GCC 7.1 正式发布：庆祝 GCC 30 周年；Visual Studio Code 1.12 发布｜软件周刊 27 期

软件周刊（04.30 — 05.06）

GCC 7.1 已正式发布，说起来自 1.0 发布已经过去 30 年了。本次发布的版本包含了诊断方面的各种改进，包括改进过的位置、位置范围、标识符拼写错误提示、选项名称、修复提示，并添加了各种新的警告。还包括对当前 C++ 17 草案中所有标准的实验性支持，改进了优化器等。

GCC 7.1 是一个主要版本，其中包含 GCC 6.x 或以前的 GCC 版本中不可用的大量新功能，建议升级至最新版本。值得关注的新功能：C++ 前端现在已经为当前 C++ 17 草案的所有标准提供了实验性支持，其中包括 -std=c++1z 和 -std=gnu++1z 选项，而且 libstdc++ 库也实现了 C++ 17 草案库中的大部分特性。

还改进了优化器，包括过程内部以及过程之间的优化、链接时间优化和各种目标后端，还包括但不限于添加了存储合并，代码提升优化，循环分割和收缩包装的改进。

在离开审查范围之后还支持使用 Address Sanitizer 来报告变量的使用情况。GCC 现在可通过配置为 NVidia PTX GPGPUs 卸载 OpenMP 4.5。

在旧版 GCC 下可以成功编译的代码可能需要做一些代码调整，详见 http://gcc.gnu.org/gcc-7/porting_to.html 。

详细变更内容，参阅 https://gcc.gnu.org/gcc-7/changes.html 。

Linus Torvalds 在内核邮件列表上宣布释出 Linux 4.11。

主要 新特性 包括：

Elastic 宣布，首次发布通过 X-Pack 提供的 Elastic Stack Machine Learning 功能，现已将 Prelert Machine Learning 技术完全集成到 Elastic Stack。请注意，这项功能在 5.4.0 版本中尚被标记为 beta。

目前，X-Pack Machine Learning 功能的着眼点是，利用无监督式机器学习，提供 “时间序列异常检测” 功能。

随着时间的推移，将计划增加更多 Machine Learning 功能，但是目前只专注于为用户存储的时间序列数据（例如日志文件、应用程序和性能指标、网络流量或 Elasticsearch 中的财务/交易数据）提供附加值。

Machine Learning 是 X-Pack 中的一项功能。这就意味着，安装 X-Pack 之后，就可以使用 Machine Learning 功能实时分析 Elasticsearch 中的时间序列数据。 Machine Learning 作业与索引和分片基本类似，能够跨 Elasticsearch 集群自动分布和管理。这还意味着 Machine Learning 作业对节点故障有很好的适应性。从性能角度看，紧密集成意味着数据永远不需要离开集群，而且可以利用 Elasticsearch 聚合极大地提高某些作业类型的性能。而紧密集成带来的另外一个好处就是，可以直接从 Kibana 创建异常检测作业并查看结果。

由于这种方法对数据进行原位分析，数据从不离开集群，因此与将 Elasticsearch 数据集成到外部数据科学工具相比，这种方法能够带来显著的性能和运维优势。随着在这个领域开发出越来越多的技术，这种架构的优势将会更加显著。

官方表示，在这个版本中，关注的重点由添加新功能转移到了改进流程和代码库。他们审查并分类了所有的 open issue，修复了错误，减少了工程债务。有以下更新内容：

Java

用户界面