Грустный день

😒🤚 "Я простудился и у меня жар"
😏👉 "Я горяч"

#prog #rust #rustreleasenotes

Вышла версия Rust 1.78.0! Как всегда, тут только то, что показалось мне интересным, а всё остальное в детальных заметках о релизе.

▪️Появилось новое пространство имён для атрибутов: diagnostic. В настоящий момент там только один атрибут: on_unimplemented (о котором я рассказывал). Он позволяет кастомизировать сообщение, выдаваемое компилятором для случаев, когда обобщённому коду, который требует этот трейт на обобщённом параметре, предоставляется тип, не реализующий этот трейт. Это уже используется в axum.

▪️В std при debug_assertions теперь проверяются некоторые из предусловий на unsafe функциях. Раньше это было невозможно из-за того, что std всегда поставлялась в релизной сборке.

▪️Некоторые из функций на указателях стали более полезными, поскольку теперь обещают более строгие результаты.
🔸pointer::align_offset возвращает смещение, необходимое для того, чтобы выровнять указатель до указанного выравнивания, или usize::MAX, если это невозможно. Раньше ей разрешалось всегда возвращать usize::MAX.
🔸slice::align_to и slice::align_to_mut переводят &{mut} [T] в (&{mut} [T], &{mut} [U], &{mut} [T]), где слайс в середине теперь максимально возможного размера с учётом ограничений на выравнивание и размер. Раньше функциям разрешалось возвращать, скажем, исходный слайс целиком как первый элемент тройки.

Обе оговорки были связаны с применением этих функций в const-контексте. Сейчас их убрали, поскольку они и сейчас нестабильны в const-контекстах.

▪️async-методы теперь могут возвращать в реализациях конкретные типы, реализующие Future (а не только impl Future).

▪️Реализация RwLock теперь полностью кастомная и не зависит от pthread. Это позволяет оградиться от багов на старых системах, а также избежать аллокаций (т. к. примитивы синхронизации pthread неперемещаемы) и повысить производительность.

▪️В метод char::is_grapheme_extended добавлена проверка на ASCII, чтобы избежать лукапа по юникодным таблицам (последовавший за ним PR переместил эту проверку в код, генерируемый по таблицам Unicode). Звучит, как что-то узкоспециализированное, но этот метод в конечном счёте вызывается в реализации Debug для str. Как следствие, это изменение более чем вдвое ускорило дерайв Debug!

▪️В паттернах теперь нельзя использовать константы типов, не реализующих PartialEq и NaN.

▪️Компилятор теперь по умолчанию не компилирует код с неверными #[doc]-атрибутами.

▪️Компилятор теперь детектирует больше избыточных импортов. Это изменение позволило убрать лишние импорты и в самом компиляторе во многих местах.

▪️Компилятор теперь предлагает переместить macro_rules! выше по тексту, если декларативный макрос вызывается раньше, чем определяется в этом файле.

▪️Компилятор теперь диагностирует каст ссылки из одного типа в другой с бо́льшим размером.

раньше я программировал без костылей
теперь вот, обзавелся

можно смело учить раст

Сижу, наполняю себя пищей. А хочется... Кое-чем другим.

Знаниями, разумеется. А вы о чём подумали?

bash — это как асбест: вреден для здоровья и присутствует во многих старых конструкциях

Тогда неинтересно

#prog #article

Zed Decoded: Rope & SumTree

Об основной структуре данных в основе текстового редактора Zed и о том, какие преимущества она предоставляет (спойлер: rope — производная от этой структуры).

Note: D&D is cool

#music

Я гарантирую, вы ничего подобного в жизни не слышали. И нет, это не духовой инструмент.

youtube.com/watch?v=j8dG8adbOXQ

Науки бывают естественные, неестественные и противоестественные

Как же порой хочется, чтобы папищеки мне дали денег

#prog про YAML опять

- А давайте настраивать log::LevelFilter через YAML
- А давайте!
- info
- passed
- warn
- passed
- error
- passed
- off
- SchemaValidationError: false is not one of ["trace","debug","info","warn","error","off"]

#prog #article

How the GNU C Library handles backward compatibility

#prog #article

From Batch to Stream: Automatic Generation of Online Algorithms (pdf)

Среди алгоритмов, которые считают какое-то скалярное значение на потоке данных, можно выделить две категории: offline алгоритмы и online алгоритмы. Offline алгоритмы работают, исходя из предположения, что весь набор данных есть наперёд и его отдельные элементы можно получать сколько угодно раз. Online алгоритмы же работают, получая по одному элементу за раз и имея доступ к результату работы на всех предыдущих элементах — либо как изменяемое состояние, либо как явный аргумент.

Преимущество online алгоритмов в том, что они не требуют выделения памяти под всю последовательность целиком и потому могут работать в условиях ограниченной памяти, а также в том, что они могут работать с последовательностями, которые нельзя отмотать назад (скажем, если данные поступают по сети). Недостаток online алгоритмов в том, что их сложно конструировать — отчасти из-за того, что они часто требуют передачи промежуточных результатов с предыдущих шагов, и наперёд не ясно, какие именно из них потребуются. Скажем, offline алгоритм для вычисления дисперсии весьма прямолинеен и практически напрямую повторяет определение:

def variance(xs):
    s = 0
    for x in xs:
        s += x
    avg = s / len(xs)

    sq = 0
    for x in xs:
        sq += (x - avg) ** 2
    return sq / len(xs)

, а вот аналогичный online алгоритм — именно, алгоритм Велфорда (Welfords's algorithm) — значительно менее очевидный:

def welford(v, s, sq, n, x):
    new_s = s + x
    new_n = n + 1
    avg = new_s / new_n
    tmp = s / n
    new_sq = sq + (x - tmp) * (x - avg)
    new_v = new_sq / new_n
    return new_v, new_s, new_sq, new_n

и требует передачи трёх дополнительных параметров. Мне даже пришлось прочитать вывод этих формул, чтобы убедить себя в том, что этот метод рабочий.

Авторы этой статьи предлагают общий метод, который позволяет взять описание offline алгоритма, который принимает на вход список значений, и преобразовать его в online алгоритм (включая вывод сигнатуры с прокидываемыми промежуточными значениями). Работает он при этом не напрямую с императивным представлением, а промежуточным функциональным ML-подобным языком, в котором нет изменяемых значений, а операции над списком выражаются только в терминах левой свёртки (foldl), отображения (map) и фильтрации (filter).

Этот метод существенным образом опирается на RFS, relational functional signature. Это набор формул, каждая из которых выражает дополнительный аргумент online алгоритма в терминах входного списка данных. Предлагаемый метод при этом синтезирует не просто online алгоритм, а алгоритм, индуктивный относительно данной RFS. Это означает, что если RFS выполняется на произвольном списке xs и наборе дополнительных аргументов y, то после вычисления алгоритма P на новом элементе списка x RFS также справедливо на списке xs' = xs ++ [x] и наборе дополнительных аргументов y' = P(y, x). Иными словами, RFS остаётся справедливым после каждого нового элемента.

Общий вид этого метода такой: взять offline алгоритм в функциональном представлении, вывести RFS из всех термов, зависящих от терма, обозначающего исходный список, затем переписать программу так, чтобы заменить дырками термы, непосредственно зависящие от списков (такие по определение в online алгоритме отсутствуют), и синтезировать выражения для дырок, опираясь на ограничения, задаваемые RFS.

Мы можем при должном везении синтезировать выражения для дырок, эксплуатировав индуктивность итоговой программы, а именно, заменив в offline алгоритме терм xs (обозначающий входной список) на xs ++ [x] и упростить выражения, задействовав аксиомы для списковых функций:

foldl(𝑔, 𝑐, 𝑥𝑠++[𝑥]) = 𝑔(foldl(𝑔, 𝑐, 𝑥𝑠), 𝑥)
map(𝑔, 𝑥𝑠++[𝑥]) = map(𝑔, 𝑥𝑠)++[𝑔(𝑥)]
filter(𝑔, 𝑥𝑠++[𝑥]) = 𝑔(𝑥) ? filter(𝑔, 𝑥𝑠)++[𝑥] : filter(𝑔, 𝑥𝑠)

, после чего выражения, зависящие от xs, можно попытаться выразить в терминах дополнительных аргументов для online программы, то есть выражений из RFS.