HtPM

首先，你能发出这样的疑问，说明你是懂点儿参数的，但不多！一块屏幕如果只是看分辨率就行了的话，那参数门槛是不是太低了？你让我想起了买组装台式电脑的时候，4 代 i7 和 14 代 i7 都叫 i7 ，DDR3L 8G 内存 和 DDR5 8G 内存都叫 8G 内存。 索尼 4K 显示器 和 小米 4K 显示器都叫 4K 显示器。
当然我没有嘲讽的意思，我只是想告诉你一件数码产品，如果你只是看厂商给你看到的参数，那你只是被牵着👃走，那能不好吗？全是厂家宣传海报的参数~

光编译需要学习的知识就够你喝一壶的了，哈哈，大多数 CRUD 的开发人员都是基于 Spring 等框架学习空中楼阁的知识，从 java->c++的过程可能都需要你花大部分时间，还别说 framework 这么大的系统 java 层，再到 NDK native 层，再到系统内存管理 内核 驱动等。。。。说来就头大

帮你查了一下，还有一些情况也可能导致你说的情况，比如编译器优化 -o2 -o3 ，还有上面有人说的内联优化，如果应用程序的堆栈被污染或者内存布局出现问题（例如，由于越界、栈溢出等问题），地址偏移可能会导致报错信息不准确地指向标准库或头文件，而不是实际的业务代码

Abort message: 'terminating with uncaught exception of type std::out_of_range: stoi: out of range'
backtrace:
#00 pc 000000000008d974 /apex/com.android.runtime/lib64/bionic/libc.so (abort+168) (BuildId: 8a2277585401a6103d671ea1f801ed52)
#01 pc 00000000004117e8 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libtensorflowlite_gpu_delegate.so
#02 pc 0000000000411940 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libtensorflowlite_gpu_delegate.so
#03 pc 000000000040ebc4 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libtensorflowlite_gpu_delegate.so
#04 pc 000000000040e2c8 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libtensorflowlite_gpu_delegate.so
#05 pc 000000000040e248 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libtensorflowlite_gpu_delegate.so (__cxa_throw+120)
#06 pc 0000000000407e7c /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libtensorflowlite_gpu_delegate.so (std::__ndk1::stoi(std::__ndk1::basic_string<char, std::__ndk1::char_traits<char>, std::__ndk1::allocator<char> > const&, unsigned long*, int)+468)
#07 pc 000000000101dd84 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (stork_sqlite3_orm_impl::SQLite3ORMImpl::splitStr2ValArray(std::__ndk1::basic_string<char, std::__ndk1::char_traits<char>, std::__ndk1::allocator<char> > const&, char, unsigned long&, unsigned int&, bool&, bool, bool)+668) (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#08 pc 0000000000c738f4 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (stork_ui_param::BaseAppParamInfo::getModeParam(char, bool*)+3304) (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#09 pc 0000000000c4dc44 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (initDefaultBaseAppParamInfo(int)+452) (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#10 pc 0000000000b97cb8 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (connectProbe(char*, char*, char*, int, unsigned char)+388) (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#11 pc 0000000000bcddf4 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#12 pc 0000000000bcdcd4 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#13 pc 0000000000bcd334 /data/app/~~-Ml3L8MsCzRmolEzS5T3YA==/com.stork.ultrasound.fusu-pgdHATtSuRuufWM9pv879Q==/lib/arm64/libultrasoundGPU.so (BuildId: 5e80ef5828b4907af556f8f082053aedb6cf272c)
#14 pc 00000000000f57c8 /apex/com.android.runtime/lib64/bionic/libc.so (__pthread_start(void*)+208) (BuildId: 8a2277585401a6103d671ea1f801ed52)
#15 pc 000000000008f1bc /apex/com.android.runtime/lib64/bionic/libc.so (__start_thread+68) (BuildId: 8a2277585401a6103d671ea1f801ed52)

这是我们公司的 tombstones ，libultrasoundGPU.so 是我们的业务 so 库，可以看到最新的业务报错地址是#07 ， #00 是 libc.so 。 找 bug 的时候只需要定位到我们业务的 libultrasoundGPU.so 库（#07 ）就行了,通过 addr2line convert #07 到具体的 line num

我之前也和你有同样的需求，所以我在半年前折腾了一下。我家里是有一台不使用的笔记本，安装的 ubuntu Server ，然后通过 docker 下载了迅雷，其次打开了 smba 服务用于共享笔记本的硬盘相关目录，然后在 docker 中的迅雷登录同一个账户，在手机上下载一个迅雷，也登录同一个账户。然后就可以直接远程控制笔记本中的 docker 迅雷下载电影。然后回到家后，电视机上安装了 kodi 和 vlc ，这两个直接访问 ubuntu server 的下载目录，就可以直接观看下载的 4K 电影了。

android NDK + SDK 项目，公司两台电脑，一台 macbook pro m1 8 + 256 ，一台 i5 8400 + 16 ，编译项目的时候两台电脑都动不了，不过整体来说 mac 比 台式好。

有啊，你说的好的 UI 的视频编辑软件，里面就是使用的 FFMPEG 。。。

这不是很正常嘛，比如 std 某个函数的形参你传递了错误的实参，比如 nullptr 。这个时候其中一个思路就是看堆栈中最新的 那个业务函数 的 输入是否异常，再对比查看调用的 std 函数的输入边界。

实在不行，自己开发一个