我是这样理解的:处理器处理一个操作事件就像一桶水从漏斗里漏出来一样。如果CPU是多线程的，就像有多个漏斗。这样看多线程似乎更快，但事实是，并不是每个程序都可以智能地选择通过多个漏斗流出，大多数程序只会排队一个漏斗。这时候关键是看单个漏斗的大小(也就是单核操作性能)。据我所知，用Excel操作几乎是单线程操作，所以并不在乎你的CPU有多少核，关键是每个核的运行速度。
8、大 数据时代:大 数据是什么?Da 数据什么事？是一种运营模式，一种能力，一种技术，还是数据的统称？今天的“Da 数据”和传统的“数据”有什么区别？Da 数据的来源有哪些？等一下。当然，我不是专家学者，也无法给出一个让大家信服的权威定义。下面我说的只是基于自己理解的总结，只是表达个人理解，不求全面权威。
9、衡量 数据压缩技术 性能好坏的重要 指标是measure 数据压缩技术性能好坏的重要性指标就是压缩比。压缩比是指数据的压缩大小与数据的原始大小之比。例如，如果数据的原始大小为100MB，压缩后的大小为50MB，则压缩比为0.5，即压缩后的大小为数据原始大小的50%。通过压缩数据，可以有效节省存储空间，提高数据的传输速度。非常有必要对压缩技术的效果进行准确的测量。
需要注意的是，压缩比高并不一定意味着压缩技术就一定好。除了压缩比，还需要考虑以下因素:1。压缩时间:压缩大量的数据通常需要一些时间，压缩时间过长可能会影响应用程序的性能和响应速度。2.解压缩时间:对压缩后的数据进行解压缩也需要时间。如果解压缩时间过长，可能会影响应用程序的性能和响应速度。
10、大 数据数仓建设 性能优化方案large数据 warehouse性能优化主要集中在以下四个方面:在数据warehouse构建的过程中，我们不可避免地会进行数据 tasks，那么如何进行这些任务呢？如果任务调度配置出现问题，会导致瓶颈任务，或者不能及时提供业务所需的数据。这时候就需要先从调度方面考虑。有些任务的调度时间是否不合理？还是有些任务的优先级设置不合理？
3NF建模方法或者实体建模方法的应用会差一些，很多时候它的性能会差一些，但是3NF会避免数据的冗余，扩展性会更好。维度建模会有一定的冗余度数据，冗余度会高，但是对于上层用户来说，它的易用性会好很多，它的查询性能也会好很多，虽然牺牲了一些可扩展性，但还是在可以接受的范围内，之所以推荐在大数据框架下进行维度建模，是因为建模生成的数据对于大数据离线数据仓库来说冗余度不高，因为都属于SATA磁盘存储，所以存储成本很低。
