Incremental – 一个用于增量计算的库
摘要
Incremental 是 Jane Street 推出的一个库，用于构建高效、自适应的计算，能够响应输入变化，适用于电子表格、GUI视图以及派生数据同步。
查看缓存全文
缓存时间: 2026/07/21 06:36
janestreet/incremental
来源：https://github.com/janestreet/incremental
Incremental 是一个库，它提供了一种构建复杂计算的方法，这些计算能够在其输入发生变化时高效地进行更新。该库的灵感来自于[[http://www.umut-acar.org/self-adjusting-computation][Umut Acar 等人]]关于自调整计算的研究工作。Incremental 在多种应用中都能发挥作用，包括：
- 构建能够高效响应数据变化的大型计算（类似于你可能在电子表格中构建的那种计算）。
- 在 GUI 应用程序中构建能够高效整合新数据的视图。
- 计算派生数据的同时，确保派生数据与源数据保持同步，例如对映射进行过滤或求逆。
你可以在 [[https://github.com/janestreet/incremental/blob/master/src/incremental_intf.ml][incremental/src/incremental_intf.ml]] 中找到该库的详细文档及其使用方法。你还可以通过这篇[[https://blog.janestreet.com/introducing-incremental][博客文章]]和[[https://www.youtube.com/watch?v=G6a5G5i4gQU][这段视频]]找到该库的非正式介绍。
相似文章
介绍 Incremental
Jane Street 宣布推出 Incremental，这是一个用于构建自调整计算的库，能在输入变化时高效更新，适用于在线算法、图形界面构建和可配置计算。
增量软件开发环境中的实用算法
这篇来自加州大学伯克利分校的论文介绍了增量软件开发环境中的实用算法，探讨如何高效更新和管理代码变更。
Zig增量编译的内部机制
一位Zig核心团队成员解释了Zig增量编译的内部原理与使用方法，该技术仅重新编译变更的代码并修补到二进制文件中，从而实现毫秒级重建。
@seclink: sccache 与 incremental 互斥的经典坑： 两者同时开，结果是既占了 20GB 增量缓存，依赖又每次重编。关掉 incremental 后： 大型第三方库（tokio/serde/axum/reqwest 等）编译一次，跨…
解释了sccache与incremental编译互斥的问题：同时开启会导致增量缓存占用20GB且依赖每次重编译。关闭incremental后，大型第三方库编译一次即可跨项目复用，首次编译后缓存命中率达53–93%。
演变概念定义下的溯源引导增量学习
本文提出了一种溯源引导的增量学习框架，用于处理由规则引发的概念漂移，其中目标定义发生变化，并在一个新的基准上进行了评估，以提高效率和准确性。