TPCDS Hive基准测试流程完整总结；

MSP430F149具备内部1.5V和2.5V的ADC电压基准，此文档为该电压基准的精度测量报告，本报告仅对所测样品负责。测试采用了FET示例代码，编译通过后用本站的MSP430 JTAG V3.3下载至F149，然后使用LM2825 DC-DC模块产生1.8-3.5V的直流电压给MSP430F149供电，MSP430F149焊接在本站的MSP430 QFP64 TO QSIP128转接板上，使用8MHz晶体振荡器，VREF脚通过一个16V 10uF的钽电容连接到地。 下面是测量数据： 1，2.5V基准测量数据： 供电电压： 测得基准电压： 2.801

Streaming_benchmark 流基准测试旨在测量流处理系统（如flink和spark）的性能。 模拟了三个用例（用户访问会话分析，实时广告评估和购物记录分析）。 原始数据将生成并存储在Kafka中。 流映射到流表中，并且对这些表进行查询。 建造 mvn clean package 先决条件 您应该在集群中安装Apache Kafka，Apache zookeeper，Apache Spark和Blink。 设置 将项目克隆到您的母版中。 更新conf / benchmarkConf.yaml（Kafka，Zookeeper，基准测试的属性...） streambench.zkHost ip1:2181,ip2:2181,ip3:2181... streambench.kafka.brokerList ip

原来Pyrenn代码库（由Dennis Atabay和他的同事们创造） -可作为MATLAB脚本或Python，可以在这里下载- https://pyrenn.readthedocs.io/en/latest/ 。 我使用他们的代码（并与 Dennis 进行了交流）开发了一个简单的框架来比较他们的神经网络 Levenberg-Marquardt (LM) 学习算法与 Matlab 的前馈神经网络架构的 LM 学习算法的性能。 Pyrenn 算法运行速度快，性能非常非常好。 可以在这里阅读我关于比较的文章 - https://mikescodeprojects.com/2020/01/12/pyrenn-vs-matlab/ 。 您必须拥有 Matlab 深度学习工具箱才能运行 Matlab LM 算法来比较性能。 但是如果你不这样做，你仍然可以运行 Pyrenn 算法（代码库包含在

spark-tpc-ds-performance-test：使用TPC-DS基准测试Spark SQL性能

此提交包含 MATLAB 脚本，这些脚本将在 Simscape Electrical - Specialized Power Systems 中自动构建 IEEE 906 Bus European LV Test Feeder。 该模型是一个“准稳态”模型，这意味着它以最少的仿真步骤捕获了一个工作点。 这相当于功率流，但可以在时域环境中评估多个工作点。 该模型既可以构建为单个模型，也可以构建为通过模型参考连接的四段模型。 分割模型可以更有效地构建更大的模型，从而节省模型构建和模型编译的时间。 IEEE 906 总线欧洲测试馈线基准数据可从以下 URL 获得，http://sites.ieee.org/pes-testfeeders/files/2017/08/European_LV_Test_Feeder_v2.zip 这项工作是基于以下参考文献， [1] IEEE PES

数据库benchmark测试，网站经常访问不了，上传下给大家

JMH - Java 微基准测试工具（自助性能测试）完整可运行代码

JMH是Java性能测试工具，主要是对工程中一些方法进行一些基准测试，支持的时间单位为：nano / micro / milli / macro

CEC2013基准测试函数集 包含cpp版本和matlab版本