to modified request • 模拟数据规则 • 自动化测试 • https://github.com/wasmmock/ wasm_mock_server • 用 rust 打包所有测试需求 Wasm mock server Why use rust ？ Software testing tool • 模拟数据规则 • 自动化测试 • Company's own protocol backend product line with complex upstream • Common testing platform 大公司抓包工具的需求 软件测试工具 • 模拟数据规则 • 自动化测试 • Supports http/https/tcp/websocket(MITM) • Can use rust to construct own protocol • websocket stand in for wasm API 抓包 - Wasm Mock Server wasm 工具 does not invent the wheel 软件测试工具 • 模拟数据规则 • 自动化测试 ModifyRequest(req *http.Request) error{ … req_,err:=wasm.Invoke(ctx,req.url.path, req_payload)

-D 选项：指定配置变量（又称缓存变量） • 可见 CMake 项目的构建分为两步： • 第一步是 cmake -B build ，称为配置阶段（ configure ），这时只检测环境并生成构建规则 • 会在 build 目录下生成本地构建系统能识别的项目文件（ Makefile 或是 .sln ） • 第二步是 cmake --build build ，称为构建阶段（ build ），这时才实际调用编译器来编译代码 Linux 的 make ， Windows 的 MSBuild ），从而让构建规则可以只写一份，跨平 台使用。 • 过去的软件（例如 TBB ）要跨平台，只好 Makefile 的构建规则写一份， MSBuild 也写一份 。 • 现在只需要写一次 CMakeLists.txt ，他会视不同的操作系统，生成不同构建系统的规则文件。 • 那个和操作系统绑定的构建系统（ make 、 MSBuild MSBuild ）称为本地构建系统（ native buildsystem ）。 • 负责从 CMakeLists.txt 生成本地构建系统构建规则文件的，称为生成器（ generator ）。 -G 选项：指定要用的生成器 • Linux 系统上的 CMake 默认用是 Unix Makefiles 生成器； Windows 系统默认是 Visual Studio 2019 生成器； MacOS

为什么需要构建系统（ Makefile ） • 文件越来越多时，一个个调用 g++ 编译链接会变得很麻烦。 • 于是，发明了 make 这个程序，你只需写出不同文件之间的依赖关系，和生成各文件的规则。 • > make a.out • 敲下这个命令，就可以构建出 a.out 这个可执行文件了。 • 和直接用一个脚本写出完整的构建过程相比， make 指明依赖关系的好处： 1. 当更新了 hello.o ，而不需要把 main.o 也重新编译一遍。 2. 能够自动并行地发起对 hello.cpp 和 main.cpp 的编译，加快编译速度（ make -j ）。 3. 用通配符批量生成构建规则，避免针对每个 .cpp 和 .o 重复写 g++ 命令（ %.o: %.cpp ）。 • 但坏处也很明显： 1. make 在 Unix 类系统上是通用的，但在 Windows 则不然。 2 2. 需要准确地指明每个项目之间的依赖关系，有头文件时特别头疼。 3. make 的语法非常简单，不像 shell 或 python 可以做很多判断等。 4. 不同的编译器有不同的 flag 规则，为 g++ 准备的参数可能对 MSVC 不适用。 构建系统的构建系统（ CMake ） • 为了解决 make 的以上问题，跨平台的 CMake 应运而生！ • make 在 Unix 类系统上是通用的，但在

unsigned long 类型 • 32ULL 是 unsigned long long 类型 • 小写也是可以的： • 32ull 也是 unsigned long long 类型 字面常量的特殊规则：如果 int 表示不下，则自动选择较大的类型 标准化的类型： stdint.h • 而实际上，尽管主流操作系统上 int 都是 32 位的， C 语言标准并没有规定 int 就是 32 位 的。 short ，根据补码的规则仍是 - 128 。 实验：不同大小之间的整数互转 • 例如 char 类型的 127 是 011111111 • 强制转换为 short 后是 00000000 011111111 • 可见符号位还是被完全填充到了 short 的前一个字节 ，这次因为符号位是 0 ，所以 short 的高位也全部 填满了 0 ，对值没有影响，根据补码的规则仍是 127 。 • 例如 char 类型的 -128 是 10000000 • 强制转换为 short 后是 00000000 10000000 • 可见 short 的前一个字节被填满了 0 ，根据补码的 规则他是一个正数 128 。 实验：自动类型提升（ type promotion ） • 一个较小类型的 short 和较大类型的 int 相加会得到什么类型？会得到 int 类型。 • 结论：小类型和大类型做数学运算（

中的 K-V 对执行了一遍循环体。 迭代器 operator++ 的移动方向 • 迭代器的 ++ 是中根遍历，先左子节点，然后根节点，最后右子节点。 • 为什么是中根遍历？因为刚刚说了二叉排序树的规则是：左子节点＜父节点＜右子节点。 • 这刚好是中根遍历的顺序，左中右。所以迭代器的 ++ 方向刚好是 K 越来越大的方向。 • 结论：遍历时，总是会按 K 从小到大的顺序。 k k k k 查找为什么高效 • 这就是二叉排序树的构建规则。 • 对于所有节点，都要满足：他左子节点的值 < 该节点的值 < 他右子节点值 • 这到底有什么好处？是不是 C++ 之父觉得排序很好玩所以才排的？ 1 4 5 8 7 排序增好玩 排序增好玩 小 大 2 set 查找为什么高效 • 可以证明，只要保证这个树是排序的，那么快速查找到任意一个数的通用规则是： • 设要找的数为 X ，则 set

clone 的实现。这里我们用 std::decay_t 快速获取了 this 指针所指向的类型，也就是当前所在类的类型 。 • 宏的缺点是他不遵守命名空间的规则，宏的名 字是全局可见的，不符合 C++ 的高大尚封装思 想。 • 宏： IOBJECT_DEFINE_CLONE • 高大尚 C++ 封装： zeno::IObject::clone() 函数静态初始化可用于“懒汉单例模式” • 如右图。 • getMyClassInstance() 会在第一次调用时创 建 MyClass 对象，并返回指向他的引用。 • 根据 C++ 函数静态变量初始化的规则，之后 的调用不会再重复创建。 • 并且 C++11 也保证了不会多线程的危险， 不需要手动写 if 去判断是否已经初始化过， 非常方便！ 函数静态初始化和全局静态初始化的配合 • 如果在全局静态初始化（

构造函数！ 编写我们自己的 vector 类！ 看来 vector 也不过如此！让我们自己实现一个 Vector 类试试看 吧 It works! 这个 Vector 类有哪些问题？ 三五法则：规则类怪谈 1. 如果一个类定义了解构函数，那么您必须同时定义 或删除拷贝构造函数和拷贝赋值函数，否则出错。 2. 如果一个类定义了拷贝构造函数，那么您必须同时 定义或删除拷贝赋值函数，否则出错，删除可导致 • 常见的有 std::vector const &arr 等。 • 注：有的教材喜欢这样： const Pig &pig ，仅仅是个人喜好不同，没有实际区 别。 函数参数类型优化规则：按引用还是按值？ • 如果是基础类型（比如 int ， float ）则按值传递： • float squareRoot(float val); • 如果是原始指针（比如 int * ， Object

例如 “ helloworld”.replace(400, 2, “pful”) 会得到异常（和 at 同 款） • 启发性提示：因为 -1 转换为 size_t 后是个很大的数（因为补码 的规则，他实际上变成 0xffffffffffffffff ），所以可以给 len 指定 - 1 （或者 string::npos ）来迫使 replace 从 4 开始一直到字符串 末尾都替换掉，例如 “ 更高效（不需 要分配一个新 string 对象）。 string_view 有的都是这些只读的函 数；没有的都是 replace 、 append 、 insert 这一类需要修改自身 的函数。 类型转换规则一览 • const char * === 隐式 ==O(n)==> string_view • string === 隐式 ==O(1)==> string_view • const char *

NEAR 智能合约 Case Study Solana 智能合约 Case Study • non self-describing • 保证序列化后的二进制唯一性和确定性 • 主要序列化规则 Borsh 规范 • 整数采用低字节序（ little endian) 存储 • 对于动态长度的集合，先用一个 u32 存储集合 size • 对于原本无序的集合（如 hashmap ），存储时使用

支持标准 SQL 写入，支持批量写入  支持 Schemaless 写入  支持从 Kafaka, MQTT, OPC, PI System 以及文 件直接导入  数据源导入时，可定义规则引擎 TDengine: 与上下游应用的关系 TDengine = Time-Series Database + Caching + Data Subscription + Stream Processing