init code } Turns INVALID_SIZE into a very large number ## “In all cases, it would be better if the cast - new or old - could be eliminated” ## —Bjarne Stroustrup The Design and Evolution of C++ Why do si; int i = si; ## Explicit Type Conversions #### Explicit Type Conversions a.k.a Casts ## C-style cast ## ()var 1. Create a temporary of using var 2. can be any valid type with qualifiers = (A*)&f; B* pb = (B*)pa; double d = *(double*)(pb); return (int)d; } ## C-style cast 1. Create a temporary of using var 2. can be any valid type with qualifiers 3. Overrides

Tables Run Time Type Info (RTTI) Exception Code TIME Nondeterministic Type Comparison (dynamic\_cast)  ## Slow Binary std::expected ### After 2.5 years, what did the students think? ## I F/ELSE everywhere! Just (void) cast away the problems! void blink_led( output_pin& p_pin, milliseconds p_transition_time) Tables Run Time Type Info (RTTI) Exception Code TIME Nondeterministic Type Comparison (dynamic_cast) 🙏 😄 ## Slow Binary Search Frame Unwinding Frame Evaluation Most accepted it... Some asked

监控维度更多，除了传统物理集群的监控，还包括核心服务监控（API server，Etcd等）、容器监控、Pod监控、Namespace监控等 ● 监控对象动态可变，在集群中容器的销毁创建十分频繁，无法提前预置 监控指标随着容器规模爆炸式增长，如何处理及展示大量监控数据 随着集群动态增长，监控系统必须具备动态扩缩的能力 ## 监控遇上 Kubernetes 目前容器云平台提供的k8s集群包括： 10+集群（云+物理机房+边缘） resource_requests_memory:label_biz_type ## Thanos + Kvass ## Kvass是一个Prometheus横向扩缩容解决方案 他使用Sidecar动态得根据Coordinator分配下来的target列表来为每个Prometheus生成只含特定target的配置文件，从而将采集任务分散到各个Prometheus分片。 Coordinator用于 et的时候，会根据target的实际规模来，而不是通过hashmod来，所以每个分片的总负载会被控制在一个阈值以下，不会出现某个分片OOM的情况。 ● 自动扩缩容：Kvass会根据当前集群的规模，动态调整分片个数  ## Thanos +

进一步：核函数调用核函数 从 Keller 架构开始，___global___ 里可以调用另一个 ___global___，也就是说核函数可以调用另一个核函数，且其三重尖括号里的板块数和线程数可以动态指定，无需先传回到 CPU 再进行调用，这是 CUDA 特有的能力 kernel: Thread 0 of 3 kernel: Thread 1 of 3 kernel: Thread 2 of of 5 another: Thread 3 of 5 another: Thread 4 of 5 常用于这种情况：需要从 GPU 端动态计算出 blockDim 和 gridDim，而又不希望导回数据到 CPU 导致强制同步影响性能。这种模式被称为动态并行（dynamic parallelism），OpenGL 有一个 glDispatchComputeIndirect 的 API 和这个很像，但毕竟没有 65532 arr[65533]: 65533 arr[65534]: 65534 ## 网格跨步循环：应用于线程和板块一起上的情况 - 网格跨步循环实际上本来是这样，利用扁平化的线程数量和线程编号实现动态大小。 - 同样，无论调用者指定每个板块多少线程（blockDim），总共多少板块（gridDim）。都能自动根据给定的 n 区间循环，不会越界，也不会漏掉几个元素。 - 这样一个 for 循环非常符合

第13章 回溯 13.1 回溯算法 13.2 全排列问题 13.3 子集和问题 13.4 n 皇后问题 13.5 小结 第14章 动态规划 14.1 初探动态规划 14.2 动态规划问题特性 14.3 动态规划解题思路 14.4 0-1 背包问题 14.5 完全背包问题 14.6 编辑距离问题 14.7 小结 第 15 章 贪心 15.1 贪心算法 等。 数据结构：基本数据类型和数据结构的分类方法。数组、链表、栈、队列、哈希表、树、堆、图等数据结构的定义、优缺点、常用操作、常见类型、典型应用、实现方法等。 · 算法：搜索、排序、分治、回溯、动态规划、贪心等算法的定义、优缺点、效率、应用场景、解题步骤和示例问题等。  图 2-6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维方式。 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分析。 #### 2.2.3 两者对比 总结以上内容，如表

the Julia GC. Array{T,N} When an array is passed to C as a Ptr{T} argument, it is not reinterpret-cast: Julia requires that the element type of the array matches T, and the address of the first element

the Julia GC. Array{T,N} When an array is passed to C as a Ptr{T} argument, it is not reinterpret-cast: Julia requires that the element type of the array matches T, and the address of the first element