否有点因噎废食？所以现在的 CPU 都有分支预测的能力。举例来说：你每天都执行刚刚 说的那个“早间活动”的任务清单。你发现“如果烧开水被烫伤”这件事似乎从来没发生过，于 是你渐渐意识到，被烫伤是个小概率事件，所以你“预判”到今天应该也不会发生意外，不再 等待烧完开水才开始刷牙，而是针对性地为“没烫伤”的那个剧本优化。把刷牙、看比站和烧 开水同时进行，但刷牙、看比站在烧完开水前都处于“虚”的状态，也就是虽然在做但是不写 吃饭 看比站 拉粑粑 5 5 10 20 刷牙 吃饭 看比站 拉粑粑 5 10 20 洗脸 烧开水 5 5 没烫伤 去医院 10 烫伤了 去医院 10 烫伤了 多次训练 现代 CPU 流水线如何应付跳转指令：分支预测 • 假如有分支 A 和分支 B ，一开始 CPU 不确定会执行哪一条，会两条都预先执行（只计算 出中间结果，先不写回内存），等到了跳转指令（烧开水）处确定了要走分支 的算力）。这就是说 CPU 第一次遇见一个分支时，两个分支都会被预执行 。 • 同一段程序被多次执行后，如果每次都是分支 A ，下一次 CPU 就会总结经验，预判到下 一次应该也是分支 A ，并且把 90% 的流水线用于预先执行分支 A 的剧本， 10% 的流水 线用于预先执行分支 B 。如果预判成功，的确走了分支 A ，那么只会浪费 10% 的算力； 如果预判失败，最后走了分支 B ，那就不得不把预先执行分支

于台湾出版。之所以迟迟没有授权给大 陆进行简体翻译，原因我曾于回复读者的时候说过很多遍。我在此再说一次。 1998 年中，本书之发行公司松岗（UNALIS）即希望我授权简体版，然因当时 我已在构思3/e，预判3/e 繁体版出版时，2/e 简体版恐怕还未能完成。老是让 大陆读者慢一步看到我的书，令我至感难过，所以便请松岗公司不要进行2/e 简 体版之授权，直接等3/e 出版后再动作。没想到一拖经年，我的3/e 自己的计算机实力，努力学写程序开始，就在浩翰的书海中发现你独特的风格。尤其现今电书 籍多是翻译居多其中品质良莠不齐，你的作品尤其难能可贵。现今我仍然有时会去阅读专业 期刊或者杂志，但碍于毕竟不是信息教育训练出身，有时会抓不住重点，甚者不求甚解。这 是我觉得遗憾之处。但读你的作品让我在质量之间都获得了相当的进步，且读来相当轻松自 然。你的序言中提到欢迎读者的反应，这也是这封mail 的动机。我想好的作家需要我们的鼓 同一文件的两个显示窗口也没 有能够做到实时更新的效果。当你在窗口甲改变文件内容，对映至同一文件的 窗口乙并不会实时修正内容，必须等WM_PAINT 产生（例如拉大窗口）。 这个版本已具备打印与预视能力，但并非「所见即所得」（What You See Is What You Get），打印结果明显缩小，这是因为映射模式采用MM_TEXT。15寸监视器的 640 个图素换到300dpi 上才不过两英寸多一点。

次连续的读 取， 16 次结束后就会跳跃一段，然后继续连续的 读取。这会导致 CPU 预取机制失效，无法预测下 一次要读哪里，等发现跳跃时已经来不及了，从而 计算的延迟无法隐藏。 如果每个属性都要访问到，那还是 AOS 比较好（ AOSOA 也不赖哦） 这是因为使用 SOA 会让 CPU 不得不同时维护很多条预取赛道（ mc_x, mc_y, mc_z ），当赛 道多了以后每一条赛道的长度就变短 mc ），这样同样的经费（缓存容量）能铺出的赛道（预 取）就更长，从而 CPU 有更长的周转时间来隐藏他内部计算的延迟。所以本案例中 AOS 比 SOA 好。 AOS 、 SOA 、 AOSOA 哪家强：结论 • 如果几个属性几乎总是同时一起用的，比如位置矢量 pos 的 xyz 分量，可 能都是同时读取同时修改的，这时用 AOS ，减轻预取压力。 • 如果几个属性有时只用到其中几个，不一定同时写入，比如 鑫磊最喜欢 AOSOA ：在高层保持 AOS 的统一索引，底层又享受 SOA 带来的矢量化 和缓存行预取等好处……就是随机索引比较麻烦。 结构体剥离： https://blog.csdn.net/qq_36287943/article/details/103601176 第 3 章：预取与直写 顺序访问与随机访问 • 随机访问的效率比顺序访问低的多。 • 其中一个原因当然是：随机访问只会访问到其中一个

 精确查找类似Bug，利用 标记数据排除潜在误报  通过修复率等参数对分析 器进行综合评价 降低感知误报率 方法5：防止误标和作弊  标记量，间隔时间，标记内容  用基线数据训练模型  用聚类和离群检测找到违反者  红黑榜鼓励参与者 降低感知误报率 用数据风控的方式管理 总结：代码评审中的静态分析  无需额外操作，不改变程序员习惯的流程  只分析变化的代码引起的问题

libigl/libigl - 各种图形学算法大合集 fmt - 使用这个神奇的格式化库 • fmt::format 的用法和 Python 的 str.format 大致相似： CMake - 引用系统中预安装的第三方库 • 可以通过 find_package 命令寻找系统中的包 / 库： • find_package(fmt REQUIRED) • target_link_libraries(myexec

(inactive) 。 这就是稀疏的好处，按需分配，自动扩容。 分块则是利用了我们存储的数据常常有着空间局域性的特点，减轻哈希表的压 力，同时在每个块内部也可以快乐地 SIMD 矢量化， CPU 自动预取之类的。 第 2 章：位运算 稀疏的好处：坐标可以是负数 这样即使坐标为负数，或者可以是任意大的坐标，都不会产生越界错误。 但是分块存储时负数却导致出错了 为什么 segf 了？ 按理说不会越界才对？

rate），这个指标通常用来衡量缓存效率。 为了尽可能达到更高的效率，缓存会采取以下数据加载机制。 ‧ 缓存行：缓存不是单个字节地存储与加载数据，而是以缓存行为单位。相比于单个字节的传输，缓存行 的传输形式更加高效。 ‧ 预取机制：处理器会尝试预测数据访问模式（例如顺序访问、固定步长跳跃访问等），并根据特定模式 将数据加载至缓存之中，从而提升命中率。 ‧ 空间局部性：如果一个数据被访问，那么它附近的数据可能近期也会被访问。因此，缓存在加载某一数 以下几个方面。 ‧ 占用空间：链表元素比数组元素占用空间更多，导致缓存中容纳的有效数据量更少。 ‧ 缓存行：链表数据分散在内存各处，而缓存是“按行加载”的，因此加载到无效数据的比例更高。 ‧ 预取机制：数组比链表的数据访问模式更具“可预测性”，即系统更容易猜出即将被加载的数据。 ‧ 空间局部性：数组被存储在集中的内存空间中，因此被加载数据附近的数据更有可能即将被访问。 总体而言，数组具有 ‧ 列表的出现大幅提高了数组的实用性，但可能导致部分内存空间浪费。 ‧ 程序运行时，数据主要存储在内存中。数组可提供更高的内存空间效率，而链表则在内存使用上更加灵 活。 ‧ 缓存通过缓存行、预取机制以及空间局部性和时间局部性等数据加载机制，为 CPU 提供快速数据访问， 显著提升程序的执行效率。 ‧ 由于数组具有更高的缓存命中率，因此它通常比链表更高效。在选择数据结构时，应根据具体需求和场

rate」，这个指标通常用来衡量缓存效率。 为了尽可能达到更高的效率，缓存会采取以下数据加载机制。 ‧ 缓存行：缓存不是单个字节地存储与加载数据，而是以缓存行为单位。相比于单个字节的传输，缓存行 的传输形式更加高效。 ‧ 预取机制：处理器会尝试预测数据访问模式（例如顺序访问、固定步长跳跃访问等），并根据特定模式 将数据加载至缓存之中，从而提升命中率。 ‧ 空间局部性：如果一个数据被访问，那么它附近的数据可能近期也会被访问。因此，缓存在加载某一数 以下几个方面。 ‧ 占用空间：链表元素比数组元素占用空间更多，导致缓存中容纳的有效数据量更少。 ‧ 缓存行：链表数据分散在内存各处，而缓存是“按行加载”的，因此加载到无效数据的比例更高。 ‧ 预取机制：数组比链表的数据访问模式更具“可预测性”，即系统更容易猜出即将被加载的数据。 ‧ 空间局部性：数组被存储在集中的内存空间中，因此被加载数据附近的数据更有可能即将被访问。 总体而言，数组具有 ‧ 列表的出现大幅提高了数组的实用性，但可能导致部分内存空间浪费。 ‧ 程序运行时，数据主要存储在内存中。数组可提供更高的内存空间效率，而链表则在内存使用上更加灵 活。 ‧ 缓存通过缓存行、预取机制以及空间局部性和时间局部性等数据加载机制，为 CPU 提供快速数据访问， 显著提升程序的执行效率。 ‧ 由于数组具有更高的缓存命中率，因此它通常比链表更高效。在选择数据结构时，应根据具体需求和场

rate），这个指标通常用来衡量缓存效率。 为了尽可能达到更高的效率，缓存会采取以下数据加载机制。 ‧ 缓存行：缓存不是单个字节地存储与加载数据，而是以缓存行为单位。相比于单个字节的传输，缓存行 的传输形式更加高效。 ‧ 预取机制：处理器会尝试预测数据访问模式（例如顺序访问、固定步长跳跃访问等），并根据特定模式 将数据加载至缓存之中，从而提升命中率。 ‧ 空间局部性：如果一个数据被访问，那么它附近的数据可能近期也会被访问。因此，缓存在加载某一数 以下几个方面。 ‧ 占用空间：链表元素比数组元素占用空间更多，导致缓存中容纳的有效数据量更少。 ‧ 缓存行：链表数据分散在内存各处，而缓存是“按行加载”的，因此加载到无效数据的比例更高。 ‧ 预取机制：数组比链表的数据访问模式更具“可预测性”，即系统更容易猜出即将被加载的数据。 ‧ 空间局部性：数组被存储在集中的内存空间中，因此被加载数据附近的数据更有可能即将被访问。 总体而言，数组具有 ‧ 列表的出现大幅提高了数组的实用性，但可能导致部分内存空间浪费。 ‧ 程序运行时，数据主要存储在内存中。数组可提供更高的内存空间效率，而链表则在内存使用上更加灵 活。 ‧ 缓存通过缓存行、预取机制以及空间局部性和时间局部性等数据加载机制，为 CPU 提供快速数据访问， 显著提升程序的执行效率。 ‧ 由于数组具有更高的缓存命中率，因此它通常比链表更高效。在选择数据结构时，应根据具体需求和场