怎么解决手机充电很慢?
若使用vivo手机出现充电慢的情况，可以通过以下方法排查：
1、确认手机是否发热
充电速度和手机状态有较大的关系，充电时如果手机温度较高，综合充电体验、安全保障、设备寿命等多重因素，实际充电功率会进行智能调节，此时充电会变慢，请尽量避免一边充电一边运行高功耗的软件，如玩游戏、刷短视频、直播等。
2、请检查充电场景
若使用电脑USB接口、非适配的移动电源 或 车载充电器给手机充电，这些设备充电电流相对较小，充电速度较慢。
3、请检查充电器和数据线
若使用了非标配充电器或数据线，可能因充电规格或兼容性等原因导致充电慢。
4、检查手机是否处于闪充状态（适用于闪充机型）
若设备支持闪充，无法进入闪充导致充电慢，请提前备份好手机数据，携带手机、充电器套装和购机凭证前往vivo客户服务中心检测。
判断方法：使用的标配充电器，请将设备切换默认主题查看手机锁屏界面是否显示闪充字样或FlashCharge字样，若未显示相关字返明样，即代表未进入闪充状态
5、检查充电设置
查看是否开启“高速充电“或”默认超快充电模式“（仅部分机型支持），如果没有开启此功能，充电时长会有一定幅度增加，可以开启功能后使用查看。
功能路径：进入【设置>电池>充电设置（或”更多设置”）>高速充电（或“默认超快充电模式”）】开启功能。
目前部分机型支持此功能，如果看不到功能设置菜单，代表当前机型不支持此功能。
6、温度较低时充电慢
由于低温环境的锂电池活性会降低，充电速度会变慢，建议在室内温度稍高的环境充电。
7、升级软件
新版本提升兼容性和稳定性，进入【设置>系统升级】，建议升级系统后观察。
若以上方法未能解决该问题，请提前备份好手机数据，携带手机、充电器套装和购机凭证前往vivo客户服务中心检测。
vivo客户服务中心地址：进入vivo官网/vivo商城APP–我的–网点查询，选择当前所在的城市即可获取服务中心的地址与联系方式。
建议去之前先提前电话联系，避免空跑，合理规划前搭行程，安全出行。
什么叫云计算？
一、在讲什么是云计算之前，先思考下我们为什么需要“云”“云计算”
如今越来越多的应用正在迁移到“云”上，如我们生活中接触的各种“云盘”存储。
实际上，“云”并不新潮，已经持续了超过10年，并还在不断扩大到所有领域。
可预见的事：下一个10年中，几乎所有的应用都会部署到云端，而它们中的大部分都将直接通过你手中的移动设备，为我们提供各种各样的服务。
为什么会需要“云”？
传统的应用正在变得越来越复杂：需要支持更多的用户，需要更强的计算能力，需要更加稳定安全等等，而为了支撑这些不断增长的需求，企业不得不去购买各类硬件设备（服务器，存储，带宽等等）和软件（数据库，中间件等等），另外还需要组建一个完整的运维团队来支持这些设备或软件的正常运作，这些维护工作就包括安装、配置、测试、运行、升级以及保证系统的安全等。
便会发现支持这些应用的开销变得非常巨大，而且它们的费用会随着你应用的数量或规模的增加而不断提高。
这也是为什么即使是在那些拥有很出色IT部门的大企业中，那些用户仍在不断抱怨他们所使用的系统难以满足他们的需求。
而对于那些中小规模的企业，甚至个人创业者来说，创造软件产品的运维成本就更加难以承受了。
所以，云计算，应运而生——更大、更快、更强
针对上述问题解决方案便是“云计算”！将应用部署到云端后，可以不必再关注那些令人头疼的硬件和软件问题，它们会由云服务提供商的专业团队去解决。
使用的是共享的硬件，这意味着像使用一个工具一样去利用云服务（就像插上插座，你就能使用电一样简单）。
只需要按照你的需要来支付相应的费用，而关于软件的更新，资源的按需扩展都能自动完成。
二、形象点来说说“云计算”
【1】 水龙头观点论：
当需要的时候，扭开水龙头，水就来了，我只需要操心交水费就是了！
当你需要用一个软件时，你不用跑去电脑城，打开应用商店，它就下载下来了，你只需要交钱就是了；
当你想看报纸的时候，你不用跑去报刊亭，只要打开头条新闻，新闻唾手可得；
当你想看书的时候，你不用跑去书城，只需要打开阅读软件，找到这样的一本书，在手机上阅读；
当你想听音乐的时候，你不用再跑去音像店苦苦找寻CD光碟，打开音乐软件，就能聆听音乐；
云计算，像在每个不同地区开设不同的自来水公司，没有地域限制，优秀的云软件服务商，向世界每个角落提供软件服务——就像天空上的云一样，不论你身处何方，只要你抬头，就能看见！
【2】荤段子观点论：
网上很流行的一种比喻：男人找个女友或老婆是自建私有云，单身约炮或者到娱乐场所消费是公有云服务，按需使用并可弹性扩容，已婚男人找二奶小蜜则属于混合云。
这种解释方式对男人比较适用，通常稍微一解释就心领神会！
【3】共享单车-滴滴出行论：
出行需要用车，云计算或者云服务好比乘坐出租车或专车快车共享单车，随时需要随时用，按用量（路程）付费即可。
自己买车开车是混合云，车是自己的，出去付费停车或加油相当于部分使用公有云，而亚马逊或微软云在国内跟黑车差不多被政策限制
【4】一日三餐吃货论：
饿了要吃饭，在家里自己做饭属于自建私有云，需要建造厨房购买锅碗瓢盆柴米油盐等，吃完饭还需要自己刷锅洗碗等运维工作，费时费力；
外面餐馆提供的就相当于公有云服务，按需胡吃海塞吃完结账抹嘴走人，餐馆后厨如何安排做菜顺序并加快出菜速度就是负载均衡和虚拟化概念；
请厨师到家里上门做饭则属于典型的混合云，在资产安全的情况下有限使用公有云。
三、“云计算”的五大特点
高性能计算的优化
高性能计算(HighPerformanceComputing)是计算机科学的一个分支，主要是指从体系结构、并行算法和软件开发等方面研究开发高性能计算机的技术。
随着计算机技术的飞速发展，高性能计算机的计算速度不断提高，其标准也处在不断变化之中。
高性能计算简单来说就是在16台甚至更多的服务器上完成某些类型的技术工作负载。
到底这个数量是需要8台，12台还是16台服务器这并不重要。
在定义下假设每一台服务器都在运行自己独立的操作系统，与其关联的输入/输出基础构造都是建立在COTS系统之上。
简而言之，讨论的就是Linux高性能计算集群。
一个拥有台服务器的信息中心要进行分子动力学模拟无疑是毫无问题的，就好比一个小型工程公司在它的机房里运行计算流体动力学(CFD)模拟。
解决工作负载的唯一限制来自于技术层面。
接下来我们要讨论的问题是什么能直接加以应用。
量度(Metrics)性能(Performance)，每瓦特性能(Performance/Watt)，每平方英尺性能(Performance/Squarefoot)和性能价格比(Performance/dollar)等，对于提及的台服务器的动力分子簇来说，原因是显而易见的。
运行这样的系统经常被服务器的能量消耗(瓦特)和体积(平方英尺)所局限。
这两个要素都被计入总体拥有成本(TCO)之列。
在总体拥有成本(TCO)方面取得更大的经济效益是大家非常关注的。
议题的范围限定在性能方面来帮助大家理解性能能耗，性能密度和总体拥有成本(TCO)在实践中的重要性。
性能的定义在这里把性能定义为一种计算率。
例如每天完成的工作负载，每秒钟浮点运算的速度(FLOPs)等等。
接下来要思考的是既定工作量的完成时间。
这两者是直接关联的，速度=1/(时间/工作量)。
因此性能是根据运行的工作量来进行测算的，通过计算其完成时间来转化成所需要的速度。
定量与定性从定性的层面上来说这个问题很容易回答，就是更快的处理器，更多容量的内存，表现更佳的网络和磁盘输入/输出子系统。
但当要在决定是否购买Linu集群时这样的回答就不够准确了。
对Linux高性能计算集群的性能进行量化分析。
为此介绍部分量化模型和方法技巧，它们能非常精确的对大家的业务决策进行指导，同时又非常简单实用。
举例来说，这些业务决策涉及的方面包括：购买—系统元件选购指南来获取最佳性能或者最经济的性能配置—鉴别系统及应用软件中的瓶颈计划—突出性能的关联性和局限性来制定中期商业计划Linux高性能计算集群模型包括四类主要的硬件组成部分。
(1)执行技术工作负载的计算节点或者服务器；(2)一个用于集群管理，工作控制等方面的主节点；(3)互相连接的电缆和高度普及的千兆以太网(GBE)；(4)一些全局存储系统，像由主节点输出的NFS文件一样简单易用。
高性能计算机的衡量标准主要以计算速度(尤其是浮点运算速度)作为标准。
高性能计算机是信息领域的前沿高技术，在保障国家安全、推动国防科技进步、促进尖端武器发展方面具有直接推动作用，是衡量一个国家综合实力的重要标志之一。
随着信息化社会的飞速发展，人类对信息处理能力的要求越来越高，不仅石油勘探、气象预报、航天国防、科学研究等需求高性能计算机，而金融、政府信息化、教育、企业、网络游戏等更广泛的领域对高性能计算的需求迅猛增长。
一个简单量化的运用模型这样一个量化的运用模型非常直观。
在一个集群上对既定的工作完成的时间大约等同于在独立的子系统上花费的时间：e1、时间(Time)=节点时间(Tnode)+电缆时间(Tfabric)+存储时间(Tstorage)Time = Tnode + Tfabric + Tstorag这里所说的时间(Time)指的是执行工作量的完成时间，节点时间(Tnode)是指在计算节点上花费的完成时间，电缆时间(Tfabric)是指在互联网上各个节点进行互联的完成时间，而存储时间(Tstorage)则是指访问局域网或全球存储系统的完成时间。
计算节点的完成时间大约等同于在独立的子系统上花费的时间：2、节点时间(Tnode)=内核时间(Tcore) +内存时间(Tmemory)这里所说的内核时间(Tcore)指的是在微处理器计算节点上的完成时间。
而内存时间(Tmemory)就是指访问主存储器的完成时间。
这个模型对于单个的CPU计算节点来说是非常实用的，而且能很容易的扩展到通用双插槽(SMP对称多处理)计算节点。
为了使第二套模型更加实用，子系统的完成时间也必须和计算节点的物理配置参数相关联，例如处理器的速度，内存的速度等等。
计算节点图示中的计算节点原型来认识相关的配置参数。
图示上端的是2个处理器插槽，通过前端总线(FSB-front side bus)与内存控制中心(MCH)相连。
这个内存控制中心(MCH)有四个存储信道。
同时还有一个Infiniband HCA通过信道点对点串行(PCIe)连接在一起。
像千兆以太网和串行接口(SATA)硬盘之类的低速的输入输出系统都是通过芯片组中的南桥通道(South Bridge)相连接的。
在图示中，大家可以看到每个主要部件旁边都用红色标注了一个性能相关参数。
这些参数详细的说明了影响性能(并非全部)的硬件的特性。
它们通常也和硬件的成本直接相关。
举例来说，处理器时钟频率(fcore)在多数工作负荷状态下对性能影响巨大。
根据供求交叉半导体产额曲线原理，处理器速度越快，相应成本也会更高。
高速缓存存储器的体积也会对性能产生影响，它能减少主频所承载的工作负荷以提高其运算速度。
处理器内核的数量(Ncores)同样会影响性能和成本。
内存子系统的速度可以根据双列直插内存模块频率(fDIMM)和总线频率(fBus)进行参数化，它在工作负荷状态下也对性能产生影响。
同样，电缆相互连接(interconnect fabric)的速度取决于信道点对点串行的频率。
而其他一些因素，比如双列直插内存模块内存延迟(DIMM CAS Latency)，存储信道的数量等都做为次要因素暂时忽略不计。
使用的性能参数在图示中标明的6个性能参数中，保留四个和模型相关的参数。
首先忽略信道点对点串行的频率(fPCIe)，因为它主要影响的是电缆相互连接(interconnect fabric)速度的性能，这不在范围之列。
接下来注意一下双列直插内存模块频率(fDIMM)和总线频率(fBus)会由于内存控制中心(MCH)而限于固定比率。
使用的双核系统中，这些比率最具代表性的是4:5, 1:1, 5:4。
一般情况下只会用到其中的一个。
高速缓存存储器的体积非常重要。
在这个模型中保留这个参数。
内核的数量(Ncores)和内核频率(fcore)也非常重要，保留这两个参数。
高性能计算(HPC)模型 这第二个模型的基本形式在计算机体系研究领域已经存在了很多年。
A普通模式是：(3) CPI = CPI0 + MPI * PPM这里的CPI指的是处理器在工作负荷状态下每执行一个指令的周期。
CPI0是指内核CPI，MPI I则是指在工作负荷状态下高速缓存存储器每个指令失误的次数(注释：在高性能计算领域，MPI主要用于信息传递界面，在此处主要是指处理器构造惯例)，PPM是指以处理器时钟滴答声为单位对高速缓存存储器每个指令失误的次数的记录。
第二和第三个方程式相互吻合。
这第一个术语代表的是处理器，第二个术语代表的是内存。
可以直观的看到，假设每项工作下执行的P指令的工作负荷与代表处理器的频率的内核频率(每秒钟处理器运行周期的单位)再与方程式(3)相乘，就得到了方程式(4):Tnode = (CPIo * P) * (1 / fcore) + (MPI * P) * PPM * (1 / fcore)在这里要注意(CPIo * P)是以每项工作分配下处理器的运行周期为单位，对微处理器架构上运行的既定工作负荷通常是个恒量。
因此把它命名为α。
(处理器周期本身无法对时间进行测算，如果乘以内核的频率就可以得到时间的测算标准。
因此Tnode在方程式(4)的右边)。
(MPI * P)也是同理。
对于既定工作负荷和体系结构来说它也是个恒量，但它主要依赖于高速缓存存储器的体积。
我们把它命名为M(MBcache)。
而PPM是指访问主存的成本。
对于既定的工作负荷来说，通常是个固定的数字C。
PPM乘以内存频率和总线频率的比值(fcore / fBus)就从总线周期(bus cycles)转化成了处理器周期。
因此PM = C * fcore / fBus。
套入M(MBcache)就可以得到：(5) Tnode = α * (1 / fcore) + M(MBcache) * (1 / fbus)这个例子说明总线频率(bus frequency)也是个恒量，方程式(5)可以简化为方程式(6)：(6) Tnode = α * (1 / fcore) + β在这里Tcore = α * (1 / fcore)，而Tmemory = β(也就是公式2里的术语。
我们把这些关键点关联在一起)。
首先在模型2里，公式5和公式6都有坚实的理论基础，因为经分析过它是如何从公式3推理而来(它主要应用于计算机体系理论)。
其次，这个模型4个硬件性能参数的3个已经包括其中。
还差一个参数就是内核数量(Ncores)。
用直观的方式来说明内核的数量，就是假设把N个内核看做是一个网络频率上运行的一个内核，称之为N*fcore。
那么根据公式(6)我们大致可以推算出：(7) Tcore ~ α / (N*fcore)Tcore~ ( α / N) * (1 / fcore )也可以把它写成：(8) αN = ( α / N)多核处理器的第一个字母Alpha可能是单核处理器的1/N次。
通过数学推算这几乎是完全可能的。
通常情况下我们是根据系统内核和总线频率(bus frequencies)来衡量计算机系统性能，如公式(5)所阐述的。
但是公式(5)的左边是时间单位–这个时间单位指的是一项工作量的完成时间。
这样就能更清楚的以时间为单位说明右侧的主系统参数。
同时请注意内核的时钟周期τcore(是指每次内核运行周期所需的时间)也等同于(1 / fcore)。
总线时钟(bus clock)周期也是同理。
(9) Tnode = αN * τcore + M(MBcache) * τBus这个公式的转化也给了一个完成时间的模型，那就是2个基本的自变量τcore和τBus呈现出直线性变化。
这对使用一个简单的棋盘式对照表对真实系统数据进行分析是有帮助的。
