1.SourceMODSourceMOD插件编译
2.PostgreSQL-源码学习笔记(5)-索引
3.3d稀疏卷积——spconv源码剖析（三）
4.好玩的开发框架开发框架开源项目推荐
5.什么是spweb模拟器

SourceMODSourceMOD插件编译

       SourceMOD插件的基础文件结构包含源码文件，其后缀名为.sp，平台平台以及头文件，源码后缀为.inc。开发框架开发框架当你完成源码编写后，平台平台需要将其编译成可执行的源码php下载文件源码插件，这时的开发框架开发框架文件后缀会变为.smx。

       编译SourceMOD插件的平台平台过程与AMXX插件类似，提供了四种编译方法供开发者选择。源码首先，开发框架开发框架你可以直接将源码文件放入与编译器compile.exe相同的平台平台目录，然后双击compile.exe执行编译，源码编译后的开发框架开发框架目标文件会出现在compiled目录中。

       第二种方法是平台平台更为便捷的拖放操作。只需将源码文件拖动到compile.exe上，源码编译器会自动在源码同级目录下生成编译后的文件。

       对于那些使用PawnStudio这款SourceMOD插件的专用编辑器的开发者，可以利用其提供的便利。在PawnStudio中设置好编译器路径和目标文件输出路径，就能在编辑器内直接进行插件的编写和编译，无需离开编辑环境。

       最后，如果你想要在线编译，官方也提供了相应的服务，只需将你的源码上传到官方平台，即可在线完成编译过程，省去了在本地环境配置的聊天室源码 屏蔽词步骤。

       以上就是SourceMOD插件的编译方法，无论你选择哪种方式，关键步骤都是将源码转换为可在游戏中使用的插件文件。

PostgreSQL-源码学习笔记(5)-索引

       索引是数据库中的关键结构，它加速了查询速度，尽管会增加内存和维护成本，但效益通常显著。在PG中，索引类型丰富多样，包括B-Tree、Hash、GIST、SP-GIST、GIN和BGIN。所有索引本质上都是独立的数据结构，与数据表并存。

       查询时，没有索引会导致全表扫描，效率低下。创建索引可以快速定位满足条件的元组，显著提升查询性能。PG中的索引操作函数，如pg_am中的注册，为上层模块提供了一致的接口，这些函数封装在IndexAmRoutine和IndexScanDesc中。

       B-Tree索引采用Lehman和Yao的易语言多任务提醒源码算法，每个非根节点有兄弟指针，页面包含"high key"，用于快速扫描。PG的B-Tree构建和维护流程涉及BTBuildState、spool、元页信息等结构，包括创建、插入、扫描等操作。

       哈希索引在硬盘上实现，支持故障恢复。它的页面结构复杂，包括元页、桶页、溢出页和位图页。插入和扫描索引元组时，需要动态管理元页缓存以提高效率。

       GiST和GIN索引提供了更大的灵活性，支持用户自定义索引方法。GiST适用于通用搜索，而GIN专为复合值索引设计，支持全文搜索。它们在创建时需要实现特定的访问方法和函数。

       尽管索引维护有成本，但总体上，它们对提高查询速度的最强通达信指标源码价值不可忽视。了解并有效利用索引是数据库优化的重要环节。

3d稀疏卷积——spconv源码剖析（三）

       构建Rulebook

       下面看ops.get_indice_pairs，位于：spconv/ops.py

       构建Rulebook由ops.get_indice_pairs接口完成

       get_indice_pairs函数具体实现：

       主要就是完成了一些参数的校验和预处理。首先，对于3d普通稀疏卷积，根据输入shape大小，kernel size，stride等参数计算出输出输出shape，子流行稀疏卷积就不必计算了，输出shape和输入shape一样大小

       准备好参数之后就进入最核心的get_indice_pairs函数。因为spconv通过torch.ops.load_library加载.so文件注册,所以这里通torch.ops.spconv.get_indice_pairs这种方式来调用该函数。

       算子注册：在src/spconv/all.cc文件中通过Pytorch提供的OP Register(算子注册的方式)对底层c++ api进行了注册，可以python接口形式调用c++算子

       同C++ extension方式一样，OP Register也是Pytorch提供的一种底层扩展算子注册的方式。注册的算子可以通过 torch.xxx或者 tensor.xxx的方式进行调用，该方式同样与pytorch源码解耦，增加和修改算子不需要重新编译pytorch源码。用该方式注册一个新的算子，流程非常简单：先编写C++相关的算子实现，然后通过pytorch底层的注册接口（torch::RegisterOperators），将该算子注册即可。

       构建Rulebook实际通过python接口get_indice_pairs调用src/spconv/spconv_ops.cc文件种的getIndicePairs函数

       代码位于：src/spconv/spconv_ops.cc

       分析getIndicePairs直接将重心锁定在GPU逻辑部分，并且子流行3d稀疏卷积和正常3d稀疏卷积分开讨论，优先子流行3d稀疏卷积。

       代码中最重要的3个变量分别为：indicePairs，indiceNum和gridOut，飞猫云网盘解析源码其建立过程如下：

       indicePairs代表了稀疏卷积输入输出的映射规则，即Input Hash Table 和 Output Hash Table。这里分配理论最大的内存，它的shape为{ 2,kernelVolume,numAct}，2表示输入和输出两个方向，kernelVolume为卷积核的volume size。例如一个3x3x3的卷积核，其volume size就是(3*3*3)。numAct表示输入有效(active)特征的数量。indiceNum用于保存卷积核每一个位置上的总的计算的次数，indiceNum对应中的count

       代码中关于gpu建立rulebook调用create_submconv_indice_pair_cuda函数来完成，下面具体分析下create_submconv_indice_pair_cuda函数

       子流线稀疏卷积

       子流线稀疏卷积是调用create_submconv_indice_pair_cuda函数来构建rulebook

       在create_submconv_indice_pair_cuda大可不必深究以下动态分发机制的运行原理。

       直接将重心锁定在核函数：

       prepareSubMGridKernel核函数中grid_size和block_size实则都是用的整形变量。其中block_size为tv::cuda::CUDA_NUM_THREADS,在include/tensorview/cuda_utils.h文件中定义，大小为。而grid_size大小通过tv::cuda::getBlocks(numActIn)计算得到,其中numActIn表示有效(active)输入数据的数量。

       prepareSubMGridKernel作用：建立输出张量坐标(通过index表示)到输出序号之间的一张哈希表

       见：include/spconv/indice.cu.h

       这里计算index换了一种模板加递归的写法，看起来比较复杂而已。令：new_indicesIn = indicesIn.data()，可以推导得出index为：

       ArrayIndexRowMajor位于include/tensorview/tensorview.h，其递归调用写法如下：

       接着看核函数getSubMIndicePairsKernel3：

       位于：include/spconv/indice.cu.h

       看：

       上述写法类似我们函数中常见的循环的写法，具体可以查看include/tensorview/kernel_utils.h

       NumILP按默认值等于1的话，其stride也是gridDim.x*blockDim.x。索引最大值要小于该线程块的线程上限索引blockDim.x * gridDim.x，功能与下面代码类似：

       参考： blog.csdn.net/ChuiGeDaQ...

好玩的开源项目推荐

       欢迎光临，今日为您推荐一系列趣味十足的开源项目，让工作之余也能享受科技带来的乐趣。

       项目一：Spleeter。一款音轨分离软件，只需输入一段命令，即可轻松分离音乐中的人声与乐器声，支持多种常见音频格式，由 Python 语言编写，并利用 TensorFlow 进行模型训练。

       项目地址：github.com/deezer/spleeter...

       项目二：FlutterBoost。由阿里系闲鱼团队开源的框架，提供快速便捷的原生应用与 Flutter 混合集成方案，最新版本为 v3.0-preview，目前仍持续维护中。

       项目地址：github.com/alibaba/flutterboost...

       项目三：Orika。一个基于字节码技术栈实现的高性能 Java 对象映射框架，以其简单易用、高效的特点成为众多映射框架中的佼佼者。

       项目地址：github.com/orika-mapper...

       项目四：hotkey。京东 APP 后台热数据探测开源框架，经过多次高压压测和京东 大促的考验，精确探测热门商品并快速推送到服务端，大幅减轻数据层查询压力，提升应用性能。

       项目地址：gitee.com/jd-platform-hotkey...

       项目五：PaddleOCR。基于飞桨的 OCR 工具库，提供超轻量级中文 OCR，支持中英文数字组合识别、竖排文本识别、长文本识别，同时包含多种文本检测、识别的训练算法。

       项目地址：gitee.com/paddlepaddle/...

       项目六：XXL-JOB。一个轻量级分布式任务调度平台，设计目标是开发迅速、学习简单、轻量级、易扩展，现已开放源代码，并在多家公司线上产品线中应用。

       项目地址：github.com/xuxueli/xxl-job...

       项目七：CIM。基于 Netty 框架的即时消息推送系统，支持多端接入，适用于移动应用、物联网、智能家居等领域。

       项目地址：gitee.com/farsunset/cim...

       项目八：DevSidecar。为开发者提供辅助的边车工具，通过本地代理将 HTTP 请求代理到加速通道，解决网站和库无法访问或访问速度慢的问题。

       项目地址：github.com/docmirror/devsidecar...

       项目九：Jsoup。一款 Java 的 HTML 解析器，可直接解析 URL 或 HTML 文本，提供简单易用的 API，支持 DOM、CSS 以及类似 jQuery 的操作方法。

       项目地址：github.com/jhy/jsoup...

       项目十：Knife4j。为 Java MVC 框架集成 Swagger 生成 API 文档的增强解决方案，前身是 swagger-bootstrap-ui，取名 knife4j，旨在小巧、轻量、功能强大。

       项目地址：github.com/xiaoymin/swagger-bootstrap-ui...

       项目十一：Arthas。阿里巴巴开源的 Java 诊断工具，支持 JDK 6+，适用于 Linux/Mac/Windows，提供命令行交互模式与丰富的 Tab 自动补全功能。

       项目地址：github.com/alibaba/arthas...

       项目十二：El-admin。基于 Spring Boot、Jpa、Spring Security、redis、Vue 的前后端分离的开源后台管理系统，采用 RBAC 权限控制方式，支持数据字典、数据权限管理与代码生成。

       项目地址：github.com/elunez/eladmin...

       项目十三：Halo。使用 Java 开发的开源博客系统，基于 Spring Boot 框架，通过一行命令即可完成安装。

       项目地址：github.com/halo-dev/halo...

       项目十四：Hutool。一个功能全面的 Java 工具类库，提供静态方法封装，降低学习成本，提高工作效率。

       项目地址：github.com/dromara/hutool...

       希望以上推荐能满足您的需求，若感兴趣，不妨前往 GitHub 上探索更多好玩的开源项目，每日都有更新！

什么是spweb模拟器

       SPWeb模拟器是一种跨平台的开放源码模拟器，它支持多种主流计算机与移动设备操作系统，包括Windows、Linux、Android和iOS等。这款模拟器是由知名NGC/Wii模拟器Dolphin开发小组的主要成员之一hrydgard开发的，以GNU GPLv2许可协议发布。其主要使用C++编写，以提高效率和可移植性。

       SPWeb模拟器的核心功能是在不同的操作系统和设备上模拟特定软件或硬件的运行环境，使得用户可以在非原生的平台上体验原本只能在特定设备上运行的应用程序或游戏。这种模拟器的出现，极大地拓宽了软件和硬件的使用范围，为用户提供了更多的选择和便利。

       从技术角度来看，SPWeb模拟器通过模拟目标设备的硬件指令集、操作系统接口等方式，使得在模拟器上运行的应用程序或游戏能够像在目标设备上一样正常工作。这种模拟过程需要极高的技术水平和精细的编程技巧，以确保模拟的准确性和效率。

       在实际应用中，SPWeb模拟器为用户带来了许多好处。例如，一些经典的老游戏可能只能在古老的硬件设备上运行，而通过使用模拟器，用户可以在现代的计算机或移动设备上重温这些经典游戏。此外，模拟器还可以帮助开发者在不同的平台上测试和优化他们的应用程序，以提高其兼容性和性能。

       总之，SPWeb模拟器是一种功能强大的工具，它为用户提供了在不同平台上体验和使用特定应用程序或游戏的机会。通过模拟目标设备的运行环境，它打破了硬件和软件的限制，使得用户可以更加灵活地利用和享受数字娱乐世界。