Percona博客文章列表：2026年10月28日文章介绍如何在无运行服务器的情况下从InnoDB、MyISAM和MyRocks文件中提取数据；10月16日文章讨论Linux内核改进如何对PXC/Galera工作负载造成意外影响，即小改动引发大量写入。

江波龙与全志科技基于全志A系列AI芯片，完成搭载HLCache™技术的UFS联合调优。测试显示，4GB DDR机型开启该技术后，应用保活率从23%升至50%，保活应用达15个，超过常规6GB机型；平均App启动时间由1140ms降至850ms，接近6GB机型水平。该技术可在控制DRAM成本下提升IoT及平板设备的流畅度与多任务能力，并已布局多类端侧AI设备，将在慕尼黑电子展现场演示。

在数据受限的语言预训练中，比较了超参数调优与双语数据混合两种策略。以阿拉伯语为目标语言、英语为辅助语言，进行了约千次实验，模型规模从150M到1.43B。结果表明，数据混合优于超参数调优，其效果相当于2–3倍的目标语言数据，在下游任务上提升2–13倍，且优势随模型规模增大而增强。建议优先混合高资源语言并调整混合比例。

本文介绍音视频性能优化方法论，涵盖启动速度、内存、功耗及CPU/GPU四个维度。通过测量定位瓶颈，采用预热Session、异步启动、低分辨率渐进提升、Buffer复用、低电量降级、静态场景降帧率等策略，并利用Claude Code工具辅助诊断，实现首帧<300ms、内存<120MB等优化目标。

本文介绍Qdrant中混合搜索的调优方法。混合搜索结合稠密与稀疏检索，通过融合算法排序。调优前需确认融合优于单一检索，并比较RRF与DBSF融合方法。根据查询相关文档数量选择k值，最后调整权重。需在保留查询集上验证配置，确保效果稳定。调优顺序：确认融合优势、选择融合方法、设定k值、调整权重、验证结果。

谷歌将推出AI聊天机器人功能，用户可通过描述偏好定制Discover信息流，AI会自动调整并记住设置。该功能在应用菜单中开启，支持确认和修改。同时，谷歌新闻应用新增个性化音频简报，并更新“首选来源”功能，允许出版商在网站添加按钮，方便读者快速添加。

本文讨论检索系统中候选深度（candidate depth）的调优方法。建议先设置基线，测试100-200的limit值，并对比近似搜索与精确搜索的召回率。增加候选可提升最佳可能分数，但需权衡延迟。当RAM受限时，优先考虑量化而非降低深度。hnsw_ef仅在召回率未饱和时调整。最后根据最佳可能分数与当前分数的差距，决定优化排序或检索。

8月1日北京举办AI编译器技术沙龙，BAAI团队介绍FlagTree项目，通过Triton语言扩展TLE（分Lite、Struct、Raw三层）平衡抽象与性能，覆盖算子优化、架构调优及原生代码。编译优化包括TileIR后端、自动调优（FlagOSTune加速120倍）、数据布局转换消除及指令重排，显著提升DeepSeek等模型性能，未来聚焦NUMA和MegaKernel。

本文系统介绍基于SGLang的大模型推理部署实践，涵盖benchmark方法论、单机/多机Non-PD分离/PD分离等部署方案选型与性能调优。强调测试先行、无万能方案，需case by case验证。通过实验对比指出EP、并行策略、KV传输引擎等选择因场景而异，并提供调试建议与常见问题解决方案。

本文介绍如何优化SQL Server性能，涵盖T-SQL查询调优、索引设计、执行计划分析及实际优化技术。内容包括理解查询执行流程、识别慢查询、编写高效WHERE子句、优化JOIN和聚合操作、避免常见反模式，并通过Query Store和DMV监控性能。强调基于证据的迭代优化，避免过早优化，并展望智能查询处理等未来趋势。

VS Code团队与OpenAI合作，优化了GPT-5.5系统提示，以提高编码效率。通过实验，减少不必要的探索和加快验证降低了成本。最终采用“LargePromptSections”作为默认提示，显著提升了编辑速度和令牌效率，同时保持代码质量。团队将继续寻找改进方法，以提升用户体验。

文章讨论了在本地运行小型开源模型的可行性，特别是使用llama.cpp项目。作者分享了在Windows上使用3060显卡运行Qwen3.6 9B模型的设置，包括CUDA版本和参数配置。尽管显存有限，这些模型在简单任务中仍能有效使用。

文章讨论了数据库中表和索引的膨胀问题，提供了计算实际大小、额外大小和膨胀百分比的SQL查询，重点在于识别和优化膨胀超过10%的表和索引。