TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #443 · 10.07

Помните, тут Илон Маск собирался купить Твиттер? Пишут, что он отменяет сделку, потому что Твиттер: — Неправильно считал число фейковых аккаунтов — Не смог предоставить сведения об объёме спама — Открыто признал, что последние годы преувеличивал количество пользователей Кстати, по последнему случаю в прошлом году был крупный штраф от Твиттера собственным же инвесторам по результатам судебного иска. Твиттер заявлял о росте месячной аудитории, но скрыл тот факт, что дневная аудитория стоит на месте. Что, кстати, интересно: люди как бы реже стали в Твиттер заходить, но при этом общее количество этих людей росло. То есть, смотрите, крупная корпорация тоже, как и отдельный человек, может врать, делать хорошую мину при плохой игре, скрывать и преувеличивать и так далее. А ещё инвесторы на Западе умеют замечать такие штуки и штрафовать корпорации. Интересно, что у нас инвесторы, похоже, не умеют, иначе непонятно, почему у них не возникало вопросов к тем же публичным цифрам от ВКонтакте. Хотя в современных реалиях, видимо, ВК уже не стоит считать частным бизнесом, а скорее государственной корпорацией. Не уверен, что для Твиттера срыв сделки с Маском это прямо так уж плохо. Маск там почти силой хотел его поглотить и навести свои порядки, весьма своеобразные, в соответствии с его характером. Но репутационно, конечно, эффект не самый приятный. Хорошо, что я забил на Твиттер и перестал им пользоваться. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llvm

当前筛选 #llvm清除筛选
Android Broadcast

@android_broadcast · Post #9894 · 17.03.2026 г., 05:32

🤖Google ускорила ядро Android, скормив компилятору профили реального использования Команда LLVM toolchain в Google рассказала, как они применили AutoFDO (Automatic Feedback-Directed Optimization) к ядру Android — и результаты интересные. Идея простая: обычный компилятор принимает решения об оптимизациях на основе статических эвристик. Встроить функцию или нет, какая ветка условия чаще выполняется — всё это угадывается без реальных данных из приложений и пользовательских сценариев. AutoFDO меняет подход: компилятор получает профили реального выполнения кода и на их основе принимает куда более точные решения. Эта техника Google уже давно применяется к своей серверной инфраструктуре и ChromeOS, так что подход обкатанный и зарекомендовавший себя. Кто знаком с ART Profiles — идея покажется знакомой. Там тот же принцип: собираем данные о реальном выполнении, отдаём компилятору, получаем более точный нативный код. Только ART Profiles работают на уровне ART для Java/Kotlin-кода конкретного приложения, а AutoFDO — на уровне ядра, C/C++ и LLVM. Разные слои, одна философия. Для ядра профили собирают не с реальных устройств, а в лабораторных условиях: запускают топ-100 самых популярных приложений, используют simpleperf и аппаратные возможности ARM для записи истории ветвлений. Собранные данные показывают 85% совпадение с профилями реального парка устройств — этого достаточно, чтобы считать подход рабочим. Результаты на ядрах 6.1, 6.6 и 6.12: 👉 холодный старт приложений стал быстрее на ~4% 👉 время загрузки сократилось на ~1% 👉 ядро занимает ~40% CPU-времени на Android, так что любая оптимизация здесь ощутима Важный момент: AutoFDO не меняет логику кода, только влияет на решения компилятора — инлайнинг, раскладку кода. Функции, которые не попали в профили («холодные»), компилируются стандартным образом, без изменений. Сейчас это уже в проде — профили включены в ветки android15-6.6 и android16-6.12, так что устройства на этих ядрах уже собираются с AutoFDO. Pixel-устройства точно попадают в эту категорию. С другими производителями сложнее: многие используют сильно модифицированное ядро и не переходят на GKI из AOSP, так что там это может быть не применено вовсе. В планах — GKI-модули, вендорные модули через DDK и поддержка новых версий ядра. 🔗 Источник - блог Android Developers #Android#AndroidDev#Производительность#LLVM#Native