- 综合排序
- 最热优先
- 最新优先
- 来自专栏C++核心准则原文翻译
C++核心准则CP.2:避免数据竞争
CP.2: Avoid data races CP.2:避免数据竞争 Reason（原因） Unless you do, nothing is guaranteed to work and subtle 为了获得如何更好地使用同步以消除数据竞争的进一步信息，请查阅有关并发的经典书籍。 One very simple example: 有关数据竞争的例子非常多，有些就发生于正在运行的产品级软件。 局部静态变量是数据竞争的常见来源。 这里，保存在buf中的元素会发生（严重的）数据竞争（排序既包含读操作也包含写操作）。没有哪个数据竞争是不严重的。代码中的数据竞争发生在堆栈中的数据。不是所有的数据竞争都像本例这样容易被发现。
77920发布于 2020-07-02 - 来自专栏Go工具箱
Go错误集锦 | 通过示例理解数据竞争及竞争条件
作为Go研发人员，必须要理解竞争的关键特性，例如数据竞争以及竞争条件。下面我们就来看下数据竞争和竞争条件（也称为资源竞争）各自的特性，然后看看各自在何时会产生。 数据竞争（data race） 当两个或多个协程同时访问同一个内存地址，并且至少有一个是在写时，就会发生数据竞争。 我们共演示了3种避免数据竞争的方法： 使用原子操作 使用mutex对同一区域进行互斥操作 使用通道进行通信以保证仅且只有一个协程在进行写操作 在这3种方法中，无论协程的顺序的执行如何，i的值都会是2。 变量i的结果依赖于协程的执行顺序，可能是1也可能是2。该示例不会产生数据竞争。但是，存在竞争条件（race condition），也称为资源竞争。 数据竞争意味着不确定的行为。 然而不存在数据竞争不代表结果就是确定的。
85810编辑于 2023-01-31 - 来自专栏开发 & 算法杂谈
动态数据竞争验证方法（二）
图(a)中存在两个数据竞争[S1,S3]和[S2,S4]，S1在S2之前执行，S3在S4之前执行，因此如果对这两个数据竞争进行验证，那么都能够被验证成为数据竞争。 图(b)中同样也是存在两个数据竞争[S1,S4]和[S2,S3]，S1在S2之前执行，S3在S4之前执行，因此这两个数据竞争之间存在相互干扰。 图(c)中存在两个数据竞争[S1,S2]和[S1,S3]，S2在S3之前执行，这两个数据竞争有相同的一个竞争语句，因此也存在相互干扰。 当[S1,S2]被验证为数据竞争之后，如果随机选择线程T1继续执行，那么最终[S1,S3]就会被遗漏。 本质上，动态数据竞争验证和检测方法是利用动态数据竞争验证来改变线程调度触发一些隐藏的数据竞争条件，验证一部分数据竞争，而对于不能验证的数据竞争或是遗漏的数据竞争，则交给动态数据竞争检测来分析。
75930发布于 2018-06-12 - 来自专栏开发 & 算法杂谈
构建动态数据竞争检测平台
在实现之前文章提出的动态数据竞争检测方法之前，有以下几个人问题需要思考。 1. 如何动态监视程序的行为？ 2. 动态监视程序的哪些行为？ 对于之前文章中提到的动态数据竞争检测方法，我们可以发现的一个共同的特点就是这些方法都需要监视线程同步原语。 如何构建动态数据竞争检测平台 对于上述提到需要动态插桩并且监视的读写指令或是Pthread库函数，系统库函数等，这些行为发生的时候，可以将这些行为以事件的形式发送到检测器中，检测器根据不同的检测算法执行相关的数据竞争检测 因此，我们以一种事件驱动模式来构建我们的动态数据竞争检测平台。 [框架] 该平台有着非常良好的扩展性，基本的动态数据竞争检测器Detector包含公共的一些实现通过继承这个Detector就可以实现其他不同的动态数据竞争检测方法，为后续我们对这些数据竞争检测方法进行实验分析提供比较便利的途径
1.2K40发布于 2018-06-12 - 来自专栏人生得意须尽欢
接口中存在的数据竞争
./ 可以测试程序代码中是否存在数据竞争问题 善用 data race 这个工具帮助我们提前发现并发错误 不要对未定义的行为做任何假设，虽然有时候我们写的只是一行代码，但是 go 编译器可能后面做了很多事情
47100发布于 2021-10-06 - 来自专栏开发 & 算法杂谈
动态数据竞争验证方法（一）
动态数据竞争检测算法可以在不知道程序中是否存在数据竞争前提下执行，而动态数据竞争验证方法则是在知道程序中可能存在的数据竞争前提下，对这部分可疑的数据竞争进行验证，看这些数据竞争是否真的发生，同时也可以验证这些数据竞争是否对程序造成有害的影响 Reference http://web2.cs.columbia.edu/~junfeng/09fa-e6998/papers/racefuzz.pdf 这篇文章提出的RaceFuzzer采取随机调度的方式来验证数据竞争是否是有害的 ，主要分为如下几个阶段： Phase1 首先利用hybrid的动态数据竞争检测方法找到程序中所有的数据竞争，这些数据竞争将会构成一个数据竞争语句对集合。 Phase2 根据Phase1中得到的数据竞争语句对，在动态的时候调度线程尽量让这些数据竞争语句对能够临时地相遇（同时发生）。 对于数据竞争[1,10]来说，如果线程1先到达1，那么此时会被阻塞等待线程2到达10，线程1被加入到postponed中，但是由于y初始为0，因此线程2会一直执行到结束，此时线程1就会从postponed
1K40发布于 2018-06-12 - 来自专栏CDA数据分析师
大数据：国家竞争的前沿
大数据的使用将成为未来提高竞争力的关键要素。大数据本质上是“一场管理革命”。大数据时代，决策将日益基于数据和分析而作出，而并非基于经验和直觉。 我国尽管已经意识到大数据的竞争力和战略性，却并未在真正意义上将其提升到国家战略高度，数据财富尚未形成全民意识。 决定能否“多算”的重要因素在于，掌握数据的多少以及对数据处理能力的高低。在大数据时代，国家层面的竞争力将部分体现为一国拥有大数据的规模、活性以及对数据的解释、运用能力。 其实，不仅是美国，其他一些国家和地区也都把大数据提升到国家战略层面，认为未来国家层面的竞争力将部分体现为一国拥有数据的规模及运用数据的能力。 2013年2月，法国政府发布了其《数字化路线图》，列出了 5项将会大力支持的战略性高新技术，“大数据”就是其中一项。
1.4K70发布于 2018-02-05 - 来自专栏大数据文摘
业界 | 机器学习竞争其实是一场数据上的竞争
所以，数据已逐渐成为了机器学习竞争中最关键的区分点。一个原因是高质量数据并不常见；另一原因是数据尚未商品化，公司企业之间存在着信息不对称。 希望借助AI一臂之力的企业需要寻求外部数据源，甚至这样的数据甚至可能需要他们自己创建。 有用的数据：有价值、又很稀少 数据逐渐变成竞争中的区分点是因为许多公司根本没有他们需要的数据。 因此，表面上公司间会互相竞争谁拥有更好的机器学习程序员以及谁先启动AI项目，在幕后其实是对于数据新颖度和广泛度的竞争。 比如说在金融领域，可供选择的数据来源远远超过了传统证券交易报告以及投资者展示等。 有意义的机器学习来自于不同的数据 以下是为希望搭建有影响力、有价值的机器学习应用的公司提出的三点建议： 1.成功的AI在于与众不同的数据。在你的竞争对手都已经掌握的数据上你是得不出什么新颖信息的。 2.有意义的数据比全面的数据好。你可能就某问题上拥有大量详尽数据，但它们可能压根没什么用。如果你的公司根本不会在决策过程中随时使用这些信息，那这样的数据八成对机器学习也没有什么价值。
64520发布于 2019-01-23 - 来自专栏开发 & 算法杂谈
动态数据竞争检测方法实验分析（二）
我们挑选了比较常用的SPLASH-2测试集程序用来测试这些动态数据竞争检测方法在程序运行过程中需要消耗的执行时间以及内存。 应用程序 输入参数 描述 同步 Cholesky -p1/2/4/8/16/32 -b32 -c16384 . radix sort Lock+Condvar [图例] [平均内存开销] 上图展示的是动态数据竞争检测方法在不同的程序上执行需要的平均内存开销。 而当线程数目在2~8之间时，有一个明显的峰值并且内存开销增长趋势最快。 [图例] [平均执行时间] 上图展示的是动态数据竞争检测方法在不同的程序上执行需要的平均执行时间。 [锁集和向量时钟操作分析] [锁集和向量时钟操作分析] 上表展示的动态数据竞争检测方法在不同程序（16个线程）上执行时锁集操作和向量时钟操作相关的统计。
96120发布于 2018-06-12 - 来自专栏开发 & 算法杂谈
动态数据竞争检测方法实验分析（一）
之前的文章大致介绍了一下我们的动态数据竞争检测平台如何构建，这篇文章主要是在动态数据竞争检测平台上实现了之前介绍的数据竞争检测方法，我们扩展了其中的一些方法使得这些方法能够识别所有的Pthread库中的同步原语 这里为了方便描述，给出如下定义： FP Case：即False positive示例，数据竞争检测方法报告出了该示例中不存在的数据竞争。 TP Case：即True positive示例，数据竞争检测方法报告出了该示例中至少一个真实的数据竞争并且没有报告出任何不存在的数据竞争。 FN Case：即False negative示例，数据竞争检测方法没有报告出任何该示例中真实存在的数据竞争。 TN Case：即True negative示例，数据竞争检测方法没有报告出任何该示例中不存在的数据竞争并且该示例中也不存在真实的数据竞争。 TPN Case：即TP Case或是TN Case。
1.7K20发布于 2018-06-12 综述：FeSb2电与磁相变竞争微观图像
综述：FeSb2电与磁相变竞争微观图像关联电子·综述FeSb₂：电与磁相变竞争微观图像的评述ElectricalandmagnetictransitionsinFeSb₂:AcriticalreviewofcompetingmicroscopicpicturesLiH ,ZhangX,MiaoL*|东南大学物理学院|Front.Phys.21(12),125301(2026)|系统评述FeSb₂中Kondo绝缘体与自旋态跃迁两种竞争微观图像，涵盖电输运、磁性、巨热电效应 晶体场分裂与自旋态：SSE模型的物理基础Fe²⁺(3d⁶)在八面体晶体场中，5个d轨道分裂为三重简并t₂g和二重简并e_g两组，电子填充取决于晶体场分裂能10Dq与Hund耦合J_H的竞争。 LS/HS能隙：ΔE=E_HS-E_LS=10Dq-2J_H。当10Dq与2J_H接近时，LS和HS态近乎简并，热激发即可驱动LS→HS跃迁。 六、总结核心结论FeSb₂的异常电输运和磁学行为无法用传统窄带隙半导体单粒子图景解释，存在KI和SSE两种竞争微观图像。
16300编辑于 2026-07-20- 来自专栏全栈数据化营销
数据分析：挖掘竞争对手和行业的广告投放方法和竞争策略
可能很多人随口都能说上几种，这也确实是数据的魅力和能力，这里不讲大家耳熟能详的，这次就讲讲数据在SEM营销推广中分析和认知竞争对手的内容：竞争对手都是怎么投放广告的，他到底是怎么进行推广的，他的主要诉求是什么 1、用户在明白要搜索的内容和关键词后，在搜索输入框中输入需要搜索的关键词； 2、搜索引擎在接到关键词后，迅速对比数据库，发现广告主在购买了关键词广告，就将排名后的结果呈现在搜索引擎上； 3、用户点击搜索出来的结果 2、从广告投放内容上来看：广告创意内容趋同 对所有的广告创意的内容做分词处理可以得到下图的词频图： ? 以上只是用数据分析在营销推广中巨大作用的一部分，在这个案例中，就是通过数据采集获得行业的广告信息，然后通过对这些广告信息做比较深入的分析，来获得整个行业的广告竞争状况，至此，也就知道了行业竞争的情况为我们后续的推广起到的帮助也是非常大 接下来也会找时间陆续完成《数据分析广告关键词相关的竞争形式和优化策略》、《使用数据分析从广告文本中探索广告主的品牌形象》。
1.7K30发布于 2018-08-15 - 来自专栏开发 & 算法杂谈
基于Lockset的数据竞争检测方法汇总（二）
乍一看这篇文章是将有关在Java对象层面进行的数据竞争检测，说了一大堆有关Java对象自身具有的一定特性，然后基于这些特性怎么进行面向对象的数据竞争检测，为了保证数据竞争检测的精确性，引入了Ownership 在进行数据竞争检测的时候，我们需要去跟踪共享对象，之前Erase提出Lockset方法给我们展示了共享对象整个生命周期状态的一些变化，细心的同学可能会发现，这样的恭喜对象的声明周期是不完善的。 Conflict：当产生数据竞争之后，就走到了这个状态，并且后续的任何读写都会停留在该状态。 这个状态转化图和我们预想的还是有些差距（后面会说），不过还是看一看这样的状态转换能够带来怎样的改进。 4、从second owner之后的运作和Eraser没有什么区别，也是对访问进行精细操作，然后如果锁集为空并且在shared modified状态，就报数据竞争警告。 因此对有些问题，使用该状态图还是爱莫能助，不过作为学习，我觉的这样循序渐进是一种好事，至少我们能够在原始的基础上进行改进，并且提高了数据竞争检测的精度。
92870发布于 2018-06-05 - 来自专栏开发 & 算法杂谈
基于Lockset的数据竞争检测方法汇总（四）
今天讲的这篇文论中提到的Lockset方法同样也是和Happens-Before结合来进行动态数据竞争检测，这篇论文中使用的Happens-Before方法不是上一篇文章中提出的Djit+方法 通过这个可以对Lockset报告的数据竞争进行检测，来判断到底哪些是真正的数据竞争。 Threadset方法就简单的介绍一下（和后面的Epoch方法有点类似，后面文章会重点讲解）。 ，此时的话，我们就会得到潜在的数据竞争，但是其中有很多的误报，因此我们还需要通过Sx来区分哪些是真正的数据竞争（就必须等到有并发操作发生），这里还有一点非常重要，由于当前状态不包括并发操作，因此我们还需要初始化 Shared-Modified2：在Exclusive2状态，如果|Sx|>1就会进入到这个状态，表明有并发操作发生。 ；而如果Cx为空并且|Sx|>1的话，那么表示当前有并发操作但是没有公共的锁集，就会报数据竞争警告。
74540发布于 2018-06-05 - 来自专栏JAVA
Data Race: 并发编程中的数据竞争问题
在这篇博客中，我们将详细探讨“数据竞争”（Data Race），这是并发编程中常见而棘手的问题。我们将介绍数据竞争的定义、造成数据竞争的原因以及如何有效地检测和解决这些问题。 这种竞争会导致程序行为不可预测，严重时可能引发难以检测的错误。本文将深入分析数据竞争的本质，提供有效的检测和修复策略，并分享如何利用工具和技术来防止数据竞争。 正文内容 一、什么是数据竞争？ 1.1 数据竞争的定义 数据竞争发生在两个或多个线程或进程同时访问共享数据，其中至少一个线程或进程在进行写操作，而这些访问没有进行适当的同步。 数据竞争的结果通常是未定义的行为，可能导致程序崩溃或输出错误的结果。 1.2 数据竞争的特征 并发访问：多个线程或进程同时访问共享数据。 不一致的状态：数据在不同线程中可能处于不同的状态。 QA环节 Q: 数据竞争如何影响程序的行为？ A: 数据竞争会导致程序行为不可预测，可能引发程序崩溃、数据损坏或性能问题。 Q: 如何选择合适的工具来检测数据竞争？
74010编辑于 2024-11-22 - 来自专栏小徐学爬虫
爬虫采集外卖数据用于竞争对手分析
import requestsfrom bs4 import BeautifulSoup2、设置爬虫IP信息：您需要在代码中设置爬虫IP信息，以便在发送请求时使用。 soup = BeautifulSoup(response.text, 'html.parser')5、提取数据：使用BeautifulSoup库的find方法或find_all方法提取所需的数据。 title = soup.find('title').text6、存储数据：将提取的数据存储在文件或数据库中。
49250编辑于 2023-11-08 - 来自专栏用AI私教速通Rust
《Rust避坑式入门》第2章：解决多线程并发数据竞争的不可变性
可以使用不可变性与Mutex<T>智能指针，将代码清单1-1的有多线程并发数据竞争问题的代码，重构为没有数据竞争的并发安全的代码，如代码清单2-1所示。 代码清单2-1 将有多线程并发数据竞争的代码重构为并发安全的代码 1 use std::sync::{Arc, Mutex}; 2 use std::thread; 3 4 struct Theater 图2-1 有多线程并发数据竞争问题的代码重构前后的差异 在图2-1中，左侧为有多线程并发数据竞争的代码，右侧为重构后的并发安全的代码。 这个可变裸指针可能导致多线程同时访问和修改它所指向的数据。这是数据竞争的根源。 而在图2-1右侧第5行，available_tickets被重构成Mutex<i32>智能指针。 多个线程同时访问和修改这个共享的可变状态，没有任何同步机制，导致了数据竞争。 在图2-1右侧线程安全的代码中，解决数据竞争的关键是使用了不可变性配合 Mutex。
1.4K73编辑于 2024-09-05 - 来自专栏Go工具箱
Go错误集锦 | append操作造成数据竞争
下面我们看一个使用append引起的数据竞争的例子。 ： s := make([]int, 1) go func() { s1 := append(s, 1) fmt.Println(s1) }() go func() { s2 := append(s, 2) fmt.Println(s2) }() 在该示例中，会产生数据竞争吗？ 所以不存在是数据竞争的问题。 那如果我们将初始化切片的语句变更成如下这样： s := make([]int, 0, 1) 同样还是在两个协程中使用append操作给s中添加新的元素，那这样就会导致数据竞争。
63510编辑于 2023-01-31 - 来自专栏CDA数据分析师
数据的力量，苹果教你用数据鄙视竞争对手
鄙视竞争对手的方法有很多种，其中，使用数据无疑是比较高端大气有内涵的一种。 那么，如何Data（gei）-Driven（li）地鄙视你的竞争对手呢？——选好数据。 2、绝对量/总量 各种总量和绝对量，使用的时候当然是拣量级突出的说，如果数字够庞大，也可以起到震住当场的效果。比如去年发布会上，苹果表示，已支付65亿美元给开发者： ? 这些零就够你数一会儿了。 来自暗黑破坏神的一张数据图，采用了很容易理解的方式解释数据。 3、优质用户情况 如果总量不敌竞争对手，那么明示自己“优质用户多”是个很有效的方法。 最后，如果啥数据都没有，借点竞争对手的噱头，也是不错的曝光方式，比如说高级黑一下，调侃调侃，人们会来多看两眼的。
68770发布于 2018-02-23 - 来自专栏开发 & 算法杂谈
基于Lockset的数据竞争检测方法汇总（三）
上一篇文章中我们看到了有关共享对象状态变迁在Eraser基础上进行的改进，但是改进的不是特别明显，下面这篇论文不是单纯的用Lockset作为数据竞争检测方法，而是采用的Djit+以及改进的 Lockset方法结合来进行动态数据竞争检测。 改进的Lockset算法可以实现分析出一些潜在的数据竞争，然后交给Djit+算法进行分析，到底哪些是真的数据竞争。
72130发布于 2018-06-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号