaming应用程序为每个微批处理调用了一些RDD.persist()，而RDD.unpersist()从未被调用过(到目前为止，我们依靠缓存空间的LRU功能来解除持久化)。
我想我会在Spark UI的"Storage“选项卡中看到持久化RDD的列表增长了很多。
然而，在Spark UI的"Storage“选项卡中，我只看到了一个非常有限的持久化RDD列表。假设最大持久化RDD为10 MB，每个=> 1.5 MB持久化RDD占用的空间为15 MB，这是
浏览 0提问于2019-07-05得票数 0
1回答
我使用Spark2.3.2训练了LDA(特征维度: 100，迭代: 100，分布式版本，ml )。在此之后，我希望使用该模型来转换新的DataSet。但是当我转换新的数据时，我总是会得到与错误相关的内存错误。我将数据大小从x0.1更改为x0.01。但是总是得到内存错误( java.io.ByteArrayOutputStream.hugeCapacity(ByteArrayOutputStream.java:123)中的java.lang.OutOfMemoryError)
当数组的大小超过hugeCapacity - 8时，就会发生Integer.MAX_VALUE错误(溢出)，但我将数据大
浏览 6提问于2019-03-05得票数 0
1回答
我很想知道什么时候我需要坚持我的数据在火花和什么时候不。个案：-
如果我需要文件中的数据(我需要持久化它吗？)如果我应用重复计数，例如：-
val df=spark.read.json("file://root/Download/file.json")
df.count
df.count
我需要持久化df吗？因为据我所知，它应该在第一次计数后将df存储在内存中，在第二次计数中使用相同的df。文件中的记录是4，因为当我实际检查它时，它会一次又一次地读取文件，那么为什么spark不将它存储在内存中？
第二个问题是火花阅读是一个动作或transformation?
浏览 0提问于2020-08-12得票数 0
回答已采纳
3回答
我使用java 1.8.0_45和Kafka direct stream在Yarn (Apache发行版2.6.0)上运行spark streaming 1.4.0。我也在使用支持scala 2.11的spark。
我看到的问题是，驱动和执行器容器都在逐渐增加物理内存的使用，直到纱线容器杀死它。我在驱动程序中配置了高达192M的堆空间和384个非堆空间，但最终用完了它
在常规GC周期中，堆内存似乎没有问题。在任何这样的运行中都没有遇到过OutOffMemory
事实上，我没有在kafka队列上产生任何流量，仍然会发生这种情况。下面是我使用的代码
object SimpleSparkStream
浏览 3提问于2015-07-14得票数 17
2回答
我试图消除代码中的内存泄漏，但每次我试图取消对指针的引用时，都会出现错误。
守则如下：
exp[]在带有具体子类的抽象类表达式中声明如下:二进制、常量和日志，如下所示:静态表达式* exp[]；然后在表达式源文件中将其设置为NULL :表达式*表达式:exp[]= {NULL}；
当我注释掉删除b、删除l和删除co时，程序运行良好，但我怀疑它留下了内存泄漏。
int main(void)
{
char userInput='j';
while (userInput != 'q' && userInpu
浏览 1提问于2013-12-07得票数 0
回答已采纳
我使用boto3从S3读取文件，这表明比sc.textFile(...)快得多。这些文件大约在300 1GB到1GB之间。这个过程是这样的：
data = sc.parallelize(list_of_files, numSlices=n_partitions) \
.flatMap(read_from_s3_and_split_lines)
events = data.aggregateByKey(...)
在运行此进程时，我会得到以下异常：
15/12/04 10:58:00 WARN TaskSetManager: Lost task 41.3 in stage 0.0 (TI
浏览 12提问于2015-12-04得票数 2
1回答
我得到了一些json格式的执行计划。
val df: DataFrame = ???
val jsonPlan = df.queryExecution.optimizedPlan.toJSON
jsonPlan输出：
您可以看到InMemoryRelation操作符有子键："child": [..]。
在调用toJSON方法之前，是否可以将用户信息添加到计划树节点？这样，在调用toJSON之后，添加的信息将与树节点一起序列化。
例如，我想为所有的子节点添加标签(标签-它是一个可爱的子节点)。结果会是这样：
"child":[
{
"
浏览 0提问于2022-02-16得票数 0
回答已采纳
我试图分配动态内存给数组的元素，但我得到了分段错误，这是代码：
#include <stdio.h>
#include <stdlib.h>
struct Octstr
{
unsigned char *data;
long len;
long size;
int immutable;
};
int main()
{
struct Octstr *obj;
obj->data = (char*)malloc(16);
return 0;
}
浏览 2提问于2016-12-20得票数 1
我在做一件火种的工作。它显示所有作业都已完成：
然而，在几分钟后整个作业重新启动，这一次它将显示所有作业和任务也已完成，但几分钟后它将失败。我在日志中发现了以下异常：
java.util.concurrent.TimeoutException: Futures timed out after [300 seconds]
因此，当我试图连接两个很大的表时就会发生这种情况:其中一个是3B行，第二个是200M行，当我在结果数据帧上运行show(100)时，所有的数据都会被评估，然后我就会遇到这个问题。
我试着增加/减少分区的数量，我将垃圾收集器改为增加线程数量的G1。我将spark.sql.b
浏览 4提问于2016-03-30得票数 6
回答已采纳
在Spark的介绍中，它说
。
据我所知，您必须使用.cache()或.persist().If手动缓存RDD。我两种方法都不采用，如下所示
val file = sc.textFile("hdfs://data/kv1.txt")
file.flatMap(line => line.split(" "))
file.count()
我没有将RDD“文件”保存在缓存或磁盘中，在这种情况下，Spark能比MapReduce运行得更快吗？
浏览 1提问于2014-09-10得票数 4
2回答
对于实际问题，跳到问题部件。对于一个有趣的未定义行为的真实世界示例，请继续阅读:)
有这样的列举：
struct EnumStruct
{
enum Enum
{
val0 = 0,
val1,
val2,
val3,
val4
};
};
在某些功能上，我们有：
const int arrayCount = 6;
int arr[] = {
EnumStruct::val0,
EnumStruct::val1,
EnumStruct::val2,
浏览 2提问于2011-07-05得票数 1
回答已采纳
我有一个使用Apache Spark的Java程序。该程序最有趣的部分如下所示：
long seed = System.nanoTime();
JavaRDD<AnnotatedDocument> annotated = documents
.mapPartitionsWithIndex(new InitialAnnotater(seed), true);
annotated.cache();
for (int iter = 0; iter < 2000; iter++) {
GlobalCounts counts = annotated
浏览 1提问于2016-03-21得票数 6
1回答
我在网上搜索的任何论坛上都找不到关于以下主题的任何讨论。这可能是因为我对Spark和Scala还不熟悉，而且我并没有问一个有效的问题。如果有任何现有的线程讨论相同或类似的主题，链接将是非常有用的。:)
我正在处理一个使用Spark和Scala的过程，并通过读取大量表并通过将逻辑应用于从表中获取的数据派生出许多字段来创建一个文件。所以，我的代码结构是这样的：
val driver_sql = "SELECT ...";
var df_res = spark.sql(driver_sql)
var df_res = df_res.withColumn("Col1"
浏览 1提问于2018-05-20得票数 10
假设我的Spark集群有100G内存，在Spark计算过程中，会生成更多大小为200G的数据(新数据帧、缓存)。在这种情况下，Spark会将部分数据存储在磁盘上，还是只会使用OOM
浏览 235提问于2020-07-14得票数 0
回答已采纳
我有一个简单的可重复的Spark错误。(Spark 2.0 + Amazon EMR 5.0 FYI)
def row_parse_function():
# Custom row parsing function. Details omitted.
return pyspark.sql.types.Row(...)
if __name__ == "__main__"
spark_context = build_spark_context("max value bug isolation")
spark_sql_context
浏览 0提问于2016-09-04得票数 2
我有两个火花实用程序函数: myUtility1和myUtility2。他们是相当独立的彼此，不重要谁跑第一。
如果我跑：
val outData1 = myUtiltity1.process(inputData, utilData1)
花了40分钟。一切顺利，无需再试。
如果我跑：
val outData2 = myUtiltity2.process(inputData, utilData2)
它能用20分钟。一切顺利，无需再试。
但是，如果我这样做了：
val outData1 = myUtiltity1.process(inputData, utilData1)
val outData
浏览 5提问于2015-06-23得票数 0
1回答
我有一个关于使用Spark DataFrame的基本问题。 考虑下面这段伪代码： val df1 = // Lazy Read from csv and create dataframe
val df2 = // Filter df1 on some condition
val df3 = // Group by on df2 on certain columns
val df4 = // Join df3 with some other df
val subdf1 = // All records from df4 where id < 0
val subdf2 = // All
浏览 23提问于2021-02-12得票数 1
回答已采纳
1回答
分离链哈希表上的分段错误
、、、
因此，我为一个名为Objective的结构实现了一个带有单独链接的哈希表，这样我就可以对这些目标执行一些操作。目前，我有以下内容：
Hashtable.h：
#ifndef HASHTABLE_H
#define HASHTABLE_H
#include <string.h>
#include <stdio.h>
#include <stdlib.h>
/*Using separate chaining to store the obejctives*/
typedef struct Objective{
char name [8000];
unsign
浏览 0提问于2018-05-18得票数 0
2回答
我对星火相当陌生，我在这里玩了一会儿，对此我有些怀疑：-
下面是我正在试用的代码：-
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.Function2;
/**
* Computes an appr
浏览 1提问于2017-11-08得票数 3
回答已采纳
在spark中，cache是延迟计算的，直到调用一个操作为止。同样的懒惰评估也适用于unpersist吗？
浏览 0提问于2019-07-01得票数 0
回答已采纳
在Spark中，我们需要在每次转换和操作之后保持()相同的DataFrame吗？
例如：
var df: DataFrame = spark.read.format(...)
df.persist.count // Cache #1
df = df.map(...) // the 1st transformation
val tmp1 = df.filter(...).count()
df.persist.count // Cache #2: Is this necessary? Is Cache #2 is the same obj as Cache #1 in memory?
浏览 0提问于2021-04-25得票数 1
我有一个运行的星火作业。
我可视化了DAG，它创建了每个连接的+5阶段。无论如何，在DAG有大约40个阶段之后，下一个步骤总是会出现异常，即经过8次迭代，每个阶段都有5个阶段。
java.lang.AbstractStringBuilder.hugeCapacity(AbstractStringBuilder.java:161) at java.lang.AbstractStringBuilder.newCapacity(AbstractStringBuilder.java:155) at java.lang.AbstractStringBuilder.ensureCapacityInter
浏览 1提问于2017-09-01得票数 2
我在Spark中的驱动程序节点上运行了4个并行线程，它们做同样的事情，但是使用不同的数据。Spark确实并行执行所有提交的作业，直到有一个联接。此时连接操作是按顺序执行的。这就是SparkUI所展示的：
我能做些什么使连接并行运行吗？
更新：
我用于启动进程的命令是：
spark-submit
--master local[16]
--class ...
--driver-memory 11G
--conf spark.default.parallelism=4
--conf spark.sql.shuffle.partitions=4
浏览 0提问于2018-12-05得票数 0
回答已采纳
我有一个由一台机器组成的EMR集群"c3.8xlarge"，在阅读了几个资源之后，我了解到我必须允许堆外有相当数量的内存，因为我使用的是吡火花，所以我将集群配置为：
One执行者：
spark.executor.memory 6g
spark.executor.cores 10
spark.yarn.executor.memoryOverhead 4096
驱动程序：
spark.driver.memory 21g
当我cache() DataFrame时，它需要3.6GB的内存。
现在，当我在collect()或toPandas()上调用Dat
浏览 4提问于2017-11-28得票数 13
回答已采纳
在Spark中，可以显式设置RDDs和Dataframes的存储级别，但是可以更改默认的存储级别吗？如果是的话，怎样才能做到呢？若否，为甚麽不可能呢？
这里和那里都有类似的问题，但答案只是提到，解决方案是显式地设置存储级别，而不作进一步解释。
浏览 5提问于2020-07-31得票数 1
回答已采纳
那里。^^我一直在做一个小项目来帮助我做一些简单的事情，在家里练习，当我开始对malloc有一些了解的时候。我从这段代码开始，结束了，试着运行它，但它没有打印任何东西，并给出了这个退出：
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<math.h>
#include<time.h>
#define imprime toString
#define erro printf("\n\nCaractere invalido! Digite n
浏览 0提问于2018-09-14得票数 0
我已经在我的Windows中编写了这个PHP，并且运行得很好，但是在linux上它丢失了这个值。
$stmt = mysqli_prepare($con,"SELECT name from `table` where ID=?");
mysqli_stmt_bind_param($stmt,"i",$id);
mysqli_stmt_execute($stmt);
mysqli_stmt_bind_result($stmt, $name);
mysqli_stmt_fetch($stmt);
mysqli_stmt_close($stmt);
if (is_nu
浏览 0提问于2011-08-02得票数 0
回答已采纳
我的程序运行到了调用新关键字会导致上述错误的地步。即char* a = new char[100].这种错误是可重复的，而且每次都是。我运行这个程序，直到调用新关键字为止。似乎内存位置在这一点上被破坏了，但我不确定他的问题是什么。
造成此错误的可能原因是什么？
浏览 1提问于2010-10-01得票数 2
1回答
因此，假设我有一个100 GB内存的集群供spark使用。我得到了一个2000 GB的数据集，并希望对此数据集运行一个迭代应用程序。200次迭代。
我的问题是，当使用.cache()时，spark是否会将第一个100 GB保留在内存中，并在自动读取下一个100 GB之前执行200次迭代？
当在内存限制内工作时，spark的优势是非常明显的，但当使用更大的数据集时，我不完全确定spark和yarn如何管理数据。
浏览 1提问于2015-07-09得票数 2
我是Spark的新手，我发现文档上说Spark会将数据加载到内存中，以加快迭代算法的速度。
但是，如果我有一个10 2GB的日志文件，而内存只有2 2GB，该怎么办呢？Spark会一如既往地将日志文件加载到内存中吗？
浏览 2提问于2013-11-30得票数 18
回答已采纳
1回答
我是星火公司的新手，我想了解是否会有额外的开销/延迟来持久化和不持久化内存中的数据。
据我所知，在我们使用缓存数据saved时没有发生数据移动，它只是保存在executor的内存中。因此，这应该只是一个设置/取消一个标志的问题。
我在火花流作业中缓存数据帧，并想知道这是否会导致批处理执行中的额外延迟。
浏览 2提问于2020-04-07得票数 1
回答已采纳
3回答
我有一个dataaframe，我根据它在节点上的主键重新划分
val config=new SparkConf().setAppName("MyHbaseLoader").setMaster("local[10]")
val context=new SparkContext(config)
val sqlContext=new SQLContext(context)
val rows="sender,time,time(utc),reason,context-uuid,rat,cell-id,first-pkt,last-pkt,protocol,sub
浏览 0提问于2016-07-12得票数 1
1回答
不安全队列实现
、、、、
我试图创建一个不安全但性能更好的ArrayQueue实现。在我添加测试用例之后，其中一个会产生分段错误。下面是我简单的最小实现：
use std::mem;
pub struct ArrayQueue<T> {
buff: Vec<T>,
head: usize,
size: usize,
}
impl<T> ArrayQueue<T> {
pub fn new(size: usize) -> Self {
let mut buff = Vec::with_capacity(size);
浏览 0提问于2019-05-21得票数 0
回答已采纳
我在AWS支持的Databricks系统上运行了许多进程，该系统与处理查询的其他用户共享资源。我遇到了内存不足的问题，最好的解决方案似乎是重新启动集群，但如果其他人正在使用它，我就不能这样做。
我正在编写python，它从远程SQL表(不是存储在DBFS中)中导入和转换数据，有时我会执行一些操作，例如将store 1结果存储为DF1，将store 2结果存储为DF2，然后将DF1和DF2合并到DF3。如果能够查看并查看当前存储在内存中的数据文件，那将是有帮助的。在本例中，我将看到DF1、DF2、DF3 +来自使用集群的其他人的任何其他信息。然后能够从内存中清除DF1和DF2，释放资源以进一步处
浏览 6提问于2022-04-20得票数 0
假设您有一个可以刷新的表视图。您是将activityAnimator保留在内存中，还是在每次单击刷新时重新创建它？
我知道这听起来很明显，很明显，在第一种情况下，你可以加速你的应用程序，而在另一种情况下，你可以有更多的空闲内存空间。
但我想知道的是，这两家公司中是否有一家更接近“苹果标准”。
哪一个更重要？CPU使用率还是内存使用率？
别告诉我这取决于我需要做什么。
浏览 2提问于2010-02-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
