faster 1 2 0 5 10 15 20 25 30 35 40 45 50 47 27 Series1 Open C++ File 2.4x faster 1 2 0 0.5 1 1.5 2 2.5 2.02 0.82 Series1 IntelliSense Ready* 1.9x faster *) Colorization + Member List 1 2 0 1 2 3 4 5 6

end()) { • throw std::out_of_range(“ 找不到键值” ); • } • val = it->second; 从 map 中读取元素： C++ 和 Python 对比 • Python 中 val = m[“key”] 读取元素，找不到键值会出错，调试时更早发现错误。 • C++ 中 val = m[“key”] 读取元素，找不到键值不会出错而是默默创建，还初始化为 end()) { • throw std::out_of_range(“ 找不到键值” ); • } • it->second = val; 往 map 中写入元素： C++ 和 Python 对比 • Python 中 m[“key”] = val 写入元素，找不到键值会自动创建，并写入元素。 • C++ 中 m[“key”] = val 写入元素，找不到键值会自动创建，并写入元素。 • C++ • 总结，要符合你熟悉的 Python 的 [] 行为，在 C++ 中要根据不同情况选择不同的方法访 问： • 读取用 at() 写入用 [] • 很多同学会困惑，为什么要设计两套， C++ 他爸是精神分裂症吗？ • 恰恰相反， C++ 是中两个函数不论读写都一视同仁： at 总是抛出异常， [] 总是默默创建 。 • 这么看 Python 才是精分：同一个 [] 函数

语言 % 的特色：负数 • 7 % 4 = 3 • -7 % 4 = -3 • 也就是说 a % b 如果 a 是负数，则得到的模也是负数。 Python 的 % 就没问题 • 7 % 4 = 3 • -7 % 4 = 1 • Python 的模运算 a % b 的值始终是 [0, b) 区间内的正数，非常方便。 对稀疏数据结构造成的问题 • 如果这里的 x 是负数，则 x % B / 4 = 1 • -7 / 4 = -1 • 也就是说 a / b ，如果 a 是负数，则是向上取整，如果 a 是正数，则是向下取整。 Python 的 // 就没问题 • 7 // 4 = 1 • -7 // 4 = -2 • Python 的整除运算 a // b 的值始终是向下取整，非常方便。 对稀疏数据结构造成的问题 • 也就是说，如果 x 是 [-3,0] 则 x / B >> 3 。 >> 2 = 位运算 >> 对负数的处理 signed 类型的 >> n 会把最高位复制 n 次。 因为补码的特性，这导致负数 >> 的结果仍是负 数。 这样就实现了和 Python 一样的始终向下取整除 法。 >> 2 = unsigned 类型的位运算 >> 不一样 而 unsigned 类型的 >> n 会不会复制最高位， 只是单纯的位移，这会导致负数的符号位单独被位

most of the main stream AI frameworks such like Tensorflow, PyTorch and MXNet embrace Python+C++ for their software layers design.  While Rust is coming! https://githubmemory. Ray(the distributed training framework that behinds many LLMs) by leveraging Python + Rust to instead of Python + C++ within current implementation;  For some initial design, you may refer to been possible to design Renode peripheral models in a variety of languages such as C#, Python and C.  Adding Rust peripherals in Renode now: https://antmicro.com/blog/2021/0

make 在 Unix 类系统上是通用的，但在 Windows 则不然。 2. 需要准确地指明每个项目之间的依赖关系，有头文件时特别头疼。 3. make 的语法非常简单，不像 shell 或 python 可以做很多判断等。 4. 不同的编译器有不同的 flag 规则，为 g++ 准备的参数可能对 MSVC 不适用。 构建系统的构建系统（ CMake ） • 为了解决 make 的以上问题，跨平台的 需要准确地指明每个项目之间的依赖关系，有头文件时特别头疼。 • CMake 可以自动检测源文件和头文件之间的依赖关系，导出到 Makefile 里。 • make 的语法非常简单，不像 shell 或 python 可以做很多判断等。 • CMake 具有相对高级的语法，内置的函数能够处理 configure ， install 等常见需求。 • 不同的编译器有不同的 flag 规则，为 g++ 准备的参数可能对 glfw/glfw - OpenGL 窗口和上下文管理 10.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

除了用于初始化的构造函数（ constructor ） 还包括了用于销毁的解构函数（ destructor ） 离开 {} 作用域自动释放 手动释放 RAII ：避免犯错误 与 Java ， Python 等垃圾回收语言不同， C++ 的 解构函数是显式的，离开作用域自动销毁，毫不含 糊（有好处也有坏处，对高性能计算而言利大于 弊） 如果没有解构函数，则每个带有返回的分 支都要手动释放所有之前的资源 管理的对象生命周期长度，取决于他所属的唯一一个引用的寿命 。 那是不是只要 shared_ptr 就行，不用 unique_ptr 了？ • 可以适当使用减轻初学者的压力，因为他的行为和 Python 等 GC 语言的引用计数机制很像。但从长远 来看是不行的，因为： 1. shared_ptr 需要维护一个 atomic 的引用计数器， 效率低，需要额外的一块管理内存，访问实际对象 需要二级指针，而且 请求等。 • 这些业务往往都是在和资源打交道，从而基本都是刚刚说的要删除拷贝函数的那一类，解 决这种需求，几乎总是在用 shared_ptr 的模式，于是 Java 和 Python 干 脆简化：一切非基础类型的对象都是浅拷贝，引用计数由垃圾回收机制自动管理。 • 因此，以系统级编程、算法数据结构、高性能计算为主要业务的 C++ ，才发展出了这些思 想，并将拷贝 / 移动

可以获取指向第一个元素所在位置的迭代器。 • end 可以获取指向最后一个元素下一个位置的迭代器。 • 迭代器的作用类似于一个位置标记符。 • 虽然对于 vector 来说只需要下标（ index ）就能标记位置了，例如 Python 中也是通过 0 表示第一个元素， -1 表示最后一个元素。 • a[0] a[1] a[-1] • 而 C++ 的特色就是采用了迭代器（ iterator ）来标记位置，他实际上是一个指针，这样 ）。区间可以是一个容器的全部， 例如 {a.begin(), a.end()} 区间；也可以是一个容器的部分，例如 {a.begin() + 1, a.end() - 1} 相当于去头去尾后的列表，相当于 Python 中的 a[1:-1] 。 • 区间这个概念在 C++20 被高度强化了亿下，之后的课我们研究一下他。 vector 容器： begin 和 end • begin 可以获取指向第一个元素所在位置的迭代 + 1 可以插入到第二个元素位置。 • a.end() 可以插入到最末尾（ append ）。 • a.end() - 1 则是插入到倒数第一个元素前。 • end() 迭代器的减法和是 Python 中负数作为 下标的情况很像的，不过 C++ 更加明确是从 end 开始往前数的。 • iterator insert(const_iterator pos, int const &val);

Wisecondor - 生物信息 CNV 分析 • mdsn - A Multi-address DSN(Data Source Name) parser. TDengine 应用开发组 • Python/Rust/Go 连接器 • 数据可视化 • 数据库运维工具 • 第三方数据源接入 • BI 系统接入 https://taosdata.com/ https://github.com/zitsen Kafka OPC-UA MQTT Broker Clustered Industrial Automated Systems SCADA/HMI Analytics, ML App Python/Matlab/R Java/C/C++/Restful IoT Application Visualization Tool Grafana Web Based Management

tests/std, tests/libcxx, tests/tr1 (legacy) • llvm-project submodule for libc++'s test suite • Uses Python and lit (LLVM Integrated Tester) • Linear history, squashed commits • Feature branches are uncommon Sets • Currently up to 12 VMs, each with 16 cores • VMs install VS (with Clang, CMake, Ninja), Python, CUDA • We enforce clang-format for product/test code • Saves an incredible amount of time • Our

） 元数据层 事务管理 MVOCC 计算层 Cypher AST 优化器 图计算 内存加速引 擎 服务接口 HTTP/RPC Spark 连接器 Python UDF 执行器 索引管理 一致性存储 RAFT 分片管理 元数据 集群管理 用户权限 GNN 应用层 Atlas 图平台 Atlas Studio Atlas Client • 内置多种 20+ 个 GNN 算法 • 支持同构图 / 异构图 / 属性图 客户的信任 • 上线某银行反欺诈场景 业务效果提升 10%+ 灵活易用的开发平台 • AtlasML Python Library • 集成 Jupyter Notebook 超参数自动优化 • 支持超参数自动调优，解放算 法科学家生产力，避免繁杂的 手动调参 海致图神经网络平台特点 Rust