编译速度测试

① 编译一段代码的速度和CPU的线程核心和代码的速度有关吗如果编译一个QQ大小的代码需要多长时间啊

1cpu的速度跟核心数量有关吗?是否数量越多就越快呢？只有在同一家族的CPU中进行比较，核心数量、主频与CPU的运行速度才有正比关系，还有影响的因素是2、3级缓存的大小。核心版本和工艺的升级也有影响。一般在同一家族的CPU中，核心越多、主频越高、缓存越多、版本越新的CPU越快。比如AMDAthlonIIX2250肯定要比AMDAthlonIIX2240要快，但是不是也一定强于主频、缓存、核心数都与X2240差不多的IntelPentiumE6300呢？那就不能武断的说了。需要用各种测试软件去验证。2同核心数目，同主频，同二级缓存哪个快？主板配cpu是看针脚和前端总线,和cpu的二级缓存无关,865的主板如果是478接口的,那就支持P42.8E和P43.2C,何况主板和cpu前端总线都是800mhz,完美支持两个比当然是P43.2C好了,虽然P42.8e是1024的二级缓存,但核心是Prescott内核,和A的核心一样,发热量大,功耗高,而C的核心是NORTHWOOD核心,比Prescott好

② 如何提高ios 静态库的编译速度

iPhone何打包通用静态库文件(模拟器真机都用)

1.先必须命令：
~/Library目录lion默认隐藏便用命令使其显示：
chflags nohidden ~/Library
想再让其隐藏：
chflags hidden ~/Library

2.静态库工程建立：Xcode New新project选择IOS面Framework&Library面Cocoa Touch Static Library直接next建立MtimeLibrary工程(面功能要关注简单 2数相加)
?

3.工程建立删除默认.h .m 文件自创建CountNumbers..h CountNumbers..m文件图：

4.OK选择iPhone 5.1Simulator ,Command + B 编译我Procts面找我编译模拟器运行libMtimeLibrary.a文件,选择真机（图）再编译真机运行libMtimeLibrary.a库

?

5. libMtimeLibrary.a 右键 Open in Finder找libMtimeLibrary.a所路径、面我新建项目添加.a文件测试

打终端：输入命令（路径根据自决定）
cd /Users/cash/Library/Developer/Xcode/DerivedData/MtimeLibrary-amyqbnwwzcivnyeijggzaorseihj/Build/Procts/

Procts目录ls 看：
?

再输入命令： cd Debug-iphonesimulator/

通面命令查看libMtimeLibrary.a信息
命令：lipo -info libMtimeLibrary.a
显示：
cashmatoMacBook-Pro:Debug-iphonesimulator cash$ lipo -info libMtimeLibrary.a
input file libMtimeLibrary.a is not a fat file
Non-fat file: libMtimeLibrary.a is architecture: i386
i386mac架构

再输入面命令：
cd ../

cd Debug-iphoneos/

继续通命令查看 lipo -info libMtimeLibrary.a
显示：
cashmatoMacBook-Pro:Debug-iphoneos cash$ lipo -info libMtimeLibrary.a
input file libMtimeLibrary.a is not a fat file
Non-fat file: libMtimeLibrary.a is architecture: armv7
armv7iOSjia'ge架构

我明白真机使用能模拟器使用吧

我要做要让libMtimeLibrary.a文件同i386armv7信息通用静态库文件

6. 新建MtimeLibraryDemo应用真机或者模拟器libMtimeLibrary.a CountNumbers.h文件引入进图：
?

添加CountNumbers.h文件需要调用类面调用libMtimeLibrary.a面

//
// AppDelegate.m
// MtimeLibraryDemo
//
// Created by cash on 12-3-23.
// Copyright (c) 2012 __MyCompanyName__. All rights reserved.
//

#import "AppDelegate.h"
#import "CountNumbers.h"
@implementation AppDelegate

@synthesize window = _window;

- (void)dealloc
{
[_window release];
[super dealloc];
}

- (BOOL)application:(UIApplication *)application didFinishLaunchingWithOptions:(NSDictionary *)launchOptions
{
self.window = [[[UIWindow alloc] initWithFrame:[[UIScreen mainScreen] bounds]] autorelease];
// Override point for customization after application launch.

CountNumbers *cn = [[CountNumbers alloc] init];
int count = [cn addTwoNumbers:10 :20];
NSLog(@"count:%d",count);

self.window.backgroundColor = [UIColor whiteColor];
[self.window makeKeyAndVisible];
return YES;
}

7. OK编译运行应用程序 错误篇文档关键.

?

我找刚才真机模拟器libMtimeLibrary.a目录
debug-iphoneos面基于arm6 arm7编译库文件debug-iphonesimulator文件夹面基于i386编译文件

?

10. 关键步骤：

通lipo -create 命令合并2静态库文件（-output 面/Users/cash/Desktop/test/libMtimeLibrary.a 合并路径文件名字）

lipo -create "/Users/cash/Library/Developer/Xcode/DerivedData/MtimeLibrary-amyqbnwwzcivnyeijggzaorseihj/Build/Procts/Debug-iphonesimulator/libMtimeLibrary.a" "/Users/cash/Library/Developer/Xcode/DerivedData/MtimeLibrary-amyqbnwwzcivnyeijggzaorseihj/Build/Procts/Debug-iphoneos/libMtimeLibrary.a" -output "/Users/cash/Desktop/test/libMtimeLibrary.a"
功

通命令 lipo -info libMtimeLibrary.a 知道文件已经i386armv7信息
cashmatoMacBook-Pro:test cash$ lipo -info libMtimeLibrary.a
Architectures in the fat file: libMtimeLibrary.a are: i386 armv7
cashmatoMacBook-Pro:test cash$
w

③ 从 Webpack 到 Snowpack, 编译速度提升十倍以上——TRPG Engine迁移小记

原文地址: http://moonrailgun.com/posts/74598ef5/

TRPG Engine 经过长久以来的迭代，项目已经显得非常臃肿了。数分钟的全量编译, 每次按下保存都会触发一次 10s 到 1m 不等的增量编译让我苦不堪言, 庞大的依赖使其每一次编译都会涉及很多文件和很多包，长时的编译时间大大降低了开发效率与迭代速度。

经过一段时间的考察，我选择了 Snowpack 作为解决方案。与 Webpack 不同的是，除了第一次的全量编译以外， Snowpack 的增量编译不会涉及到庞大的 node_moles 文件夹, 准确来说只会编译变更文件本身。甚至于如果没有对依赖进行变更，下次的全量编译会直接动用之前编译的文件缓存，不需要花时间等待 node_moles 的编译。

为什么会这么快？这是由于 Snowpack 本身的实现与设计哲学有关的。相比 Webpack , Snowpack 利用了现代浏览器的本身的 mole 系统，跳过复杂的模型之间的组织编译过程而只关注于变更文件本身的编译，这样当然快了。

拿 Snowpack 官方的一张图来说:

snowpack 的最我译单位是文件，而 webpack 的最我译单位为 chunk , 而 chunk 还需要额外的计算, 不论是编译部分还是编译后的组装部分。snowpack的设计逻辑天生决定了她的速度。

优化前(使用 webpack ):

全量编译:

增量编译:

全量请求用时:

优化后(使用 snowpack ):

全量编译:

增量编译:

(看不到编译用时，但是体感在1s内. 而且该效果在电脑运行其他应用时更加显着)

全量请求用时:

以上测试是保证电脑在空闲时间，且保存与操作内容为同一文件

该用时已经是平时操作的最快时间，为此我的MBR重启了一次强制清空了swap空间, 实际表现会更加显着

因为文件依赖于浏览器的耗时，而浏览器需要串行请求依赖，因此耗时会更加长

但实际使用中使用snowpack会更加优秀。因为其相比webpack会大大节约电脑资源。在webpack编译时会占用大量的电脑资源，会影响到其他操作

TRPG Engine 算是非常经典的 Webpack 应用了, 使用了各种Loader。光通用配置就有250+行，各种优化配置，各种 alias。等等长时间迭代积攒下来的配置，因此毫不意外的会遇到很多问题与坑。

以下是我遇到的问题与解决方案:

Snowpack虽然作为一个新兴的打包工具，目前尚不是非常完善, 功能也没有webpack这样丰富与齐全。但是它的新的打包设计对于有一定规模的前端应用还是非常优秀的。能极大提升开发效率。不失为一种好的解决方案。当然最后输出还是需要使用webpack对其进行一定的优化，毕竟原生的mole支持目前浏览器的支持度还没有达到覆盖一个理想的地步 https://caniuse.com/es6-mole

最后这是我最后提交的 pr

④ 编译器本身是如何进行测试的

编译器最重要的性质就是保证语义的正确。比如，从高级语言翻译到机器指令之后，指令必须正确的表达原来程序的意思。所以一般编译器测试都包含一些源程序，用来覆盖可能出现的各种情况。基本的原则是：原来程序的结果 = 编译后机器指令运行的结果。机器指令运行的结果很容易知道，运行一下就知道了。可是原来程序的结果你怎么知道呢？
为了解决这个“原来程序语义”的问题，最好是写一个解释器，准确无误的表达原来的代码的语义。所以我们的要求就是：
高级语言解释器（源程序） = 机器执行（机器代码）
由于处理器其实就是一个用来执行机器代码的解释器，这里有一个很美好的对称关系：
interp1(L1) = interp2(L2)
另外还有一个问题，就是编译器一般需要经过多个转化步骤（叫做 pass）才能最后编译为机器指令。比如，
L2 = pass1(source)
L3 = pass2(L2)
L4 = pass3(L3)
Ln = passN(Ln-1)
machine_code = codegen(Ln)
由于源程序经过了很多步骤猜得到最后的机器指令，如果你使用上面的公式，就会出现以下一些情况：
1. 知道结果错了，但是却不知道到底是哪一个 pass 错了。
2. 结果没有错，但是中间却有 pass 实际上是错的。但是由于之前的 pass 把输入程序的一些结构给“优化”掉了，所以错的那个 pass 其实没能得到触发错误的那个数据结构。所以测试没能发现错误。如果以后前面的那个 pass 被修改，错误就会暴露出来。这是非常难以发现的潜伏的危险。
为了防止这些情况出现，一些编译器（比如 Chez Scheme 和 Kent Dybvig 的课程编译器）使用了对每一个 pass 进行测试的做法。具体的方法就是为每一个中间语言都写一个解释器，把这语言的语义完全的表示出来。这样我们就需要检查一组等式：
L2 = pass1(source)
高级语言编译器（源程序） = interp2(L2) // 测试 pass1 的正确性
L3 = pass2(L2)
interp2(L2) = interp3(L3) // 测试 pass2 的正确性
这样一来我们就能独立的判断每一个 pass 的正确性了。
这些是基本的语义测试原理。另外除了语义，可能还有一些“表面”一些的测试，它们看代码本身，而不只看它的语义。比如尾递归优化的测试应该确保输出程序的尾递归得到正确的处理，等等。这些是语义测试检查不到的，因为尾递归没有正确处理的程序大部分也能输出正确的结果。
普通的单元测试方法也可以用来测试一些编译器里的辅助函数，但那些不是编译器特有的，所以就不讲了。
另外，就像所有测试的局限性一样，你没法枚举所有可能出现的输入，所以以上的测试方法其实也不能保证编译器的完全正确。

⑤ 如何加快linux android 的编译速度

项目越来越大，每次需要重新编译整个项目都是一件很浪费时间的事情。Research了一下，找到以下可以帮助提高速度的方法，总结一下。
1. 使用tmpfs来代替部分IO读写
2.ccache，可以将ccache的缓存文件设置在tmpfs上，但是这样的话，每次开机后，ccache的缓存文件会丢失
3.distcc,多机器编译
4.将屏幕输出打印到内存文件或者/dev/null中，避免终端设备（慢速设备）拖慢速度。

tmpfs
有人说在Windows下用了RAMDisk把一个项目编译时间从4.5小时减少到了5分钟，也许这个数字是有点夸张了，不过粗想想，把文件放到内存上做编译应该是比在磁盘上快多了吧，尤其如果编译器需要生成很多临时文件的话。
这个做法的实现成本最低，在Linux中，直接mount一个tmpfs就可以了。而且对所编译的工程没有任何要求，也不用改动编译环境。
mount -t tmpfs tmpfs ~/build -o size=1G
用2.6.32.2的Linux Kernel来测试一下编译速度：
用物理磁盘：40分16秒
用tmpfs：39分56秒
呃……没什么变化。看来编译慢很大程度上瓶颈并不在IO上面。但对于一个实际项目来说，编译过程中可能还会有打包等IO密集的操作，所以只要可能，用tmpfs是有益无害的。当然对于大项目来说，你需要有足够的内存才能负担得起这个tmpfs的开销。
make -j
既然IO不是瓶颈，那CPU就应该是一个影响编译速度的重要因素了。
用make -j带一个参数，可以把项目在进行并行编译，比如在一台双核的机器上，完全可以用make -j4，让make最多允许4个编译命令同时执行，这样可以更有效的利用CPU资源。
还是用Kernel来测试：
用make： 40分16秒
用make -j4：23分16秒
用make -j8：22分59秒
由此看来，在多核CPU上，适当的进行并行编译还是可以明显提高编译速度的。但并行的任务不宜太多，一般是以CPU的核心数目的两倍为宜。
不过这个方案不是完全没有cost的，如果项目的Makefile不规范，没有正确的设置好依赖关系，并行编译的结果就是编译不能正常进行。如果依赖关系设置过于保守，则可能本身编译的可并行度就下降了，也不能取得最佳的效果。
ccache
ccache工作原理：
ccache也是一个编译器驱动器。第一趟编译时ccache缓存了GCC的“-E”输出、编译选项以及.o文件到$HOME/.ccache。第二次编译时尽量利用缓存，必要时更新缓存。所以即使"make clean; make"也能从中获得好处。ccache是经过仔细编写的，确保了与直接使用GCC获得完全相同的输出。

ccache用于把编译的中间结果进行缓存，以便在再次编译的时候可以节省时间。这对于玩Kernel来说实在是再好不过了，因为经常需要修改一些Kernel的代码，然后再重新编译，而这两次编译大部分东西可能都没有发生变化。对于平时开发项目来说，也是一样。为什么不是直接用make所支持的增量编译呢？还是因为现实中，因为Makefile的不规范，很可能这种“聪明”的方案根本不能正常工作，只有每次make clean再make才行。
安装完ccache后，可以在/usr/local/bin下建立gcc，g++，c++，cc的symbolic link，链到/usr/bin/ccache上。总之确认系统在调用gcc等命令时会调用到ccache就可以了（通常情况下/usr/local /bin会在PATH中排在/usr/bin前面）。
安装的另外一种方法：
vi ~/.bash_profile
把/usr/lib/ccache/bin路径加到PATH下
PATH=/usr/lib/ccache/bin:$PATH:$HOME/bin
这样每次启动g++的时候都会启动/usr/lib/ccache/bin/g++，而不会启动/usr/bin/g++
效果跟使用命令行ccache g++效果一样
这样每次用户登录时，使用g++编译器时会自动启动ccache
继续测试：
用ccache的第一次编译(make -j4)：23分38秒
用ccache的第二次编译(make -j4)：8分48秒
用ccache的第三次编译(修改若干配置，make -j4)：23分48秒

看来修改配置（我改了CPU类型...）对ccache的影响是很大的，因为基本头文件发生变化后，就导致所有缓存数据都无效了，必须重头来做。但如果只是修改一些.c文件的代码，ccache的效果还是相当明显的。而且使用ccache对项目没有特别的依赖，布署成本很低，这在日常工作中很实用。
可以用ccache -s来查看cache的使用和命中情况：
cache directory /home/lifanxi/.ccachecache hit 7165cache miss 14283called for link 71not a C/C++ file 120no input file 3045files in cache 28566cache size 81.7 Mbytesmax cache size 976.6 Mbytes
可以看到，显然只有第二编次译时cache命中了，cache miss是第一次和第三次编译带来的。两次cache占用了81.7M的磁盘，还是完全可以接受的。
distcc
一台机器的能力有限，可以联合多台电脑一起来编译。这在公司的日常开发中也是可行的，因为可能每个开发人员都有自己的开发编译环境，它们的编译器版本一般是一致的，公司的网络也通常具有较好的性能。这时就是distcc大显身手的时候了。
使用distcc，并不像想象中那样要求每台电脑都具有完全一致的环境，它只要求源代码可以用make -j并行编译，并且参与分布式编译的电脑系统中具有相同的编译器。因为它的原理只是把预处理好的源文件分发到多台计算机上，预处理、编译后的目标文件的链接和其它除编译以外的工作仍然是在发起编译的主控电脑上完成，所以只要求发起编译的那台机器具备一套完整的编译环境就可以了。
distcc安装后，可以启动一下它的服务：
/usr/bin/distccd --daemon --allow 10.64.0.0/16
默认的3632端口允许来自同一个网络的distcc连接。
然后设置一下DISTCC_HOSTS环境变量，设置可以参与编译的机器列表。通常localhost也参与编译，但如果可以参与编译的机器很多，则可以把localhost从这个列表中去掉，这样本机就完全只是进行预处理、分发和链接了，编译都在别的机器上完成。因为机器很多时，localhost的处理负担很重，所以它就不再“兼职”编译了。
export DISTCC_HOSTS="localhost 10.64.25.1 10.64.25.2 10.64.25.3"
然后与ccache类似把g++，gcc等常用的命令链接到/usr/bin/distcc上就可以了。
在make的时候，也必须用-j参数，一般是参数可以用所有参用编译的计算机CPU内核总数的两倍做为并行的任务数。
同样测试一下：
一台双核计算机，make -j4：23分16秒
两台双核计算机，make -j4：16分40秒
两台双核计算机，make -j8：15分49秒
跟最开始用一台双核时的23分钟相比，还是快了不少的。如果有更多的计算机加入，也可以得到更好的效果。
在编译过程中可以用distccmon-text来查看编译任务的分配情况。distcc也可以与ccache同时使用，通过设置一个环境变量就可以做到，非常方便。
总结一下：
tmpfs： 解决IO瓶颈，充分利用本机内存资源
make -j： 充分利用本机计算资源
distcc： 利用多台计算机资源
ccache： 减少重复编译相同代码的时间
这些工具的好处都在于布署的成本相对较低，综合利用这些工具，就可以轻轻松松的节省相当可观的时间。上面介绍的都是这些工具最基本的用法，更多的用法可以参考它们各自的man page。
5.还有提速方法是把屏幕输出重定向到内存文件或/dev/null,因对终端设备(慢速设备)的阻塞写操作也会拖慢速度。推荐内存文件，这样发生错误时，能够查看。

⑥ 大家都用什么C/C++编译环境

了解的C/C++编译器如下：
GCC家族有
Cygwin
Mingw32
DJGPP
Dev-C++(Mingw32)
还有正宗的GNU GCC 2.95.5~3.0.0.4版本
MS家族有
MSC 5.0、6.0、7.0
MSQC 1.0、2.5
MSVC 1.0、4.2、6.0、7.0
Borland家族有
TC 1.0、2.0
TC++ 1.01、3.0
BC 3.0、3.1、4.0、4.5、5.0、5.02
BCB 3.0、5.0、6.0
其它有
Intel C/C++ 5.0
Watcom C/C++ 11.0、11.0c
VectorC 1.3.3
IBM VisualAge for C++
DigitalMars C/C++
KAI C/C++ 4.03f for RedHat 7.2
Lcc4.1
LCC-WIN32 2001-09-25~2002-04-28日版
Small C
CC386
Pacific C
另外还有C的解释器
Quincy
Eic
CINT

上面提到的编译器/解释器，大部分我都使用过。现在固定使用VC7.0 Cygwin Mingw32 VectorC和LCC-WIN32这五种编译器。

在GCC家族中GNU GCC是根本，其它的编译器版本都是从它导出的。其中，Cygwin和Mingw32都是WIN32平台下的编译器，DJGPP是DOS下的32位编译器。大家所熟知的DEV-C++充其量只是GCC的一个外壳，它所自带的编译器就是Mingw32的一个版本。这些GCC的版本中，Cygwin是最大的，它与其说是一个编译器，倒不如说是一套编程工具。它不仅有编译器，还有其它很多的工具。其实，它就是一个UNIX系统在WIN32平台上的实现。实现了大多常用的UNIX工具，最近的版本中连Apache这样的“工具”都集成进来的。不过，Cygwin虽然功能强大，但它却不是很易用（和UNIX相似，熟悉UNIX的人用它可以很快上手），因为太多其它的工具分散了人们的注意力。相比之下Mingw32就要好用得多，它只有最基本的几个编程工具（只可惜它不自带GDB）。GCC中并不只是C/C++编译器，其中还有很多其它的编译器如java，Fortran，ADA等。它是一个编译器集合，不过有些编译器只能在UNIX系统上用。MS家族的编译器就不用说了，大家对它们都很熟悉。VC 7.0(VC.NET)是它的最新产品。Borland家族也不用说，大家也是耳熟能详。最近它才推出了BCB 6.0。

其它的编译器如：Intel C/C++大家一看名称就知道是Intel的东西，它和VC6完全兼容，不过要挂在VC6下才能用。Watcom C/C++是早先编译器四国大战中的一员，原本是很不错的东西，可惜战略不对，现在已不见声息了。倒是以它为基础的一个OpenWatcom现在还在奋战。VectorC是我近日才发现的一个好东东，它是个纯C的编译器。IBM的VisualAge for C++原本是IBM想用来淌C++编译器这片浑水的东西，不过IBM的战略改了，它就被放弃了。DigitalMars C/C++的前身的Symantec C++（它也是编译器四国大战中的一员），不过现在Symantec不做了，于是它的作者就把它改成了DigitalMars C/C++开放给大家使用。以上这些都是WIN32平台上的东西。KAI C/C++是个很强大的C/C++编译器，它是个多平台的编译器。不过现在被INTEL收购了，已经停止开发了。Lcc4.1是个纯C的编译器它是开放源代码的。不过不怎么好用。LCC-WIN32是一个在LCC基础上开发的c语言的集成开发环境，很好用，而且有很详细的资料，FREE！Pacific C是一个纯DOS的C的集成开发环境，就不多说了。Small C CC386都是开放源代码的编译器，它们都很简单，应用来给大家学习编译器的。Quincy Eic CINT都是C的解释器，是用来让大家学习C语言的其中CINT的功能很强大，还支持一些C++的特性。
当然还有很多其它的编译器，这里我给出的编译器都是可以在WIN32或DOS平台上用的（除KAI外）。UNIX平台上的编译器还是以GNU的为主，其它的我就不是很清楚了。

在以上的编译器中，最特别的就是VectorC这个东西只支持纯C。但它却号称是最快的编译器，不过经过我的试验，它的确在有些情况下强过其它编译器很多！而且它还有个交互式的优化器，可以让你直接看到C代码对映的汇编代码。Cygwin和Mingw32为一母所生，其运行效果相差不大。它们生成的代码效率都很不错，编译的速度也很快，最值得一提的是它们对C++的特性的支持算是所有编译器中最完全的，而且它们还支持C99的大部分特性。这一点很是不错！大家对MS的VC已经很熟悉了，本不用我多说。不过在它的最新的产品VC7.0中，有很大的改进。它对C++的特性的支持比6.0有了很大的提高，是我所用的编译器中是仅次于GCC的。而且它编译出的程序，运行速度很快！仅有少数时候次于VectorC与GCC，其它情况都是最快的！其平均运行速度是最快的。对Borland的产品我也无需多说。它的TC2.0与BC3.1都是我最喜欢的东西。可是现在的BCB却大不如前了，编译的速度和VC6一样慢！IDE还有较多的BUG。最令人想不通的是它生成的代码的运行速度很慢，比LCC-WIN32还慢！它唯一值得一提的就是它的RAD做的比MS的好。Intel的编译器大家可能不熟，它太贵了！还要有VC的支持，很不划算，而且编译速度比VC6还慢。不过它的代码质量很不错。DigitalMars C/C++没有什么亮点，编译速度较快，代码执行速度适中，对C++特性支持还算不错。LCC-WIN32是个很不错的集成开发环境，它只支持纯C。它的编译速度极快！代码执行速度较慢。不过它的最大亮点在于它的IDE，在所有的FREE编程工具中，它的IDE是最专业的，有很强大的代码分析，管理功能。而且它提供了大量的编程资料。
我曾对一些编译器的代码执行效率做过一些测试，以下是概况：
1. VectorC、VC 7.0 （极快）
2. Intel C/C++、VC 6.0、GCC （很快）
3. DigitalMars C/C++ （一般）
4. LCC-WIN32、BCB、BC5.02 (较慢)
当然，我所做的测试比较片面。不过在很大程度上已能反映其大概状况。

⑦ 如何提供java编译protobuf协议文件的速度

ProtoBuf java 包编译
ProtoBuf的官方下载包并不包含jar文件，需要用户自己configure/make….来自行编译。由于Windows上没有编译环境，就用了一个笨一点方法处理了。
分别下载:
protobuf-2.4.1.zip ProtoBuf的源文件（包含了C++/Java/Python）的源文件
protoc-2.4.1-win32.zip 已经编译过的用于Windows平台的protoc命令（该命令用于将.proto文件转化为Java或C++源文件）。

分别解析这两个文件，你可以在protoc-2.4.1-win32.zip解压后的文件中找到一个protoc.exe文件，将其到protobuf-2.4.1/src目录下，然后进入protobuf-2.4.1/java，执行：
mvn install

如果没有安装maven的话，可以在网上找一下maven的安装手册。
编译完成后可以在protobuf-2.4.1/java/target目录中找到protobuf-2.4.1.jar文件.
后记
protobuf-2.4.1.zip里面同时包含了protoc和java等的源文件，如果按照官方教程来安装的话，就是先产生出protoc编译器，然后再生成jar包。由于mvn install同时包含了编译和测试过程，而测试代码又依赖于protoc编译器，所以就需要单独下载protoc编译器，并置于src目录下了。

如果不需要验证编译结果（不执行单元测试），则可以如下：
下载protobuf-2.4.1.zip并解压，进入到protobuf-2.4.1/java
mvn install –Dmaven.test.skip=true
这样就可以了。

⑧ 怎么样测网速啊 ！ 网速多少就算差啊

不要说网络速度只是网管大哥的专利，每个菜鸟DD同样可以了解，尽管有时候他们搞不清网络带宽同食堂大师傅讲的面条带宽有啥区别，而且经常被K、M、G之类的玩意搞得云里雾里。事实上每个人都可以轻松获知自己的连接带宽，就像看温度计一样容易（什么？看不懂温度计？！……）只要看完这篇文章，即使你只有“半瓶水”，也可以在老板面前露一小手了，多来两回，没准儿还给整个副科级待遇啥的……
你是使用ADSL或者以太网接入的宽带用户吗？你是否觉得连接速度时快时慢？或者你使用一个56K的小猫，而显示的连接速度却总是6位数。你确实想知道自己连上互联网的准确速度，但又不知如何入手？来吧朋友，我来教你一步步测试自己的连接速度到底有多少。
首先当然是拨号上网了，然后连接到www.linkwan.com/gb/broadmeter，见到那个“带宽测试”了吗？按下那个“测试连接至北京、美国、香港、深圳、台北、上海以及厦门的连线速度”的链接，然后选择一个地点的服务器来测试你的连接速度。选距离你最近的吧，我选择北京。在测试中最好不进行其它网络操作，以免影响测试的准确性。开始测试了，稍稍等待一会儿……OK，结果出来了。那个温度计显示的就是你的连接速度，从下到上速度依次升高。现在你知道你的连接速度到底有多少了，不会再被Windows唬人的数字蒙骗了！
想测试你到美国的连接速度有多少吗？你说什么？没用？不会吧，拜托！难道你从来就不访问国外的网站？如果你连接北京的速度飞快而连接其它国家的速度都不太理想而且你经常访问国外的站点的话，我劝你换个ISP吧。左图是我连接到美国服务器的测试结果。对比一下简直不敢想象，竟相差了那么多。看来我也要考虑一下ISP的问题了。上图显示了中国各大ISP与国家互联网交换中心（NAP）的连接带宽，你要是对此感兴趣并想了解更多情况的话，www.linkwan.com/gb/broadmarket/bandwidth/cnnic.htm有你想要的。
在www.linkwan.com网站不光可以测试连接速度，还可以进行其它网络相关方面的测试。
想知道你在连接到网站时信息数据经过了哪些节点、用了多长时间吗？Visualroute网络路径节点回溯分析工具可以帮你。它集成了ping，whois与traceroute程序功能，自动分析网络连接结果，并呈现在世界地图上。提供从中国北京到你所选择的任一个域名或IP的Ping结果和图形化的路由信息。点击输入框右边显示你IP的按钮，则会得到从服务器到你的计算机之间的路由节点信息。
你有自己的个人主页吗？或者你正准备上传自己的第一个个人主页？或者你是专业网页设计师？不管怎样，下面的网页特性测试对你一定有用！测试项目包括：浏览器兼容度：给出网页在多种浏览器下的显示报告，还详细统计网页中哪些HTML语法不被浏览器支持，以及改善的建议。链接情况牶帮你检查页面上所有链接是否正确，有没有无效链接。当你的页面创建了很多链接的时候，用它来帮你检查链接的正确性，那可是再好不过了！HTML语法检查牶帮你仔细检查页面上的语法，给出详细统计报告，而且会告诉你怎样解决出现的问题，避免不正确的HTML语法影响浏览器的编译速度。下载时间：测试你的网页在不同连接速度下的下载时间，并且指出被测试页面所链接的文件（图片文件、框架页面、样式表文件、脚本文件等）中哪个过于庞大。

⑨ Lua到底有多快

学习Lua有段时间了，资料、教程也看了不少。给我印象最深的是几乎所有的资料中都特别称赞Lua的三个优点：一是体积小，二是代码优美，三是速度最快。完整的lua5.1只有区区200K，小得几乎可以忽略不计；对于Lua的代码优美，可能多数是指Lua的c语言源代码简洁高效，而在我看来，用Lua写的程序，语法简单，可读性强，极大地保持了高级语言接近人类自然语言的特性，看起来也很优美啊！

但我还是对它的第三个优点最为在意。很多人都说Lua是目前世界上速度最快的脚本语言，那么Lua到底有多快？没有人拿出具体的数据来说明。没有比较就没有鉴别，所以我想亲自测试一下。下面是在同一台机器上分别用6种语言执行1亿次浮点运算的测试结果(1亿以内的所有整数开3次方并求和)，有图为证：

测试说明：

1、一般来说，我们总是认为编译型语言要比解释型语言快，这里面delphi和易语言属于编译型语言，而VB有人认为只是伪编译而已，lua、vbs、vba都属于解释型语言，它们之间最有可比性。

2、从测试结果来看，在这几种语言中，Lua的运算速度仅次于delphi ！而delhpi的编译速度、执行速度都是久负盛名的。

3、这里之所以把vba也算一个，是因为自从微软宣布停止对vb6的支持后，vb将死的说法一直不绝于耳。但是Office是微软的传家宝，一直在不断升级。office中与vb6同宗同源的vba自然不会被微软舍弃，网上有人从中提取出了可以独立安装的vba6.5和vba7.0，(office2003中的vba版本是6.0)，我用vba6.0测试了一下，比vbs还要慢很多，而用vba7.0就快多了。真是个令人惊喜的意外发现！

⑩ maclinux哪个快

Linux系统攻克Mac电脑,Asahi Linux Alpha版编译比macOS快40%

原创2022年5月27日Asahi Linux 的编译速度比 macOS 足足快了 40%。

CSDN

mac对比linux编译速度,Mac OS X 10.5和Linux Ubuntu 8.10性能对比测试...
2021年5月1日Bonnie++磁盘性能测试:不管持续写入还是随机读取,Mac都明显好得多,而且读写性能基本一致;Ubuntu还是64位版稍好一些。大概和双方使 用的文件系统...
CSDN编程社区