TGTGInsighttelegram intelligenceLIVE / telegram public index
← GZ学习频道

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @olddriverGDstudy · Post #10 · Mar 17

#语录 请大家做个素质狼友: 1 人和人需要的是相互尊重的,希望我们群的狼友能尊重老师。在相互尊重的情况下我相信大家会得到更好的体验。 2 请大家预约老师后如有变化应该尽快,提前的告知老师,因为老师每天的课时都是有限的。如果不提前告知也很可能再也约不到这位老师或者进入妹子们的黑名单。 3 请大家遵守行规(按照行规S了但是可以待够时间,享受下老师的服务和老师聊聊天。就算时间到了没S也算是课时结束了,如果第一次结束了又做第二次那么不管S没有都应该按PP付费。),一般情况下P是60分钟 PP是90分钟 时间没到老师赶你走是老师的问题,但是超时就是狼友的问题,关于超时最好和老师协商一下,因为老师如果后面有学生,那么超时就会影响到后面的学生,很可能会给老师带来不必要的麻烦。如果想约PP的学生最好在预约的时候就给老师讲清楚。 4 关于等候的时间,有些时候有很多不可控因素比如学生迟到,学生学习时间长等因素,希望大家在等候的时候能稍微耐心点,个人感觉等候时间在20-30分钟还是可接受的。 5 希望我们群的兄弟都能做个素质狼友,当然我们也会对群里的各位老师有所要求,大家对老师有什么不满意的都可以在群里直接投诉,或者找管理员投诉。

Hashtags

Results

1 similar post found

Search: #llvm

当前筛选 #llvm清除筛选
Android Broadcast

@android_broadcast · Post #9894 · 03/17/2026, 05:32 AM

🤖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