Percona Database Performance Blog ·

优化MongoDB环境的十条建议

💡 原文英文，约4600词，阅读约需17分钟。

📝

内容提要

这篇文章提供了关于如何优化MongoDB性能的十个技巧，包括启用授权、升级补丁、使用副本集、避免代价高昂的查询、合理使用索引、注意查询模式变化、避免多个MongoD实例、备份策略、分片选择和优化实现。

🏷️

如何使用Node.js、Express和MongoDB构建奖学金研究MCP服务器
本文介绍如何用Node.js、Express和MongoDB构建一个奖学金研究MCP服务器。该服务器通过九个工具（搜索、匹配、保存、笔记等）让AI助手查询...
通过专用GPU内核生成实现极致效率
Proteus系统利用智能体自动生成GPU专用内核，针对不同模型和运行时形状实现极致性能优化。通过严格验证、防作弊检查及知识层管理，Proteus为Qwe...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...