萧刻看着屏幕上那封简短到只有一句话的邮件，再看看落款处“林安”两个字，心里也说不上来是怎么个滋味。他喝了口刚泡好的咖啡，稍微有些烫嘴。他放下杯子呼出口气，手放到键盘上，敲了一封回件。
只打了一个字，萧刻就点了发送。话不多说，说多了不是他风格，再说他们之间的关系也实在不必多说什么。
旧情人，前恋人，这关系摆在这儿，话怎么说都是尴尬。
萧刻看了眼时间，八点五十多快九点，他住的公寓临街，楼层也不高，这个时间外面路灯亮得有些晃眼。
工作群里消息一直在闪，他最近跟的一个实验到了收尾期，整个小组的人都保持着一种亢奋的状态，等着最后的数据，也实在是时间太久了想早点结束分项目奖金。
群里有人问他：萧老师，今晚最后走的是你不？实验室锁门了没？我手机落那儿了。
对方说：嗯我想去拿一下，你在家吗？我去你那儿拿钥匙方便不？
萧刻说：你在北门等我吧，我正好出去，顺路。我大概十五分钟到。
那边立刻发了一大溜跪着哭的表情刷屏，萧刻笑了笑，关了电脑。
他穿了件小羊皮夹克，第一次上身，衣服上还有着一股羊皮的膻味儿。黑色的裤子把腿型勾勒得很好看，最下面露着很小一截脚踝，不管从哪个角度看过来，这人都是养眼的。唯一美中不足的一点遗憾就是踝关节上有一条疤，浅白色凸起，有点违和，但也平添一分性感。
萧刻对着镜子抓头发的时候心里想：这身儿还真是有点骚。
换了衣服抓了头发，临出门前还随手捡了个黑口罩戴上了，这幅装扮跟他平时上班的模样大相径庭，以至于都站对面了，同组同事都没能认出他来。
“哎我的妈啊吓我一跳！”同事先往旁边挪了一小步，缓过神来才笑了，瞪着眼说，“真没认出来啊，这发型跟平时不一样，我都没往你身上想。”
“平时什么样？”萧刻把钥匙递给他，“钥匙用完你揣着就行，明天给我。”
“好嘞，”对方还在笑着，看着他说，“平时也挺帅，但还是在正常范围内的，今天实在是有点酷了。穿这样打算干什么去？”
萧刻笑了声：“平时土，今天非主流，反正都差不多。”
“就烦你们这些有资本的还大言不惭说瞎话。”同事指了他一下，挥了下手：“不耽误你工夫了啊，赶紧该约会约会该干啥干啥去吧，你放心我肯定保守住秘密，不会告诉别人你也有这么……那啥的样儿。”
同事撩着眼皮笑：“非让我那么直接啊？什么样你自己心里没数啊萧帅，就骚呗。”
萧刻笑了声，跟同事又说了几句话，叫的车到了。同事跟他摆了下手，跑着去实验楼了。
这之后车里就再没人说话了，司机从后视镜看了他几眼，萧刻一直低着头看手机，后来从兜里掏出口罩又扣脸上了。
他是个老师，上课的时候要求学生看着他，多少人的教室他都是目光集中处，和学生用视线交流更是每天都要的。但很奇怪，其实脱了工作服他是不喜欢别人看他的。
别人的视线不至于让他多难受，但总归是不舒服，想皱眉的那种程度。
不怪司机打量他，春风路是条酒吧街，萧刻定位的地点还是苏池，那地方就算在春风路上都得算乱的。经常在这片转悠的司机都知道，去那里边玩儿的人应该都不怎么正常。
女孩子特别像男的，男孩子特别像女的，这种是最常见的，还有乱七八糟各种各样的奇葩，那里边就像个奇葩聚集处。
司机后来还是没忍住，看着后视镜问了句：“小伙子喷香水了啊？挺香的。”
司机视线里的打量和探寻还是挺明显的，萧刻在口罩后面淡淡笑了下：“你看我像大几？”
萧刻“嗯”了声，快到地方了他揣起手机，点头说：“你说是就是吧。”
“苏池”这地方萧刻很熟悉，他从二十出头的时候第一次来这里，到今天他三十岁，算起来快十年了。不过他倒的确是有一阵子没来了，以至于穿过那条长长的走廊之后发现里面的装修都换了时还有些恍惚，觉得自己是不是进错了门。
“我天这谁啊？”离门口不远有个人正靠着柱子看手机，抬头看一眼看见他赶紧走了过来，对着萧刻露在外面的眼睛自己盯着看了半天，拿着手机的手点了点萧刻，“我眼花了？”
“你说花了就花了呗，”萧刻扫开他的手，手揣进兜里，问，“重装修了？”
“不装也不行啊，这行是最他妈赶潮的，装修过时了拼不过人家。”
说话的人是这里的老板，姓苏，让别人都管他叫苏池。其实他肯定不叫这名，有回喝酒喝多了说自己名字太土，说不出口，不如苏池好听。那时候他才三十多，模样也算英俊风流，给自己弄这么个名也不觉得多难受。后来过了四十再配着这名就显得寒碜了，风格也不搭，萧刻他们就都叫他老苏。
他往萧刻身后看了看，问：“你自己来的？还是小林在外边停车呢？”
萧刻摘了口罩在手指上绕了绕，笑了下，说：“早分了。”
老苏有些夸张地挑眉看着他：“闹着玩儿的？还是来真的？”
老苏张了张嘴没说出话，脑筋那么活的人也硬是没想到什么话好说，最后只能笑了笑：“我说你怎么一年多没过来，敢情怕触景伤情啊？算了吧弟弟，分分合合都是缘分，散了就是缘尽了，别惦记。”
点击阅读Destroy 生命周期中通过弱引用队列来持有当前 Activity 引用，如果在主动触发 gc 之后，泄漏对象集合中仍然能找到该引用实例，则说明发生了内存泄漏，就开始 2、Service 的检测预判 LeakCanary 对 Service 的内存泄漏检测时机，是 hook 监听 ActivityThread 的 stopService，然后记录这个 binder 到弱引用集合中，然后代理 AMS 的 serviceDoneExecuting 方法，通过 binder 在弱引用集合中去移除，移除成功的话，说明发生了内存泄漏，就开始 3、Bitmap 大图检测预判 Bitmap 不像 Activity、Service 这种，能够通过生命周期主动监测当前是否有内存泄漏的可能，他一般是在 Activity、Service 发生泄漏 dump 的时候，顺便检测一下 Bitmap 。在 Koom 中，Bitmap 大图检测是分析 hprof 中是否有超过 Bitmap 设置的阈值 size (width * height) Glide加载图片的时候默认使用缓存机制，第一次加载之后，会在内存和磁盘中进行缓存，第二次加载图片时根据地址先从内存中取出图片，内存中不存在时，就去磁盘中取，当内存和磁盘中都不存在时，才会真正的访问真实地址的图片。很清楚，看到别人的开源项目有万颗 Star，一声巨佬不过分！因此，开发视频和音频编解码器的一个持续的挑战是提供更高的质量，使用更少的数据，并最小化实时通信的延迟。尽管视频似乎比音频更需要带宽，但现代视频编解码器可以达到比今天使用的一些高质量语音编解码器更低的比特率。结合低比特率视频和语音编解码器，即使在低带宽网络中也能提供高质量的视频通话体验。然而，从历史上看，音频编解码器的比特率越低，语音信号就越难理解，也就越机械。此外，虽然一些人可以访问到一致的高质量、高速的网络，但这种级别的连接并不是通用的，即使是那些连接良好的地区，有时也会遇到质量差、带宽低和网络连接拥塞的情况。不是介绍如何获取万颗 Star，而是如何让你的 Github Profile 更专业一点，如果你还不了解 Github Profile，没关系，简单来说，Github Profile 就是我们在 Github 上的个人简介。如果说 Github 是一个程序员的门面，那么 Github Profile 妥妥就是 Github 的门面，一个好的 Profile 会将一个 Github 账户逼格拉满～ RfFlutter 具有看起来不错的基本警报，并且可以轻松使用。我们将设置一个带有 HomeView 无状态小部件的基本应用程序。我将使用功能性小部件，这样我就不会编写太多代码。您可以通过定义整个类来使用普通的无状态小部件。我们将让我们的应用程序带有一个简单的 HomeView 小部件。我们将在整个教程中使用的中心有一个按钮。旋转手机修改偏移量，为前景和背景层设置相反的偏移量，便可达到两个图层反向运动的效果。所以我们一开始进入时，看到的肯定只是图片的部分区域。我的想法是给每一个图层设置 scale，将图片进行放大。显示窗口是固定的，那么一开始只能看到图片的正中位置。（中层可以不用，因为中层本身是不移动的，所以也不必放大) k不同灵敏度的采集时间不同，sensors_plus 默认是 SENSOR_DELAY_NORMAL 即 0.2S ，实际使用感应延迟非常高，不太适合这种需要及时响应的场景。所以我直接 fork 项目下来，将 SENSOR_DELAY_NORMAL 改为了 SENSOR_DELAY_GAME ，即每次采集时间为 20000微秒（0.02秒）。（如果你有类似需求可以通过 nayuta_sensors: 1.0.0 使用） 汇编、C和C++本质上都是内存不安全的语言，因此开发者的无心之过可能会导致非法访问、内存踩踏等多种问题。这些内存问题一方面会影响用户的使用体验（进程崩溃、系统重启等）；另一方面也会被黑客利用，增加入侵的机会。所以内存问题不仅是稳定性的问题，也是安全性的问题。当然，如果考虑到后期安全补丁带来的升级影响，它或许也能算得上是一个经济问题。让我们再来思考一下，所谓的是否合规到底在判断什么？其实它真正想判断的是内存的所有权问题。一块内存到底属于谁？我们以最容易发生内存问题的堆为例，当我们调用malloc时，系统会返回一个地址，而后续所有的内存操作都基于该地址。那么这时，虚拟意义上的“属于谁”就变成了实际意义上的“属于哪个指针”。指针和所指向的内存之间如何判断所有权？最直接的想法有点类似于“虎符”，指针和内存各持有一个tag，根据二者是否一致来判断所有权。在32位进程中，指针值的每一个比特都被用于寻址，因此没有多余的比特来记录所有权相关的信息（tag），当然也就无法通过对比来判断所有权。而在64位进程中，地址只有低48位用于寻址，因此高比特可以用来存储tag。HWASan和MTE都采用了这种方式，这也限定了它们只能用于64位进程，不过由于tag的可选范围有限，因此检测具有一定的漏检率(false-negatives)。32位进程中没办法判断所有权，只能退而求其次，给每块内存标记状态，只要访问特定状态的内存就不会出错，这也是ASan所采用的策略。处。设计工作速率为3kbps，听力测试表明，在该比特率下，Lyra的性能优于任何其他编解码器，并优于Opus的8kbps，因此实现了60%以上的带宽削减。当带宽条件不足以满足高比特率和现有的低比特率编解码器不能提供足够的质量时，可以使用Lyra为什么同步和异步模式之间存在性能差异呢？这需要牵涉到流水线优化的知识。内存访问可以分为读和写，写操作在流水线中是可以有些激进的优化策略的。譬如将连续的写操作合为一次写操作，或者将写操作缓存起来，稍后再发生实际的写动作。对同步检测而言，它必须要读取内存的tag，相当于在写操作的同时增加了一个读操作。基于内存一致性的规则，这将使得写操作的某些优化策略无法使用，因此CPU的运行效率降低。（这一块知识我只是粗浅的理解，如果有了解的朋友希望不吝赐教） Tag生成之后，越界的内存访问就会因tag不匹配而发生SIGSEGV。不过需要注意一点，Unused内存中只对第一个16bytes生成了tag，这样线性的越界将会100%检测出来，而非线性的跨越式越界则是概率性检测出来。至于为什么没有将Unused内存全部tag为0，Google的工程师说是基于性能的考虑，不过这样确实可能会漏检一些跨越式的越界。据统计，Chromium的开发实践中约13%的overflow是跨越式的overflow。Secondary Allocator通过mmap分配出新的vma区域。上图中的Content是用户真实数据存放的位置，它的结束地址是按页对齐的。起始地址Ptr前面存放两个Header，一个是Chunk Header，与Primary Allocator保持一致；另一个是LargeBlock Header，属于Secondary独有的设计，其中主要存储前后vma的指针（链表结构）。再往前是补齐的内存，一直补齐到页边界。此外，前后再各加一个不可访问的保护页。由于每个调用栈的大小不一致，所以没法创建统一的数组长度。如果将数组长度设为64，那么当调用栈不足64帧时会浪费内存空间。所以为了更高效地使用内存，Scudo中用一个大型数组存储下所有的返回地址。该数组长度为524288(1<<19)，不同调用栈的返回地址间会插入一个元素进行分隔。这个用于分隔的元素称为"stack trace marker"。那么如何区分一个marker和一个正常的返回地址呢？让我们把目光投向marker的最后一位。由于PC值在64位的机器上都是按4字节对齐的，所以其最后一位必然为0。这样我们就可以人为地将marker的最后一位设为1，以区分它和返回地址。marker的具体含义如下所示原文继续
简星轩