Performance Lets dive into Performance issues. • Everything in JavaScript defaults to being on the same thread. Too much work on main thread • Android nested layouts • Functions and objects defined

the Open Web ODA vs Web2 app Web2 App Open Data App Centralization Centralized Decentralized Performance High High, less than Web2 Query Capability Powerful Powerful, less than Web2 Open Source Code Web3 DApp Open Data App Centralization Decentralized Decentralized Underlying Nodes Many Few Performance Low High Query Capability Low High Open Source Code Open Open Hot Data Capacity Low High Data Data give EVERYONE the rights/chance to train your own AI model, by collecting the raw data source easily! ➔ The rights of Raw Data Equality ➔ The AI age requires Open Data/Open Web for people to counter

Функции для предметной области из коробки: • Click-stream: функции обработки URL и IP-адресов • Performance monitoring: квантили • Geospatial: geoDistance, pointInPolygon, H3, S2 ClickHouse — гибкая система analysis DPI analysis CDR records analysis Fraud & spam detection DDoS protection Application performance monitoring Logs & metrics Security events and logs. SIEM Analytics of corporate networks Telemetry инкрементальная агрегация в оперативке • Выполнение запросов с использованием GPU • Интеграция с ML & AI. Обработка графов • Batch jobs • Data Hub Support For Semistructured Data 27 JSO data type:

第三届中国 Rust 开发者大会 使用 Rust 构建 LLM 应用 夏歌 SECTION TITLE SECTION TITLE 我们能不能直接用 Rust • 训练 • 推理 • AI 应用相关的工具 • WASI-NN spec • WasmEdge 已经支持 Pytorch 、 TensorFlow Lite • WASI-NN 2.0 比如 Langchain Rewrite 在系统编程已经取得了巨大成功 培养更广泛的 Rust 开发 围绕 LLM 生态封装相应的 Rust 框 架，让开发者能够使用简单的 Rust 写 应用 如何用 Rust 实现的 构建和部署 AI 相关工作流的 serverless 平台 • 上传 Rust function ，平台负责将 Rust 编译成 Wasm ，并运行在 WasmEdge 安全容 器中 • 平台封装了一些常用 LLM toml "0.1.0" 基于 ChatGPT 的 Telegram 机器人 telegram 机器人的基础设置 "0.1.0" 基于 ChatGPT 的 Telegram 机器人 Open AI 的基础设置 获取 chat_id "0.1.0" 基于 ChatGPT 的 Telegram 机器人 当 Telegram 收到 规定好的 Slash 开头的 telegram

com/XianBeiTuoBaFeng2015/MySlides  Recently, focus on infrastructure of Cloud/Edge Computing, AI, IoT, Programming Languages & Runtimes, Network, Virtualization, RISC-V, EDA, Rust related experiments… 2.4 Replace C++ with Rust in AI frameworks II. Practicing Sparrow Ideas  Today, most of the main stream AI frameworks such like Tensorflow, PyTorch and MXNet you may refer to our previous talk "Ray – A Swiss Army Knife for Distributed Computing & AI" at COSCon 2022 (Online);  Our new talk "The first exploration of Ray.Rust" will come soon.

什么是抽象数据类型？ 为什么需要抽象数据类型？ 时空复杂度 • 时间复杂度更被看重 • 时间和空间复杂度不是对立的，可以协同 时间和空间复杂度 复杂度计算 • 大Ｏ标记法（数量级近似） • 用 AI 来估计 算步骤、算存储 Rust 基本数据结构复杂度 线性数据结构 非线性数据结构 总体来看，时间复杂度没有超过 O(n) 的！ Rust 实现数据结构 • 栈 • 链表 • Vec

、 开 发 者 体 验 增 强 2023 年 面向生态伙伴开放场景 面向开发者提供 IDE 插件 / 自测环境 通用工作流广泛链接生态赋能开发者 企业解决方案和最佳实践内置 发布 AI 增强解决方案 企 业 开 放 性 、 A I 能 力 增 强 产品发展历程 高频极速迭代： Zadig 开源 29 个月共迭代 21 个版本 “ ” 开发者常处于 今天发版、明早升级

Third-party support (Javascript better than Dart) 利用 Rust 重塑移动应用开发 跨平台开发的优势和局 限性 Cons: - Performance - Native feature utilize - Existing Codebase 跨平台开发到到底 应该跨什么？ UI or Logic ? 利用 Rust 重塑移动应用开发 的特点 Why Rust? - Cross platform - Performance - Thread Safe - Memory Safe - Love 利用 Rust 重塑移动应用开发 Rust 在移动应用 开发中的应用 Why Rust? - Cross platform - Performance - Memory Safe - Love 利用 Rust 重塑移动应用开发 hardware wallet for the Web3 world 利用 Rust 重塑移动应用开发 Photo / image / chart 采用 Rust 重构业务逻 辑的背景和动机 Performance The same business logic will run on different platforms such as embedded devices, IOS, Android

branches & customizations • Hot Reload • Dependent breakpoints & Force run to cursor • And… performance Performance of Visual Studio Build Debug Edit Developer inner-loop Developer inner-loop Build faster Unreal Engine 4.27.1 IntelliSense Ready 18x faster Learn more at http://aka.ms/18xfaster Performance of Visual Studio Developer inner-loop Build Debug Edit Find in Files 1.8x faster Open faster Unreal Engine 4.27.1 IntelliSense Ready 18x faster Learn more at http://aka.ms/18xfaster Performance of Visual Studio At CppCon last year Developer inner-loop Build Debug Edit Find in

Ordering on the Intel Xeon Phi • Modern server architectures rely on memory locality for optimal performance. Data needs to be organized that allows the CPU’s to process the data, without having to wait using a Morton ordering, can help in many cases. When data is held in cache or in cache lines, performance will be better than if data is held in different cache lines. On the Intel Xeon Phi coprocessor in up to 11 times the performance on the Intel Xeon Phi coprocessor. When using multiple threads (which the Intel Xeon Phi is designed for), using the Morton ordering, performance is up to 2.44 times