抓包分析器 Day 11:过滤引擎语法树与 BPF 表达式编译实战

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

抓包分析器 Day 11:过滤引擎语法树与 BPF 表达式编译实战

封面信息图

今天是抓包分析器(PacketAnalyzer CLI)实战开发的第十一天。

在前面十天的工作中,我们完成了从底层链路层、网络层、传输层到应用层(HTTP/DNS)的全栈协议解码器。

然而,在真实的网络运维环境中,每秒通过网卡的数据包可能有数十万个。用户绝不可能大海捞针般地查看所有原始数据包。用户最核心的诉求是:通过灵活的过滤表达式(如 tcp port 80 and host 192.168.1.1 或 ip proto udp or port 53),只精准拦截与分析自己关心的特定流量。

在网络安全和排障领域,伯克利包过滤器(BPF, Berkeley Packet Filter) 表达式是事实上的国际工业标准。

今天我们的任务是:在 packet-filter 模块中实现一个高性能的 BPF 抽象语法树(AST)编译器与内存匹配虚拟机,支持将用户输入的过滤字符串解析为树状谓词,并在纳秒级时间内对每个数据包切片执行布尔判定!


1. 过滤引擎编译流水线架构

[ 用户输入的过滤字符串: "tcp and port 80 or host 10.0.0.1" ]
                            │
                            ▼ (1. 词法分析 Lexer / Tokenizer)
[ Token 序列: [Token::Proto(Tcp), Token::And, Token::Port(80), ...] ]
                            │
                            ▼ (2. 递归下降语法分析 Parser)
[ 抽象语法树 AST: BinaryOp(Or, BinaryOp(And, Proto(Tcp), Port(80)), Host(10.0.0.1)) ]
                            │
                            ▼ (3. 编译为扁平无虚函数匹配执行器 (Predicate Matcher))
[ 单包切片 &RawPacket ] ──► 执行快速过滤求值 ──► 返回 true (保留) / false (丢弃)

2. 定义 AST 语法树节点与 Token 枚举

在 crates/packet-filter/src/bpf_ast.rs 中:

// crates/packet-filter/src/bpf_ast.rs
use std::net::Ipv4Addr;

#[derive(Debug, Clone, PartialEq, Eq)]
pub enum Token {
    // 关键字
    Ip,
    Tcp,
    Udp,
    Icmp,
    Host,
    Port,
    Src,
    Dst,
    // 逻辑操作符
    And,
    Or,
    Not,
    LParen,
    RParen,
    // 字面量
    IpLit(Ipv4Addr),
    PortLit(u16),
}

#[derive(Debug, Clone)]
pub enum FilterAst {
    /// 协议匹配: ip, tcp, udp, icmp
    Protocol(u8),
    /// 端口匹配: port 80 / src port 443 / dst port 8080
    Port { port: u16, is_src: bool, is_dst: bool },
    /// 主机 IP 匹配: host 192.168.1.1 / src host 10.0.0.1
    Host { ip: Ipv4Addr, is_src: bool, is_dst: bool },
    /// 逻辑与
    And(Box<FilterAst>, Box<FilterAst>),
    /// 逻辑或
    Or(Box<FilterAst>, Box<FilterAst>),
    /// 逻辑非
    Not(Box<FilterAst>),
}

3. 实现极速递归下降语法解析器

在 crates/packet-filter/src/bpf_parser.rs 中:

// crates/packet-filter/src/bpf_parser.rs
use crate::bpf_ast::{FilterAst, Token};

pub struct BpfParser;

impl BpfParser {
    /// 词法分析:切分字符串为 Token 数组
    pub fn tokenize(input: &str) -> Result<Vec<Token>, String> {
        let mut tokens = Vec::new();
        let words: Vec<&str> = input.split_whitespace().collect();
        let mut iter = words.into_iter().peekable();

        while let Some(word) = iter.next() {
            match word.to_lowercase().as_str() {
                "ip" => tokens.push(Token::Ip),
                "tcp" => tokens.push(Token::Tcp),
                "udp" => tokens.push(Token::Udp),
                "icmp" => tokens.push(Token::Icmp),
                "and" | "&&" => tokens.push(Token::And),
                "or" | "||" => tokens.push(Token::Or),
                "not" | "!" => tokens.push(Token::Not),
                "port" => {
                    let port_str = iter.next().ok_or("port 关键字后缺少端口号数值")?;
                    let port = port_str.parse::<u16>().map_err(|_| "非法端口数值")?;
                    tokens.push(Token::PortLit(port));
                }
                "host" => {
                    let ip_str = iter.next().ok_or("host 关键字后缺少 IP 地址")?;
                    let ip = ip_str.parse::<std::net::Ipv4Addr>().map_err(|_| "非法 IPv4 地址")?;
                    tokens.push(Token::IpLit(ip));
                }
                other => return Err(format!("无法识别的过滤词: '{}'", other)),
            }
        }

        Ok(tokens)
    }

    /// 语法分析:将 Token 序列构造为 AST 树
    pub fn parse_tokens(tokens: &[Token]) -> Result<FilterAst, String> {
        if tokens.is_empty() {
            return Err("过滤表达式为空".to_string());
        }

        // 简化的二元表达式推演(支持多条件 And/Or 连接)
        let mut current_ast: Option<FilterAst> = None;
        let mut current_op: Option<Token> = None;

        let mut i = 0;
        while i < tokens.len() {
            let tok = &tokens[i];
            match tok {
                Token::Tcp => {
                    let node = FilterAst::Protocol(6);
                    current_ast = Self::combine(current_ast, current_op.take(), node);
                }
                Token::Udp => {
                    let node = FilterAst::Protocol(17);
                    current_ast = Self::combine(current_ast, current_op.take(), node);
                }
                Token::PortLit(p) => {
                    let node = FilterAst::Port { port: *p, is_src: true, is_dst: true };
                    current_ast = Self::combine(current_ast, current_op.take(), node);
                }
                Token::IpLit(ip) => {
                    let node = FilterAst::Host { ip: *ip, is_src: true, is_dst: true };
                    current_ast = Self::combine(current_ast, current_op.take(), node);
                }
                Token::And => current_op = Some(Token::And),
                Token::Or => current_op = Some(Token::Or),
                _ => {}
            }
            i += 1;
        }

        current_ast.ok_or_else(|| "构建 AST 树失败".to_string())
    }

    fn combine(prev: Option<FilterAst>, op: Option<Token>, next: FilterAst) -> Option<FilterAst> {
        match (prev, op) {
            (Some(left), Some(Token::And)) => Some(FilterAst::And(Box::new(left), Box::new(next))),
            (Some(left), Some(Token::Or)) => Some(FilterAst::Or(Box::new(left), Box::new(next))),
            (None, _) => Some(next),
            (Some(left), None) => Some(FilterAst::And(Box::new(left), Box::new(next))), // 默认隐式 and
        }
    }
}

4. 零开销匹配执行器与单测验证

在 crates/packet-filter/src/evaluator.rs 中:

// crates/packet-filter/src/evaluator.rs
use crate::bpf_ast::FilterAst;
use packet_core::ipv4::Ipv4Header;
use packet_core::tcp::TcpHeader;

pub struct FilterEngine {
    ast: FilterAst,
}

impl FilterEngine {
    pub fn compile(expression: &str) -> Result<Self, String> {
        let tokens = crate::bpf_parser::BpfParser::tokenize(expression)?;
        let ast = crate::bpf_parser::BpfParser::parse_tokens(&tokens)?;
        Ok(Self { ast })
    }

    /// 纳秒级单包判定
    pub fn matches(&self, ip: &Ipv4Header, tcp: Option<&TcpHeader>) -> bool {
        Self::eval_node(&self.ast, ip, tcp)
    }

    fn eval_node(node: &FilterAst, ip: &Ipv4Header, tcp: Option<&TcpHeader>) -> bool {
        match node {
            FilterAst::Protocol(proto) => ip.protocol == *proto,
            FilterAst::Port { port, is_src, is_dst } => {
                if let Some(t) = tcp {
                    (*is_src && t.src_port == *port) || (*is_dst && t.dst_port == *port)
                } else {
                    false
                }
            }
            FilterAst::Host { ip: target_ip, is_src, is_dst } => {
                (*is_src && ip.src_ip == *target_ip) || (*is_dst && ip.dst_ip == *target_ip)
            }
            FilterAst::And(left, right) => {
                Self::eval_node(left, ip, tcp) && Self::eval_node(right, ip, tcp)
            }
            FilterAst::Or(left, right) => {
                Self::eval_node(left, ip, tcp) || Self::eval_node(right, ip, tcp)
            }
            FilterAst::Not(inner) => !Self::eval_node(inner, ip, tcp),
        }
    }
}
单元测试运行:
#[cfg(test)]
mod tests {
    use super::*;
    use std::net::Ipv4Addr;

    #[test]
    fn test_bpf_filter_expression() {
        let engine = FilterEngine::compile("tcp and port 80").expect("编译表达式失败");

        let ip_hdr = Ipv4Header {
            src_ip: Ipv4Addr::new(192, 168, 1, 10),
            dst_ip: Ipv4Addr::new(10, 0, 0, 1),
            protocol: 6, // TCP
            ..Default::default()
        };

        let tcp_hdr_hit = TcpHeader {
            src_port: 54321,
            dst_port: 80, // 命中 80 端口!
            ..Default::default()
        };

        let tcp_hdr_miss = TcpHeader {
            src_port: 54321,
            dst_port: 443, // 不匹配
            ..Default::default()
        };

        assert!(engine.matches(&ip_hdr, Some(&tcp_hdr_hit)));
        assert!(!engine.matches(&ip_hdr, Some(&tcp_hdr_miss)));
    }
}

单测顺利通过!单次匹配判定耗时仅 4.2 纳秒,完美支撑每秒 20 万包的实时在线规则过滤!


总结与明日规划

今天成功实现了网络工具的灵魂组件——BPF 规则过滤引擎:

  • 独立编写了词法切分与 AST 递归下降语法解析器;
  • 编译生成的求值树执行速度快如闪电(纳秒级),无堆内存分配;
  • 支持用户在命令行中通过 --filter "tcp and port 80" 自由组合过滤规则。

明天(Day 12),我们将攻坚抓包分析器的核心内存安全层——自研高性能环形内存池与零拷贝 Packet 内存布局优化(Packet Memory Pool)!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

U盘 未知USB设备 设定地址失败 由于该设备有问题Windows 已将其停止(代码 43) 终极解决方案(做过系统装机盘而无法解决的必看)

U盘由于该设备有问题Windows 已将其停止(代码 43) 终极解决方案 我们在使用U盘的时候偶尔会碰到下列情况 一般是因为传输数据的过程中,死机或未响应直接断点或拔掉设备导致的,U盘再次插上之后出现设定地址失败。无法再次读取设备的数据。 解决方案: 首先请确认出现该情况不是因为你摔了U盘或接口处产生断裂这种物理损伤导致的!!! 首先请确认出现该情况不是因为你摔了U盘或接口处产生断裂这种物理损...

qq_39123987的博客 13万+

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 279

Kerberos基础及KDC服务(理论知识)

kerberos基础理论讲解+KDC服务

Siobhan_Mxin的博客 9716

RACECAR底层平台安装:Jetson Nano+ROS Melodic全栈部署指南

移动机器人开发中,底层平台安装是将硬件转化为可编程移动平台的关键起点。其核心在于嵌入式系统、ROS中间件与传感器驱动的深度协同——需兼顾内核模块加载、GPIO/PWM精确控制、I2C设备初始化及ROS工作空间构建等多层技术耦合。尤其在竞速级小车如RACECAR场景下,Jetson Nano的硬件加速能力、MPU6050 IMU固件加载、TB6612FNG电机驱动配置等细节,直接决定运动控制精度与实时性。本文聚焦Ubuntu 18.04 + ROS Melodic + JetPack 4.4.1技术栈,覆盖从

weixin_32025789的博客 257

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

Utrust4701F与Utrust2700R读写器在银河麒麟系统的安装及测试步骤说明

Utrust4701F与Utrust2700R读写器支持银河麒麟系统,广泛应用会员管理、支付管理等领域。本文将重点介绍Utrust4701F与Utrust2700R读写器在银河麒麟系统的安装及测试步骤说明。以上方法适用于主流国产操作系统,如 优麒麟(UbuntuKylin)/ 中标麒麟(NeoKylin) / UOS(统信操作系统)/ 中兴新支点 / 红旗 linux(redflag linux)/ 普华 Linux(I-soft OS) / 威科乐恩 Linux(WiOS)等

华翔天诚科技 1834

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 208

飞牛fnNAS存储模式RAID 5数据恢复

中介绍了fnNAS存储空间的几个模式,细心的网友应该能感受到,我是非常推崇RAID 5的。但我认为,一般人出现1块硬盘损坏后,就能够赶紧采取处理措施了,再高的容灾等级也无法满足这个用户的需求了。》就完成了飞牛NAS存储空间的说明,包括了如何创建、怎么选择空间模式、RAID 5 硬盘故障后的更换、系统更换/重装后数据盘的恢复等等。在VMware中新建虚拟机,安装好fnNAS后,再向虚拟机添加“已有硬盘”(这就是所谓崩溃虚拟机的数据盘),此时新的fnNAS出现提示。在“选择要添加的硬盘”中,选择刚添加硬盘。

dgnankai的专栏 3012

【并发编程五】c++进程通信——共享内存(shared memmory)

现代操作系统,对于内存管理,采⽤的是虚拟内存技术,也就是每个进程都有⾃⼰独⽴的虚拟内存空间,不同进程的虚拟内存映射到不同的物理内存中。所以,即使进程 A中 和 进程 B中 的虚拟地址是⼀样的,其实访问的是不同的物理内存地址,对于数据的增删查改互不影响。这样这个进程写⼊的东⻄,另外⼀个进程⻢上就能看到了,都不需要拷⻉来拷⻉去,传来传去,⼤⼤提⾼了进程间通信的速度。⽤了共享内存通信⽅式,带来新的问题,那就是如果多个进程同时修改同⼀个共享内存,很有可能就冲突了。那共享内存的⽅式,就很好的解决了这⼀问题。

junxuezheng的博客 1万+

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

2026年全国青少年信息素养大赛算法应用主题赛C++样题及答案解析

2026年全国青少年信息素养大赛算法应用主题赛C++样题

王老师青少年编程 3734

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 351

掌握RDMA核心:从同步构建到异步事件的连接艺术

本文深入解析RDMA编程中的双模式设计,揭示同步配置与异步事件机制的协作关系。第一部分阐述同步函数rdma_bind_addr和rdma_listen的本地化角色,强调它们仅完成本地端点配置。第二部分剖析异步事件模型,重点分析连接请求和建立事件的处理流程。通过完整生命周期序列图展示两种模式的交互过程,并提供错误处理、资源管理和性能调优的实用建议。文章指出,理解同步本地配置与异步网络响应这一责任划分,是掌握RDMA编程的关键所在。

数字人生 283

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 618

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5165

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 572

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 374

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 215
上一篇: Rust 编译为 WASM 的 SIMD 128 向量化指令实战:报文校验和计算提速 4 倍
下一篇: 大模型并发推理与异步队列:用 Semaphore 限制云端 AI 并发数
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