JPEG-XL Libjxl 0.12 Brings More Performance Optimizations3 months agohttps://www.phoronix.com/news/JPEG-XL-libjxl-0.12libjxl 0.12 版本发布，提升了 JPEG-XL 图像格式的性能和功能。新增 jxltran 工具，用于从 JXLP 容器中提取码流。多线程下，渐进式无损图像体积缩小30~40%，编码速度提高2-5倍。无损图像解码速度加快，总体积减少30~80%。SIMD优化增强了编码性能，其中EstimateCost函数经SIMD优化后性能提升5%。通过SIMD技术，模块化编码/解码速度提升高达4倍，同时对直方图编码/解码进行了全面改进。
How we made WINDOW JOIN parallel and vectorized3 months agohttps://questdb.com/blog/window-join-parallel-vectorized/QuestDB 引入了专用的 WINDOW JOIN 操作符，用于高效地在一个表的时间窗口内对另一个表的每一行进行聚合，简化了以往需要多次连接和联合操作的复杂 SQL 查询。该操作符通过数据级并行实现高性能：左侧（LHS）表被拆分为页面帧，由工作线程处理，并采用低基数快速路径，支持 SIMD 向量化聚合。关键优化包括为右侧（RHS）数据构建按键索引和连续值缓冲区，从而允许对窗口边界进行二分查找，并为 sum、avg、min、max 等聚合操作实现高效的 SIMD 内核。针对 5000 万行交易数据和 1.5 亿行价格数据集的基准测试显示，在与 Timescale、DuckDB 和 ClickHouse 的对比中，QuestDB 的并行 + SIMD 实现比其单线程版本快 5 倍，比 ClickHouse 的最佳重写方案快 25 倍。WINDOW JOIN 操作符支持多种配置，包括单侧窗口、包含/排除当前行以及多种聚合函数，并计划在未来的版本中扩展 HORIZON JOIN 等时间序列操作符。
CachyOS June 2026 Release3 months agohttps://cachyos.org/blog/2606-june-release/CachyOS 2026年6月版本推出了Hyprland Noctalia桌面环境、支持DNS-over-QUIC及性能提升。软件包更新包括：为提升性能的Python扩展PGO、针对英特尔/AMD CPU的GCC分支预测调优，以及pacman网络隔离。安装程序现已集成Hyprland Noctalia并配有预览视频，移除了paru改用Shelly，同时改进了硬件和键盘检测功能。CachyOS-Welcome新增通过blocky实现的DNS-over-QUIC、故障排除页面、终端支持，以及包括阿塞拜疆语和希腊语在内的多语言本地化。修复内容涵盖安装程序对键盘布局的处理、pacman配置、清理步骤，以及CachyOS-Welcome在缺少cachyos-pi时的崩溃问题。无需手动更新；用户可通过sudo pacman -Syu进行系统升级，并从提供的镜像站下载桌面版和手持设备版的ISO镜像。
Superpowers 63 months agohttps://blog.fsck.com/2026/06/15/Superpowers-6/Superpowers 6 提供了显著的性能提升：构建速度提升最高可达50%，令牌成本降低最高可达60%。关键优化包括合并规范符合性审查和代码质量审查代理、预生成审查包以减少git命令，以及改进针对特定任务的代理引导。通过一个包含25次实验的自动研究循环验证了这些改进，并识别了诸如简洁的评审合同和有条件的实施者分层等有效策略。位于 https://github.com/prime-radiant-inc/superpowers-evals 的评估套件对于在各种编码代理和测试框架中测试变更至关重要。Superpowers 6 可从 https://github.com/obra/superpowers 安装，插件市场的更新也将很快推出。Prime Radiant 正在招聘 Superpowers 社区工程师职位，详情请访问 https://primeradiant.com/jobs/superpowers-community-engineer/。
NUMA: Cores, memory, and the distance between them4 months agohttps://edera.dev/stories/numa-part-1-cores-memory-and-the-distance-between-themNUMA（非一致性内存访问）是指内存访问开销因 CPU 与内存条位置的不同而存在差异，这与 UMA（一致性内存访问）形成对比。NUMA 的出现是为了突破单插槽系统的限制，每个插槽拥有自己的内存控制器，并通过如 AMD 的 HyperTransport/Infinity Fabric 和 Intel 的 QPI/UPI 等互连技术连接。由于采用如 AMD 的 EPYC 小芯片设计和 Intel 的子 NUMA 集群等技术，现代服务器每个插槽可包含多个 NUMA 节点，已超越“一个插槽一个节点”的传统模型。在现代服务器的微基准测试中，远程内存访问比本地访问慢 1.5 到 3 倍，且在高负载下因互连争用而进一步恶化，进而影响尾部延迟。内存交错技术通过将内存分布到多个节点来平衡访问开销，但以牺牲峰值性能为代价换取可预测性，导致“所有访问都同样糟糕”的局面。NUMA 涉及两种亲和性：CPU 亲和性（将进程绑定到特定 CPU）和内存亲和性（控制每个节点的内存分配），二者必须协调一致才能实现最优性能。Linux 的“首次接触”策略会在首次访问内存的 CPU 所在节点分配内存，如果分配线程与使用线程位于不同节点，则可能导致远程访问。Xen 的 dom0 缺乏 NUMA 感知能力，导致客户机虚拟 CPU 与内存位置不匹配，悄无声息地引发跨互连访问和性能问题。像 Xen 这样的虚拟化系统具有两层架构（管理程序和客户机），分别做出放置决策；而 KVM 则由宿主机 Linux 内核统一管理虚拟机的 NUMA 策略。Edera 的研究实现了 Xen 端到端的 NUMA 感知，使客户机能够获取准确的拓扑信息并优化资源放置，避免了“盲目且交错”的困境。
Database Traffic Control3 months agohttps://planetscale.com/blog/introducing-database-traffic-controlPostgres 缺少内置流量管理机制，因此在查询高峰时容易发生性能下降或系统崩溃。PlanetScale 推出 Database Traffic Control™，能够通过查询模式、应用名称、用户和自定义标签等规则，实现对查询资源的实时预算和限制。Traffic Control 允许设置 CPU、并发量和查询时间的限制，支持警告和执行两种模式，可对过量查询进行限速或阻断。其应用场景包括：处理异常查询的事件响应、基于优先级的流量调控、隔离 AI 代理流量，以及在多租户应用中对付费层级进行优先级排序。该功能可通过 PlanetScale 仪表板、API 和 CLI 使用，支持自动化预算创建和 sqlcommenter 标签，以实现更精细的流量分类管理。
Hanami 3.0: In Full Bloom3 months agohttps://hanakai.org/blog/2026/06/30/hanami-3-0-in-full-bloomHanami 3.0 引入了主要特性：内置邮件发送与模板的一流邮件服务、用于翻译和本地化的国际化（i18n）支持，以及在现有RSpec基础上增加了对Minitest的支持。性能改进包括默认组件记忆化，将分配减少高达80%，吞吐量提升近3倍，同时优化了Hanami Action和View。开发体验增强：彩色日志、改进的资产监控、集成到Hanami Action中的请求体解析、默认不修饰视图暴露，以及通过重命名gem实现更清晰的基础架构。其他改进：新生成器（服务提供者、邮件服务）、应用生成选项（--test、--template-engine）、依赖项更新（Ruby 3.3+、Puma 7.1），以及路由和模板的各种修复。便捷安装：提供安装和运行Hanami 3.0的命令，并为现有2.3用户提供升级说明，所有工作均得到社区和赞助者的贡献支持。