码迷,mamicode.com
首页 > 其他好文
一个操作系统的实现(7)-获取机器内存并进行合理分页
在前面的程序中,我们用了4MB的空间来存放页表,并用它映射了4GB的内存空间,而我们的物理内存不见得有这么大,这显然是太浪费了。如果我们的内存总数只有16MB的话,只是页表就占用了25%的内存空间。而实际上,如果仅仅是对等映射的话,16MB的内存只要4个页表就够了。所以,我们有必要知道内存有多大,然后根据内存大小确定多少页表是够用的。而且,一个操作系统也必须知道内存的容量,以便进行内存管理。 ...
分类:其他好文   时间:2016-05-30 14:54:18    阅读次数:353
一个操作系统的实现(6)-初识分页机制
这节仍然是从实现的角度来讲述分页机制。 为什么要引入分页机制。我们都知道分段机制是为了提供保护机制,那么为什么还要引入分页机制呢? 为什么引入分页机制 想象一下这样一种情况:假设我们用的计算机物理内存是4GB,但是我们的程序大小是5GB。那么这个时候我们无法将程序全部放到内存中,也就无法运行程序。分页机制引入的原因之一就是为了解决这个问题。分页机制的引入实现了虚拟存储器的机制...
分类:其他好文   时间:2016-05-30 14:54:08    阅读次数:304
UVALive 4730 线段树+并查集
点击打开链接 题意:在坐标上给n个点,r的操作是将两个点连起来,l的操作是问你y=u的这条线连接的集合块数和这些集合内的点的个数 思路:很麻烦的一道题,在网上看了题意和做法后,开始了一下午的调bug过程,做法很好懂,我开了两个线段树,一个维护点代表的直线的集合个数,另一个则是路过集合内的点的个数,然后集合的判断直接用并查集就行了,这是两个核心,然后就是自己瞎写的了,代码丑的可以而且好像除了...
分类:其他好文   时间:2016-05-30 14:52:29    阅读次数:142
《Redis设计与实现》[第一部分]数据结构与对象-C源码阅读(一)
一、简单动态字符串SDS 关键字:空间预分配,惰性空间释放,二进制安全 C字符串不易更改,所以Redis中把C字符串用在一些无须对字符串值进行修改的地方,作为字符串字面量(String literal),比如打印日志: redisLog(REDIS_WARING, “Redis is now ready to exit, bye bye…”); 在Redis数据库中,包含字符串的键值对在...
分类:其他好文   时间:2016-05-30 14:52:04    阅读次数:186
用pandas分析百万电影数据
##用pandas分析电影数据Lift is short, use Python.用Python做数据分析,pandas是Python数据分析的重要包,其他重要的包:numpy、matplotlib .安装pandas(Linux, Mac, Windows皆同):pip install pandas电影数据来源:http://grouplens.org/datasets/movielens/ 下载...
分类:其他好文   时间:2016-05-30 14:49:35    阅读次数:546
Hive与HBase实现数据互导
Hive与HBase实现数据互导 建立与HBase的识别表 hive> create table hive_hbase_1(key int,value string)     > stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'     > WITH SERDEPROPERTIES ("hbase.columns.ma...
分类:其他好文   时间:2016-05-30 14:51:11    阅读次数:329
随机采样和随机模拟:吉布斯采样Gibbs Sampling的具体实现
http://blog.csdn.net/pipisorry/article/details/51525308 吉布斯采样的实现问题 本文主要说明如何通过吉布斯采样进行文档分类(聚类),当然更复杂的实现可以看看吉布斯采样是如何采样LDA主题分布的[主题模型TopicModel:隐含狄利克雷分布LDA ]。 关于吉布斯采样的介绍文章都停止在吉布斯采样的详细描述上,如随机采样和随机...
分类:其他好文   时间:2016-05-30 14:50:50    阅读次数:277
25分钟掌握Hive基本操作
15分钟掌握Hive基本操作   (1)、从本地文件系统中导入数据到Hive表; (2)、从HDFS上导入数据到Hive表; (3)、从别的表中查询出相应的数据并导入到Hive表中; (4)、在创建表的时候通过从别的表中查询出相应的记录并插入到所创建的表中。       一、从本地文件系统中导入数据到Hive表   先在Hive里面创建好表,如下:   1 hive> cr...
分类:其他好文   时间:2016-05-30 14:49:53    阅读次数:200
《hadoop进阶》PeopleRank从社交关系中挖掘价值用户
转载请注明出处: 转载自  Thinkgamer的CSDN博客: blog.csdn.net/gamer_gyt 代码下载地址:点击查看 1:PageRank 与 PeopleRank 2:需求分析:挖掘CSDN博客的价值用户 3:算法模型:PeopleRank算法 4:架构设计:从数据准备到PR算法的MR化 5:程序开发:hadoop实现PeopleRank算法...
分类:其他好文   时间:2016-05-30 14:50:13    阅读次数:259
HDFS内存存储
前言 上一篇文章主要阐述了HDFS Cache缓存方面的知识,本文继续带领大家了解HDFS内存存储相关的内容.在HDFS中,CacheAdmin设置的目标文件缓存是会存放于DataNode的内存中,但是另外一种情况也可以将数据存放在DataNode的内存里.就是之前HDFS异构存储中提到的内存存储策略,LAZY_PERSIST.换句话说,本文也是对HDFS内存存储策略的一个更细致的分析.考虑...
分类:其他好文   时间:2016-05-30 14:48:07    阅读次数:295
Unix网络编程-同步
1、互斥锁(量)和条件变量默认情况下互斥锁和条件变量用于线程间同步,若将它们放在共享内存区,也能用于进程间同步。1.1 互斥锁1、概述: 互斥锁(Mutex,也称互斥量),防止多个线程对一个公共资源做读写操作的机制,以保证共享数据的完整性。用以保护临界区,以保证任何时候只有一个线程(或进程)在访问共享资源(如代码段)。保护临界区的代码形式:lock_the_mutex(...); 临界区 unlo...
分类:其他好文   时间:2016-05-30 14:47:31    阅读次数:246
一个操作系统的实现(8)-进一步体会分页机制
上面的两篇文章中,我们对可用内存进行了统计,并且合理的分配了页表的大小。这节中,我们来看看分页的好处 在此之前不知道你有没有注意过一个细节,如果你写一个程序(在Linux或Windows下均可),并改个名复制一份,然后同时调试,你会发现,从变量地址到寄存器的值,几乎全部都是一样的!而这些“一样的”地址之间完全不会混淆起来,而是各自完成着自己的职责。这就是分页机制的功劳,下面我们就来模拟一...
分类:其他好文   时间:2016-05-30 14:49:35    阅读次数:265
XML——XML文件约束之DTD详解
本文介绍了XML文件约束的概念,重点介绍了使用DTD约束XML文件,介绍了DTD的引用方式以及定义元素和属性的语法...
分类:其他好文   时间:2016-05-30 14:49:10    阅读次数:180
设计模式06_装饰者模式
本文是在学习中的总结,欢迎转载但请注明出处:http://blog.csdn.net/pistolove/article/details/515315191、定义          动态将职责添加到对象身上。若要扩展功能,装饰者模式提供了比继承更加灵活的替代方案。(摘自Head First 中文版第91页)2、说明          通常情况下,在使用继承设计子类的行为,是在编译时静态决定的,所有的...
分类:其他好文   时间:2016-05-30 14:48:25    阅读次数:145
caffe 中的一些参数介绍
caffe 是非常强大的深度学习框架,作为使用者,我们当然要对它的一些配置参数有一定的认识,本文简单介绍了caffe中的一些参数,持续更新中......
分类:其他好文   时间:2016-05-30 14:45:23    阅读次数:14253
51NOD 1116 K进制下的大数(字符串取模 + 枚举)
传送门 1116 K进制下的大数 基准时间限制:1 秒 空间限制:131072 KB 分值: 20 难度:3级算法题 收藏 关注 有一个字符串S,记录了一个大数,但不知这个大数是多少进制的,只知道这个数在K进制下是K - 1的倍数。现在由你来求出这个最小的进制K。 例如:给出的数是A1A,有A则最少也是11进制,然后发现A1A在22进制下等于4872,4872 mod 21 = 0,并且2...
分类:其他好文   时间:2016-05-30 14:45:24    阅读次数:143
ScalersTalk成长会机器学习小组-深度学习第3次学习笔记
第九章 前言 什么是卷积 神经网络里卷积的目的 什么是池化 卷积和池化的强先验 前言卷积网络也叫卷积神经网络(或者CNN),是一种特殊的深层的神经网络模型,它适合于时间序列数据的处理和图像数据处理。这章内容主要讨论内容: 什么是卷积 使用卷积的动机 什么是池化 用于实践中的神经网络的几个变化卷积函数 卷积如何应用于各种维度不同的数据 讨论一些如何使卷积神经更有效率 补充内容:卷积神经网络的特殊性体现...
分类:其他好文   时间:2016-05-30 14:45:31    阅读次数:932
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!