TGTGInsighttelegram intelligenceLIVE / telegram public index
← Экспорт Республики Татарстан

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @tatarstanexport · Post #708 · Feb 11

Республика Татарстан нарастила экспорт на 14% Согласно предварительным оценкам экспертов, за 12 месяцев 2025 года компании Республики Татарстан экспортировали за рубеж продукцию АПК на сумму около 513 млн долл. США. В сравнении с аналогичным периодом прошлого года объем экспорта вырос на 14% в стоимостном выражении. В топ-5 видов продукции АПК, экспортированных в 2025 году, в стоимостном выражении входят: ✅Подсолнечное масло; ✅Майонез и другие соусы; ✅Жмых; ✅Рапсовое масло; ✅Шоколад. Основной рост объема экспорта обеспечили рапсовое масло, майонез и другиесоусы, а также семенарапса. Так, например, за 12 месяцев 2024 года регион поставил на зарубежные рынки рапсовогомасла на сумму около 20 млн долл. США, а за этот же период 2025 года — около 62 млн долл. США. Экспорт майонеза и других соусов и семян рапса увеличился в 2025 году более чем на 20 млн долл. США относительно аналогичного периода 2024 года. 🗺 Основными направлениями для поставок сельскохозяйственной продукции из Республики Татарстан в 2025 году были Иран, Казахстан, Индия, Беларусь и Китай. Подробнее познакомиться с экспортными каталогами регионов можно по ссылке на сайте «Агроэкспорта». Читайте «Агроэкспорт» в MAX #агроэкспорт#новостиАПК

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