f7196cc12c191/p1_1.jpg) QCon 全球软件开发大会 INTERNATIONAL SOFTWARE DEVELOPMENT CONFERENCE # 移动APP性能监测实践（iOS篇） 杨凯 # 国 

## GCN ## 业务性能优化概览  By Xargin 《Go 语言高级编程》合著者 Go contributor  https://github.com/bagder/http2-explained https://github.com/bagder/http3-explained ## 逃逸分析 ●●●● package main func main() { var m = make([]int, 10240) println(m[0]) } 用户声明的对象，被放在栈上还是堆上，是由编译器的 调大 GOGC - 程序启动阶段 make 一个全局的超大 slice(如 1GB) 这种方式只适合那些内存不紧张，且希望提高整体吞吐量的服务 ## 内存占用过高-堆分配导致内存过高 ## 实例分析，TLS 的 write buffer 瓶颈优化过程 ![Image](/uploads/documents/e/b/c/1/ebc1b5ddb63ee0547a1b33bc434bdf60/p21_1

API可靠性分析与验证 姜剑峰 ## 主题内容 • Rust第三方库API可靠性现状 • 现用方法的局限性 - 基于程序合成+模糊测试的可靠性分析方法 ## 自我简介 • 本（2019）硕（2022）毕业于复旦大学 - 目前在蚂蚁集团安全计算部门开发应用于机密计算的Rust系统软件 - 研究生期间主要从事Rust测试与验证工具的研究，本人所在的是国内最早开展Rust程序分析相关研究的实 所有动态检查都不应该被违背（可以被安全的移除），除非panic是一种允许的行为 ## 现有的可靠性分析方法及其局限性 模糊测试(afl.rs, libfuzzer): 分支覆盖率；用例程序的构造 符号执行(klee, angr)：路径爆炸；求解困难 静态分析(MirChecker, Rudra, SafeDrop)：分析特定问题；假阳性 形式化验证(RustBelt)：无法方便的验证第三方库 其他工具（Miri等） 结论以及未来的发展 1. Rust优秀的语言设计避免了大量可能发生的潜在错误 2. 目前Rust程序合成的难点在于unsafe代码，泛型与trait，宏等 3. 保障Rust程序的可靠性仍然需要各种程序分析以及软件测试的手段 ## Thanks ## Rust China Conf 2021-2022 – Online, China

## DataEase 嵌入式分析 2024年3月 ## 人人可用的 开源数据可视化分析工具 DataEase 可以帮助用户快速分析业务数据并洞察其趋势，从而实现业务的改进与优化。DataEase 支持丰富的数据源连接，能够通过拖拉拽的方式快速制作图表，并且可以方便地与他人进行分享。 ## FIT2CLOUD 飞致云 ## DataEase v2 的不同版本对比 |版本类型|社区版|嵌入式版|企业版| |---|---|---|---| |目标群体|任何用户|ISV / 系统集成商|最终客户| |产品功能|社区版功能|社区版功能 + X-Pack 部分功能（含嵌入式分析能力）注：单数据集限制 10 万行数据。|社区版功能 + X-Pack 所有功能（含嵌入式分析能力）注：数据集无行数限制。| |销售方式|社区分发免费使用|线上销售 / 线下推广标准化合同模板|线下推广线下商务流程| |授权方式|免费永久使用|按 ×8）|原厂企业级技术支持服务（基础级，5×8；增强级，7×24）| 嵌入式分析可以给 ISV 带来哪些价值？ DataEase 嵌入式分析的方案 DataEase 嵌入式分析的优势 在线体验 & 嵌入流程介绍 ## 什么是嵌入式分析？ 嵌入式分析是可以嵌入在商业应用程序中，为应用软件提供或者增强分析功能的专业 BI 软件。 ## " Embedding analytics

# APISEVEN 和 Kong EE 的性能评测 -- GigaOm 高性能API管理测试 产品评估：API7和Kong企业版  1 - 摘要3 API76 图1. API7技术架构7 Kong 企业版7 3-GigaOm API负载测试设置9 开发，且能降低计算成本的开销。 更重要的是，许多组织也依赖API和微服务来实现高性能和可用性。在本文中，我们将“高性能”定义为每秒负载超过1000个交易且在整个API环境中最大延迟小于30毫秒。对公司而言，对性能的需求和对管理的需求一样，因为公司依靠API交易速率来跟上业务发展速度。 API管理解决方案不能成为性能瓶颈。许多公司都在寻找跨多个API端点的负载均衡和高交易量吞吐的解决方案。如果业务 每秒有1000个交易，一个月内就会有30亿次API调用。拥有大流量的公司通常每月API调用次数超过100亿次。因此，在选择API管理解决方案时，性能是一个关键因素。 在本文中，我们展示了使用2个全生命周期API管理平台完成的性能测试结果：API7 和 Kong 企业版 (Kong EE)。 在我们的单节点设置中，API7所有的压力测试结果都优于Kong EE。在每秒10,000个请求的情况下，99

656c39f0055537d7f9feafcf0f03f1/p1_2.jpg) PYTHON 30th ## Python机器学习性能优化 以BERT服务为例，从1到1000 刘欣 ## 目录 1. 优化的哲学 2. 了解你的资源 3. 定位性能瓶颈 4. 动手优化  PYTHON 30th ## 3 定位性能瓶颈 Profile before Optimizing ## Python Profilers • time.time() • cProfile • line profiler • pyflame [Image](/uploads/documents/7/1/6/5/71656c39f0055537d7f9feafcf0f03f1/p23_2.jpg) ## wrk · 制造压力 · 挖掘整体性能瓶颈 - 实现非常精妙的压力工具，强烈安利（要不要写个py binding） ![Image](/uploads/documents/7/1/6/5/71656c39f0055537d7f9feafcf0f03f1/p24_2

## 基于静态分析的Rust内存安全缺陷检测研究 报告人：徐辉 复旦大学 报告日期：2022.11.25 ## 大纲 一、问题背景 二、Rust指针缺陷检测方法 三、实验结论 四、论文发表心得 ## 大纲 一、问题背景 二、Rust指针缺陷检测方法 三、实验结论 四、论文发表心得 ## Rust语言 ## 系统级安全编程语言 手动释放内存或调用析构函数 函数返回时发生的自动析构或内存释放 ☐ Rust设计的目标之一是编译时检查指针别名（共享可变引用） 但一般意义上的指针分析是NP-hard问题 智能指针可行，但作为运行时方案，效率低 ■ Rust在语法设计中引入所有权机制，简化指针分析问题 ## Rust所有权模型 => XOR Mutability ☐ 一个对象有且只有一个所有者 ☐ 所有权可以转移给其它变量 alice临时失去修改权， 保留只读权 ## 如果需要违背XOR Mutability怎么办？ ☐ 以双向链表为例，中间节点被前后两个节点访用 ☐ Rust为了提升可用性所做的妥协 智能指针（性能损失） ☑ 允许使用裸指针（unsafe模式） next prev next prev next prev • 逃逸编译器的借用检查 => 指针别名 struct List{ val:

## DataEase ## 人人可用的开源数据可视化分析工具 2023 年 6 月 数据可视化对企业的价值 DataEase 开源项目介绍 DataEase 模板市场 DataEase 企业版介绍 ## 数据可视化对企业的价值 原始数据  ## FIT2CLOUD 飞致云 数据→信息→价值 可视化 数据孤岛 管理混乱 缺失分析 可以为企业运营带来直接收益 ## 数据价值  全业务场景 用户行为管理 数据驾驶舱 ## 数据可视化对不同人员的价值 数据可视化对不同人员的价值 ## FIT2CLOUD 飞致云 ## 前端业务人员 能够快速、高效地提供体验良好的数据展现手段，通过分析数据资产的质量，助力企业做出更加准确的业务策略。 ## 数据管理人员 提供多种数据使用模式，提供更为丰富、安全的数据管理手段，有助于企业内部进行更为广泛的数据整合与分析，并由此创造数据价值。 ## 企业管理者 能够合理评估、规范和洞察企业信息，洞悉企业发展趋势，在有效管理 IT

R-Bot：检索问答系统 KB/KG 问题 问题分析 检索 排序 词/同义词  答案[列表] 实体识别 问题分类 同类词 TF-IDF LtR 指代消解 词向量 CNN/RNN 关系抽取 情感分析 ## I R-Bot：深度学习 对话交互的价值：在哪儿/在那儿 • 行业早期，价值待验证 • “能帮我把转化率提升50%吗？” • 需求界定师：砍掉不合实际的需求 • “能不能把我的销售、客服全换成机器人？” • “能不能通过分析上课视频，来解答学生的问题？” · 对话设计师：怎么更优雅地达到目的 · “公交车上你会给老人让座吗？” - 做能做且有价值的事，努力把不能做的事变成可做的 Thanks # 爱因互动，欢迎你的加入

 # 性能优化之无分支编程  Branchless Programming by uppercase，对于排序过的数据明显比乱序时高效。 - 无分支的方法对于乱序和有序的数据一样高效，性能吊打了传统的分支方法。 - 对于传统分支的做法，为什么排序了的更高效？既然无分支更高效，我要怎样优化才能让我的程序变成无分支的呢？那就来看本期性能优化专题课吧！ ## 分支预测成败对性能的影响 ||Nanoseconds (ns)|Microseconds (μs)|Milliseconds 50% 到 60%、90%、99% 直到有一次，突然出现了一次分支 B 成功的案例，CPU 瞬间被打脸！不得不浪费 99% 已经填满 A 数据的流水线清空，重启整个流水线，这就是分支预测失败，他是导致分支性能低下的罪魁祸首。不过被打了一次脸的 CPU 还不敢相信，觉得这可能只是碰巧，下一次还是会执行分支 A 的吧，所以他只是把分支 A 的比例下调到 80%，直到第二次又被打脸，下调到最初的起点 50%……