1. Hbase讀寫原理
不同列族分別存在不同的文件夾里。
與MySQL比較
首先Hbase是依賴於HDFS和zookeeper的。
Zookeeper分擔了Hmaster的一部分功能，客戶端進行DML語句的時候，都是先跟ZK交互。
RegionServer管理了很多的Region（表），RegionServer裡面的WAL(HLog)是預寫入日誌，功能是防止內存中的數據沒有來的及落盤時丟失。在Region裡面管理的Store管理的是列族，Store裡面有Mem Store（內存），Flush之後，刪除內存中的數據，同時寫入文件StoreFile Hfile,Hfile 其實是在DataNode裡面的。
Hbase的讀比寫慢。
Hbase命名空間下有一張元數據表meta表和namespace表。meta表裡面保存了要操作的表所在的位置等元數據。
（1）首先客戶端向zk請求元數據表所在的RegionServer，zk返回給客戶端meta表所在的regionServer。
（2）然後客戶端再去對應的RegionServer查找meta表，找到真正要操作的表所在的regionServer，同時把meta表的信息緩存下來，加快後續的查詢。
（3）然後客戶端再向目標表所在的RegionServer發送put請求。先把數據寫到Hlog裡面，再寫到內存MemStore,數據會在內存排序，然後向客戶端發送ack，到這里對於客戶端來說寫數據已經結束了。再等到MemStore的刷寫時機後，將數據刷寫到Hfile.
註：meta表所在的位置信息保存在zk的meta-region-server節點上，客戶端首先就是在這個節點上差詢meta表所在的RegionServer。meta表裡面的信息就是表與其對應的RegionServer的信息
這個stu表可能不止一條，因為stu表可能數據量大了之後根據RowKey進行了切分，並且可能會在不同的機器上。
不同的列族是在不同的文件夾。
MemStore刷寫時機：
全局的MemStore的容量，默認是堆內存的40%。這個容量值會觸發flush操作，所有的MemStore都要刷寫，flush操作會阻塞讀寫操作。
會刷寫並阻塞到到MemStore大小降到它的最大容量的95%
WAL日誌的刷寫時機：
可以設置日誌的大小和數量，當達到一定數量，刷寫到HDFS
（1）從zk找meta表所在的RegionServer
（2）從上述RegionServer里的meta表裡找目標表所在的RegionServer，同時把meta表緩存，加速後面的查詢。
（3）向目標表所在的RegionServer發送get請求。可以從block Cache，MemStore還有StoreFile裡面查，具體從哪查根據時間戳，查時間戳大的，具體就都查然後merge取最新。
RegionServer裡面有block Cache可以緩存磁碟的數據，加速查詢。如果block Cache裡面有，就將緩存和MemStore的數據merge然後取最新時間戳，沒有就是把磁碟讀的和MemStore裡面的合並。所以hbase大多數讀要走磁碟，所以讀很慢。
每次刷寫會生成新的Hfile，Hfile很小並且數量多的時候會影響查詢的速度。所以要進行合並。合並分為minor Compaction和major Compaction
minor Compaction將臨近的若干較小的Hfile合並成一個較大的Hfile，不會清理過期和刪除的數據，major Compaction會將一個Store裡面的所有Hfile合並成一個大的Hfile，並且會清理掉過期和刪除的數據。
數據的讀寫可以不依賴Hmaster，只需要指定zookeeper，但是Hmaster負責region調度的元數據
但是DDL語言是要有Hmaster的
Flush和major Compact
（1）flush在同一個內存中清除過期或刪除（刪除標記也是一行數據）的數據，但是如果數據不同的版本分布在不同的memStroe，就不能清除。刪除的標記在flush之後不會被刪，但在後面的major compaction會把刪除標記刪除掉。
（2）major compaction 會清除過期或刪除的數據。
默認情況下，每個Table起初只有一個Region，隨著數據的不斷寫入，Region會自動拆分，兩個子Region開始都會在一個Regionserver裡面，但是出於負載均衡的考慮，Hmaster有可能會將某個Region傳給其他的RegionServer。
Split的時機：
（1）當一個Region中的某個Store下的StoreFile的總大小查過某個值，由參數hbase.hregion.max.filesize設定（默認10g），該Region就會按照RowKey進行拆分。
（2）在新版本中這個值是Min（R^2*"hbase.hregion.memStore.flush.size（128M）","hbase.hregion.max.filesize"）,R是當前RegionServer中屬於該Table的Region個數。分region是按照RowKey切分的。這會導致數據傾斜，就是因為切分的閾值在變化，導致切分之後的region數據量不均勻，導致熱點的問題。所以在建表的時候要做預分區，就是用RowKey規劃好多少個region，不讓hbase自己的切分邏輯切分。
官方建議只用一個列族，防止不同的列族之間數據不均勻，單一列族數據量增多，導致全局的flush，數據量小的列族也要flush，這樣會形成很多小的storeFile。
delete操作：
（1）設置RowKey：打的刪除標記是deleteFamily，刪除多個版本
（2）設置RowKey+Family：打的標記是deleteFamily，刪除多個版本
（3）設置RowKey+family+column：有addColumn()和addColumns().addColumn是刪除最新的版本或者刪除指定時間戳的版本，刪除標記是delete標記。addColumns是刪除所有的版本或者刪除指定時間戳或之前的版本，刪除標記是deleteColumn
Delete的操作其實也是put操作，put的是刪除的標記。
在Hbase中HMaster負責監控HRegionServer的生命周期，均衡RegionServer的負載，如果HMaster掛掉了，那個整個Hbase集群將處於不健康的狀態，並且此時的工作狀態不會維持太久。所以Hbase支持對HMaster的高可用配置。
在Hbase的conf目錄下新建backup-masters文件，vim加入備份Master，比如slave01,slave02.在把文件分發到各個slave里，然後再啟動hbase 就能實現HMaster的高可用了。
每一個region維護著StartRow和EndRow，如果加入的數據符合某個region維護的RowKey范圍，則該數據交給這個region維護。那麼依照這個原則，我們可以將數據所要投放的分區提前大致的規劃好，以提高Hbase性能。
（1）手動設定預分區
手動設置RowKey分了5個region
（2）生成16進制序列預分區
（3）按照文件中設置的規則預分區
創建split.txt
然後執行
這里如果文件裡面給的分區鍵不是按照順序的，hbase會先幫我們把鍵排序，然後按照鍵來分區。
（4）使用JavaAPI預分區
admin的創建表的方法有多個重載，可以只傳表的描述，也可以加入分區的信息。admin.createTable
規劃分區要考慮未來數據量和機器的規模。雖然提前做了分區，但是最後如果分區大於了10G,還是會觸發split。假設一台機器有100G磁碟，那麼預分區盡量大於10個，這樣就能避免預分區之後又觸發了大於10G的split。
（1）希望數據能夠盡量均勻的分配在多個分區裡面（散列性）。
（2）唯一性
（3）長度原則（生產環境70到100位）
常見的設計方案：
（1）生產隨機數、hash、散列值
（2）字元串反轉
（3）字元串拼接
電信項目：
一次通話的記錄：13112341233->18998768771 2018-12-12 12:12:21 568
假設分300個區
分區鍵怎麼設計：
（299個鍵）
000|
001|
...
298|
RowKey的前面一般會拼上000_,001_,...,298_
這樣做的好處是，根據前三位就能知道哪個分區。
（1）我們希望手機號盡量分布在不同的分區，但是相同的手機號數據集中在同一個分區，這樣方便查詢某個用戶的通話信息。000_13112341233
（2）因為每個人通話的需求不同，也希望把同一個人的通話記錄也分布在不同的分區裡面。000_13112341233_2019-12-12
哈希取余：[（13112341234^201912）.hash]%299
假設要查詢某用戶2019年2月的通話記錄，可以用13112341234 201902做startRowkey，13112341234 201903做endRowKey
微博。
1、需求
（1）微博內容的瀏覽
（2）用戶社交：關注用戶，取關用戶
（3）拉取關注人的微博用戶
2、設計表
（1）微博內容表Content
行鍵：用戶id+時間戳
（2）用戶關系表
因為正常情況一個用戶的粉絲和關注都不多，可以用一行存儲關注和粉絲的情況。
行鍵：用戶id
（3）初始化頁面的表（顯示關注的人的最近三條微博）
2. 【HBase】HBase 自動拆分和預分區
[TOC]
HBase 中，表會被劃分為1...n 個 Region，被託管在 RegionServer 中。
Region 二個重要的屬性：StartKey 與 EndKey 表示這個 Region 維護的 RowKey 范圍，當讀/寫數據時，如果 RowKey 落在某個 start-end key 范圍內，那麼就會定位到目標region並且讀/寫到相關的數據。
默認，HBase 在創建表的時候，會自動為表分配一個 Region，正處於混沌時期，start-end key 無邊界，所有 RowKey 都往這個 Region里分配。
當數據越來越多，Region 的 size 越來越大時，達到默認的閾值時（根據不同的拆分策略有不同的閾值），HBase 中該 Region 將會進行 split，會找到一個 MidKey 將 Region 一分為二，成為 2 個 Region。而 MidKey 則為這二個 Region 的臨界，左為 N 無下界，右為 M 無上界。< MidKey 被分配到 N 區，> MidKey 則會被分配到 M 區。
隨著數據量進一步擴大，分裂的兩個 Region 達到臨界後將重復前面的過程，分裂出更多的 Region。
Region 的分割操作是不可見的，Master 不會參與其中。RegionServer 拆分 Region的步驟是：先將該 Region 下線，然後拆分，將其子 Region 加入到 META 元信息中，再將他們加入到原本的 RegionServer 中，最後匯報 Master。
執行 split 的線程是 CompactSplitThread。
在 2.0.5 版本中，HBase 提供了 7 種自動拆分策略：
他們之間的繼承關系如下：
有三種配置方法：
0.94.0 之前的默認拆分策略，這種策略非常簡單，只要 Region 中的任何一個 StoreFile 的大小達到了 hbase.hregion.max.filesize 所定義的大小 ，就進行拆分。
1）相關參數：
hbase.hregion.max.filesize
2）部分源碼 ：
拆分的閾值大小可在創建表的時候設置，如果沒有設置，就取 hbase.hregion.max.filesize 這個配置定義的值，如果這個配置也沒有定義，取默認值 10G。
3）拆分效果：
經過這種策略的拆分後，Region 的大小是均勻的，例如一個 10G 的Region，拆分為兩個 Region 後，這兩個新的 Region 的大小是相差不大的，理想狀態是每個都是5G。
**ConstantSizeRegionSplitPolicy **切分策略對於大表和小表沒有明顯的區分，閾值（hbase.hregion.max.filesize）：
4）創建表時配置：
該策略繼承自 ConstantSizeRegionSplitPolicy，是 0.94.0 到 2.0.0 版本的默認策略，其 優化了原來 ConstantSizeRegionSplitPolicy 只是單一按照 Region 文件大小的拆分策略，增加了對當前表的分片數作為判斷因子 。當Region中某個 Store Size 達到 sizeToCheck 閥值時進行拆分，sizeToCheck 計算如下：
如果表的分片數為 0 或者大於 100，則切分大小還是以設置的單一 Region 文件大小為標准。如果分片數在 1~99 之間，則由 min(單一 Region 大小， Region 增加策略的初始化大小 * 當前 Table Region 數的3次方) 決定 。
Region 增加策略的初始化大小計算如下：
1）相關參數：
hbase.hregion.max.filesize
hbase.increasing.policy.initial.size
hbase.hregion.memstore.flush.size
2）部分源碼：
在默認情況，使用 策略拆分 Region 的過程是:
3）拆分效果：
和 ConstantSizeRegionSplitPolicy 一樣，也是均勻拆分。
不同的是， 切分策略彌補了ConstantSizeRegionSplitPolicy 的短板，能夠自適應大表和小表，並且在大集群條件下對於很多大表來說表現很優秀。
但並不完美，這種策略下很多小表會在大集群中產生大量小 Region，分散在整個集群中。而且在發生 Region 遷移時也可能會觸發 Region 分裂。
4）創建表時配置：
2.0 版本默認切分策略。SteppingSplitPolicy 是 的子類，其對 Region 拆分文件大小做了優化，如果只有1個 Region 的情況下，那第1次的拆分就是 256M，後續則按配置的拆分文件大小（10G）做為拆分標准。
1）相關參數：
同 。
2）全部源碼：
它的源碼只有一個方法，優化了 getSizeToCheck 方法，其他都是繼承 自 類。
3）拆分效果：
在 策略中，針對大表的拆分表現很不錯，但是針對小表會產生過多的 Region，SteppingSplitPolicy 則將小表的 Region 控制在一個合理的范圍，對大表的拆分也不影響。
4）創建表時配置：
KeyPrefixRegionSplitPolicy 是 的子類，該策略除了具備其父類自動調整 Region 拆分閾值大小、適應大小表的特點外，增加了對拆分點(splitPoint，拆分點就是 Region 被拆分處的 RowKey)的定義，可以保證有相同前綴的 RowKey不會被拆分到兩個不同的 Region 裡面。
1）相關參數：
在 的配置之上增加了一個參數。
KeyPrefixRegionSplitPolicy.prefix_length
2）部分源碼：
先從父類獲取拆分點，如果設置了 prefixLength > 0，就從父類拆分點中截取需要的前綴作為新的拆分點返回。
3）拆分效果：
KeyPrefixRegionSplitPolicy （SteppingSplitPolicy、、BusyRegionSplitPolicy (HBase-2.x Only)）按照 RowKey 的前綴去拆分 Region，但是什麼時候拆分，原 Region 容量的最大值是多少還是需要使用 的方法去計算 。
如果所有數據都只有一兩個前綴，那麼採用默認的策略較好。 如果前綴劃分的比較細，查詢就比較容易發生跨 Region 查詢的情況，此時採用KeyPrefixRegionSplitPolicy 較好。
所以這個策略適用的場景是：
4）創建表時配置：
繼承自 ，也是根據 RowKey 前綴來進行拆分的。不同就是：KeyPrefixRegionSplitPolicy 是根據 RowKey 的固定前幾位字元來進行判斷，而 是根據分隔符來判斷的。
1）相關參數：
在 的配置之上增加了一個參數。
.delimiter
2）部分源碼：
先找到分隔符下標位置，然後從父類的拆分點截取出來。
3）拆分效果：
根據 RowKey 中指定分隔字元做為拆分，顯得更加靈活，如 RowKey 的值為「userid_eventtype_eventid」，userId 不是定長的，則 可以取 RowKey 值中從左往右且第一個分隔字元串之前的字元做為拆分串，在該示例中就是「userid」。
4）創建表時配置：
之前的策略都未考慮 Region 熱點問題，考慮某些 Region 可能被頻繁訪問，負荷很大，BusyRegionSplitPolicy 策略同樣繼承自 ，但主要針對 Region 問題，是在 2.x 中新增加的拆分策略。
1）相關參數：
在 的配置之上增加了如下參數：
hbase.busy.policy.blockedRequests
hbase.busy.policy.minAge
hbase.busy.policy.aggWindow
2）部分源碼：
在判斷是否需要進行拆分的時候，先調用父類的 shouldSplit 方法檢驗，如果需要則直接返回 true，否則需要判斷當前時間是否比開始時間大於 minAge 值，如果是的，則計算請求阻塞率 blockedReqRate，如果阻塞率大於設定的閾值，則進行拆分。
阻塞率的計算如下：
主要的計算邏輯是：請求的被阻塞率(aggBlockedRate) = curTime - prevTime 時間內新增的阻塞請求 / 這段時間的總請求。
3）拆分效果：
如果系統常常會出現熱點 Region，又對性能有很高的追求，那麼這種策略可能會比較適合。
它會通過拆分熱點 Region 來緩解熱點 Region 的壓力，但是根據熱點來拆分Region 也會帶來很多不確定性因素，因為不能確定下一個被拆分的 Region 是哪個。
4）創建表時配置：
DisabledRegionSplitPolicy 就是不使用 Region 拆分策略，將所有的數據都寫到同一個 Region 中。
1）全部源碼：
源碼很簡單，就是直接返回 false。
2）拆分效果：
這個策略極少使用。
即使在建表的時候合理的進行了預拆分，還沒有寫入的數據的時候就已經手動分好了 Region，但是隨著數據的持續寫入，我預先分好的 Region 的大小也會達到閾值，那時候還是要依靠 HBase 的自動拆分策略去拆分 Region。
但這種策略也有它的用途：
假如有一批靜態數據，一次存入以後不會再加入新數據，且這批數據主要是用於查詢，為了性能好一些，可以先進行預分區後，各個 Region 數據量相差不多，然後設置拆分策略為禁止拆分，最後導入數據即可。
3）創建表時配置：
已經有自動分區了，為什麼還需要預分區？
HBase 在創建表的時候，會自動為表分配一個Region，當一個 Region 達到拆分條件時（shouldSplit 為 true），HBase 中該 Region 將會進行 split，分裂為2個 Region，以此類推。表在進行 split 的時候，會耗費很多的資源，有大量的 io 操作，頻繁的分區對 HBase 的性能有很大的影響。
所以，HBase 提供了預分區功能，讓用戶可以在創建表的時候對表按照一定的規則分區。
假設初始 10 個 Region，那麼導入大量數據的時候，就會均衡到 10 個 Region 裡面，顯然比初始 1 個 Region 要好很多， 合理的預分區可以減少 Region 熱點問題，提升寫數據的性能和速度，而且也能減少後續的 split 操作 。
首先要明白數據的 RowKey 是如何分布的，然後根據 RowKey 的特點規劃要分成多少 Region，每個 Region 的 startKey 和 endKey 是多少，接著就可以預分區了。
比如，RowKey 的前幾位字元串都是從 0001~0010 的數字，這樣可以分成10個Region：
第一行為第一個 Region 的 stopKey。為什麼後面會跟著一個"|"，是因為在ASCII碼中，"|"的值是124，大於所有的數字和字母等符號。
shell中建分區表
也可以通過指定 SPLITS_FILE 的值指定分區文件，從文件中讀取分區值，文件格式如上述例子所示：
預分區後，可以從 HBase ui 頁面觀察到：
HBase API 建預分區表
為防止熱點問題，同時避免 Region Split 後，部分 Region 不再寫數據或者很少寫數據。也為了得到更好的並行性，希望有好的 load blance，讓每個節點提供的請求處理都是均等的，並且 Region 不要經常 split，因為 split 會使 server 有一段時間的停頓，隨機散列加上預分區是比較好的解決方式。
預分區一開始就預建好了一部分 Region，這些 Region 都維護著自已的 start-end keys，再配合上隨機散列，寫數據能均等地命中這些預建的 Region，就能通過良好的負載，提升並行，大大地提高了性能。
hash + 預分區
在 RowKey 的前面拼接通過 hash 生成的隨機字元串，可以生成范圍比較隨機的 RowKey，可以比較均衡分散到不同的 Region 中，那麼就可以解決寫熱點問題。
假設 RowKey 原本是自增長的 long 型，可以將 RowKey 先進行 hash，加上本身 id ，組成rowkey，這樣就生成比較隨機的 RowKey 。
那麼對於這種方式的 RowKey 設計，如何去進行預分區？
partition + 預分區
partition 顧名思義就是分區式，這種分區有點類似於 maprece 中的 partitioner，將區域用長整數作為分區號，每個 Region 管理著相應的區域數據，在 RowKey 生成時，將 id 取模後，然後拼上 id 整體作為 RowKey 。
1. HBase Region 自動拆分策略
2. hbase預分區
3. 無線路由！RTS 閾值、Beacon 周期設置多少可以加快路由性能
1、Beacon時槽
802.11協議中規定，beacon interval默認為100ms。一般不需要修改。如果在特別嘈雜的環境下接入無線網路，為避免掃描不到無線信號，可以適當調小beacon時槽。如果不反復關聯無線路由，可以適當調大beacon時槽，同時也可以減少beacon空口佔用，降低干擾。
2、RTS時槽和分片閾值最初RTS設計是為了避免隱藏節點，隨後演變中，RTS和CTS的組合可以有效的減小干擾，尤其是在網路質量很差的環境下，設備會發送大量的RTS幀。RTS和分片閾值的結合，可以有效減少重傳，提升網路傳輸質量。一般都是默認，不需要修改。
3、DTIM閾值這個是省電相關的參數，對電量比較在意的設備，如手機、平板，可以適當調大此參數，推薦不超過5。其他設備，就以默認1.
4、開啟 WMM其實它還有一個稱呼，叫做QOS，不過是無線側的，它把空間流分為四個等級。開啟此參數，一定程度會加快網速。
5、開啟 Short GI提升速率的參數，開啟之後，碼片間隔由800ns減少為400ns，速率會有所提升。
4. 請教路由器 防DOS類攻擊的閾值設置
350~650
5. 路由器的各種閾值怎麼設置最合適
首先，這些值都保持默認就好，路由器廠商一般都已經選擇了合理的值；第二，確實影響不大，沒事折騰它幹啥。Beacon時槽：發送beacon幀的間隔，網卡就是通過beacon幀來掃面到SSID的，設置太大掃描的時候會反應遲鈍一點；設置太小的話會對性能有一點影響，不過目前一般都用11n，5G都11ac了，這點影響應該感受不到。默認應該是100.RTS時槽：RTS的作用相當於：要發言之前喊一聲「我要發言了，大家都不要說話了！」，這么形容的話很容易理解了，如果設置的太小，相當於每次說話之前都喊一聲，浪費時間，沒必要；設置太大，就相當於一直不喊，如果你有很多話要說的話，就可能和別人沖突到（因為你不喊別人也能聽到你說話，所以不一定沖突），沖突到就要重說。但目前實際干擾並不大，所以一般設成最大值。而且路由器一般都會在一次批量發送數據前發送RTS，並不是完全按照這個閾值，所以這個值的意義不大。
6. 防止雪崩的方法有哪些
1、頻率限制：在介面入口處，甚至系統的入口處應該設置頻率限制，為介面設置單位時間內最大的處理量，同時記錄單位時間內已經處理的請求量，當請求量大於最大處理量的時候，直接拒絕外部的請求，保護內部系統的心臟承受能力。
2、超時丟棄：這里的超時是指請求從進入接收緩存區到介面從緩存區取出請求准備處理的時間超過了一定閾值（比如前端超時時間）。如果發生超時，則說明就算處理了取出的數據，前端也已經超時了，後端介面做的就是無用功，倒不如就在這里一次性丟棄。這里的緩存區指的是內核緩存區。
3、修改socket緩存區大小：根據介面處理能力和前端超時時間來設置socket緩存區大小，這樣的話利用socket緩存區充當隊列，超過隊列長度的請求就直接被丟棄了，這樣也可以防止系統雪崩。只是對用戶不那麼友好。有人給出的參考計算式：緩沖區大小=（前端超時時間-請求處理時間-前端網路延時*2）*(每秒最大處理請求數/1000)*請求包大小。
7. 微信卡頓閾值調節是怎麼回事啊
用戶可以通過調節微信性能卡頓閾值，讓微信性能更加的合適，一般用於微信出現卡頓、運行緩慢、有時沒有反應等這類的情況，我們只需要對「卡頓閾值」進行適當地調節，就能解決微信卡頓和掉幀問題。當然，如果你的手機性能比較好。
又不卡頓的話，設置調節之後並不會有明顯的效果體現。默認情況下，微信卡頓閾值為「700ms」，如果閾值過低，微信就容易卡。當你覺得微信太卡頓，那麼需要來看看這個數值，然後對其進行調節。首先打開手機微信，在通訊錄界面。
點擊右上方「+」按鈕，彈出菜單窗口，選擇「幫助與反饋」。來到幫助與反饋界面中，點擊上方的修理圖標，出現微信修復工具界面，選擇「性能檢測工具」。操作如下圖所示：我們現在打開了Matrix工具界面，下方可以看到「卡頓閾值調節」選項。
拖動滑塊即可調節閾值，越往右閾值就越高，可以試試調節到2000ms。設置以後再用微信，就會發現微信變更加流暢了。需要注意的是，不能為了追求一個高的閾值數值強行把它調上去導致數值不穩定，這樣反而會讓微信畫面變得更加卡頓。
不過不得不說，這項功能隱藏得還挺深，按照習慣，微信的小+號都是用來加朋友、掃一掃或者發起群聊什麼的，所以能夠發現裡面有一個微信修復工具也是不容易呀~希望教程可以幫助到各位。
8. 請問以下哪款筆記本配置有傲騰加速固態
傲騰本身就是噱頭。並不比普通固態盤強到哪去
英特爾設計師聰明就聰明在這樣傲騰+qlc比tlc+slc cache成本低，同樣價格能多賺錢。
傲騰需要主板支持，最坑的其實是，其實只要主板支持，你用普通的固態硬碟一樣可以做傲騰解決方案，而且，容量遠超傲騰內存，價格方面也是更沒什麼話說。
傲騰方案就是利用主板提供的支持實現了熱點數據的緩存，緩存機制可以安裝傲騰驅動器後進行設定，比如文件大小范圍，熱點閾值。
通常正確的做法是1M-30M大小的文件使用傲騰加速。
這樣傲騰16G大概可以緩存1000個左右的文件，最多也就一萬個左右。
我們在使用傲騰解決方案，系統開機速度會有個明顯的提升
但是Windows多大？估計系統就用了一半的緩存空間
你想提升游戲的啟動響應？不會特別友好
畢竟一半的游戲5G以上，單個游戲文件，常用的，文件也不小
如果文件大小閾值過大，利用率就沒啥優勢了，也緩存不了多少文件
關鍵這貨不便宜啊，一個32G的傲騰內存差不多就是300大洋
很明顯，其實傲騰的出現，並不太適合家用，他更有價值的地方是伺服器環境
因為網站有大量的碎片網頁和圖片文件，有固態加速，又有更大容量，完美
但是呢，無奈現在的CDN加速太牛逼了，自帶緩存服務
有了這個，沒人吃飽了給伺服器上傲騰
英特爾重金打造的傲騰賣不出去了，咋辦啊，這不得破產啊
於是就開始忽悠家用市場
內存級（實際並沒用）速度+機械硬碟解決方案
結果吹了這么幾年，不也沒賣出去多少嗎，因為他還只支持英特爾晶元，AMD也有類似的方案
實際上，緩存這種機制早就不是什麼黑科技了，
16G傲騰在某寶也就幾十塊，你猜為啥，理論上傲騰可以有用的，可實際上就是沒用。存在的意義在於一塊硬碟配置兩個主控，同時做兩件對硬碟高負載的事情時候比傳統660p那種qlc單主控固態有優勢。
9. 無線路由！RTS 閾值、Beacon 周期設置多少可以加快路由性能
來來，給你解釋下，網上的一般人看不懂
Fragmentation 閾值：
也就是數據包分片，就比如 你要拿一箱貨物給別人，但是貨物太大根本不好拿，你只能把大箱子換成2個小箱子分次的拿。
分片過小會造成路由器處理會效率降低，過大也會導致出錯
一個數據包過大那麼不得不分片， 互聯網的最大傳輸單元是 1500
此值不得超過 1400 。
RTS 閾值：
為了防止在AP范圍內卻不在同一范圍內的無線節點互相發送信號導致沖突所用
比如 你在馬路開車，開到一個拐角，對方也開到一個拐角，如果你不鳴笛（發送RTS信號）的話對方也就不知道你的存在，這樣極容易發生事故
當設為0表示只要發送數據包就要檢測是否沖突，AP會發送RTS信號。
當設置為2347表示永遠不會發送RTS信號，因為沒有數據包大於2347這個值
當設為其他值 ：比如設為400， 只要一個數據包大小為410的數據包要發送時，因為410超過了400，路由就會發送RTS信號通知對方，以防信號沖突。
Beacon 周期：
簡單的理解就是你手機所檢測到的各種wifi，beacon會把這些無線網廣播出去，你才能看到這
片區域有wifi連接。
周期就是廣播這些wifi連接的時間間隔，默認是100 以微秒為單位。
DTIM周期：
簡單的理解成一種數據多播的緩存時間，過了這個周期則會一起發送。
比如一個貨車司機要運輸貨物到另外一地，你要保證貨物（數據）正好滿滿囤積（一個周期）一卡車然後一起送出去，這樣才能發揮最大的效率。
路由也類似，調的正正好能起到節電和傳輸速率都好的狀態。
調小了起不到節電的作用，調大了傳輸效率會下降。
說白了默認是最好的，何必窮折騰？是吧。
10. 像素生存者2防禦閾值
您好，您是問像素生存者2防禦閾值是多少嗎？像素生存者2防禦閾值為20。通過像素生存者2攻略查詢可得。像素生存者2防禦閾值為20。因為只有像素生存者2防禦閾值到達20以上，才可以進行地獄地圖的挑戰。因為角色防具太差，基本上會被地獄地圖當中的野怪直接給秒掉。所以，玩家的角色防禦屬性在20點以上。