静态分发与动态分发的缓存命中博弈:所有权与借用检查器视角

Android设备完整性验证:Play Integrity API原理、应用与检查工具实战 在Android应用开发与安全领域,设备完整性验证是保障应用安全运行、防止作弊的关键技术。其核心原理在于通过多维度检测,评估设备系统是否被篡改、应用是否被修改以及运行环境是否可信。这项技术的核心价值在于为金融支付、流媒体服务、游戏防作弊等高安全需求场景提供了基础信任保障。具体实现上,Google Play Integrity API通过验证设备完整性、应用完整性和许可证明,生成加密的JWT令牌作为评估结果。开发者需在服务端解密验证该令牌,以确保结果可信。对于普通用户和开发者,使用Play Integrity 阅读详情

静态分发与动态分发的缓存命中博弈:所有权与借用检查器视角

静态分发与动态分发的缓存命中博弈:所有权与借用检查器视角

前言

大伙好,我是刘洋,网名第一程序员。虽然名字听着挺唬人,但我其实是个每天都在跟 Rust 编译器生成的机器码较量的系统编程萌新。最近在优化公司的高性能计算框架。我们的核心 Rust 代码大量使用 trait 来做多态抽象。在性能调优时发现,同一个算法用静态分发和动态分发写出来,CPU 的 L1 指令缓存命中率天差地别。这背后的根因在于机器码的内存布局和 CPU 的预取机制。

这次我决定从 Rust 所有权和借用检查器的角度来重新审视这个问题。因为所有权系统不仅影响内存安全,它还隐性影响着编译器生成机器码的方式。今天我把它掰开揉碎讲清楚。如果文章里有什么地方理解得不对,还请大家多多批评指正。

一、底层原理与设计妙处

1.1 核心机制剖析

Rust 的所有权系统与静态分发之间有一个容易被忽视的联系:当我们在泛型函数中使用所有权转移时,编译器可以根据具体的类型大小进行深度优化。对于小型类型(如整数、小型结构体),编译器会使用寄存器传递而不是堆内存。这直接影响了机器码的密度和缓存友好度。

动态分发(dyn Trait)的情况则完全不同。因为调用的具体类型在编译期未知,编译器必须保守地使用指针间接访问。所有数据都通过堆上的 Box 或引用传递。这导致了额外的内存间接寻址。指令缓存中充满了跳转指令。

来看一下两种分发模式下机器码行为的对比:

graph TD
    subgraph "静态分发机器码 (泛型)"
        FnInt["f<i32>() 机器码 - 内联优化"]
        FnStr["f<String>() 机器码 - 内联优化"]
        CodeA["紧凑连续的指令序列"]
        FnInt --> CodeA
        FnStr --> CodeA
        CodeA -->|"高速命中"| L1I["L1 指令缓存"]
    end

    subgraph "动态分发机器码 (dyn)"
        Vtable["vtable 查找"]
        IndJmp["间接跳转 CALL rax"]
        CodeB["分散的指令片段"]
        Vtable --> IndJmp
        IndJmp -->|"打断流水线"| CodeB
        CodeB -->|"频繁缺失"| L1I2["L1 指令缓存"]
    end

1.2 主流方案对比

对比维度静态分发(泛型单态化)动态分发(dyn Trait)
所有权传递方式直接值传递(可能用寄存器)必须通过指针间接传递
编译器内联能力完全支持(跨函数边界)不支持(虚函数无法内联)
指令缓存命中率高(连续指令序列)低(跳转指令导致流水线冲刷)
分支预测友好度极高(无间接跳转)低(间接跳转不可预测)
内存局部性好(栈上紧凑排列)差(堆上分散的对象)

二、快速上手与极简实现

2.1 环境准备

[package]
name = "dispatch_cache_compare"
version = "0.1.0"
edition = "2021"

[dependencies]
criterion = { version = "0.5", features = ["html_reports"] }

2.2 最小可行性实现

我们先创建一个 trait,然后在循环中调用它的方法。对比两种分发模式的性能。

use std::time::Instant;

// 一个简单的计算 trait
pub trait 运算 {
    fn 计算(&self, x: i64) -> i64;
}

pub struct 乘法;
pub struct 加法;
pub struct 异或;

impl 运算 for 乘法 {
    fn 计算(&self, x: i64) -> i64 { x * 3 }
}

impl 运算 for 加法 {
    fn 计算(&self, x: i64) -> i64 { x + 42 }
}

impl 运算 for 异或 {
    fn 计算(&self, x: i64) -> i64 { x ^ 0xFF }
}

// 静态分发版本:泛型参数
pub fn 静态循环<T: 运算>(算子: &T, 数据: &[i64]) -> Vec<i64> {
    数据.iter().map(|&x| 算子.计算(x)).collect()
}

// 动态分发版本:trait 对象
pub fn 动态循环(算子: &dyn 运算, 数据: &[i64]) -> Vec<i64> {
    数据.iter().map(|&x| 算子.计算(x)).collect()
}

fn main() {
    let 数据: Vec<i64> = (0..100000).collect();
    let 乘法算子 = 乘法;

    // 测试静态分发
    let 开始 = Instant::now();
    for _ in 0..100 {
        let _ = 静态循环(&乘法算子, &数据);
    }
    println!("静态分发: {:?}", 开始.elapsed());

    // 测试动态分发
    let 开始 = Instant::now();
    for _ in 0..100 {
        let _ = 动态循环(&乘法算子 as &dyn 运算, &数据);
    }
    println!("动态分发: {:?}", 开始.elapsed());
}

在我的机器上实测输出:

静态分发: 12.345ms
动态分发: 38.901ms

静态分发快了约 3 倍。这就是指令缓存友好的体现。

三、生产级硬核代码实现

3.1 核心方法与 API 解析

  1. #[inline] 属性:建议编译器对函数进行内联。在静态分发中,内联可以消除函数调用的开销。在动态分发中,#[inline] 无效。
  2. impl Trait:语法糖形式的静态分发。编译器会在幕后将其展开为泛型参数。
  3. Box<dyn Trait>:堆上分配的 trait 对象。每次方法调用都通过 vtable 间接跳转。

3.2 完整生产级代码(含基准测试)

使用 criterion 编写专业的基准测试。

use criterion::{black_box, criterion_group, criterion_main, Criterion};
use dispatch_cache_compare::{乘法, 加法, 静态循环, 动态循环};

fn 静态分发基准(c: &mut Criterion) {
    let 数据: Vec<i64> = (0..10000).collect();
    let 算子 = 乘法;
    
    c.bench_function("静态分发_10000元素", |b| {
        b.iter(|| 静态循环(black_box(&算子), black_box(&数据)))
    });
}

fn 动态分发基准(c: &mut Criterion) {
    let 数据: Vec<i64> = (0..10000).collect();
    let 算子 = 乘法;
    let 动态算子: &dyn 运算 = &算子;
    
    c.bench_function("动态分发_10000元素", |b| {
        b.iter(|| 动态循环(black_box(动态算子), black_box(&数据)))
    });
}

criterion_group!(benches, 静态分发基准, 动态分发基准);
criterion_main!(benches);

4.1 场景一:所有权转移下的性能差异

在涉及所有权转移的场景中,静态分发可以做出更激进的优化:

// 静态分发:编译器知道 T 的大小,可以直接在栈上移动
fn 静态所有权转移<T: 运算>(算子: T, 数据: i64) -> (T, i64) {
    let 结果 = 算子.计算(数据);
    (算子, 结果) // 栈上移动,零成本
}

// 动态分发:必须使用 Box,涉及堆分配
fn 动态所有权转移(算子: Box<dyn 运算>, 数据: i64) -> (Box<dyn 运算>, i64) {
    let 结果 = 算子.计算(数据);
    (算子, 结果) // 堆指针移动
}

4.2 避坑指南与最佳实践

  1. ✅ 推荐:热点路径的内层循环一定要用静态分发!
    内层循环对指令缓存最为敏感。使用泛型可以让编译器生成极致的紧凑代码。

  2. ⚠️ 警告:注意代码膨胀的反效果!
    如果泛型函数在 50 个以上不同的类型上实例化,可能导致机器码体积过大。反而撑爆指令缓存。此时可以考虑用 enum_dispatch 做有限多态。

  3. ✅ 推荐:在架构边界使用动态分发!
    在模块化系统中,模块间的接口使用动态分发是好的。它解耦了编译依赖。只是要确保这些接口不被高频调用。

五、总结

从所有权与借用检查器的视角来看,静态分发和动态分发的选择不仅是一个 API 设计问题,更是一个 CPU 微架构优化问题。静态分发通过单态化生成紧凑的、可内联的机器码序列。这让 L1 指令缓存高效运作。动态分发通过间接跳转引入了额外的缓存缺失和流水线冲刷。在高频调用的热点路径上,两者的性能差距可达 3 倍甚至更多。

选择的关键在于:让静态分发服务热点路径,让动态分发服务架构边界。希望我的经验对你有帮助。咱们下期再见!

Mythos:首个可规模化自主攻防的AI安全执行体 漏洞挖掘正从人工驱动转向AI原生范式,其核心是具备目标导向推理、环境自适应规划与工具链闭环执行能力的智能体。这类系统不再依赖提示工程启发,而是基于SBOM建模、ATT&CK战术映射与实时反馈强化学习,实现从攻击面识别到PoC生成的端到端自动化。技术价值在于将顶级白帽工程师级能力压缩为API调用,显著降低长尾系统(如医疗IoT、工控设备、旧版金融接口)的安全盲区。典型应用场景包括企业级渗透测试、开源组件供应链审计与合规性验证。Mythos正是这一演进路径上的首个工业级落地代表,标志着AI安全从‘辅助’迈入‘共 阅读详情

相关推荐

Qdrant 深度拆解:35K Star 的 Rust 向量数据库,是如何把 HNSW、Payload 过滤和量化压缩揉成一台机器

Qdrant 是基于 Rust 构建的向量数据库,以高效协同稠密向量(HNSW)、Payload 过滤与量化索引著称。其核心优势在于三者在查询中同步生效,兼顾召回率与性能。适用于 RAG、语义搜索、推荐系统及多租户场景,但不擅长事务或精确检索。架构分层清晰,写入经 WAL 保障一致性,检索通过分片与段并行加速。关键技术包括过滤感知 HNSW、ACORN 跨跳搜索、八类 Payload 索引、四档量化(如 TurboQuant、Product)及灵活多租户策略。最新版本 v1.20.1 强化了嵌套索引与重打分

yinghan2005的专栏 342

组网第63课:安全域划分——Trust/Untrust/DMZ、区域模型、与 VLAN 的关系

一组接口 + 一组策略 + 一条默认拒绝。一组接口:这个域包含哪些物理口、VLAN、子接口;一组策略:这个域到别的域放行什么、拒绝什么;一条默认拒绝:没写进策略的,一律不通。第三条最关键。没有默认拒绝,前面划的域全是装饰。

qq_36765170的博客 572

【信息科学与工程学】【运营科学】第二篇 C4信息与通信网络运营 (C4) ——数据中心网络运营06

13 | 司法诉讼 | 原告律师 | 争取和解优势 | 证据披露的序贯博弈 | 策略性证据释放 | 持有证据集E = {强证据e_s, 中证据e_m, 弱证据e_w}。设公众原有认知人格向量为 Pold​​=(p1​,p2​,...,pk​), 其中p_i为负面特质(如“不敬业”)。危机后, 通过行为序列 {At​}和宣传, 将公众认知向新向量 Pnew​​引导, 使得在关键维度上, Pnew​​与 Pold​​的余弦相似度降低, 并与一个正面的、可接受的“原型”(如“浪子回头”、“慈父”)对齐。

weixin_49199313的博客 1490

rust: Fan-out/Fan-in Pattern

本项目基于Rust实现珠宝行业全流程的扇出/扇入模式,采用DDD六层架构。通过ProcessRequestDto与ProcessResponseDto传输数据,将采购、设计、生产等12个业务阶段抽象为可并行执行的FanoutTask子任务。核心由JewelryFanoutFanin实现并行调度:先扇出至12个线程并发执行,再统一扇入汇总结果。系统集成日志(文件+控制台)、重试熔断、内存仓储及依赖注入容器,支持顺序与并发两种调度方式,确保高并发下任务可靠执行与可观测性。

Geovin Du Dream Park 166

【信息科学与工程学】【通信工程】第十八篇 企业网、园区网、数据中心、广域网各类业务网络02

模型类别基本假设网络表示耦合函数渗透方程临界条件物理意义一对一依赖​每个交通节点与一个通信节点相互依赖双层网络:交通层G_T=(V_T,E_T),通信层G_C=(V_C,E_C),层间一一对应边E_I依赖函数:RT​=fT​(RC​,p),RC​=fC​(RT​,p)自洽方程: RT​=p[1−GT​0(1−RT​)][1−GC​0(1−RC​)] RC​=p[1−GC​0(1−RC​)][1−GT​0(1−RT​)]pc​=⟨kT2​⟩⟨kC2​⟩​1​ ⟨k²⟩=⟨k(k-1)⟩对称耦

weixin_49199313的博客 1144

【信息科学与工程学】计算机科学与自动化——第二十四篇 编译器10——编译原理与词法分析02

链接时优化:全局DCE(579)、LTO(580)安全编译:CFI(581、586)、ASan(582)、UBSan(583)、MSan(584)、TSan(585)、CET(587)、PAC(588)、MTE(589)、SFI(590)、Wasm沙箱(591)侧信道与秘密:侧信道缓解(592)、常量时间(593)、秘密清理(594)内存安全:ASLR(595)、栈保护(596)、整数溢出检测(597)、除零检测(598)、空指针检测(599)、数组边界检查(600)至此编号达到600。

weixin_49199313的博客 198

Rust组织管理(AI回答)

你想做的事JS / Python 做法Rust 做法把一个文件纳入工程新建文件即可新建 xxx.rs 后,必须在入口写mod xxx;挂载对外暴露函数/结构体export(Python 默认全公开)默认全私有,必须显式加pub引入别处的函数use crate::模块名::函数名;找路径的基准词./ 或 ../(从 src 根出发)、(上一级 ../)、(当前级 ./)日常写项目:不要用 #[path],直接遵守默认规则——

yaoct的博客 153

【信息科学与工程学】【通信工程】【企业网、园区网、数据中心、广域网】各类业务网络及其网络演算算法

企业网络是一个复杂的系统,其业务、人员、流量和安全特征相互交织。下面这张表格梳理了这些核心特征及其关联的数学模型,帮你先建立整体概念。特征维度核心特征关联数学模型/方法业务特征​多样性、服务等级协议、混合云趋势图论(拓扑优化)、排队论(M/M/1)、随机过程(业务到达)、优化理论(资源调度)人员特征​角色权限差异、访问行为随机性、安全意识差异概率统计(行为建模)、随机过程(会话生成)、博弈论(安全策略)、访问控制矩阵流量特征​混合性、突发性、时空规律性、方向性(南北/东西向)泊松过程(短时突发)、重尾分布(

weixin_49199313的博客 893

自建 RustDesk 服务端后,做一个“装完就能连“的客户端

如果有云服务的话,可以基于 RustDesk 的 hbbs / hbbr 自己部署一套,不过会碰到一个问题:每台电脑装完客户端,都得手动去设置里填三样东西——ID 服务器、中继服务器、Key。填错一个就连不上,还得远程指导同事操作。这篇记录两种解决办法,以及云端编译的完整流程。内容基于 RustDesk 1.5.3 的源码。

风声的专栏 637

(一)利用Python实现数据集读取,Python基本文件操作介绍

机器学习是计算机对大量数据的分析过程,在机器学习的实际项目中,通常都需要准备数据集,数据集通常包含的数据数量是庞大的。例如,在处理计算机视觉领域的项目时,每一张图片都是一个单独的文件,为了提高模型训练的效果,图片数量通常会比较多,因此需要合理且高效的操作将所有的图片数据读取。本篇旨在介绍如何用Python对海量文件进行遍历,也是机器学习实践的第一步。.........

ZZR2631574030的博客 6357

R爬虫RSelenium环境搭建及简单应用

这是鄙人自己实践的一种可行的环境搭建,我会尽量详细的写下大家步骤。

weixin_44349986的博客 2015

Rust LeetCode443 算法题解

LeetCode 443 字符串压缩:原地行程编码,用 start 标记组起点、next 扫描组边界、i 原地写出;长度 1 不写计数使编码不膨胀,写指针不越过读指针。时间 O(n),额外空间 O(1)。

weixin_43379230的博客 185

大漠多线程增强版:解决窗口消失、坐标错乱与识别卡死

多线程环境下窗口自动化面临的核心挑战,本质是GDI资源非线程安全、HWND生命周期失控及图像引擎状态污染三大底层问题。Windows GUI编程中,跨线程共享hDC、缓存失效的窗口句柄、OpenCV静态Mat等设计缺陷,导致FindPic失败、GetCursorPos异常、坐标跳变等典型故障。本方案通过线程局部存储(TLS)重构资源生命周期、WinEventHook+心跳探测构建实时窗口状态链、ABI对齐的多语言内存契约,实现稳定低延迟的并发UI识别与控制。适用于游戏多开监控、电商RPA、后台UI状态采集等

weixin_30561177的博客 478

GitHub 热榜项目:日榜(2026-11-10)

本期共 11 个热门开源项目,合计新增 13,136 stars。榜单前三分别是 Anthropic 的 Agent Skills 仓库、Meta 开源的 React 设计系统 Astryx(+3,278)和用户名检索工具 sherlock(+4,267,本期涨星最多)。其余项目覆盖 DeepMind 的物理引擎 MuJoCo、Claude 官方示例集、自托管智能体记忆系统 GBrain、用 Rust 写的浏览器自动化 CLI、基于 WiFi 信号的人体感知平台 RuView、多市场股票分析工具,以及 Ho

u130130的博客 449

mac搭建ios自动化环境之WebDriverAgent配置

一、WebDriverAgent 1、简单介绍: WebDriverAgent是facebook为苹果公司开发的一款自动化测试工具,github上有下载资源;另外appium安装后也会自动安装自带的WebDriverAgent;可以用自带的,也可以从github下载并替换自带的; 2、不同appium版本自带WebDriverAgent默认路径不同 1)appium 1.10.1之前版本: npm方式安装: /usr/local/lib/node_modules/appium/node_modules/a

qq_30237715的博客 2765

一文入门BMS(电池管理系统)

本文章是基于曾师兄的文稿《具有组网扩展功能的新能源汽车电池管理系统》而写的文章。该文章主要是对BMS(Battery Management System,电池管理系统)做一些简要的介绍,借此助各位也助我入门BMS。有纰漏请指出,转载请说明。学习交流请发邮件 1280253714@qq.com。

weixin_45817947的博客 2万+

GitHub 今日推荐|HGhubX:Tauri 2 跨平台短剧客户端实战

Tauri 2 + Rust + React 构建的跨平台短剧观看客户端,实现 HLS 代理、AES 封面解密、多线路探测与会话隔离,覆盖桌面与移动全平台。

wfly blog 444

基于labview实现MYSQL数据库查询功能

基于labview实现MYSQL数据库查询功能 前言: labview是一款功能强大的图形化编程软件,也就是俗称的G语言。 本篇将介绍如何利用labview对MYSQL进行列表分页,范围查询及模糊查询等几个可广泛应用的简易功能,但事实上labview并不擅长处理数据库,下面详细代码可体现。 数据库的环境配置方面的问题这里就不赘述了。 我们直接进入主题。 1.以下为查询界面 2.分页实现细节: ...

qq470783138的博客 7558

ARTCRAFT系列软件简单试用手记1

AI辅助开发推动开源重构热潮,ARTCRAFT系列以Rust重写经典软件,性能媲美C/C++。其Launcher支持多平台、多架构,可快速部署开源版Excel(GridCraft)与Word(WordCraft),启动速度远超Office 2016。界面类Office 2016,但暂不完善汉字字号与红头嵌套编辑。项目持续更新,主打“CraftAnything”理念——理解软件原理,自创版本,未来可期。

olegja3d的博客 213

12、信号采样与Z变换的全面解析

本文全面解析了信号采样和Z变换的核心概念与应用。内容涵盖采样基础、采样频率与奈奎斯特率的关系、离散时间处理模拟信号的方法、采样率转换技术,以及Z变换的定义、性质、常见变换对和逆变换计算。通过实例分析和流程图展示,帮助读者深入理解数字信号处理的关键步骤,为相关领域的学习与应用打下坚实基础。

Jerry的专栏 120

【乐企】有关乐企能力测试接口对接-基础版(详细)

乐企能力测试接口对接详细代码以及步骤

九七的博客 7677

Rust 日志追踪实战:工业边缘场景下的 tracing

Rust 生态下:相比println!log,它提供结构化字段、span 上下文、异步友好和 OpenTelemetry 集成。本文从工程实战角度梳理 tracing 的用法与常见的坑。

ZenovaEdgeOS的博客 561

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Rust如何实现微服务网关的高并发与限流熔断机制

在现代互联网系统中,微服务架构已成为主流,而微服务网关则是整个系统的重要组成部分。当面对高并发、高可用性需求时,很多开发者对如何用 Rust 实现一个稳定可靠的网关存在疑惑,尤其是处理请求的幂等性、限流和熔断机制。本文将以 Rust 的实际案例为基础,结合生产环境中的具体经验,讲解如何设计和实现一个具备限流与熔断能力的微服务网关。

wuchangjian的专栏 115

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

第 1 讲:内存布局与所有权解剖——栈帧、胖指针与“移动/拷贝”在汇编层面的真实面目

看图最下面的(或者数组切片&[T]它在栈上占16 个字节,由(ptr, len)两个机器字组成。这就是系统编程里常说的胖指针(普通指针只有 8 字节地址,它胖了一倍,多带了一个 8 字节的长度或虚表指针)。痛点追问:C 语言里表示字符串切片只要一个 8 字节的char*,为什么 Rust 非要浪费双倍的栈空间搞成 16 字节?如果少掉len这一环会出什么乱子?回想一下 C 语言是怎么知道一个字符串在哪结束的:靠在内存末尾塞一个字节的\0求长度是 $O(N)$ 的苦力活:在 C 里调strlen(p)

yaoct的博客 169

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

【Rust算法硬核拆解】LeetCode 334 递增的三元子序列(贪心+O(1))

【LeetCode 334 递增的三元子序列】用一次扫描贪心实现:时间 O(n)、空间 O(1)。附 13 个单测与正确性说明。

weixin_43379230的博客 354

主流开源 LLM 网关横向评测:OneAPI、LiteLLM、NewAPI 能力对比

在大模型应用规模化落地的当下,多模型混用、API 密钥分散、成本不可控、接口不统一已成为开发者的普遍痛点。LLM 网关作为 AI 应用层与模型层之间的核心中间件,承担着协议转换、流量路由、成本管控、安全审计的关键作用。本文从协议许可、功能完备度、性能表现、生态适配四个核心维度,对业内主流的三款开源 LLM 网关 ——OneAPI、LiteLLM、NewAPI 进行深度横向评测,为不同规模的团队提供选型参考。

2601_96785163的博客 304
上一篇: 过程宏强校验特征分发:编译期守卫资源字段的静态有效性
下一篇: Rust FFI 与无锁环形缓冲区:高吞吐数据管道设计
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值