LWN:gccrs开发进展!

关注了就能看到更多这么棒的文章哦~

An update on gccrs development

By Jonathan Corbet
October 1, 2024
Cauldron
Gemini-1.5-flash translation
https://lwn.net/Articles/991199/

Rust 语言经常被人们诟病的问题是只有一款编译器,这使得很难确定该语言的标准版本,也限制了 Rust 代码可以针对的架构只能是现有编译器所支持的架构。在 GCC 中添加 Rust 前端将有助于解决这些问题。在 2024 年 GNU 工具大熔炉(2024 GNU Tools Cauldron) 上,Pierre-Emmanuel Patry 介绍了这项工作的进展情况及其目标。

df475a56f644045c93ff618e305d0653.png

这种 GCC 前端 被称为 "gccrs";由于 Rust 语言的商标规则限制,它不能被称为 Rust 编译器。自该项目于 2019 年重启以来,Patry 开始将目标定为 Rust 语言的 1.49 版本,该版本于 2020 年 发布。自 GCC 14 版本以来,它已包含在 GCC 中,尽管该版本没有包含 gccrs 文档。

在 2023 年的 GNU 工具大熔炉上,Patry 曾 表示 该项目在其仓库中拥有超过 800 个需要上游到 GCC 主线(mainline 的非合并变更集提交,这确实是一项相当庞大的工作。今年,这个数字已经减少到 40 个,并且这些都是新的工作,而不是来自去年的遗留工作。因此,确实取得了一些进展。曾经的目标是每两周向上游推送一次更改,但这被证明是过多的工作量了;他们仍然希望尽快将代码上游,但他们已经放弃了这个具体目标。

在过去的一年里,gccrs 的开发得到了三个 Google 暑期代码实践 (GSoC) 实习生的帮助。其中一位实习生 (Jasmine Tang) 负责内联汇编代码的支持,这是 Rust-for-Linux 项目所需要的;该功能的大部分前端工作现在已经完成。Rust 中的内联汇编代码看起来像这样:

unsafe {
    asm!("assembly code here", "other info")
};

虽然前端工作已经到位,但在将汇编代码完整地传递到后面的编译阶段时遇到了困难。这些问题已经得到解决,但仍然有一些细节需要处理。

第二位 GSoC 学生 (Muhammad Mahad) 负责开发测试套件适配器(test-suite adapter),目的是帮助 gccrs 通过 Rust 测试套件。这里存在一个需要解决的适配问题:GCC 使用 DejaGnu 进行测试,因此需要对 Rust 的测试进行某种转换。最后一位 GSoC 学生 (Kushal Pal) 负责 GCC 中间表示(intermediate representation)中的借用检查(borrow checking),以及向用户提供合适的错误提示。

展望即将到来的 GCC 15 版本,Patry 表示 主要目标 是实现编译内核代码所需的特性。其中最重要的任务是让 gccrs 能够编译 Rust 核心库,事实证明这并非易事。开发人员曾经以为他们已经实现了足够的功能来做到这一点,但惊讶地发现还有很多问题需要解决。Rust 项目使用核心库中的实验特性这一习惯也加剧了问题。

Patry 说,这些问题正在解决,但即使解决之后,编译器目前速度也相当慢。不过,这是一个需要在完成功能和正确性工作,以及核心库能够编译之后才能考虑的问题。

Patry 最后谈到了一些更长远的目标,首先是再次编译核心库,但这次不修改库本身。开发人员希望赶上目前 Rust-for-Linux 所使用的 1.78 版本。他说,这不像人们想象的那样是一个巨大的飞跃;许多 1.78 的功能在很久以前就已成为实验性功能,并且已经在 gccrs 中实现了。除此之外,他说,该项目最终将解决构建 std 库 的问题,并且有一天会努力赶上 rustc 编译器。

这次会议给人的印象是,gccrs 开发人员正在努力填补 Rust 的第二个编译器空白,但他们的人手严重不足。这是一个重要的项目,确实应该吸引一些重要的公司支持,但实际上并没有发生。除非业界有更多人站出来推动这项工作,否则 Rust 可能注定在很长一段时间内都只有一种编译器。

全文完
LWN 文章遵循 CC BY-SA 4.0 许可协议。

欢迎分享、转载及基于现有协议再创作~

长按下面二维码关注,关注 LWN 深度文章以及开源社区的各种新近言论~

18676160a975d2339b5dd4f298d4abb8.jpeg

代码下载链接: https://pan.quark.cn/s/a4b39357ea24 iSecure Center综合安防管理平台配置手册V2.0最新完整版。综合安防管理平台是一个集成了多种功能的智能化系统,通过接入视频监控、停车场、门禁以及报警检测等设备,达成安防信息化集成与联动。以电子地图作为核心载体,融合各类安防设备,达成安防信息化集成与联动。 【海康威视iSecure Center综合安防管理平台配置手册 V2.0.0】是专门针对该公司的安防管理系统而编写的详细指南。iSecure Center是一个集成化、智能化的解决方案,其目标是通过整合视频监控、停车场管理、门禁控制和报警系统等多个安全子系统,达成全面的安防信息化集成与联动。平台的核心作用是借助电子地图作为基础,整合各种安防功能,以提供高效且全面的安全监控和管理。 手册中明确指出,iSecure Center的配置和使用仅限于海康威视HIKVISION的用户,并且详细说明了版权和法律声明,强调手册内容的所有权归属于杭州海康威视数字技术股份有限公司,未经授权,禁止进行任何形式的复制、翻译或修改。同时,手册也声明了产品仅适用于中国大陆地区,并且在法律允许的范围内,产品按照现有状态提供,不提供任何形式的保证,对于因使用产品或手册所导致的损失,公司不承担任何赔偿责任。 手册还特别警示用户,将产品接入互联网可能面临风险,如网络攻击、黑客入侵或病毒感染,用户需自行承担这些风险。同时,用户必须遵守适用的法律法规,不得将产品用于侵犯第三方权利或不当用途,否则公司将不承担任何责任。 在操作前,手册提供了符号约定,包括说明、注意和危险等级的标识,帮助用户理解文档中关键信息的重要性。例如,“注意”用于提醒用户重要操作或...
源码下载地址: https://pan.quark.cn/s/a4b39357ea24 gddrxy综合性实验——某系统的设计与实现---互联网应用开发(JSP)4 1. 在MySQL数据库中构建用于实验的数据表,要求包含至少三个字段,并在其中至少加入一条数据记录 2. 设计一个数据录入界面,将用户提交的信息发送至Servlet以执行合法性验证,若验证通过则调用DAO组件向数据表中追加一条新记录 实验报告 实验名称:综合性实验——某系统的设计与实现(互联网应用开发——JSP) 一、实验目的与要求 本次实验旨在使学生深入掌握并熟练运用JavaServer Pages (JSP) 技术开展互联网应用开发工作,特别是在数据库交互方面的实践。通过本次实践操作,期望达成以下学习目标: 1. 精通JSP在数据库层面的增删改查(Create, Read, Update, Delete)操作,包括建立数据库连接、执行SQL指令以及管理结果集等环节。 2. 掌握Servlet的生命周期机制,理解其在Web系统中的功能定位与工作流程。 3. 学会构建动态网页,实现用户输入信息的采集,并在服务器端完成数据校验与处理流程。 二、实验原理与内容 1. JSP进行数据库操作的典型流程涵盖数据库连接建立、SQL指令执行、结果集处理以及连接关闭等多个关键步骤。 2. Servlet作为Java Web应用程序的核心构成部分之一,具有初始化、服务、销毁这三个生命周期阶段。在本次实验中,Servlet将负责接收并处理来自JSP页面的请求,完成数据合法性校验工作。 三、实验步骤与结果 1. 数据库准备: - 采用MySQL数据库创建一个实验用的数据表,例如命名"Student",表中包含"ID"(作...
内容概要:本文详细介绍了基于风光储能和需求响应的微电网日前经济调度模型的Python代码实现,重点探讨了在风能、光伏等可再生能源出力具有不确定性的背景下,如何结合储能系统的运行特性与用户侧的需求响应机制,实现微电网系统的日前优化调度。该模型通过构建精确的数学模型并结合高效的优化算法,对分布式电源、储能设备及可控负荷进行协调优化,旨在最小化系统运行成本、提升可再生能源的消纳水平,并确保供电的安全性与稳定性。文中提供的完整Python代码实现了从数据输入、模型构建到求解分析的全流程,便于读者复现、验证与二次开发。; 适合人群:具备一定电力系统基础知识和Python编程能力,从事新能源、微电网、智能电网等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高校或科研机构开展微电网优化调度相关课题的教学与科研工作;②为实际微电网项目的日前调度策略设计提供技术支撑与仿真验证工具;③帮助研究人员深入掌握基于Python平台的能源系统建模与优化求解方法。; 阅读建议:建议读者结合文档中的理论推导与代码实现同步学习,重点关注目标函数设计、约束条件建模及优化求解器调用等关键环节,并尝试调整参数设置或拓展模型结构以适配不同应用场景。
内容概要:本文围绕电力系统短期负荷预测问题,深入研究了基于极限学习机(ELM)及其智能优化算法改进模型的预测方法,重点实现了ELM、白鲸优化算法(BWO)优化ELM以及鹭鹰优化算法(IBO)优化ELM三种预测模型,并通过Matlab平台进行仿真与性能对比。研究旨在提升负荷预测的精度与鲁棒性,解决传统ELM因输入权重和偏置随机初始化导致的性能不稳定问题。通过引入两种新兴的元启发式优化算法对ELM的关键参数进行全局寻优,有效提升了模型的泛化能力与收敛稳定性。文章系统地完成了模型构建、参数优化、实验设计与结果分析,验证了优化后模型在短期负荷预测中的优越性,为电力系统调度决策提供了高精度的数据支撑和技术路径。; 适合人群:具备一定电力系统基础知识、时间序列预测背景及Matlab编程能力的科研人员、电气工程专业高校研究生,以及从事智能电网、能源管理与负荷预测相关工作的工程技术人员。; 使用场景及目标:①应用于电力系统短期负荷预测,提升电网运行调度的精确性与经济性;②为智能优化算法与浅层神经网络融合研究提供可复现的技术方案与实验基准;③作为科研项目、学位论文或工程实践中负荷预测模块的核心算法参考。; 阅读建议:建议读者结合所提供的Matlab代码,深入理解ELM网络结构原理及白鲸、鹭鹰优化算法的实现机制,重点关注参数寻优过程与预测误差指标(如MAE、RMSE、MAPE)的对比分析,建议进一步尝试在不同数据集上验证模型泛化能力,并探索将其拓展至中长期负荷预测或其他时序预测领域。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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