Ember🍐

如何退出xv6(qemu)：先一起按下ctrl+a,然后再点击一下x即可 Sleep123456789101112131415#include "kernel/types.h"#include "user/user.h"intmain (int argc ,char *argv[]){ if (argc != 2){ fprintf(2,"sleep:lack of arguement should input 2 you;but argc = %d",argc); } int num = (int)atoi(argv[1]); sleep(num); exit(0);} Pingpong总体上没用什么难点，特别的就是需要创建两个管道，用于两个进程读写，避免自我阻塞问题 1234567891011121314151617181920212223242526272829303132333435363738394041424344#includ ...

安装方式 安装插件,在博客根目录[Blogroot]下打开终端，运行以下指令： 1npm install hexo-butterfly-tag-plugins-plus --save 考虑到hexo自带的markdown渲染插件hexo-renderer-marked与外挂标签语法的兼容性较差，建议您将其替换成hexo-renderer-kramed 12npm uninstall hexo-renderer-marked --savenpm install hexo-renderer-kramed --save 添加配置信息，以下为写法示例 在站点配置文件_config.yml或者主题配置文件_config.butterfly.yml中添加 123456789101112131415# tag-plugins-plus# see https://akilar.top/posts/615e2dec/tag_plugins: enable: true # 开关 priority: 5 #过滤器优先权 issues: false #issues标签依赖注入开关 link: ...

std::function and bind可调用对象(Callable Object) 函数指针 具有operator()成员函数的类对象(仿函数) 可被转换为函数指针的类对象 类成员函数指针 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152void func(void) { std::cout<<"函数指针"<<std::endl;}struct Foo{ void operator()(void){ std::cout<<"仿函数"<<std::endl; }};struct Bar{ using fr_t = void(*)(void); static void func(void){ //... ...

FaRM高性能分布式事务 Title: No compromises: distributed transactions with consistency, availability, and performance FaRM Overview FaRM = Fast + Remote + Memory 为何要学习FaRM 另一种对transactions+replication+sharding的实现：这仍然在研究领域，没有投入实际生产。 乐观并发控制OOC(stric serializability) 利用了了RDAM NICs的巨大性能潜力。 整体设计 FaRM全部通讯都在一个数据中心 与Spanner不同的是，Spanner全球性的广域的设计 configuration manager：使用ZooKeeper, 选择主从复制 primaries/backups Shards采用主从复制(只有在恢复的时候会进行通信) P1 B1 P2 B2 … 只要至少有一个shard的副本就能恢复 f+1的副本就容忍f次的故障 事务代码充当两阶段提交的事务协调器 ...

Effective C++ Effective学习笔记 让自己习惯C++条款01C++高效编程时情况而变，取决于你使用C++的那一部分 条款02：尽量以const，enum，inline替换#definePerfer consts enum and inlines to #define 总结：✦For simple constants, prefer const objects or enums to #defines. ✦For function-like macros, prefer inline functions to #defines. 条款03：尽可能使用constUse const whenever possible const成员函数 优点 他们使class接口比较容易被理解，可以得知那个函数可以改动对象成员，那个不能 他们使用“操作const对象”成为可能。 constness 当两个成员函数如果只是常量性不同，就可以用const来重载 123456789101112131415161718class TextBlock {public: ...

Spanner 全球化分布式数据库 Title: Google’s Globally-Distributed Database,Spanner is Google’s scalable, multi-version, globallydistributed, and synchronously-replicated database 论文中实现了广域的事务服务，也是在Google广泛使用的一种技术 R/W Transaction: 2PC + 2PL + Paxos Group R/O Transaction: Snapshot isolation + Synchronized Clocks ImplementationSpanner部署Spanner的部署叫做universe，可以让Spanne全球性的管理数据，谷歌中使用了三套Spanner部署分别用于:测试、研发、上线 ​ 如上图Spanner server的结构图中，Spanner由多个Zone(管理部署的单元、物理隔离的单元)组成。一个数据中心中可以由一个或者多个Zone ​ 上图中的一个Zone有一个zo ...

Lab1：MAPREDUCE一、基础框架 paper中的mapreduce概念模型 程序调用 coordinator(master)及worker的调用框架 lab1中的主要是把单进程的map-reduce分开执行并且使用coordinator作为master进行调用 1.工具链(静态库) 将map与reduce的方法放置于wc.go中，然后生成工具链 1go build -race -buildmode=plugin ../mrapps/wc.go 2.挂起coordinator例程 coordinator运行时挂起，打开监听socket，等待worker的请求，并作出响应(返回文件名) 1go run -race mrcoordinator.go pg-*.txt 第二个参数为pg-*.txt，为输入文件 mrcoordinator中调用mr/coordinator.go中的Makecoordinator并传入input文件名与reduce的任务数量 3.打开worker例程(可以打开多个) mrworker调用mr/worker.go ，mrworker中获取工具链中的m ...

Lab3:KVRaft 写在前面：lab3 的内容是要在 lab2 的基础上实现一个高可用的 KV 存储服务，算是要将 raft 真正的用起来。相关协调服务可以参考OngaroPhD的作者的博士论文或者是ZooKeeper 论文笔记的协调服务,另外Chain Replicate 论文笔记的设计中同样满足了高性能读的服务 PartA:Key/value service without snapshots客户端：Client创建创建client自动生成ID号(使用nrand()函数生成)用于Session来记录lastRequest的回复,用LeaderID快速连接server，减少重试leader时间 123456789func MakeClerk(servers []*labrpc.ClientEnd) *Clerk { ck := new(Clerk) ck.servers = servers // You'll have to add code here. ck.LeaderId = 0 ck.ClientId = nrand() ...

Lab 2: Raft — 实验过程记录这篇文章写的有点烂，我会在后续进行修改 ban 写在前面：Raft是基于共识算法而实现的一个对 fault-tolerant test-and-set service，在MapReduce 、GFS、Fault-Tolerate VM 中都存在一个主要的管理机器(Cooridator 、master、primary) ，集中的去管理、分配任务、复制、同步信息。 参考材料： Raft Consensus Algorithm，这时raft的官网，其中有一个有趣的是raft visualization部分，在网页可以可视化的观察的raft执行过程。 Raft Q&A :: Jon Gjengset (thesquareplanet.com)，MIT6.824关于raft的问答 raft论文，raft算法作者的研究生论文。 Lab 2A : Leader ElectionLeader Election(共识算法)实现implement1.Figure2 按照raft figure 2 的操作将其Raft结构体完善，添加相应的RPC ...