29.6.1 解決方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 30 不安全的 Rust 174 30.1 不安全的 Rust . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 30.2 對裸指標解參考 . 176 30.5 呼叫不安全的函式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 30.6 實作不安全的特徵 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 30.7 安全的 FFI 包裝函式 . . . minutes 模組 40 minutes 測試 45 minutes • 第 4 天下午 (2 小時 10 分鐘，含休息) Segment Duration 錯誤處理 55 minutes 不安全的 Rust 1 hour and 5 minutes 深入探索 In addition to the 4-day class on Rust Fundamentals, we cover some

Canonical Kubernetes 如何為貴企業選擇合適的Kubernetes發行版本 2022年7月 執行摘要 採用容器優先方法的企業，將能享有無可比擬的機會，協助提升效率及資源使用 率、加強安全性、導入自動化及加速創新；因此Gartner預測將有75%的全球組 織，在2022年之前於正式作業執行容器化應用程式，而這樣的數據並不會讓人 感到驚訝。1 Kubernetes已經成為管理容器化工作負載和服務的頂尖開放原始碼平台，不過 全升級叢集， 同時確保不會影響在叢集執行的工作負載。 2 5. 支援生命週期 有時候企業無法跟上最新的上游Kubernetes版本，未能完全保持最新狀態。為了 確保Kubernetes部署維持安全，必須瞭解廠商支援各個版本的時間長度。 OpenShift支援最新的3個次要Kubernetes版本，支援各個版本的時間總計9個月。 在前3個月期間，特定版本會獲得「完整支援」，緊急修復一旦可用就會發行提供， 年兩次)。每個次要Rancher管理伺服器版本會維護15個月，之後只會提供安全性 更新。由於Kubernetes版本支援與Rancher版本時程綁定，因此可能會限制彈性， 亦即不一定會支援最新的上游Kubernetes版本。 Canonical Kubernetes支援最新的5個Kubernetes版本。其中最新的3個版本可獲 得完整功能、產品更新及安全性修補程式，比較舊的2個版本則僅獲得安全性更新。 這種更為廣泛的支援方式，可消

Service。 (4) 這類情況包含： y 叢集內的容器存取 Pod； y 叢集內的容器存取其他叢集內的容器； y 叢集內的容器存取 Service。 2-39 2.4 安全機制的原理 (1) HTTPS 通訊雙方的伺服器端向 CA 機構申請憑證，CA 機構是可信任的協力廠 商機構，它可以是一個公認的權威企業，也可以是企業本身。企業內部系統一 般都用企業本身的認證系統。CA 均以 Pod 的形式啟動 和運行。 在啟動這些 Pod 之前，首先需要為 Heapster 配置與 Master 的安全連線。 5.2.1 配置 Kubernetes 叢集的 ServiceAccount 和 Secret Heapster 目前版本需要使用 HTTPS 的安全方式與 Kubernetes Master 進行連線，所 以需要先進行 ServiceAccount 和 Secret

i; } return -1; } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 { if (nums[i] == target) return i; } return -1; } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那

i; } return -1; } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 { if (nums[i] == target) return i; } return -1; } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那

} } return -1 } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 nums[i] == target { index = i break } } return } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： 了。這意味著節點 P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那

i } return -1 } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 indices) { if (nums[i] == target) return i } return -1 } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： 了。這意味著節點 P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那

i; } return -1; } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 { if (nums[i] == target) return i; } return -1; } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那

} } return -1; } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 { if (nums[i] === target) return i; } return -1; } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那

} } return -1; } 值得說明的是，我們在實際中很少使用最佳時間複雜度，因為通常只有在很小機率下才能達到，可能會帶來 一定的誤導性。而最差時間複雜度更為實用，因為它給出了一個效率安全值，讓我們可以放心地使用演算 法。 從上述示例可以看出，最差時間複雜度和最佳時間複雜度只出現於“特殊的資料分佈”，這些情況的出現機率 可能很小，並不能真實地反映演算法執行效率。相比之下，平均時間複雜度可以體現演算法在隨機輸入資料 (nums[i] === target) { return i; } } return -1; } 7. 擴容陣列 在複雜的系統環境中，程式難以保證陣列之後的記憶體空間是可用的，從而無法安全地擴展陣列容量。因此 在大多數程式語言中，陣列的長度是不可變的。 如果我們希望擴容陣列，則需重新建立一個更大的陣列，然後把原陣列元素依次複製到新陣列。這是一個 ?(?) 的操作，在陣列很大的情況下非常耗時。程式碼如下所示： P 已經從鏈結串列中刪除了，此時節點 P 指向哪裡都不會對該鏈結串列產生影響。 從資料結構與演算法（做題）的角度看，不斷開沒有關係，只要保證程式的邏輯是正確的就行。從標準庫的 角度看，斷開更加安全、邏輯更加清晰。如果不斷開，假設被刪除節點未被正常回收，那麼它會影響後繼節 點的記憶體回收。 Q：在鏈結串列中插入和刪除操作的時間複雜度是 ?(1) 。但是增刪之前都需要 ?(?) 的時間查詢元素，那