....................................................................................... 31 3.1.1 绑定 ................................................................................. 31 3.1.2 作用域 . use 关键字。 1.2.1 module 的可见性 为了让外部能使用模块中 item，需要使用 pub 关键字。外部引用的时候， 使用 use 关键字。 规则很简单，一个 item（函数，绑定，Trait 等），前面加了 pub，那么就它 变成对外可见（访问，调用）的了。 1.2.2 引用外部文件模块 通常，我们会在单独的文件中写模块内容，然后使用 mod 关键字来加载那个 文件作为我们的模块。 基本语法 2.1 前置知识 2.1.1 表达式和语句 其它语言中： 表达式是用来表达某含义的。可以包括定义某值，或判断某物，最终会有一个 “值”的体现，“Anything that has a value"。 比如说 var a=b 就是表达式，是把 b 的值赋给 a，或者 if (a == b)其中 if() 内的也是表达式。 而表达式语句就是程序识别的一条执行表达式的语句。

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426 18.2. 顾及不同类型值的 trait 对象 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . } 这几行定义了一个名叫 main 的函数。main 函数是一个特殊的函数：在可执行的 Rust 程序中， 它总是最先运行的代码。第一行代码声明了一个叫做 main 的函数，它没有参数也没有返回值。 如果有参数的话，它们的名称应该出现在小括号 () 中。 函数体被包裹在 {} 中。Rust 要求所有函数体都要用花括号包裹起来。一般来说，将左花括号 与函数声明置于同一行并以空格分隔，是良好的代码风格。 在这个文件增加更多的信息，还将增加其他 section。 接下来的三行设置了 Cargo 编译程序所需的配置：项目的名称、项目的版本以及要使用的 Rust 版本。附录 E 会介绍 edition 的值。 最后一行，[dependencies]，是罗列项目依赖的 section 的开始。在 Rust 中，代码包被称为 crates。这个项目并不需要其他的 crate，不过在第二章的第一个项目会用到依赖，那时会用

.................................................................................. 436 17.2. 顾及不同类型值的 trait 对象 ..................................................................................... 440 这几行定义了一个名叫 main 的函数。main 函数是一个特殊的函数：在可执行的 Rust 程序 中，它总是最先运行的代码。第一行代码声明了一个叫做 main 的函数，它没有参数也没有返 回值。如果有参数的话，它们的名称应该出现在小括号 () 中。 函数体被包裹在 {} 中。Rust 要求所有函数体都要用花括号包裹起来。一般来说，将左花括 号与函数声明置于同一行并以空格分隔，是良好的代码风格。 们在这个文件增加更多的信息，还将增加其他片段（section）。 接下来的三行设置了 Cargo 编译程序所需的配置：项目的名称、项目的版本以及要使用的 Rust 版本。附录 E 会介绍 edition 的值。 最后一行，[dependencies] ，是罗列项目依赖的片段的开始。在 Rust 中，代码包被称为 crates。这个项目并不需要其他的 crate，不过在第二章的第一个项目会用到依赖，那时会用

5 类型和值 25 5.1 Hello, World . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 5.2 变量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 5.3 值 . . . . . . . . . . . . . . . . . . . . . . 115 VI 第三天：下午 119 21 Welcome Back 120 22 借用 121 22.1 借用值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 22.2 借用检查 . . . exercise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 45 与 C++ 的互操作性 233 45.1 绑定示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 45.2 CXX 错误处理 .

ace complexity）。 ‧“随着输入数据大小的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。 ‧“时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间 增长的“快慢”。 复杂度分析克服了实际测试方法的弊端，体现在以下几个方面。 第 2 章 复杂度分析 www.hello‑algo.com 19 ‧ 它无需实际运行代码，更加绿色节能。 根据以上方法，可以得到算法的运行时间为 (6? + 12) ns ： 1 + 1 + 10 + (1 + 5) × ? = 6? + 12 但实际上，统计算法的运行时间既不合理也不现实。首先，我们不希望将预估时间和运行平台绑定，因为算 法需要在各种不同的平台上运行。其次，我们很难获知每种操作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 第二步：判断渐近上界 时间复杂度由 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将发挥主导作用，其他 项的影响都可以忽略。 表 2‑2 展示了一些例子，其中一些夸张的值是为了强调“系数无法撼动阶数”这一结论。当 ? 趋于无穷大时， 这些常数变得无足轻重。 表 2‑2 不同操作数量对应的时间复杂度 操作数量 ?(?) 时间复杂度 ?(?(?)) 100000

ace complexity）。 ‧“随着输入数据大小的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。 ‧“时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间 增长的“快慢”。 复杂度分析克服了实际测试方法的弊端，体现在以下两个方面。 ‧ 它独立于测试环境，分析结果适用于所有运行平台。 第 2 章 复杂度分析 hello‑algo.com 根据以上方法，可以得到算法的运行时间为 (6? + 12) ns ： 1 + 1 + 10 + (1 + 5) × ? = 6? + 12 但实际上，统计算法的运行时间既不合理也不现实。首先，我们不希望将预估时间和运行平台绑定，因为算 法需要在各种不同的平台上运行。其次，我们很难获知每种操作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 第二步：判断渐近上界 时间复杂度由 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将发挥主导作用，其他 项的影响都可以忽略。 表 2‑2 展示了一些例子，其中一些夸张的值是为了强调“系数无法撼动阶数”这一结论。当 ? 趋于无穷大时， 这些常数变得无足轻重。 表 2‑2 不同操作数量对应的时间复杂度 操作数量 ?(?) 时间复杂度 ?(?(?)) 100000

space complexity」。 ‧“随着输入数据大小的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。 ‧“时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间 增长的“快慢”。 复杂度分析克服了实际测试方法的弊端，体现在以下两个方面。 ‧ 它独立于测试环境，分析结果适用于所有运行平台。 第 2 章 复杂度分析 hello‑algo.com 根据以上方法，可以得到算法的运行时间为 (6? + 12) ns ： 1 + 1 + 10 + (1 + 5) × ? = 6? + 12 但实际上，统计算法的运行时间既不合理也不现实。首先，我们不希望将预估时间和运行平台绑定，因为算 法需要在各种不同的平台上运行。其次，我们很难获知每种操作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 第二步：判断渐近上界 时间复杂度由 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将发挥主导作用，其他 项的影响都可以忽略。 表 2‑2 展示了一些例子，其中一些夸张的值是为了强调“系数无法撼动阶数”这一结论。当 ? 趋于无穷大时， 这些常数变得无足轻重。 表 2‑2 不同操作数量对应的时间复杂度 操作数量 ?(?) 时间复杂度 ?(?(?)) 100000

Core Thread Thread Worker Worker task task Local queue Local queue Tokio 采用了如右图这种 GMP 模式： • 一核可以绑定多线程，每个线程拥有一个 Worker ，每个 Worker 拥有一个任务队列 • 但线程拥有相同优先级 • Worker 只持有一个本地 FIFO 队列 移动端诉求：优先级 • 任务区分优先级： 注 册 事 件 任务优先级调度 Task priority and quality of service 任务优先级调度 Linux CFS 调度 : 线程优先级 • 设置线程的 Nice 值给予线程不同的权重 2 个线程 A 和 B 。 A 的权重是 1024 ， B 的权重是 2048 。那么 A 获得 CPU 的时间比例是 1024/ (1024 + 2048) = 33.3%

) ；而如果給定的資料是 固定位數的整數（例如學號），那麼我們就可以用效率更高的“基數排序”來做，將時間複雜度降為 ?(??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 ce complexity）。 ‧“隨著輸入資料大小的增加”意味著複雜度反映了演算法執行效率與輸入資料體量之間的關係。 ‧“時間和空間的增長趨勢”表示複雜度分析關注的不是執行時間或佔用空間的具體值，而是時間或空間 增長的“快慢”。 複雜度分析克服了實際測試方法的弊端，體現在以下幾個方面。 第 2 章 複雜度分析 www.hello‑algo.com 19 ‧ 它無需實際執行程式碼，更加綠色節能。 第二步：判斷漸近上界 時間複雜度由 ?(?) 中最高階的項來決定。這是因為在 ? 趨於無窮大時，最高階的項將發揮主導作用，其他 項的影響都可以忽略。 表 2‑2 展示了一些例子，其中一些誇張的值是為了強調“係數無法撼動階數”這一結論。當 ? 趨於無窮大時， 這些常數變得無足輕重。 表 2‑2 不同操作數量對應的時間複雜度 操作數量 ?(?) 時間複雜度 ?(?(?)) 100000

不考虑版本兼容性 • 不带字段描述信息 • 仅支持primitives, Vec, 以及它们的组合嵌套 • 分布式物理引擎的计算和IO都很重要 • 计算线程和IO线程分离，各自绑定CPU核心 Motphys 特化网络层 自定义 pure rust message 自定义编解码协议 自动 ack 和可测量 RTT 的通信框架 一切为低延迟服务 分布式物理，突破单机算力的瓶颈