TGTGInsighttelegram intelligenceLIVE / telegram public index
← OnePlus Guide

TGINSIGHT SIMILAR POSTS

Trouver du contenu similaire

Chaîne source @OnePlusGuide · Post #3142 · 17 juin

🔻 NUOVE OXYGENOS OPEN BETA🔻 #OP8#OP8PRO#OP8T#OOS#BETA • OP8: 11 • OP8PRO: 11 • OP8T: 6 🔸 Download: OP8 | OP8PRO | OP8T (in arrivo) 🔸 OP Thread: OP8/8PRO | OP8T (in arrivo) Changelog Sistema • Migliorati i consumi • Aggiunta la funzione screenshot sull'AOD • Patch di sicurezza Android di giugno 2021 Telefono • Migliorato l'audio quando il telefono è connesso con OnePlus Watch o OnePlus Buds OnePlus Share • Migliorata la UI nella pagina di condivisione Rete • Risolto l'errore occasionale quando si cerca di collegarsi a una rete Wi-Fi Pierre — Il nostro canale 👉🏻@oneplusguide I nostri gruppi 👉🏻@oneplusitcommunity

Résultats

1 post similaire trouvé

Recherche : #llvm

当前筛选 #llvm清除筛选
Android Broadcast

@android_broadcast · Post #9894 · 17/03/2026 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