記憶體速度的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘出下列價位、菜單、推薦和訂位總整理

Intel大師帶你架設AI底層：持久記憶體架構服務實作

為了解決記憶體速度的問題，作者李志明,吳國安,李翔 這樣論述：

有記憶體的極速，有M.2 SSD的非揮發性， 持久性記憶體打破現有架構，是量子電腦真正出現之前的最偉大發明！ Intel作者群帶你進入持久化記憶體的世界   　　分層記憶體架構是現代電腦的基石，從CPU之內的L1、L2、L3快取以降，一直到DDR4/5的主記憶體，速度從快到慢，但真正阻礙電腦速度的最大瓶頸，就是下一層的非揮發性儲存了。雖然PCIE Gen4的M.2 SSD已達到7000MB/s的驚人讀取速度，但和處理器內的記憶體來說還是有1000倍以上的差距。為了彌補這個鴻溝，Intel推出了全新的記憶體架構，再揮發性記憶體子系統和發揮發性儲存系統之間，新增了一個新的層次，既能滿足高速的記

憶體資料傳輸，又能保有可儲存性的優點，這個稱之為3D-XPoint的技術，再度造成了整個電腦系統的世代革命。當電腦的主架構發生了天翻地覆的改變時，應用程式、伺服器、資料庫、大數據、人工智慧當然也出現了必需性的變化。在設計巨量資料的服務系統時，傳統針對記憶體斤斤計較的場景不再出現，取代的是大量運用新的持久性記憶體架構來降低系統I/O的頻寬。這對新一代的雲端運算資料中心的影響更是巨大。包括了虛擬機、容器、進而對於應用程式如軟體開發、資料庫、NoSQL、SAP/Hana，Hadoop/Spark也產生了巨大的影響。   　　本書是國內第一本中文說明這種新型應用的書籍，閱讀本書之後，對大型系統的運維已

不再是TB級而達到PB的記憶體等級了，想想一個巨型的系統服務不需要水平擴充(Scale-out)r而是可以垂直擴充(Scale-up)，這完全打破了我們從前的概念，本書將是你在進入量子電腦世代來臨前最迫切需要獲得的知識。   本書特色   　　1.在英特爾公司任職的多位專家們齊聚一堂，共同創作了這本持久化記憶體的實戰書籍。 　　2.仔細講解、深入淺出，搭配圖表輔助說明，好看好讀好吸收。 　　3.台灣第一本詳細解說持久記憶體的電腦書，讓你迅速精進，保持業界頂峰的地位。   名人推薦   　　「借助英特爾傲騰持久記憶體，我們在記憶體--儲存子系統中創建了一個新層次，這使整個產業都會受益。持久記憶體

基於革命性的英特爾3D-XPoint 技術，將傳統記憶體的速度與容量和持久性結合在一起。」──阿爾珀·伊爾克巴哈（Alper Ilkbahar），英特爾公司資料平台事業部副總裁、記憶體和儲存產品事業部總經理

記憶體速度進入發燒排行的影片

基於非揮發記憶體之卷積神經網路加速器的展開方法

為了解決記憶體速度的問題，作者巫岳翰 這樣論述：

近期有許多研究針對用於卷積神經網絡（CNN）的加速器，以得到比目前范紐曼（Von-Neumann）架構更佳的性能。隨著計算能力的不斷增長且記憶體速度的增長相對較慢，運算單元和記憶體設備之間的資料搬移已成為限制這些 加速器性能的瓶頸。為了減少資料的搬移，Processing-In-Memory（PIM）架構被許多論文研究並提倡。然而，PIM 架構只能減少晶片外與晶片之間資料的搬移。晶片內部暫存空間與運算單元的搬移仍然存在，為了進一步減少該區段資料的搬移，此篇論文提出了一種卷積核（Kernel）展開方法，用晶片計算能力換取輸入特徵圖片（Input Feature Map）資料的利用效率，以減少輸

入資料的搬移量，而不會重複輸入相同的資料。此篇論文提出的方法分別在時脈週期的減少、執行時間降低，以及輸入資料量減少的方面，分別得到了 16.2 倍，1.62倍和19.2 倍的改進程度。

DAX權威指南：運用Power BI、SQL Server Analysis Services和Excel實現商業智慧分析（第2版）

為了解決記憶體速度的問題，作者（意）瑪律•科盧梭 這樣論述：

《DAX權威指南》是微軟DAX語言在商業智慧分析、資料建模和資料分析方面的指南。   通過對《DAX權威指南》的學習，你將瞭解如何使用DAX語言進行商業智慧分析、資料建模和資料分析；你將掌握從基礎資料表函數到高級代碼，以及模型優化的所有內容；你將確切瞭解在運行DAX運算式時，引擎內部所執行的操作，並利用這些知識編寫可以高速運行且健壯的代碼。   《DAX權威指南》第2版的重點內容包括基於免費的Power BI Desktop來構建和運行示例，幫助你在Power Bl、SQL Server Analysis Services或Excel中充分利用強大的變數（VAR）語法。你想要使用DAX所有的強

大功能嗎？那麼這本未進行任何刪減、深入淺出的著作正是你所需要的。   《DAX權威指南》適合Excel高級使用者、商業智慧分析人員、使用DAX和微軟分析工具的專業人士。 Marco Russo和Alberto Ferrari SQLBI.COM的創始人。他們定期發佈關於微軟Power BI、Power Pivot、DAX和SQL Server的文章。自2009年測試版的Power Pivot發佈以來，SQLBI.COM成了DAX相關文章和教程的主要來源之一。他們都為商業智慧（Business Intelligence，BI）解決方案提供諮詢和指導，並精通與BI相關的微軟技術。

他們編寫了很多關於Power Pivot、DAX和Analysis Services的文章、圖書。   高飛   資料分析師，BI總監 2015年接觸Power Pivot，被DAX語言的強大和靈活所吸引。 2016年3月創建了面向Power BI用戶的微信公眾號“Power BI極客”，並更新至今。 2019年上線同名網站PowerBIGeek.com，致力於打造一個綜合性的Power BI中文學習網站。   現從事技術分享，企業BI專案實施和培訓工作。 微軟Power BI最有價值專家（MVP），Power BI視覺化大賽評委，Excel Home論壇版主。 第1章 D

AX是什麼 1 理解資料模型 1 理解關係的方向 3 給Excel用戶的DAX學習建議 5 儲存格和智慧表格 5 Excel函數和DAX：兩種函數式語言 7 使用反覆運算器 7 DAX相關理論 8 給SQL開發人員的DAX學習建議 8 處理關係 9 DAX是函數式語言 9 DAX是一種程式設計語言和查詢語言 10 DAX和SQL中的子查詢與條件陳述式 10 給MDX開發者的DAX學習建議 11 多維模型和表格模型 12 DAX是一種程式設計語言和查詢語言 12 層級結構 12 葉級計算 14 給Power BI用戶的DAX學習建議 14 第2章 DAX介紹 15 理解DAX計算 15 DAX

的資料類型 17 DAX運算子 20 表構造器 22 條件陳述式 22 理解計算列和度量值 23 計算列 23 度量值 24 正確選擇計算列和度量值 27 變數 28 處理DAX運算式中的錯誤 29 轉換錯誤 29 算數運算錯誤 30 空值或缺失值 30 截獲錯誤 32 生成錯誤 35 規範化DAX代碼 36 彙總函式和反覆運算函數介紹 39 認識常用的DAX函數 42 彙總函式 42 邏輯函數 43 資訊函數 45 數學函數 45 三角函數 46 文本函數 46 轉換函數 48 日期和時間函數 48 關係函數 49 結論 51 第3章 使用基礎資料表函數 52 表函數介紹 52 EVALU

ATE函數語法介紹 54 理解FILTER函數 56 ALL和ALLEXCEPT函數介紹 58 理解VALUES、DISTINCT函數和空行 63 將表用作作為標量值 68 ALLSELECTED函數介紹 70 結論 72 第4章 理解計值上下文 73 計值上下文介紹 74 理解篩選上下文 74 理解行上下文 79 測試你對計值上下文的理解 81 在計算列中使用SUM函數 81 在度量值中使用列 83 使用反覆運算函數創建行上下文 83 嵌套多個表的行上下文 84 同一個表上的多層嵌套行上下文 85 使用EARLIER函數 90 理解FILTER、ALL函數和上下文交互 91 使用多個表 9

4 行上下文和關係 95 篩選上下文和關係 98 在篩選上下文中使用DISTINCT和SUMMARIZE函數 102 結論 105 第5章 理解CALCULATE和CALCULATETABLE函數 107 CALCULATE和CALCULATETABLE函數介紹 107 創建篩選上下文 108 CALCULATE函數介紹 111 使用CALCULATE函數計算百分比 116 KEEPFILTERS函數介紹 126 篩選單列 130 篩選複雜條件 131 CALCULATE計值順序 135 理解上下文轉換 139 行上下文和篩選上下文回顧 139 上下文轉換介紹 142 計算列中的上下文轉換

145 度量值中的上下文轉換 148 理解迴圈依賴 151 CALCULATE函數調節器 155 理解USERELATIONSHIP函數 155 理解CROSSFILTER函數 158 理解KEEPFILTERS函數 159 理解CALCULATE函數中的ALL函數 160 無參數的ALL和ALLSELECTED函數介紹 162 CALCULATE規則總結 163 第6章 變數 165 VAR語法介紹 165 變數是常數 167 理解變數的範圍 168 使用表作為變數 171 理解惰性計算 173 使用變數的常見模式 174 結論 176 第7章 反覆運算函數和CALCULATE函數的使用

177 反覆運算函數的使用 177 理解反覆運算的基數 178 在反覆運算函數中使用上下文轉換 180 CONCATENATEX函數的使用 184 返回表的反覆運算函數 186 使用反覆運算函數解決常見問題 189 計算平均和移動平均 189 RANKX函數的使用 192 改變計算的顆粒度 200 結論 204 第8章 時間智慧計算 205 時間智慧介紹 205 Power BI中的“自動日期/時間” 206 Excel Power Pivot中的自動日期列 207 Excel Power Pivot中的日期表範本 208 創建日期表 208 CALENDAR和CALENDARAUTO函數

的使用 209 多個日期表的使用 212 處理連接到與日期表的多個關係 212 處理多個日期表 214 理解基礎時間智慧計算 215 標記為日期表 219 基礎時間智慧函數介紹 221 計算年初至今、季度初至今和月初至今 222 計算平移後的週期平移 224 嵌套混合使用時間智慧函數 227 計算週期之間的差異 229 計算移動年度總計 231 為嵌套的時間智慧函數選擇正確的調用順序 232 理解半累加計算 234 使用LASTDATE和LASTNONBLANK函數 236 使用期初和期末餘額 241 理解高級時間智慧計算 245 理解累計至今區間 246 理解DATEADD函數 249 理解

FIRSTDATE、LASTDATE、FIRSTNONBLANK和 LASTNONBLANK函數 255 利用時間智慧函數進行鑽取 258 使用自訂日期表 258 基於周的時間智慧 259 自訂YTD、QTD和MTD 262 結論 264 第9章 計算組 265 計算組介紹 265 創建計算組 268 理解計算組 274 理解計算項的應用 277 理解計算組優先順序 285 在計算項中包含或排除度量值 289 理解橫向遞迴 292 使用最佳實踐 296 結論 296 第10章 使用篩選上下文 298 使用HASONEVALUE和SELECTEDVALUE函數 299 ISFILTERED和

ISCROSSFILTERED函數介紹 303 理解VALUES和FILTERS函數的區別 306 理解ALLEXCEPT和ALL/VALUES函數的區別 308 使用ALL函數避免上下文轉換 312 使用ISEMPTY函數 314 資料沿襲和TREATAS函數介紹 316 使用固化篩選器 320 結論 326 第11章 處理層級結構 328 計算層級占比 328 處理父/子層級結構 333 結論 344 第12章 使用表函數 345 使用CALCULATETABLE函數 345 動作表的函數 347 使用ADDCOLUMNS函數 348 使用SUMMARIZE函數 351 使用CROSS

JOIN函數 354 使用UNION函數 356 使用INTERSECT函數 360 使用EXCEPT函數 361 使用表作為篩選器 363 實現或（OR）條件 364 將銷售額的計算範圍縮小至首年客戶 367 計算新客戶 368 使用DETAILROWS函數複用表運算式 370 創建計算表 372 使用SELECTCOLUMNS函數 372 使用ROW函數創建靜態表 373 使用DATATABLE函數創建靜態表 374 使用GENERATESERIES函數 375 結論 376 第13章 編寫查詢 377 DAX Studio介紹 377 理解EVALUATE函數 378 EVALUATE

函數語法介紹 378 在DEFINE函數中使用VAR 379 在DEFINE函數中使用度量值 381 實現DAX查詢的常用模式 382 使用ROW函數測試度量值 382 使用SUMMARIZE函數 383 使用SUMMARIZECOLUMNS函數 385 使用TOPN函數 391 使用GENERATE和GENERATEALL函數 396 使用ISONORAFTER函數 399 使用ADDMISSINGITEMS函數 401 使用TOPNSKIP函數 402 使用GROUPBY函數 402 使用NATURALINNERJOIN和NATURALLEFTOUTERJOIN函數 405 使用SUBST

ITUTEWITHINDEX函數 407 使用SAMPLE函數 409 理解DAX查詢中的自動匹配（Auto-Exists）行為 410 結論 416 第14章 高級DAX原理 418 擴展表介紹 418 理解RELATED函數 422 在計算列中使用RELATED函數 424 理解表篩選器和列篩選器的區別 425 在度量值中使用表篩選器 428 理解活動關係 431 表的擴展行為和篩選行為的區別 433 擴展表中的上下文轉換 435 理解ALLSELECTED函數和影子篩選上下文 436 影子篩選上下文介紹 437 ALLSELECTED函數返回反覆運算的行 441 無參數的ALLSELE

CTED函數 443 ALL系列函數 443 ALL函數 445 ALLEXCEPT函數 446 ALLNOBLANKROW函數 446 ALLSELECTED函數 446 ALLCROSSFILTERED函數 446 理解資料沿襲 446 結論 449 第15章 高級關係 451 使用計算列創建物理關係 451 創建基於多列的關係 451 創建基於範圍的關係 453 使用計算列創建關係中的迴圈依賴問題 456 使用虛擬關係 459 在DAX中轉移篩選器 460 使用TREATAS函數轉移篩選器 462 使用INTERSECT函數轉移篩選器 463 使用FILTER函數轉移篩選器 464 使

用虛擬關係實現動態分組 465 理解DAX中的物理關係 468 使用雙向交叉篩選器 470 理解一對多關聯性 472 理解一對一關聯性 473 理解多對多關係 473 通過橋接表實現多對多關係 473 通過公共維度表實現多對多關係 479 使用MMR弱關係實現多對多關係 483 選擇正確的關係類型 485 管理資料顆粒度 486 管理關係中的歧義 490 理解活動關係中的歧義 492 解決非活動關係中的歧義 494 結論 496 第16章 DAX中的高級計算 497 計算兩個日期之間的工作日數量 497 同時展示預算資料和銷售資料 505 計算同店銷售額 508 對事件進行排序 514 根據

最新銷售日期計算上一年的銷售額 517 結論 522 第17章 DAX引擎 523 瞭解DAX引擎的架構 523 公式引擎介紹 524 存儲引擎介紹 525 VertiPaq（in-memory）存儲引擎介紹 526 DirectQuery存儲引擎介紹 527 理解資料刷新 527 理解VertiPaq存儲引擎 528 列式資料庫介紹 528 理解VertiPaq壓縮 531 理解值編碼 531 理解雜湊編碼 532 理解行程長度編碼（RLE） 533 理解再編碼 536 確定最佳排序順序 536 理解層級和關係 538 理解分段和分區 539 使用動態管理視圖 540 理解關係在Verti

Paq中的運用 542 物化介紹 545 聚合表介紹 547 為VertiPaq配置合適的硬體 549 是否可以自主選擇硬體 550 設置硬體優先順序 550 CPU型號 550 記憶體速度 552 內核數量 552 記憶體大小 552 硬碟I/O和分頁 553 硬體選擇的最佳實踐 553 結論 553 第18章 優化VertiPaq引擎 555 收集有關資料模型的資訊 555 反規範化 560 列基數 566 處理日期和時間列 567 計算列 570 使用布林類型的計算列優化複雜篩選器 572 計算列的處理 573 存儲合適的列 574 優化列存儲 577 列的拆分優化 577 優化大基數

列 578 禁用屬性層級結構 578 優化鑽取屬性 579 管理VertiPaq聚合表 579 結論 582 第19章 分析DAX查詢計畫 583 捕獲DAX查詢 583 DAX查詢計畫介紹 586 收集查詢計畫 587 邏輯查詢計畫介紹 587 物理查詢計畫介紹 588 存儲引擎查詢介紹 589 獲取配置資訊 590 使用DAX Studio 591 使用 SQL Server Profiler 594 讀懂VertiPaq存儲引擎查詢 597 xmSQL語法介紹 597 彙總函式 598 算數運算 600 篩選運算 600 Join運算子 602 批次處理事件中的臨時表和淺關係 603

理解掃描時間 605 理解DISTINCTCOUNT函數的內部行為 606 理解並行度和資料緩存 607 理解VertiPaq緩存 609 理解CallbackDataID函數 611 讀懂DirectQuery模式下的存儲引擎查詢 616 分析複合模型 617 在資料模型中使用聚合表 618 讀懂查詢計畫 620 結論 626 第20章 DAX優化 628 定義優化策略 629 確定要優化的單個DAX運算式 629 創建查詢副本 632 創建DAX查詢副本 632 使用DAX Studio創建查詢度量值 633 創建MDX查詢副本 635 分析執行時間和查詢計畫資訊 636 發現存儲引擎或

公式引擎中的性能瓶頸 639 修改並重新運行測試查詢 639 優化DAX運算式中的瓶頸 639 優化篩選條件 640 優化上下文轉換 644 優化IF條件 650 優化度量值中的IF函數 650 選擇IF函數還是DIVIDE函數 655 優化反覆運算函數中的IF函數 658 減少Callback DataID函數帶來的影響 661 優化嵌套的反覆運算函數 665 避免在表篩選器中使用DISTINCTCOUNT函數 671 使用變數避免重複計算 676 結語結論 681

應用社群偵測演算法之程式碼佈局最佳化

為了解決記憶體速度的問題，作者楊孟勳 這樣論述：

由於處理器速度的成長與記憶體速度的成長差距持續擴大，指令快取（instruction cache）成了熱門的最佳化標的。程式碼佈局最佳化（code layout optimization）是一種優化區域性（locality）與減少快取失誤（cache miss）的優化技巧。過去已有些研究提出以函示為單位的程式碼佈局最佳化，大部分都延伸於 Pettis-Hansen 的方法。然而就我們所知，目前並沒有應用社群偵測於程式碼佈局最佳化的研究。在此篇論文中，我們將社群結構（community structure）的概念導入程式碼佈局最佳化分析。在我們的實驗中，我們的方法可以平均提升 10.69% 的

效能，在最佳的測試中，效能提升高至 12.71%。相較於純粹應用 Pettis-Hansen 的方法，我們的平均效能提升多了 3.19%。此外，分析 LLVM 的呼叫圖來產生最佳化程式碼佈局的計算時間測試中，我們的方法約比 Pettis-Hansen 的方法快至 33 倍，如此一來可以讓程式碼佈局最佳化應用於當代大型系統軟體中更加可行。