采集+计算+自适应滤波 全自动脑立体定位仪（在研） 电机控制移动 传感器精度增到100nm 远程控制 自动运行 关注逻辑本身不用过分关心内存安全 嵌入式项目评估 Rust物联网不足 解决方案：屏幕上云 冷热板刺激仪 老项目评估 新项目评估 简单工期长，探索型项目优先选择Rust 糖水偏好仪 尾部打标机 已经立项 UI端Rust应用 UI 端 Rust 桌面端 平板端 V学习套件 人才培养方案 鹿仔科技东莞研发中心现为 东莞理工学院校外实训基地 并将Rust列入培养方案中 希望以此培养更多Rust嵌入式 人才 预计明年开放嵌入式Rust的HC 一些思考 评估Rust改造是否对公司产生较大影响 现阶段是否真需要 鹿仔——助力生命科学探索 陈昱衡 E-mail: chenyuheng@deer-tech.cn 谢谢聆听

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 第 2 章 复杂度分析 17 2.1 算法效率评估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代与递归 . . . . Abstract 复杂度分析犹如浩瀚的算法宇宙中的时空向导。 它带领我们在时间与空间这两个维度上深入探索，寻找更优雅的解决方案。 第 2 章 复杂度分析 hello‑algo.com 18 2.1 算法效率评估 在算法设计中，我们先后追求以下两个层面的目标。 1. 找到问题解法：算法需要在规定的输入范围内可靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们才能将各种算法进行对比，进而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真 实情况，但也存在较大的局限性。

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 第 2 章 复杂度分析 17 2.1 算法效率评估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代与递归 . . . . � 复杂度分析犹如浩瀚的算法宇宙中的时空向导。 它带领我们在时间与空间这两个维度上深入探索，寻找更优雅的解决方案。 第 2 章 复杂度分析 hello‑algo.com 18 2.1 算法效率评估 在算法设计中，我们先后追求以下两个层面的目标。 1. 找到问题解法：算法需要在规定的输入范围内可靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们才能将各种算法进行对比，进而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真 实情况，但也存在较大的局限性。

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 第 2 章 复杂度分析 17 2.1 算法效率评估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代与递归 . . . . 复杂度分析犹如浩瀚的算法宇宙中的时空向导。 它带领我们在时间与空间这两个维度上深入探索，寻找更优雅的解决方案。 第 2 章 复杂度分析 www.hello‑algo.com 18 2.1 算法效率评估 在算法设计中，我们先后追求以下两个层面的目标。 1. 找到问题解法：算法需要在规定的输入范围内可靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们才能将各种算法进行对比，进而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真 实情况，但也存在较大的局限性。

Physical Plan 39ms 1s scale factors = 1 in-memory storage 5ms (DuckDB) 15.7ms (DuckDB) 评估：TPC-H Q5 总结：egg 的好处和不⾜ ? ? 编写规则简单优雅 适合快速原型开发 （⼀周 1000 ⾏） 对纯 RBO ⽀持不佳 没有启发式搜索 动态类型容易出 bug 后续：egg

同于[dependencies]段落， # 不同之处在于，[dependencies]段落声明的依赖用于构建软件包， # 而[dev-dependencies]段落声明的依赖仅用于构建测试和性能评估。 # 此外，[dev-dependencies]段落声明的依赖不会传递给其他依赖本软件包的项目 [dev-dependencies] iron = "0.2" 5.2.3 自定义编译器配置 opt-level = 0 debug = true rpath = false lto = false debug-assertions = true codegen-units = 1 # 性能评估模板，对应`cargo bench`命令 [profile.bench] opt-level = 3 debug = false rpath = false lto = false debug-assertions

ecosystem and you should keep it in your toolbox. Mini exercise 分成各个小组开展以下活动： • 思考 cargo 在哪些场景下具有优势，并评估这些场景的风险状况。 • 讨论在使用 gn 和 ninja 以及离线 cargo 等时，需要信任哪些工具、库和人群。 Ask students to avoid peeking at the speaker

toml 文件： [dependencies] rand = "0.9.0" 下一次运行 cargo build 时，Cargo 会更新可用 crate 的 registry，并根据你指定的新版本重 新评估 rand 的要求。 第十四章会讲到 Cargo 及其生态系统 的更多内容，不过目前你只需要了解这么多。通过 Cargo 复用库文件非常容易，因此 Rustacean 能够编写出由很多包组装而成的更轻巧的项目。