SQL Presto/Trino Drill Actian Vortex Kylin Kudu MonetDB Actian Vector Actian Matrix Redshift Greenplum OmniSci (mapD) Brytlyt HyPER Pinot kdb+ Shakti MemSQL (SingleStore) Vertica SAP HANA Sybase IQ сценариев • Внимание к деталям и специализация под сценарии нагрузки ClickHouse — надёжная система 6 • Кросс-ДЦ master-master репликация • Надёжная запись и хранение данных • Защита от сбоев железа

STL 容器， RAII 内存管理 3.现代 C++ 进阶：模板元编程与函数式编程 4.编译器如何自动优化：从汇编角度看 C++ 5.C++11 起的多线程编程：从 mutex 到无锁并行 6.并行编程常用框架： OpenMP 与 Intel TBB 7.被忽视的访存优化：内存带宽与 cpu 缓存机制 8.GPU 专题： wrap 调度，共享内存， barrier 9.并行算法实战： 指望靠单核性能的增长带来程序性 能提升的时代一去不复返了，现在 要我们动动手为多核优化一下老的 程序，才能搭上摩尔定律的顺风车 。 神话与现实： 2 * 3GHz < 6GHz • 一个由双核组成的 3GHz 的 CPU 实际上提供了 6GHz 的处理能力，是吗？ • 显然不是。甚至在两个处理器上同时运行两个线程也不见得可以获得两倍的性能。相似的 ，大多数多线程的应用不会比双核处理器的两倍快。他们应该比单核处理器运行的快，但 公式：加速比 = 串行用时 ÷ 并行用时 • 理想加速比应该是核心的数量。 • for 部分加速比为 5.98 倍。 • reduce 部分加速比为 10.36 倍。 • 提示：老师的电脑是 6 个物理核心， 12 个逻辑核心。 • 似乎这里 reduce 的加速比是逻辑核心数量，而 for 的加速比是物理核心的数量？ • 剧透：因为本例中 reduce 是内存密集型， for 是计算密集型。

Team (Microsoft) • Started in April 2020 • Lecturer at the University of Washington • Cute pup parent6 Agenda • Part I: Development Process • Implementing in the Open • Organization of Work • Part II: weighted average of many atomic clocks to track time. No gps_clock First Sunday of Jan, 1980 (Jan 6, 1980 00:00:00) Tracks the time maintained by the GPS satellites’ atomic clocks. No file_clock occurred on Sunday Nov 6, 2016 at 2:00am. At this time, clocks were turned backward 1 hour to Sunday November 6, 2016 at 1:00am standard time instead. So, the time_point Nov 6, 2016 1:30am essentially

tionbutton (4,916) • Brad Martin • 7) ? nativescript-sqlite (5,108) • Nathanael Anderson • 6) ? nativescript-google-maps-sdk (5,266) • Dan Prietti - 5) ? nativescript-spotify (5,295) - nativescript-plugin-firebase (6,523) - Eddy Verbruggen - 2) ? nativescript-apiclient (8,066) - Marcel Kloubert - 1) ? nativescript-toolbox (10,772) - Marcel Kloubert Top Plugin Creators • 6) ? Nathan Walker Brad Martin (22) • 11) ? Peter Staev (5) • 11) ? Sean Perkins (5) • 10) ? Robert Laverty (6) • 8) ? Alex Ziskind (7) • 8) ? Steve McNiven-Scott (7) • 7) ? Josh Sommer (8) Community ? Community

chaining views: vector data { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 }; auto result { data | views::filter([](const auto& value) { return value % 2 == 0; })/* 2 4 6 8 10 */ | views::transform([](const auto& Operator <=>  Common case:  auto X::operator<=>(const Y&) const = default;  Compiler generates all 6 comparison operators to compare X with Y (memberwise)  Advanced:  Non-defaulted (then you also seconds  gps_clock: represents Global Positioning System (GPS) time, measures time since 00:00:00, 6 January 1980 UTC, it does not include leap seconds  file_clock: alias for the clock used for st

func ，够复杂了吧？也只是勉勉强强超过一 点内存的延迟了，但在 6 个物理核心上并行加速后， 还是变成 mem-bound 了。 • 加速比： 1.36 倍 • 应该达到 6 倍（物理核心数量）才算理想加速比。 加速曲线 • funcA 用了 2 核就饱和。 • funcB 用了 4 核才饱和。 • funcC 用了 6 核才饱和。 • 结论：要想利用全部 CPU 核心，避免 mem-bound mem-bound ，需要 func 里有足够的计算 量。 • 当核心数量越多， CPU 计算能力越强，相 对之下来不及从内存读写数据，从而越容 易 mem-bound 。 1 2 4 6 8 10 0 50 100 150 200 250 300 350 funcA funcB funcC 内存信息查看工具： dmidecode • 可以看到小彭老师电脑上插了 2 块内存，频率都是 可以看到我们 x86 电脑的缓存结构分为三级。 • 一级缓存分为数据缓存和指令缓存，其中数据缓存有 32 KB ， 6 个物理核心每个都有一个，总共 192 KB 。而指令缓存的大小刚好和数据缓存一样也是 192 KB 。 • 二级缓存有 256 KB ， 6 个物理核心每个都有一个， 总共 1.5 MB 。 • 三级缓存由各个物理核心共享，总共 12 MB 。 通过图形界面查看拓扑结构：

• 例如创建具有 6, 1, 7, 4 四个元素的 vector ： • vector a = {6, 1, 7, 4}; • 和刚刚先创建再赋值的方法相比更直观。 • vector(initializer_list list); vector 容器：构造函数 • 初始化表达式的等号可以写也可以不写： • vector a = {6, 1, 7, 4}; 4}; • vector a{6, 1, 7, 4}; • 都是等价的。 • vector(initializer_list list); vector 容器：构造函数 • 注意，这意味着如果用花括号的 {4} 初始化： • vector a{4}; • 会得到长度为 1 只有一个元素 4 的数组。 • 如果需要长度为 4 ，元素全部为 0 的数组，必 须用圆括号 的时候，如果数组已有超过 n 个元素，假设是 m 个，则他会删除多出来的 m - n 个元素，前 n 个元素会保持不变。 • vector a = {1, 2, 3, 4, 5, 6}; • a.resize(4); • 等价于： • vector a = {1, 2, 3, 4}; • void resize(size_t n); vector 容器： resize

= x[i] + y[i]; } TEST_CASE("cppcon-1", "[CUDA]") { // … } An Even Easier Introduction to CUDA 6 |__global__ void add_gpu(int n, float* x, float* y) { for (int i = 0; i < n; i++) y[i] and separated by the PCI-Express bus.” -- https://developer.nvidia.com/blog/unified-memory-in-cuda- 6/ CPU vs GPU Memory System Memory GPU Memory 12 |“Unified Memory creates a pool of managed memory Unified Memory between host and device...” -- https://developer.nvidia.com/blog/unified-memory-in-cuda-6/ Unified Memory System Memory GPU Memory 13 |Memory Allocation // cpu float* x = new float[N];

Containers Heterogeneous Erasure  Removed Features  Garbage Collection SupportC++23 Core Language6 Agenda  C++23 Core Language  Explicit Object Parameters  if consteval  Multidimensional Subscript p\exe_main.cpp(17): ConsoleApplication2! mainCRTStartup+0xE 5> KERNEL32!BaseThreadInitThunk+0x14 6> ntdll!RtlUserThreadStart+0x2165 Stacktrace Library  Use-case: automatically include stacktrace in return v * 2; }); auto vec{ std::ranges::to(ints) }; std::print("{}", vec); // [2, 4, 6, 8]71 Changes to Ranges Library  Converts container to container  E.g.: // Convert vector to set

STL 容器， RAII 内存管理 3.现代 C++ 进阶：模板元编程与函数式编程 4.编译器如何自动优化：从汇编角度看 C++ 5.C++11 起的多线程编程：从 mutex 到无锁并行 6.并行编程常用框架： OpenMP 与 Intel TBB 7.被忽视的访存优化：内存带宽与 cpu 缓存机制 8.GPU 专题： wrap 调度，共享内存， barrier 9.并行算法实战： Tencent/rapidjson - 单纯的 JSON 库，甚至没依赖 STL （可定制性高，工程美学经典） 5. ericniebler/range-v3 - C++20 ranges 库就是受到他启发（完全是头文件组成） 6. fmtlib/fmt - 格式化库，提供 std::format 的替代品（需要 -DFMT_HEADER_ONLY ） 7. gabime/spdlog - 能适配控制台，安卓等多后端的日志库（和 C++20 ranges 库就是受到他启发 4. g-truc/glm - 模仿 GLSL 语法的数学矢量 / 矩阵库 5. abseil/abseil-cpp - 旨在补充标准库没有的常用功能 6. bombela/backward-cpp - 实现了 C++ 的堆栈回溯便于调试 7. google/googletest - 谷歌单元测试框架 8. google/benchmark - 谷歌性能评估框架