Negative leap seconds: A second is removed, so the seconds on a UTC clock might read 57, 58, 00 (skipping over second 59). No leap second removals have occurred yet, but they theoretically could. daylight saving time transition when an extra hour is inserted. When that happens, that one-hour block essentially happens twice. • If the local_time to be converted occurs in that period of time, there

🐞 • Quadratic complexity vec.erase(iter) loop 🐞 • Invalidating iterators while looping 🐞 • Skipping elements while looping 🐞17 Uniform Container Erasure • GH-236 and GH-566 implemented by SuperWig

control_block: atomic ref_count = 1; … control_block* ctrl; T12 Daniel Anderson -- danielanderson.net std::shared_ptr (the basics) T* ptr; shared_ptr s1: control_block: control_block* ctrl; shared_ptr s2: control_block* ctrl; atomic ref_count = 2; …13 Daniel Anderson -- danielanderson.net std::shared_ptr (the basics) control_block: T T* ptr; control_block* ctrl; atomic shared_ptr s2:14 Daniel Anderson -- danielanderson.net std::shared_ptr (the basics) control_block: T atomic ref_count = 0; …15 Daniel Anderson -- danielanderson.net std::atomic16

std::shared_ptr(block) Control Block T T T T T …my::shared_ptr Control Block T T T T T T … int ref_cnt; int size; my::shared_ptr(block)I will write it myself ™ Control Block T T T T T T … templateblock // Cast and initialize each T // return my::shared_ptr(block); } // FixMe: What about alignment? // ToDo: Are these reinterpret_casts to be modern C++FlexClass A tool in the shed#include template struct Block { auto fc_handles() { return fc::make_tuple(&data); } int size; int ref_cnt;

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 也是负数，会造成对 m_block 的越界访问。 • 因此 % 会返回负数对 CFD 用户来说是个很大的坑点，很多人想当然地用 % 做循环边界， 然而这对负方向会不起作用。 解决： (a % b + b) % b • 我看一些 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 会是 0 ，如果 x 是 [0,3] 则 x / B 也是 0 。导致两个 同时跑到一个 block 上去，会出错。 高效的解决：位运算 >> • 如果 b 是 2 的幂次方，即： 2, 4, 8, 16, 32 等 。 • 则： a / pow(2,n) = a >> n • 也就是说 位，组合成一个 32 位的整数。 解决： & 替代 % ， >> 替代 / ， | 替代 + 块编号直接为对齐的坐标， << 改成 & 和 ~ 自动推算 B 和 Bmask ，顺便扁平化 Block 第 3 章：多层稀疏 用一个指针的数组来表示 图片解释：指针数组的原理 1 nul nul 2 3 nul nul nul nul 表示 nullptr （空指针） 图片解释：指针数组的稀疏

20; float* x; float* y; // … int block_size = 256; int grid_size = (N + block_size - 1) / block_size; add_gpu<<block_size>>>(N, x, y); // … } Ok, about the kernel y[i] = x[i] + y[i]; } TEST_CASE("cppcon-1", "[CUDA]") { // … add_gpu<<block_size>>>(N, x, y); // … } Ok, about the kernel parameters 10 |Memory“In a typical PC or cluster

• 13:30Concurrency Changes35 Atomic Smart Pointers  Is shared_ptr thread safe?  Yes: control block manipulation thread safe  guarantees object is deleted exactly once  No: accessing pointer not  Help with thread coordination  Latches   A thread coordination point  Threads block at a latch point, until a given number of threads reach the latch point, at which point all threads Library  Barriers   A sequence of phases  In each phase  a number of threads block until the requested number of threads arrive at the barrier, then  a phase completion callback

？我觉得应该叫 threadNum 才比较合理？ • 小彭老师也这么觉得，可能是历史遗留下 来的问题，就不追究了。 线程之上：板块 • CUDA 中还有一个比线程更大的概念，那就是板 块（ block ），一个板块可以有多个线程组成。这 就是为什么刚刚获取线程数量的变量用的是 blockDim ，实际上 blockDim 的含义是每个板块 有多少个线程。 • 要指定板块的数量，只需调节三重尖括号里第一个 threadIdx • 当前板块中的线程数量： blockDim • 当前板块的编号： blockIdx • 总的板块数量： gridDim • 线程 (thread) ：并行的最小单位 • 板块 (block) ：包含若干个线程 • 网格 (grid) ：指整个任务，包含若干个板块 • 从属关系：线程＜板块＜网格 • 调用语法： <<>> 区分板块和线程有点麻烦？“扁平化”他们！ 那么为什么中间要插一个板块呢？感觉很 不直观，不如直接说线程数量不就好了？ • 这还得从 GPU 的硬件架构说起。 SM （ Streaming Multiprocessors ）与板块（ block ） • GPU 是由多个流式多处理器（ SM ）组成的。每个 SM 可以处理一个或多个板块。 • SM 又由多个流式单处理器（ SP ）组成。每个 SP 可以处理一个或多个线程。 • 每个

Demo virtio-fs block vm-memory acpi linux-loader kvm-ioctls vm-virtio vsock net VFIO APIC vhost Cloud Hypervisor KVM File System Device Driver Host Linux Kernel vCPU block Memory Guest VM

YX 表示外层 大循环，后两个小写 yx 表示区间大小为 blockSize 的内层小循环 。 循环分块：用图片来直观感受 BM_y_blur BM_y_blur_tiled 分块以后，在 block 内部，即使是 Y 方向的跳跃访问，也是在 刚刚访问过的范围内，所以，只需缓存容量大于 blockSize*nblur 即可避免 cache miss 。 需要缓存： nx*nblur 需要缓存： 需要缓存： blockSize*nblur 循环分块：用图片来直观感受 BM_y_blur BM_y_blur_tiled 但是这样有一个很大的问题，如果插桩的读取范围跨越了 block 的边界，反而会变得跨度更大，导致缓存彻底失效。 需要缓存： nx*nblur 需要缓存： blockSize*nx*nblur 改进：只对 X 循环做分块 BM_y_blur_tiled BM_y_blur_tiled_only_x