2020年11月全国招收程序员340579人。2020年11月全国程序员平均工资14327元，工资中位数12500元，其中96%的人的工资介于3000元到85000元。 工资好像又降低了，吓得我瑟瑟发抖。《权力的游戏》里面的一句话又回荡在我的耳边：winter is coming. #城市 北京，上海，杭州，深圳，仍然是工资最高的四座城市。 南京的工资爬了一名，超过了广州。真替广州捉急。。。 #职能 敏捷教练，才是最赚钱的。最差的敏捷教练，他的收入也远远高于别人的中位数。什么python，java，都是扯淡。 #编程语言 需求百分比： 虽然java的市场占有率第一，然而工资最高的是scala。python整天吹牛，也就是第7。真正赚钱的语言，不是培训班教的。培训班量产的，肯定赚不了钱。 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

众所周知，激烈竞争下的餐饮行业十分艰难。确保前端的工作运行正常只是冰山一角，更为复杂的是在幕后执行大量的任务。这通常意味着，比起专注于提供令人难忘的顾客体验，餐饮行业的员工在确保流程的合规性和完整性方面需要花费更多的时间。 在酒店行业，食品卫生和食品的储存管理是两大关键要素，并且对于企业保有信誉度以及确保顾客安全也至关重要。从仓库一直到餐厅，在整个供应链中的任何环节如有食品的管理不当都有可能造成广泛的影响。起初可能会导致消费者的信心减弱，促使他们做出其他选择，进而使企业的营收下降。如果企业由于疏忽产生了过失，还会被处以罚款，甚至被逮捕。 因此至关重要的是对餐厅和酒店的供应链进行创新，并利用新技术来满足消费者的需求。 从仓库到厨房 从供应链的源头开始，企业就必须确保运营的可靠性，并符合法律法规。复杂的食物口味、不同的食品来源，以及对于不同饮食和食物过敏的日益关注，使食物储存成为了一个非常难处理的过程。食物储存并不仅仅只是冷藏或冷冻，而是需要按照个人要求，将食品保存在各种温度条件下。同时，对于所有含过敏原的食品必须贴上适当的标签，并远离被视为“不含过敏原”的食品，且不得发生交叉污染。仓库管理永远是一个没有止境的命题。 在管理库存的同时，顾客和餐饮企业的所有者都日益渴望了解食物的确切来源和运输过程。手动管理这一过程几乎是不可能的，且无疑会导致错误的发生。而易于扫描的食品代码与智能数据库结合在一起，就意味着能够随时随地快速获取全部的信息。 如果方法得当，智能冷链解决方案可以有效地管理货物运输，并提高工作人员的效率。例如，通过为工作人员配备能够承受温度波动的抗寒型手持式或佩戴式设备，工作人员就能管理库存并对库存区域进行扫描，以查找问题或发现不一致性。由此他们不需要进行揣测便能够更好地了解对于所处理食品的不同要求。工作人员也只需要动动手指，就能通过库存管理的数据库，直接访问实时信息。最终，无论工作人员在何处进行操作，都能完美地履行任务。 厨房中的食物储藏 食物制备的过程中，干燥及生鲜食品在厨房中的存储是最重要的步骤之一，因此必须遵循严格的法律准则。根据《中华人民共和国食品安全法》，贮存、运输和装卸食品的容器、工具和设备应当安全、无害，保持清洁，防止食品污染，并符合保证食品安全所需的温度、湿度等特殊要求，不得将食品与有毒、有害物品一同贮存、运输。此外，餐饮服务提供者应当定期维护食品加工、贮存、陈列等设施、设备;定期清洗、校验保温设施及冷藏、冷冻设施。甚至在英格兰、威尔士和北爱尔兰，法律要求冷藏食品需保持在8°C或以下。英国的冷冻食品协会(CFA)也在全球范围内推进这一法律规定。同时，开放式食品必须包装好，贴上严格的保存期或最佳食用日期的标签，并保证标签清晰可见。 此外，冰淇淋和冷冻肉品等需要保持冷冻状态的食品必须在交付后立即保存在冰箱中，餐厅应严格遵循“一旦开封，请在多少天内食用完”的建议。在较高的温度下(尤其是在较热的环境中)，未将冷冻或生鲜食品置于冰箱内，则将会给食客的安全和食品的质量带来风险。 为了遵守这些严格的规定，就必须高效准确地贴标签，但这未必如人们想象得一般容易。厨房是一个很难驾驭的生态系统。有些区域潮湿，有些区域干燥，但不同区域也可能同时出现冷热。因此，传统的标签可能会脱落、被弄脏或根本无效。除此之外，不同的菜肴和食品中存在大量不同的食材或成分，这也意味着事物在不断变化——没有一张标签是相同的。但是，无法正确传递即便是一条看似微不足道的信息，都可能造成很严重的后果。 通过为员工和厨房配备专门设计的紧凑型打印机，企业可以确保高效地为食品贴标签，并且最重要的是准确性。打印机的尺寸适合放置于繁忙或拥挤的环境中，但不会干扰到工作人员，同时可随时为每种新到的食品提供独特的标签。不仅如此，这种打印机还能打印能够承受多种环境的专业标签。 提到智能技术在食品及酒店业的应用，某国际性娱乐公司就在其全球多座度假村和乐园中都采用了智能技术。餐厅是数百万顾客体验的关键，该公司则采取了所有必要的预防措施，不仅要确保游园的体验难忘，而且还要确保游客的用餐安全。 通过投资于能够扫描任何表面以监测细菌水平的斑马技术的移动设备，该公司成功提高了其多座度假村的卫生标准。同时，食品标签技术确保了自助餐始终新鲜，并且能够正确监测库存水平。除此之外，该公司还引入了无线温度探头，以提高员工和游客的安全性。在这样一个繁忙且不断变化的环境中，技术缓解了一线工作人员的压力，使他们能够更高效地开展工作，并专注于为游客营造愉悦美好的氛围。 为确保不会浪费任何捕获到的数据，该公司也在追踪和分析每一件事，从而能够主动识别出其所有餐厅中需要改进的地方。这种可视性的提升，从本质上使工作人员能够预测可能会出现的问题，以免问题严重到对游客造成风险的程度。这样一来，服务更顺畅，还能显著降低与温度控制及食物相关的风险。 毫无疑问，人们对餐饮业的期望越来越高，新口味、各类饮食和在线评论网站的爆炸式增长，使提高食品安全变得比以往任何时候都更具挑战性。但是，在设备和解决方案的助力下，餐饮业就能在确保合规性的同时，改善监测、制备和呈现的方式。

一种新的转换器接口的使用率正在稳步上升，并且有望成为未来转换器的协议标准。这种新接口JESD204诞生于几年前，其作为转换器接口经过几次版本更新后越来越受瞩目，效率也更高。 随着转换器分辨率和速度的提高，对于效率更高的接口的需求也随之增长。JESD204接口可提供这种高效率，较之其前代互补金属氧化物半导体(CMOS)和低压差分信号(LVDS)产品在速度、尺寸和成本方面更有优势。采用JESD204的设计拥有更快的接口带来的好处，能与转换器更快的采样速率同步。此外，引脚数的减少导致封装尺寸更小，走线布线数更少，从而极大地简化了电路板设计，降低了整体系统成本。该标准可以方便地调整，从而满足未来需求，这从它已经历的两个版本的变化中即可看出。自从2006年发布以来，JESD204标准经过两次更新，目前版本为B。由于该标准已为更多的转换器供应商、用户以及FPGA制造商所采纳，它被细分并增加了新特性，提高了效率和实施的便利性。此标准既适用于模数转换器(ADC)也适用于数模转换器(DAC)，初步打算作为FPGA的通用接口（也可能用于ASIC）。 JESD204——它是什么？ 2006年4月，JESD204最初版本发布。该版本描述了转换器和接收器（通常是FPGA或ASIC）之间数Gb的串行数据链路。在 JESD204的最初版本中，串行数据链路被定义为一个或多个转换器和接收器之间的单串行通道。图1给出了图形说明。图中的通道代表 M 转换器和接收器之间的物理接口，该接口由采用电流模式逻辑(CML)驱动器和接收器的差分对组成。所示链路是转换器和接收器之间的串行数据链路。帧时钟同时路由至转换器和接收器，并为器件间的JESD204链路提供时钟。 图1. JESD204最初标准。 通道数据速率定义为312.5 Mbps与3.125 Gbps之间，源阻抗与负载阻抗定义为100 Ω ±20%。差分电平定义为标称800 mV峰峰 值、共模电平范围从0.72 V至1.23 V。该链路利用8b/10b编码，采用嵌入式时钟，这样便无需路由额外的时钟线路，也无需考虑相关的高数据速率下传输的数据与额外的时钟信号对齐的复杂性。当JESD204标准开始越来越受欢迎时，人们开始意识到该标准需要修订以支持多个转换器下的多路、对齐的串行通道，以满足转换器日益增长的速度和分辨率。 这种认识促成了JESD204第一个修订版的发布，即JESD204A。此修订版增加了支持多个转换器下的多路对齐串行通道的能力。该版本所支持的通道数据速率依然为312.5 Mbps至3.125 Gbps，另外还保留了帧时钟和电气接口规范。增加了对多路对齐串行通道的支持，可让高采样速率和高分辨率的转换器达到3.125 Gbps的最高支持数据速率。图2以图形表示JESD204A版本中增加的功能，即支持多通道。 图2. 第一版——JESD204A。 虽然最初的JESD204标准和修订后的JESD204A标准在性能上都比老的接口标准要高，它们依然缺少一个关键因素。这一缺少的因素就是链路上串行数据的确定延迟。对于转换器，当接收到信号时，若要正确重建模拟域采样信号，则关键是了解采样信号和其数字表示之间的时序关系（虽然这种情况是针对ADC而言，但DAC的情况类似）。该时序关系受转换器的延迟影响，对于ADC,它定义为输入信号采样边沿的时刻直至转换器输出数字这段时间内的时钟周期数。类似地，对于DAC，延迟定义为数字信号输入DAC的时刻直至模拟输出开始转变这段时间内的 时钟周期数。JESD204及JESD204A标准中没有定义可确定性设置转换器延迟和串行数字输入/输出的功能。另外，转换器的速度和分辨率也不断提升。这些因素导致了该标准的第二个版本——JESD204B。 2011年7月，第二版本标准发布，称为JESD204B，即当前版本。修订后的标准中，其中一个重要方面就是加入了实现确定延迟的条款。此外，支持的数据速率也提升到12.5 Gbps，并划分器件的不同速度等级。此修订版标准使用器件时钟作为主要时钟源，而不是像之前版本那样以帧时钟作为主时钟源。图3表示JESD204B版本中的新增功能。 图3. 第二个（当前）修订版——JESD204B。 在之前的JESD204标准的两个版本中，没有确保通过接口的确定延迟相关的条款。JESD204B修订版纠正了这个问题。通过提供一种机制，确保两个上电周期之间以及链路重新同步期间，延迟是可重现和确定性的。其工作机制之一是：在定义明确的时刻使用SYNC~输入信号，同时初始化所有通道中转换器最初的通道对齐序列。另一种机制是使用SYSREF信号——一种JESD204B定义的新信号。SYSREF信号作为主时序参考，通过每个发射器和接收器的器件时钟以及本地多帧时钟对齐所有内部分频器。这有助于确保通过系统的确定延迟。JESD204B规范定义了三种器件子类：子类0——不支持确定性延迟；子类1——使用SYSREF的确定性延迟；子类2——使用SYNC~的确定性延迟。子类0可与JESD204A链路做简单对比。子类1最初针对工作在500MSPS或以上的转换器，而子类2最初针对工作在500MSPS以下的转换器。 除了确定延迟，JESD204B支持的通道数据速率上升到12.5 Gbps，并将器件划分为三个不同的速度等级：所有三个速度等级的源阻抗和负载阻抗相同，均定义为100 Ω ±20%。第一速度等级与JESD204和JESD204A标准定义的通道数据速率相同，即通道数据电气接口最高为3.125 Gbps。JESD204B的第二速度等级定义了通道数据速率最高为6.375 Gbps的电气接口。该速度等级将第一速度等级的最低差分电平从500 mV峰峰值降为400 mV峰峰值。JESD204B的第三速度等级定义了通道数据速率最高为12.5 Gbps 的电气接口。该速度等级电气接口要求的最低差分电平降低至360 mV峰峰值。随着不同速度等级的通道数据速率的上升，通过降低所需驱动器的压摆率，使得所需最低差分电平也随之降低，以便物理实施更为简便。 为提供更多的灵活性，JESD204B版本采用器件时钟而非帧时钟。在之前的JESD204和JESD204A版本中，帧时钟是JESD204系统的绝对时间参照。帧时钟和转换器采样时钟通常是相同的。这样就没有足够的灵活性，而且要将此同样的信号路由给多个器件，并考虑不同路由路径之间的偏斜时，就会无谓增加系统设计的复杂性。JESD204B中，采用器件时钟作为JESD204系统每个元件的时间参照。每个转换器和接收器都获得时钟发生器电路产生的器件时钟，该发生器电路负责从同一个源产生所有器件时钟。这使得系统设计更加灵活，但是需要为给定器件指定帧时钟和器件时钟之间的关系。 JESD204——为什么我们要重视它？ 就像几年前LVDS开始取代CMOS成为转换器数字接口技术的首选，JESD204有望在未来数年内以类似的方式发展。虽然CMOS技术目前还在使用中，但已基本被LVDS所取代。转换器的速度和分辨率以及对更低功耗的要求最终使得CMOS和LVDS将不再适合转换器。随着CMOS输出的数据速率提高，瞬态电流也会增大，导致更高的功耗。虽然LVDS的电流和功耗依然相对较为平坦，但接口可支持的最高速度受到了限制。 这是由于驱动器架构以及众多数据线路都必须全部与某个数据时钟同步所导致的。图4显示一个双通道14位ADC的CMOS、LVDS和CML输出的不同功耗要求。 图4. CMOS、LVDS和CML驱动器功耗比较。 在大约150 MSP至200 MSPS和14位分辨率时，就功耗而言，CML输出驱动器的效率开始占优。CML的优点是：因为数据的串行化，所以对于给定的分辨率，它需要的输出对数少于LVDS和CMOS驱动器。JESD204B接口规范所说明的CML驱动器还有一个额外的优势，因为当采样速率提高并提升输出线路速率时，该规范要求降低峰峰值电压水平。 同样，针对给定的转换器分辨率和采样率，所需的引脚数目也大为减少。表1显示采用200 MSPS转换器的三种不同接口各自的引脚数目，转换器具有各种通道数和位分辨率。在CMOS和LVDS输出中，假定时钟对于各个通道数据同步，使用CML输出时，JESD204B数据传输的最大数据速率为4.0 Gbps。从该表中可以发现，使用CML驱动器的JESD204B优势十分明显，引脚数大为减少。 表1. 引脚数比较——200 MSPS ADC 业内领先的数据转换器供应商ADI预见到了推动转换器数字接口向JESD204（由JEDEC定义）发展的趋势。ADI自从初版JESD204规范发布之时起即参与标准的定义。迄今为止，ADI公司已发布多款输出兼容JESD204和JESD204A的转换器，目前正在开发输出兼容JESD204B的产品。AD9639是一款四通道、12位、170 MSPS/210 MSPS ADC，集成JESD204接口。AD9644和AD9641是14位、80 MSPS/ 155 MSPS、双通道/单通道ADC，集成JESD204A接口。DAC这方面，最近发布的AD9128是一款双通道、16位、1.25 GSPS DAC，集成JESD204A接口。 随着转换器速度和分辨率的提高，对于效率更高的数字接口的需求也随之增长。随着JESD204串行数据接口的发明，业界开始意识到了这点。接口规范依然在不断发展中，以提供更优秀、更快速的方法将数据在转换器和FPGA（或ASIC）之间传输。接口经过两个版本的改进和实施，以适应对更高速度和分辨率转换器不断增长的需求。展望转换器数字接口的发展趋势，显然JESD204有望成为数字接口至转换器的业界标准。每个修订版都满足了对于改进其实施的要求，并允许标准演进以适应转换器技术的改变及由此带来的新需求。随着系统设计越来越复杂，以及对转换器性能要求的提高，JESD204标准应该可以进一步调整和演进，满足新设计的需要。 关于世健 ↓↓↓ 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

01 先了解什么是异构并行计算 同构计算是使用相同类型指令集和体系架构的计算单元组成系统的计算方式。 而异构计算主要是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式，常见的计算单元类别包括CPU、GPU、DSP、ASIC、FPGA等。 异构计算用简单的公式可以表示为“CPU+XXX”。举例来说，AMD着力发展的APU就属于异构计算，用公式表示就是CPU+GPU。 由于术业有专攻，CPU、GPU、DSP、ASIC、FPGA各有所长，在一些场景下，引入特定计算单元，让计算系统变成混合结构，就能让CPU、GPU、DSP、FPGA执行自己最擅长的任务。 异构计算(Heterogeneous Computing)在80年代中期就已产生，其定义更加宽泛。异构计算主要是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式。常见的计算单元类别包括CPU、GPU等协处理器、DSP、ASIC、FPGA等。一个异构计算平台往往包含使用不同指令集架构(ISA)的处理器。   从软件的角度来讲，异构并行计算框架是让软件开发者高效地开发异构并行的程序，充分使用计算平台资源。从硬件角度来讲，一方面，多种不同类型的计算单元通过更多时钟频率和内核数量提高计算能力；另一方面，各种计算单元通过技术优化(如GPU从底层架构支持通用计算，通过分支预测、原子运算、动态并行、统一寻址、NIC直接访问显存等能力)提高执行效率。  正是因为异构计算在理论上有着诸多的优势，一些媒体将“CPU+XXX”称为下一代处理器。 异构计算在理论上相对于同构计算拥有很多优势——HSA能够简化芯片结构设计、降低应用编程门槛、缩短项目研发周期、显著提升芯片性能、广泛共享软件生态。 有厂家甚至宣传异构计算可以实现任何程序都不必费心考虑不同处理器内核之间的存储差异。但在现阶段，异构计算除了在超算上取得了明显成绩，在其他领域优势并不大。 即便异构计算目前还存在这样或那样的一些问题，但却是非常具有发展潜力的技术。 随着技术的进步，电子消费品市场对于高性能并行计算的需求正在爆发性增长，特别是在机器视觉、人工智能、云计算、AR/VR、软件定义无线电以及其他新兴领域，都对异构计算系统有着非常大的需求。 而HSA在系统编程方式上的迈进使得一个复杂片上系统能够协调在并行计算上比CPU更高效、更低功耗的GPU、DSP以及硬件加速器等计算单元承担大部分繁重的计算工作任务，在上述新兴领域能发挥较理想的作用。 也正是因此，Parmance公司计划与华夏芯在ML-HSA项目上进行合作——该项目面向机器学习和深层神经网络，并针对华夏芯此前发起的开源gccbrig项目进行优化，gccbrig项目为任何支持GCC的平台提供编译（终结转换）功能。 国外巨头也一直着力发展异构计算系统——Intel在去年以167亿美元收购阿尔特拉，发展CPU+FPGA，AMD着力发展的APU也属于异构计算，像Imagination、MTK等一些厂商也在异构计算领域积极布局。可以说，异构计算的市场前景还是值得期待。 02 再看看CPU与GPU的区别 随着GPU的可编程性不断增强，GPU的应用能力已经远远超出了图形渲染任务，利用GPU完成通用计算的研究逐渐活跃起来，将GPU用于图形渲染以外领域的计算成为GPGPU(General Purpose computing on graphics processing units，基于GPU的通用计算)。与此同时，CPU则遇到了一些障碍，CPU为了追求通用性，将其中大部分晶体管主要用于构建控制电路(比如分支预测等)和Cache，只有少部分的晶体管来完成实际的运算工作。 CPU + GPU 是一个强大的组合，因为 CPU 包含几个专为串行处理而优化的核心，而 GPU 则由数以千计更小、更节能的核心组成，这些核心专为提供强劲的并行性能而设计。程序的串行部分在 CPU 上运行，而并行部分则在 GPU上运行。GPU 已经发展到成熟阶段，可轻松执行现实生活中的各种应用程序，而且程序运行速度已远远超过使用多核系统时的情形。未来计算架构将是并行核心 GPU 与多核 CPU 共同运行的混合型系统。 1、CPU即中央处理器 CPU( Central Processing Unit, 中央处理器)就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。 CPU的结构主要包括运算器（ALU, Arithmetic and Logic Unit）、控制单元（CU, Control Unit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线。 简单来说就是：计算单元、控制单元和存储单元，架构如下图所示： 图：CPU微架构示意图 从字面上我们也很好理解，计算单元主要执行算术运算、移位等操作以及地址运算和转换；存储单元主要用于保存运算中产生的数据以及指令等；控制单元则对指令译码，并且发出为完成每条指令所要执行的各个操作的控制信号。 所以一条指令在CPU中执行的过程是这样的：读取到指令后，通过指令总线送到控制器（黄色区域）中进行译码，并发出相应的操作控制信号；然后运算器（绿色区域）按照操作指令对数据进行计算，并通过数据总线将得到的数据存入数据缓存器（大块橙色区域）。 过程如下图所示： 图：CPU执行指令图 CPU遵循的是冯诺依曼架构，其核心就是：存储程序，顺序执行。 在这个结构图中，负责计算的绿色区域占的面积似乎太小了，而橙色区域的缓存Cache和黄色区域的控制单元占据了大量空间。 因为CPU的架构中需要大量的空间去放置存储单元（橙色部分）和控制单元（黄色部分），相比之下计算单元（绿色部分）只占据了很小的一部分，所以它在大规模并行计算能力上极受限制，而更擅长于逻辑控制。 另外，因为遵循冯诺依曼架构（存储程序，顺序执行），CPU就像是个一板一眼的管家，人们吩咐的事情它总是一步一步来做。但是随着人们对更大规模与更快处理速度的需求的增加，这位管家渐渐变得有些力不从心。 于是，能不能把多个处理器放在同一块芯片上，让它们一起来做事，这样效率不就提高了吗？GPU便由此诞生了。 2、GPU即图形处理器。 GPU全称为Graphics Processing Unit，中文为图形处理器，就如它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。 为什么GPU特别擅长处理图像数据呢？这是因为图像上的每一个像素点都有被处理的需要，而且每个像素点处理的过程和方式都十分相似，也就成了GPU的天然温床。 GPU简单架构如下图所示： 图：GPU微架构示意图 从架构图我们就能很明显的看出，GPU的构成相对简单，有数量众多的计算单元和超长的流水线，特别适合处理大量的类型统一的数据。 但GPU无法单独工作，必须由CPU进行控制调用才能工作。CPU可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，则可调用GPU进行并行计算。 注：GPU中有很多的运算器ALU和很少的缓存cache，缓存的目的不是保存后面需要访问的数据的，这点和CPU不同，而是为线程thread提高服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问dram。 再把CPU和GPU两者放在一张图上看下对比，就非常一目了然了： GPU的工作大部分都计算量大，但没什么技术含量，而且要重复很多很多次。 借用知乎上某大神的说法，就像你有个工作需要计算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分，反正这些计算也没什么技术含量，纯粹体力活而已；而CPU就像老教授，积分微分都会算，就是工资高，一个老教授顶二十个小学生，你要是富士康你雇哪个？ GPU就是用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。这种策略基于一个前提，就是小学生A和小学生B的工作没有什么依赖性，是互相独立的。 有一点需要强调，虽然GPU是为了图像处理而生的，但是我们通过前面的介绍可以发现，它在结构上并没有专门为图像服务的部件，只是对CPU的结构进行了优化与调整，所以现在GPU不仅可以在图像处理领域大显身手，它还被用来科学计算、密码破解、数值分析，海量数据处理（排序，Map-Reduce等），金融分析等需要大规模并行计算的领域。 所以，GPU也可以认为是一种较通用的芯片。 从根本上说CPU和GPU它们的目的不同，且有不同侧重点，也有着不同的性能特性，在某些工作中CPU执行得更快，另一工作中或许GPU能更好。当你需要对大量数据做同样的事情时，GPU更合适，当你需要对同一数据做很多事情时，CPU正好。 然而在实际应用中，后一种情形更多，也就是CPU更为灵活能胜任更多的任务。GPU能做什么？关于图形方面的以及大型矩阵运算，如机器学习算法、挖矿、暴力破解密码等，GPU会大幅提高计算效率。 Cache, local memory：CPU > GPU Threads(线程数): GPU > CPU Registers: GPU > CPU 多寄存器可以支持非常多的Thread,thread需要用到register,thread数目大，register也必须得跟着很大才行。 SIMD Unit(单指令多数据流,以同步方式，在同一时间内执行同一条指令): GPU > CPU。 简单地说，CPU擅长分支预测等复杂操作，GPU擅长对大量数据进行简单操作。一个是复杂的劳动，一个是大量并行的工作。 其实GPU可以看作是一种专用的CPU，专为单指令在大块数据上工作而设计，这些数据都是进行相同的操作，要知道处理一大块数据比处理一个一个数据更有效，执行指令开销也会大大降低，因为要处理大块数据，意味着需要更多的晶体管来并行工作，现在旗舰级显卡都是百亿以上的晶体管。 CPU呢，它的目的是尽可能快地在单个数据上执行单个指令。由于它只需要使用单个数据单条指令，因此所需的晶体管数量要少得多，目前主流桌面CPU晶体管都是十亿以下，和顶级GPU相差十倍以上，但它需要更大的指令集，更复杂的ALU(算术逻辑单元)，更好的分支预测，更好的虚拟化架构、更低的延迟等等。 另外，像我们的操作系统Windows，它是为x86处理器编写的，它需要做的任务执行的进程，在CPU上肯定更为高效，你想每个线程的任务并不相同，基本上难以并行化，完全发挥不了GPU的长处。 总而言之，CPU和GPU因为最初用来处理的任务就不同，所以设计上有不小的区别。CPU的运算速度取决于请了多么厉害的教授。教授处理复杂任务的能力是碾压小学生的，但是对于没那么复杂的任务，还是顶不住人多。当然现在的GPU也能做一些稍微复杂的工作了，相当于升级成初中生高中生的水平。但还需要CPU来把数据喂到嘴边才能开始干活，最终还是靠CPU来管的。 03 CPU+GPU并行计算的好处 一 、CPU多核转到GPU并行化(适合算术密集型) 虽然GPU并不适用于所有问题的求解，但是我们发现那些对运算力量耗费巨大的科学命题都具备天然的特色。这类程序在运行时拥有极高的运算密度、并发线程数量和频繁地存储器访问，无论是在音频处理、视觉仿真还是到分子动力学模拟和金融风险评估领域都有大量涉及。这种问题如果能够顺利迁移到GPU为主的运算环境中，将为我们带来更高效的解决方案。 传统意义上的GPU不善于运行分支代码，但是ATI和NVIDIA经过长期改进其内部架构已经使得GPU可以较为高效地运行分支、循环等复杂代码。同时因为GPU属于并行机范畴，相同的运算可以应用到每个数据元素的时候，它们可以达到最好的性能。在CPU编程环境中，写出每个输入数据元素有不同数量的输入的程序很容易，但在GPU这种并行机上还是有不少麻烦。 通用的数据结构正是GPU编程的最大困难之一。CPU程序员经常使用的数据结构如列表和树在GPU身上并不容易实现。GPU目前还不允许任意存储器访问，而且GPU运算单元的设计为主要操作是在表现位置和颜色的四维向量上。 不过这些并不能阻挡GPU编程的加速发展，因为GPU不是真的为通用计算而设计的，需要一些努力才能让GPU高速地服务通用计算程序。这些努力前些年是程序员而单独实现的，而随着ATI和NVIDIA开始看到高性能计算市场的硬件需求，我们看到无论是Fermi架构添加全能二级缓存和统一定址还是RV870架构不断优化LDS并放大并发线程数，这些都是GPU自身硬件体系为了适应未来的运算环境而做出的变革。 二、并行化编程优点 在GPU并行编程过程中，OpenCL是一个不错的选择。OpenCL是Open Computing…

在嵌入式裸机编程中，作为一名初级的CODER。经常要与CPU、内存等打交道。CPU作为系统的动力源，其重要程度不言而喻。 但是，在裸机编程中，对内存的管理也不容忽视。如果稍微不注意，轻则，可能造成内存泄漏，重则造成内存访问异常。导致系统死机。 嵌入式产品，对稳定性要求及其严格。动不动就死机，那可就麻烦大了。以下，是我本人对嵌入式系统裸机编程的内存管理的一些简介。 1、尽量不使用库自带的malloc和free。 malloc和free在PC编程中是很好用的一种内存分配手段。但是，其在嵌入式中，就未必好用了。由于嵌入式裸机编程中，无MMU，即内存管理单元。无法实现对内存进行动态映射（不明白什么叫动态映射的同学，可以参考网上的资料）。 也就是说，实际上，malloc和free并不能实现动态的内存的管理。这需要在启动阶段专门给其分配一段空闲的内存区域作为malloc的内存区。如STM32中的启动文件startup_stm32f10x_md.s中可见以下信息： Heap_Size EQU 0x00000800 AREA HEAP, NOINIT, READWRITE, ALIGN=3__heap_baseHeap_Mem SPACE Heap_Size__heap_limit 其中，Heap_Size即定义一个宏定义。数值为 0x00000800。Heap_Mem则为申请一块连续的内存，大小为 Heap_Size。简化为C语言版本如下： #define Heap_Size 0x00000800unsigned char Heap_Mem[Heap_Size] = {0}; 在这里申请的这块内存，在接下来的代码中，被注册进系统中给malloc和free函数所使用： __user_initial_stackheapLDR R0, = Heap_Mem ; 返回系统中堆内存起始地址LDR R1, =(Stack_Mem + Stack_Size)LDR R2, = (Heap_Mem + Heap_Size); 返回系统中堆内存的结束地址LDR R3, = Stack_MemBX LR 就如上面分析的那样，其实，在裸机编程的时候，对堆内存的管理。并非是智能化的，并非你想申请多少就多少。而是使用一块固定的内存用作堆内存的分配。这在设计的时候，往往不是最佳的方案。这块内存，如果被多次按照不同的大小进行申请，就会造成内存碎片。最终导致无法申请到足够的内存。导致系统运行出错。这在原本内存就已经很少的嵌入式系统中，更是不能接受的。所以，建议是把那个Heap_Size设置成 0 吧。放弃其使用吧。 而更为致命的是，有些malloc，free函数，由于工程人员的偷懒。实现甚至可能如下： unsigned char mem_buffer[512];unsigned char *mem_offset = & mem_buffer;void *malloc(int size){    unsigned char *tmp = mem_offset;    mem_offset += size;    return (void *)tmp;}void free(void *mem){ mem_offset = mem;} 2、不用malloc、free的原因 一般单片机的内存都比较小，而且没有MMU,malloc 与free的使用容易造成内存碎片。而且可能因为空间不足而分配失败，从而导致系统崩溃，因此应该慎用，或者自己实现内存管理。如：《一个简单而强大的单片机内存管理器》 在函数中使用malloc，如果是大的内存分配，而且malloc与free的次数也不是特别频繁，使用malloc与free是比较合适的，但是如果内存分配比较小，而且次数特别频繁，那么使用malloc与free就有些不太合适了。 因为过多的malloc与free容易造成内存碎片，致使可使用的堆内存变小。尤其是在对单片机等没有MMU的芯片编程时，慎用malloc与free。如果需要对内存的频繁操作，可以自己实现一个内存管理。 使用动态内存分配，应分不同的应用场合。 对于在操作系统上运行的程序，实际的物理内存分配与释放使用操作系统来实现的，即使程序调用了 malloc和free物理内存并不会马上变化。物理内存的变化，直到系统的内存管理操作时才发生。 对于裸机跑在MCU上的程序，分配与释放内存都会造成实际物理内存的变化。因为此时物理内存的分配是由自己实现的，而内存管理我们自己并没有去做。这样，盲目的使用malloc与free恰恰并不好，反而会造成内存的不恰当使用。甚至于内存溢出。 所以，动态内存的使用前提是有一套好的内存管理方法，这样动态内存的使用才会合理使用内存。如果没有合适的内存管理代码，还是用静态内存好一些。 3、 更好的替代方案：内存池。 可能有些同学，觉得：内存池，这是什么东西？ 内存池，简洁地来说，就是预先分配一块固定大小的内存。以后，要申请固定大小的内存的时候，即可从该内存池中申请。用完了，自然要放回去。注意，内存池，每次申请都只能申请固定大小的内存。这样子做，有很多好处： （1）每次动态内存申请的大小都是固定的，可以有效防止内存碎片化。（至于为什么，可以想想，每次申请的都是固定的大小，回收也是固定的大小） （2）效率高，不需要复杂的内存分配算法来实现。申请，释放的时间复杂度，可以做到O(1)。 （3）实现简单，易用。 （4）内存的申请，释放都在可控的范围之内。不会出现以后运行着，运行着，就再也申请不到内存的情况。 内存池，并非什么很厉害的技术。实现起来，其实可以做到很简单。只需要一个链表即可。在初始化的时候，把全局变量申请来的内存，一个个放入该链表中。在申请的时候，只需要取出头部并返回即可。在释放的时候，只需要把该内存插入链表。以下是一种简单的例子（使用移植来的linux内核链表，对该链表的移植，以后有时间再去分析）： #define MEM_BUFFER_LEN  5    //内存块的数量#define MEM_BUFFER_SIZE 256 //每块内存的大小//内存池的描述，使用联合体，体现穷人的智慧。就如，我一同学说的：一个字节，恨不得掰成8个字节来用。typedef union mem {struct list_head list;unsigned char buffer[MEM_BUFFER_SIZE];}mem_t;static union mem gmem[MEM_BUFFER_LEN];LIST_HEAD(mem_pool);//分配内存void *mem_pop(){    union mem *ret = NULL;    psr_t psr;    psr = ENTER_CRITICAL();    if(!list_empty(&mem_pool)) { //有可用的内存池         ret = list_first_entry(&mem_pool, union mem, list);        //printf("mem_pool = 0x%p  ret = 0x%p\n", &mem_pool, &ret->list);        list_del(&ret->list); } EXIT_CRITICAL(psr); return ret;//->buffer;}//回收内存void mem_push(void *mem){    union mem *tmp = NULL;     psr_t psr;    tmp = (void *)mem;//container_of(mem, struct mem, buffer);    psr = ENTER_CRITICAL();    list_add(&tmp->list, &mem_pool);    //printf("free = 0x%p\n", &tmp->list);    EXIT_CRITICAL(psr);}//初始化内存池void mem_pool_init(){    int i;    psr_t psr;    psr = ENTER_CRITICAL();    for(i=0; i         list_add(&(gmem[i]. list), &mem_pool);          //printf("add mem 0x%p\n", &(gmem[i].list));  }  EXIT_CRITICAL(psr); } 整理来自： 1、https://blog.csdn.net/chenyuwen789/category_5823163.html 2、https://blog.csdn.net/c12345423/article/details/53004465 免责声明：本文来源网络，免费传达知识，版权归原作者所有。如涉及作品版权问题，请联系我进行删除。 最后 以上就是本次的分享，如果觉得文章不错，转发、在看，也是我们继续更新的动力。 猜你喜欢： 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

你好，我是 yes。 面向对象编程想必大家都耳熟能详，但是写了这么多代码你对面向对象有清晰的认识吗？ 来看看这几个问题： 到底什么是面向对象编程？ 和面向过程编程有什么区别？ 什么又称为面向对象语言、面向过程语言？ 用面向对象语言写的代码就面向对象了？ 面向对象编程真的就这么好吗？ 复杂的业务用面向对象编程就合适了吗？ 我还真没具体地定义过到底什么是面向对象编程。 所以假设有人问到底什么是面向对象编程？有什么好处？ 一时还真不知道怎么说，或者说成体系的解释。 这篇文章我就谈谈我的理解，也试着看能不能说清啥叫面向对象编程。 正文 从二进制命令到汇编语言。 从汇编语言到面向过程语言再到面向对象语言。 计算机语言的发展是为了便于人类的使用，使其更符合人类的思考方式。 计算机的思路就是取指执行，一条直道走到底，它可不会管你什么抽象，不管什么业务建模，通通得给它变成一条条指令，排好顺序让它执行。 而我们人类不一样，我们的思维在简单场景来看是一条道，但在复杂场景就需要做各种分类，才能理清楚关系，处理好事务。 就像法庭，分为法官、书记员、法警、原告、被告、证人等角色。 这么多人分好类，按照法庭审理各司其职，一个案子才能高效、顺利得审判。 再回到计算机语言来，汇编我就不说了，面向过程其实就是一条道的思路，因为起初就是按计算机的思路来编写程序。 我就拿用咖啡机煮咖啡为例，按照面向过程的流程是： 执行加咖啡豆方法 执行加水方法 执行煮咖啡方法 执行喝咖啡方法 很简单直观的操作，你可能没什么感觉，我再按面向对象思想来分析下这个流程。 在执行煮咖啡操作前要抽象出：人和咖啡机（分类），然后开始执行： 人.加咖啡豆 人.加水 咖啡机.煮 人.喝咖啡 是不是有点感觉了？ 面向过程，从名字可以得知重点是过程，而面向对象的重点是对象。 从这个例子可以看出两者的不同：面向过程是很直接的思维，一步步的执行，一条道走到底。 而面向对象是先抽象，把事物分类得到不同的类，划分每个类的职责，暴露出每个类所能执行的动作，然后按逻辑执行时调用每个类的方法即可，不关心内部的逻辑。 从例子可以看出面向对象编程执行的步骤没有变少，整体执行流程还是一样的，都是先加咖啡豆、加水、煮咖啡、喝，这个逻辑没有变。 无非就是划分了类，把每一步骤具体的实现封装了起来，散布在不同的类中。 对我们程序员来说是最最直接的感受：变的其实就是代码的分布，煮咖啡的代码实现被封装在咖啡机内部，喝咖啡的代码实现被封装在人内部，而不是在一个方法中写出来。 代码的分布确实是最直观的，但是变得不仅只是分布，而是思想上的变化。 就是上面提到的计算机思维到人类思维的变化。 我认为这个变化是因为软件的发展，业务越来越复杂。 人们用面向过程语言编写复杂的软件时，需要按照不同的功能把一些数据和函数放到不同的文件中，渐渐地人们就发现这不就是先分类吗？ 并且好像业务分析下来都能和现实世界的东西对应上？ 于是人们慢慢地总结、提炼就演变成了面向对象，再根据面向对象的特性提炼出关键点：封装、继承和多态。 而这个面向对象思想就类似我们人类面对复杂场景时候的分析思维：归类、汇总。 所以面向对象编程就成为了现在主流的编程风格，因为符合人类的思考方式。 面向过程编程和面向对象编程从思想上的变化是：从计算机思维转变成了人类的思维来编写编码。 所以我们知道面向对象编程其实是一种进步，一种更贴近人类思考方式的编码风格，是源于人们用面向过程编程时的经验总结。 至此我们知道了面向对象编程的来源，相信知晓了来源能更好的理解面向对象。 那到底什么是面向对象编程？ 面向对象编程(Object Oriented Programming，OOP)是一种编程范式或者说编程风格。 学术一点讲就是把类或对象作为基本单元来组织代码，并且运用提炼出的：封装、继承和多态来作为代码设计指导。 这其实就是面向对象编程。 其实从上面煮咖啡的流程应该能 get 到这个含义了。 OOP 说白了就是拿到需求开始分析，进行抽象建立业务模型，每个模型建立对应的类。 思考业务的交互，根据交互定义好接口并做好接口的控制访问，将于此类相关的数据和动作都封装起来。 抽象出父类，子类继承父类来进行代码的复用和扩展。 执行功能时用父类来调用，在实际代码运行过程会进行动态绑定，调用子类的实现达到多态的特性。 多态，学术点讲就是：运行时用相同的代码根据不同类型的实例呈现出不同行为的现象。 如果有新功能要实现，只需要创建一个新子类，以前的执行逻辑不需要发生变化，这就是「开闭原则」，对修改关闭，对扩展开放”。 来简单的看个代码可能会有更直观的感受，没记错的话大学时也是拿动物举例。 狗是动物、鸭子是动物，所以有个 Animal 类。 然后能发声，所以有 voice 方法。     public class Animal {      public void voice(){          System.out.println("动物的叫声");      }    } 然后搞个 Dog、Duck 继承 Animal 实现各自的 voice。     public class Dog extends Animal {      public void voice(){         System.out.println("汪汪汪~");      }    }   public  class Duck extends Animal {      public void voice(){         System.out.println("gagaga~");      }    } 然后到时候就可以实例化不同的对象来达到多态的效果。     public class Test{      private Animal animal;      public void setAnimal(Animal animal) {        this.animal = animal;      }      public void voice(){          animal.voice();      }    } 多态带来的好处，无非就是 Test 里面代码不用动，你想要狗叫你就 new Dog 然后 set 进去，如果要鸭子就  new Duck 然后 set 进去。 如果加入了新动物那就建一个新动物类 set 进去就行，符合开闭原则。 和面向过程编程有什么区别？ 其实从上面煮咖啡和动物的这两个例子应该能感受出来区别。 最重要的是思想上的区别，上面也已经提到了。 还有一点就是数据和动作。 面向过程编程这种编程风格是以过程作为基本单元来组织代码的，过程其实就是动作，对应到代码中来就是函数，面向过程中函数和数据是分离的，数据其实就是成员变量。 而面向对象编程的类中数据和动作是在一起的，这也是两者的一个显著的区别。 什么又称为面向对象语言、面向过程语言 面向对象语言其实就是有现成的语法机制来支持类、对象的语言，比如 Java。 当然还要有支持继承、多态的语法机制。 面向过程语言就反着理解，没有现成的语法机制来支持类、对象等基本单元来组织代码。 当然不是你用了面向对象语言写出来的代码就面向对象了。 你要通篇就一个 class，一堆杂乱无章都往里面塞，不归类、没有封装的意识，一条直到，这可不叫面向对象编程。 当然也不是用面向过程语言就写不出面向对象的代码，只是由于语法层面的不支持，写起来没那么方便，需要用一些手段，具体就不展开了。 所以语言只是为了更好的支持编程范式，重要的还是思想上的转变。 面向对象编程真的就这么好吗？ 结论先上：软件设计没有银弹，没有最好的，只有合适的。 前面也提到了面向对象更符合人类的思考方式，这其实就是优势，能…

1 BUCK电路基本结构 开关导通时等效电路 开关关断时等效电路 2 等效电路模型及基本规律 （1）从电路可以看出，电感L和电容C组成低通滤波器，此滤  波器设计 的原则是使 us(t)的直流分量可以通过，而抑制 us(t) 的谐波分量通过；电容上输出电压 uo(t)就是 us(t) 的直流分量再附加微小纹波uripple(t) 。  （2）电路工作频率很高，一个开关周期内电容充放电引起的纹波uripple(t) 很小， 相对于电容上输出的直流电压Uo有： 电容上电压宏观上可以看作恒定。     电路稳态工作时，输出电容上电压由微小的纹波和较大的直流分量组成，宏观上可以看作是恒定直流，这就是开关电路稳态分析中的小纹波近似原理。 （3）一个周期内电容充电电荷高于放电电荷时，电容电压升高，导致后面周期内充电电荷减小、放电电荷增加，使电容电压上升速度减慢，这种过程的延续直至达到充放电平衡，此时电压维持不变；反之，如果一个周期内放电电荷高于充电电荷，将导致后面周期内充电电荷增加、放电电荷减小，使电容电压下降速度减慢，这种过程的延续直至达到充放电平衡，最终维持电压不变。 这种过程是电容上电压调整的过渡过程，在电路稳态工作时，电路达到稳定平衡，电容上充放电也达到平衡，这是电路稳态工作时的一个普遍规律。 （4）开关S置于1位时，电感电流增加，电感储能；而当开关S置于2位时，电感电流减小，电感释能。假定电流增加量大于电流减小量，则一个开关周期内电感上磁链增量为：         此增量将产生一个平均感应电势： 3 电感电流连续工作模式下分析 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

前期准备 校招在我看来是一件时间特别长的战争，为什么这么说呢，因为从你开始准备校招的那一刻开始，到你正式拿到offer的，并且确定去哪一家公司时，时间差不多一年左右，这个时间其实比考研、公务员等都要长，你可能会问为什么需要这么长的时间，当然，这也跟个人的具体情况相关，每个人也会不一样的，但是，也差不了多少，大神级别的除外了。 这篇文章主要还是讲讲校招的整个流程，需要准备什么，遇到问题时怎么去解决，怎么去调整心态，这些都是很重要的，我也是把我个人的真实经历告诉大家，希望能够对大家有帮助。 选择方向 在我看来，第一件事情应该就是选择你找工作的方向，这件事情应该在你开始找工作的半年前左右确定，比如，你2021年3月开始春招找工作，那么，我建议你最好在现在，也就是2020年10月就确定找工作的方向，为什么要这么早，后面我会具体分析。 说到工作的方向，就现在的互联网公司来说，其实可以选择的方向还是特别多的，也是看个人的选择，当然，也是可以有一些数据来做参考的；现在的校招的主流的方向有：算法，后端开发，前端开发，测试开发，运营开发，客户端开发，测试等等，这些岗位通常来说是选择最多的，对于几个岗位，我也给一下自己的建议，可以供参考。 首先是算法，算法这个方向，在我刚刚读研究生的时候也是有想过的，但是，随着深入的了解，以及对于市场对于这个岗位的需求分析，后来，我就慢慢的放弃了，当然这只是一方面的原因；对于算法岗位，现在比较热门的就是深度学习、机器学习了，由于CV方向特别火爆，这里的火爆并不是说好找工作，而是竞争太大了，就今年的算法岗位来说，或者说从去年开始，基本上就是神仙打架了，没有一两篇顶刊论文，你都不好意思说你是搞算法的，所以，如果你想找算法的工作，我的建议是，第一，是不是研究生，第二，是不是211/985以上，或者更直接点是不是985以上的学校，第三，有没有发过好的期刊的论文，我觉得这三点至少满足两点以上才可以考虑去找算法的工作，否则，建议转开发。 接下来说一下开发，开发现在其实竞争压力也不小，想进大厂的压力其实也很大，因为需求就这么多，当然，跟算法比起来就好很多了，后端毕竟方向很多，语言的选择也是很多的，比如，Java、C++、Python、Go这些语言的方向都是可以选择的，之前也说过，Go现在的需求也是在慢慢变大的，可以考虑一下这个方向，竞争可能小一些，其中，Java的竞争最大，可能是因为大家都觉得Java好找工作吧，导致投递的人数特别多，大厂就更不用说了，想找一个Java岗位的工作真的不容易，从我身边的朋友来看，以及身边同学找工作的感受来看，C++进大厂的难易程度还是小一些的，大家可以考虑一下，当然，这些选择也是看你对哪个方向更喜欢了，或者更熟悉了，这里只是给一些建议。 校招流程 上面说了如何选择的问题，选择好了之后，就应该熟悉一下目前的校招流程了，刚刚开始的时候如果不了解的话，或者没有了解一些经验之类的，还是会犯一些错误的，所以这里给大家总结一下。 在现在的校招的模式下，校招分为春招和秋招，春招基本上是找实习的，还是少量的校招补招的，补招就是上一年秋招没有招满，然后在春招继续招人，而秋招基本上就是应届生找工作的最佳时期了。 在今年的春天，2月份开始吧，春招就开始了，很多的公司就开始招是实习生了，特别是字节跳动，在2月初就开始了提前批，2月底提前批就结束了。 所以，春招找实习的黄金时间就是2-5月了，这个两到三个月的时间都一直会有机会，也是拿实习offer的最佳时期。 接下来，6-8月这个时间段，如果你在春招找到了实习，那么一般你就在公司实习了，实习结束后，到9月开始就是要开始秋招了。 但是，这里其实有一个问题，在前面就讲到过，现在的秋招一般都会很早，可能在7月的时候很多的公司提前批就开始了，而提前批又是很好拿offer的时候，所以，选择去不去实习就显得很重要了，或者，你去实习了，如果发现你所实习的公司不是你想留的公司，建议尽早离职准备秋招。从今年的情况来看，可能因为疫情的影响，到了9月份开始秋招，发现其实已经晚了，拿我的情况跟身边的同学来说，今年9月份开始秋招，一般都是投了一大堆的公司，结果最后只有可怜的5个面试机会，这个时候才发现，提前批真的很重要，再对比一些没有实习的同学，通过提前批的面试，一般都有几个offer斩获，对比之下，发现实习的优势竟然没有了，可能这就是现在互联网公司的找工作的现实写照吧。 怎么投递，怎么内推 前面讲了校招的流程问题，这里讲一下在面试的过程中一定会遇到的问题，那就是投递简历。 大家应该都知道，现在互联网公司找工作，基本上都是在牛客网看相关的信息，这也是给大家提供了一个渠道。 关于投递，现在不同的公司也有不同的形式。 第一种，大公司，大公司一般都会有自己的投递官方网站的，都是在官方网站进行投递，这个麻烦的就是，很多的简历信息都是需要手动输入的，所以，还是比较耗时的，到时候遇到了你就会发现真的有点烦，有时候投递个简历需要半天；但是，有一个好处就是，可以比较实时的查看面试进度，直接在官网上进行查看就可以了。 第二种，有一些公司因为没有自己的官方网站，所以，就托管在第三方来进行这个操作，比如，在牛客网上直接进行投递，在牛客网上填写简历，然后，就可以一键投递了，这个方便一些，但是，就是感觉很多时候没有消息，我也不知道为什么。 第三种，也是依赖第三方公司，今年投递的感觉来说，一般都是依赖一个叫做https://www.mokahr.com/，这个网站一般就是公司进行内推的，这个投递网站好处就是方便投递，而且有些公司只需要你上传你的电子版的简历就可以，降低了投递成本，但是，不方便的就是查询投递进度。 然后，说到内推，其实，方式也就那么多。一般，如果有实验室的师兄师姐在比较好的互联网公司，那么，我们可以通过这种渠道进行内推，一般也是比较靠谱的，成功率比较高；其次，现在很多内推也都是在牛客网进行了，我很多时候也是在牛客网看有没有公司的内推，这种方式有一个问题就是一般内推的人很多，最终你能不能被筛选到是一个问题；最后，还有一种方式就是通过公众号，官方的公众号投递，或者有一些公众号也会提供内推码。 最后，就算没有内推，其实也不要紧，很多人直接在官网投递，也是能够机会的，而且，现在的内推跟前几年还不一样，现在就算是内推了，最多也就是有个笔试的机会，不会直接给面试机会，直接给面试机会除非是简历特别出众。 校招知识储备 这一部分我觉得是这篇文章的重点了，写这篇文章也是为了告诉大家怎么准备校招，而其中的专业知识部分就决定你能不能拿到offer了，所以，接下来，我重点的跟大家聊聊校招的专业知识部分的准备工作。 算法 首先，我可以告诉大家一点就是，校招对于技术栈的要求并不会很高，校招就是招聘应届生，只需要你有可塑性、可培养的空间，那么，就很有可能给你offer，那么，如果校招不强调技术栈的重要性，那么注重什么的考察呢？ 没错，就是算法，对于计算机专业的学生来说，从大学开始接触到计算机的必修课里面一定是有数据结构和算法这门课程的，而且也是相当的重要，而校招，从我自身面试的经历来说，算法可以说是十分的重要，再强调也不为过。 在现在的招聘流程中，首先是有笔试，大公司的笔试一般就是2-4道编程题，题目的难度leetcode的hard以上，所以，笔试就是检验你的算法的能力；进入到面试阶段后，基本上每一轮面试中，一定是会有算法题的，现在也是一般使用牛客网进行考核，所以，大家可以先去牛客网适应适应，那么，在一次面试中，算法的重要性怎么样呢？我这么说吧，如果一轮面试中，面试官出了一道算法题，如果你做出来了，其他的专业知识点回答的很一般，你有可能进入到下一轮面试，如果你算法题没有做出来，专业知识点就算回答的再好，基本上也是凉凉。因此，从我的经验来看，面试中A出算法题，至少可以拿到60分，A不出来，那就是0分，无一例外。 那么算法如何准备呢，这也是我想跟大家聊的一个话题，因为我在找工作之前，算法的能力可以说太一般了，很多的算法都是不懂的，基本的题目也是很难做出来，但是，经过这一年的训练，现在在面试中的算法题A出来基本上是没有问题的，除非是特别难的题目，那当我没说，有过几次经历，感觉被刷KPI了；因此，如果你现在也是对算法没有任何的自信的话，不用太担心，因为我也是这样过来的，只要你坚持，有方法的训练，应对基本的面试是完全没有问题的。 接下来就是讲讲怎么去应付校招的算法难关，拿offer。 首先，如果你离秋招还有一年多的时间，也就是明年的秋天才参加秋招，或者时间更多，同时，你的数据结构跟算法的基础也是不太好的话，我建议你先看看数据结构与算法的书籍，关于看哪些书籍，我之前已经写过了，可以看这篇文章必须看的数据结构与算法书籍推荐: https://blog.ouyangsihai.cn/cong-ru-men-dao-na-da-han-offer-bi-xu-kan-de-suan-fa-shu-ji-tui-jian-bu-hao-bu-tui-jian.html。 其次，如果你的时间非常紧张，马上就快要参加春招找实习了，这个时候其实我就不太推荐看书了，看书的效率其实是很难保证的，我建议你看一下牛客网左神的算法教程，左神的教程我是看过的，从基础到进阶的一整套课程，我觉得讲的非常的精彩，能够看得出来左神的功力，对于每一种算法的类型，每一个题目的讲解都是细致入微的，推荐去看看。 然后，如果你对于基本的算法通过看视频或者看书有了一定的了解的话，那么，接下来就是校招的刷题时间了。 讲到刷题，其实方法很重要，这里我就讲一下我的这一年的刷题的经验，其中也有自己的血与泪的故事，就不多说了，这里告诉大家，避免踩坑。 不管哪个方向的，我都建议你刷题的第一本书是《剑指offer》，为什么这么说呢，因为面试的时候，很多的题目都是出自这本书的，不管哪个公司，另外我还要告诉你，特别是春招的时候，因为大家准备的都不是特别好，所以，面试官出的题目也不会很难，一般就是选自这本书，一定要好好的把每一道题目都吃透。那么怎么样才算吃透呢，可能你看了几遍这本书，但是还是不够的，你还需要去牛客网找到剑指offer的专栏，进行线上的练习，只有当你自己可以在线上把每一道题都可以A出来的时候，并且都是最优解，这个时候，这本书就是过关了，那么，你也是可以应付面试中的70%的算法题。 如果这一步你已经做到了，还想要提高的话，我还会推荐左神的书《程序员代码面试指南：IT名企算法与数据结构题目最优解》，这本书的难度比剑指offer难很多，里面有很多有难度的题目，但是各个章节都编排的非常合理，都是按照分类来的，非常适合进行刷题，训练自己的算法思维。 当然，如果你不想看书，想直接刷题，那么，我推荐你去leetcode进行刷题，去leetcode刷题也需要注意一点，尽量按照类型来刷，这样可以更好的进行练习，同时，我也建议你先把hot100搞定，然后再去刷其他的，这样可以先把最热门的题目搞定，其他的有时间再去训练。 以上就是应付算法的一些技巧，这当然只是针对大多数的人来说的，大佬可以跳过。 专业方向知识 这一部分接着上面的算法，可以算是比较合理的，只有在算法的基础上，才有资本谈论专业知识，否则，没有任何意义。首先声明一下，下面的这一部分主要是针对Java开发的，其他的方向在这里不讨论。 Java大家都知道技术是非常的多的，也是比较费时间的，但是，结合校招的特点，狠毒的技术其实是不用讨论的，主要的需要复习的在这里都会讲到，主要包括下面这些。 数据结构 计算机网络 操作系统 数据库 Java基础 Java集合 Java多线程与并发 JVM Spring、Mybatis、SpringBoot等框架 Redis Dubbo Zookeeper 消息队列 以上的这些知识点其实都是考察的非常频繁的，其中数据库，数据结构，Java集合，并发，JVM，Redis这几块知识点，被问到的概率特别高，基本上是面试必问的。 不过，大家不用太担心，因为，通过这一年多的面试，我基本上把这些知识点都进行了总结，常见的面试题也都是进行了总结，只需要按照我总结的来进行复习，我觉得问题不大，互联网前50应该是没有任何问题的。 下面我给出一些我总结的常见面试题，都进行了分类，非常好进行复习。 一 Java基础 一致性hash算法 sleep和wait 强软弱虚引用 Arrays.sort原理 创建对象的方式 若hashcode方法永远返回1会产生什么结果 解决hash冲突的三种方法 为什么要重写hashCode()方法和equals()方法以及如何进行重写 动态代理 sleep和wait的区别 java 地址和值传递的例子 Java序列化 java NIO，java 多线程、线程池，java 网络编程解决并发量 JDBC 连接的过程 ，手写 jdbc 连接过程 说出三个遇到过的程序报异常的情况 socket 是靠什么协议支持的 java io 用到什么设计模式 serviable 的序列化，其中 uuid 的作用 什么情景下会用到反射 浅克隆与深克隆有什么区别，如何实现深克隆 反射能够使用私有的方法属性吗和底层原理？ 处理器指令优化有些什么考虑？ object 对象的常用方法 Stack 和 ArrayList 的区别 statement 和 prestatement 的区别 手写模拟实现一个阻塞队列 util 包下有哪几种接口 很常见的 Nullpointerexception ，你是怎么排查的，怎么解决的； 静态内部类和非静态内部类的区别是什么？ 怎么创建静态内部类和非静态内部类？ Xml 解析方式，原理优缺点 静态变量和全局变量的区别 二…

来源 ：头条号@Linux学习教程，冰凌块儿 1、前言 本文主要讲解什么是Linux内核，以及通过多张图片展示Linux内核的作用与功能，以便于读者能快速理解什么是Linux内核，能看懂Linux内核。 拥有超过1300万行的代码，Linux内核是世界上最大的开源项目之一，但是内核是什么，它用于什么? 2、什么是内核 内核是与计算机硬件接口的易替换软件的最低级别。它负责将所有以“用户模式”运行的应用程序连接到物理硬件，并允许称为服务器的进程使用进程间通信(IPC)彼此获取信息。 3、内核还要分种类？ 是的，没错。 3.1 微内核 微内核只管理它必须管理的东西:CPU、内存和IPC。计算机中几乎所有的东西都可以被看作是一个附件，并且可以在用户模式下处理。微内核具有可移植性的优势，因为只要操作系统仍然试图以相同的方式访问硬件，就不必担心您是否更改了视频卡，甚至是操作系统。微内核对内存和安装空间的占用也非常小，而且它们往往更安全，因为只有特定的进程在用户模式下运行，而用户模式不具有管理员模式的高权限。 3.1.1 Pros 可移植性 安装占用空间小 小内存占用 安全 3.1.2 Cons 通过驱动程序，硬件更加抽象 硬件可能反应较慢，因为驱动程序处于用户模式 进程必须在队列中等待才能获得信息 进程不能在不等待的情况下访问其他进程 3.2 单内核 单内核与微内核相反，因为它们不仅包含CPU、内存和IPC，而且还包含设备驱动程序、文件系统管理和系统服务器调用等内容。单内核更擅长于访问硬件和多任务处理，因为如果一个程序需要从内存或运行中的其他进程中获取信息，那么它就有一条更直接的线路来访问信息，而不需要在队列中等待来完成任务。但是，这可能会导致问题，因为在管理模式下运行的东西越多，如果行为不正常，就会有越多的东西导致系统崩溃。 3.2.1 Pros 更直接地访问程序的硬件 流程之间更容易通信 如果支持您的设备，它应该不需要额外安装就可以工作 进程反应更快，因为没有等待处理器时间的队列 3.2.2 Cons 较大安装体积 较大内存占用 不太安全，因为所有操作都在管理模式下运行 4、混合的内核 混合内核能够选择在用户模式下运行什么，以及在管理模式下运行什么。通常情况下，设备驱动程序和文件系统I/O将在用户模式下运行，而IPC和服务器调用将保持在管理器模式下。这是两全其美，但通常需要硬件制造商做更多的工作，因为所有驱动程序的责任都由他们来承担。它还可能存在一些与微内核固有的延迟问题。 4.1 Pros 开发人员可以选择什么在用户模式下运行，什么在管理模式下运行 比单片内核更小的安装占用空间 比其他型号更灵活 4.2 Cons 会遭受与微内核相同的进程延迟 设备驱动程序需要由用户管理(通常) 5、Linux内核文件在哪里 Ubuntu中的内核文件存储在/boot文件夹中，称为vmlinux -version。vmlinuz这个名字来自于unix世界，早在60年代，他们就把内核简单地称为“unix”，所以当内核在90年代首次开发时，Linux就开始把内核称为“Linux”。 当开发虚拟内存以便更容易地进行多任务处理时，将“vm”放在文件的前面，以显示内核支持虚拟内存。有一段时间，Linux内核被称为vmlinux，但是内核变得太大，无法装入可用的引导内存，因此压缩了内核映像，并将末尾的x更改为z，以显示它是用zlib压缩的。并不总是使用相同的压缩，通常用LZMA或BZIP2替换，一些内核简单地称为zImage。 版本号将采用A.B.C.格式D在。B可能是2.6,C是您的版本，D表示您的补丁或补丁。 在/boot文件夹中还有其他非常重要的文件，称为initrd.img-version、system.map-version,  config-version。initrd文件用作一个小RAM磁盘，用于提取和执行实际的内核文件。这个系统。map文件用于内核完全加载之前的内存管理，配置文件告诉内核在编译内核映像时要加载哪些选项和模块。 6、Linux内核体系结构 因为Linux内核是单片的，所以它比其他类型的内核占用空间最大，复杂度也最高。这是一个设计特性，在Linux早期引起了相当多的争论，并且仍然带有一些与单内核固有的相同的设计缺陷。 为了解决这些缺陷，Linux内核开发人员所做的一件事就是使内核模块可以在运行时加载和卸载，这意味着您可以动态地添加或删除内核的特性。这不仅可以向内核添加硬件功能，还可以包括运行服务器进程的模块，比如低级别虚拟化，但也可以替换整个内核，而不需要在某些情况下重启计算机。 想象一下，如果您可以升级到Windows服务包，而不需要重新启动…… 7、内核模块 如果Windows已经安装了所有可用的驱动程序，而您只需要打开所需的驱动程序怎么办?这本质上就是内核模块为Linux所做的。内核模块，也称为可加载内核模块(LKM)，对于保持内核在不消耗所有可用内存的情况下与所有硬件一起工作是必不可少的。 模块通常向基本内核添加设备、文件系统和系统调用等功能。lkm的文件扩展名是.ko，通常存储在/lib/modules目录中。由于模块的特性，您可以通过在启动时使用menuconfig命令将模块设置为load或not load，或者通过编辑/boot/config文件，或者使用modprobe命令动态地加载和卸载模块，轻松定制内核。 第三方和封闭源码模块在一些发行版中是可用的，比如Ubuntu，默认情况下可能无法安装，因为这些模块的源代码是不可用的。该软件的开发人员(即nVidia、ATI等)不提供源代码，而是构建自己的模块并编译所需的.ko文件以便分发。虽然这些模块像beer一样是免费的，但它们不像speech那样是免费的，因此不包括在一些发行版中，因为维护人员认为它通过提供非免费软件“污染”了内核。 内核并不神奇，但对于任何正常运行的计算机来说，它都是必不可少的。Linux内核不同于OS X和Windows，因为它包含内核级别的驱动程序，并使许多东西“开箱即用”。希望您能对软件和硬件如何协同工作以及启动计算机所需的文件有更多的了解。 8、Linux 内核学习经验总结 开篇 学习内核，每个人都有自己的学习方法，仁者见仁智者见智。以下是我在学习过程中总结出来的东西，对自身来说，我认为比较有效率，拿出来跟大家交流一下。 内核学习，一偏之见；疏漏难免，恳请指正。 为什么写这篇博客 刚开始学内核的时候，不要执着于一个方面，不要专注于一个子系统就一头扎到实际的代码行中去，因为这样的话，牵涉的面会很广，会碰到很多困难，容易产生挫败感，一个函数体中（假设刚开始的时候正在学习某个方面的某个具体的功能函数）很可能掺杂着其他各个子系统方面设计理念（多是大量相关的数据结构或者全局变量，用于支撑该子系统的管理工作）下相应的代码实现，这个时候看到这些东西，纷繁芜杂，是没有头绪而且很不理解的，会产生很多很多的疑问，（这个时候如果对这些疑问纠缠不清，刨根问底，那么事实上就是在学习当前子系统的过程中频繁的去涉足其他子系统，这时候注意力就分散了），而事实上等了解了各个子系统后再回头看这些东西的话，就简单多了，而且思路也会比较清晰。所以，要避免 “只见树木，不见森林”，不要急于深入到底层代码中去，不要过早研究底层代码。 我在大二的时候刚开始接触内核，就犯了这个错误，一头扎到内存管理里头，去看非常底层的实现代码，虽然也是建立在内存管理的设计思想的基础上，但是相对来说，比较孤立，因为此时并没有学习其它子系统，应该说无论是视野还是思想，都比较狭隘，所以代码中牵涉到的其它子系统的实现我都直接跳过了，这一点还算聪明，当然也是迫不得已的。 我的学习方法 刚开始，我认为主要的问题在于你知道不知道，而不是理解不理解，某个子系统的实现采用了某种策略、方法，而你在学习中需要做的就是知道有这么一回事儿，然后才是理解所描述的策略或者方法。 根据自己的学习经验，刚开始学习内核的时候，我认为要做的是在自己的脑海中建立起内核的大体框架，理解各个子系统的设计理念和构建思想，这些理念和思想会从宏观上呈献给你清晰的脉络，就像一个去除了枝枝叶叶的大树的主干，一目了然；当然，肯定还会涉及到具体的实现方法、函数，但是此时接触到的函数或者方法位于内核实现的较高的层次，是主（要）函数，已经了解到这些函数，针对的是哪些设计思想，实现了什么样的功能，达成了什么样的目的，混个脸熟的说法在这儿也是成立的。至于该主函数所调用的其它的辅助性函数就等同于枝枝叶叶了，不必太早就去深究。此时，也就初步建立起了内核子系统框架和代码实现之间的关联，关联其实很简单，比如一看到某个函数名字，就想起这个函数是针对哪个子系统的，实现了什么功能。 我认为此时要看的就是LKD3，这本书算是泛泛而谈，主要就是从概念，设计，大的实现方法上描述各个子系统，而对于具体的相关的函数实现的代码讲解很少涉及(对比于ULK3，此书主要就是关于具体函数代码的具体实现的深入分析，当然，你也可以看，但是过早看这本书，会感觉很痛苦，很枯燥无味，基本上都是函数的实现)，很少，但不是没有，这就很好，满足我们当前的需求，还避免我们过早深入到实际的代码中去。而且本书在一些重要的点上还给出了写程序时的注意事项，算是指导性建议。主要的子系统包括：内存管理，进程管理和调度，系统调用，中断和异常，内核同步，时间和定时器管理，虚拟文件系统，块I/O层，设备和模块。（这里的先后顺序其实就是LKD3的目录的顺序）。 我学习的时候是三本书交叉着看的，先看LKD3，专于一个子系统，主要就是了解设计的原理和思想，当然也会碰到对一些主要函数的介绍，但大多就是该函数基于前面介绍的思想和原理完成了什么样的功能，该书并没有就函数本身的实现进行深入剖析。然后再看ULK3和PLKA上看同样的子系统，但是并不仔细分析底层具体函数的代码，只是粗略地、不求甚解地看，甚至不看。因为，有些时候，在其中一本书的某个点上，卡壳了，不是很理解了，在另外的书上你可能就碰到对同一个问题的不同角度的描述，说不准哪句话就能让你豁然开朗，如醍醐灌顶。我经常碰到这种情况。 并不是说学习过程中对一些函数体的实现完全就忽略掉，只要自己想彻底了解其代码实现，没有谁会阻止你。我是在反复阅读过程中慢慢深入的。比如VFS中文件打开需要对路径进行分析，需要考虑的细节不少(.././之类的)，但是其代码实现是很好理解的。再比如，CFS调度中根据shedule latency、队列中进程个数及其nice值(使用的是动态优先级)计算出分配给进程的时间片，没理由不看的，这个太重要了，而且也很有意思。 ULK3也会有设计原理与思想之类的概括性介绍，基本上都位于某个主题的开篇段落。但是更多的是对支持该原理和思想的主要函数实现的具体分析，同样在首段，一句话综述函数的功能，然后对函数的实现以1、2、3，或者a、b、c步骤的形式进行讲解。我只是有选择性的看，有时候对照着用source  insight打开的源码，确认一下代码大体上确实是按书中所描述的步骤实现的，就当是增加感性认识。由于步骤中掺杂着各种针对不同实现目的安全性、有效性检查，如果不理解就先跳过。这并不妨碍你对函数体功能实现的整体把握。 PLKA介于LKD3和ULK3之间。我觉得PLKA的作者（看照片，真一德国帅小伙，技术如此了得）肯定看过ULK，无论他的本意还是有意，总之PLKA还是跟ULK有所不同，对函数的仔细讲解都做补充说明，去掉函数体中边边角角的情况，比如一些特殊情况的处理，有效性检查等，而不妨碍对整个函数体功能的理解，这些他都有所交代，做了声明；而且，就像LKD3一样，在某些点上也给出了指导性编程建议。作者们甚至对同一个主要函数的讲解的着重点都不一样。这样的话，对我们学习的人而言，有助于加深理解。另外，我认为很重要的一点就是PLKA针对的2.6.24的内核版本，而ULK是2.6.11，LKD3是2.6.34。在某些方面PLKA比较接近现代的实现。其实作者们之所以分别选择11或者24，都是因为在版本发行树中，这两个版本在某些方面都做了不小的变动，或者说是具有标志性的转折点（这些信息大多是在书中的引言部分介绍的，具体的细节我想不起来了）。 Intel V3，针对X86的CPU，本书自然是系统编程的权威。内核部分实现都可以在本书找到其根源。所以，在读以上三本书某个子系统的时候，不要忘记可以在V3中相应章节找到一些基础性支撑信息。 在读书过程中，会产生相当多的疑问，这一点是确信无疑的。大到搞不明白一个设计思想，小到不理解某行代码的用途。各个方面，各种疑问，你完全可以把不理解的地方都记录下来(不过，我并没有这么做，没有把疑问全部记下来，只标记了很少一部分我认为很关键的几个问题)，专门写到一张纸上，不对，一个本上，我确信会产生这么多的疑问，不然内核相关的论坛早就可以关闭了。其实，大部分的问题（其中很多问题都是你知道不知道有这么一回事的问题）都可以迎刃而解，只要你肯回头再看，书读百遍，其义自现。多看几遍，前前后后的联系明白个七七八八是没有问题的。我也这么做了，针对某些子系统也看了好几遍，切身体会。 当你按顺序学习这些子系统的时候，前面的章节很可能会引用后面的章节，就像PLKA的作者说的那样，完全没有向后引用是不可能的，他能做的只是尽量减少这种引用而又不损害你对当前问题的理解。不理解，没关系，跳过就行了。后面的章节同样会有向前章节的引用，不过这个问题就简单一些了  ，你可以再回头去看相应的介绍，当时你不太理解的东西，很可能这个时候就知道了它的设计的目的以及具体的应用。不求甚解只是暂时的。比如说，内核各个子系统之间的交互和引用在代码中的体现就是实现函数穿插调用，比如你在内存管理章节学习了的内存分配和释放的函数，而你是了解内存在先的，在学习驱动或者模块的时候就会碰到这些函数的调用，这样也就比较容易接受，不至于太过茫然；再比如，你了解了系统时间和定时器的管理，再回头看中断和异常中bottom half的调度实现，你对它的理解就会加深一层。 子系统进行管理工作需要大量的数据结构。子系统之间交互的一种方式就是各个子系统各自的主要数据结构通过指针成员相互引用。学习过程中，参考书上在讲解某个子系统的时候会对数据结构中主要成员的用途解释一下，但肯定不会覆盖全部（成员比较多的情况，例如task_struct），对其它子系统基于某个功能实现的引用可能解释了，也可能没做解释，还可能说这个变量在何处会做进一步说明。所以，不要纠结于一个不理解的点上，暂且放过，回头还可以看的。之间的联系可以在对各个子系统都有所了解之后再建立起来。其实，我仍然在强调先理解概念和框架的重要性。 等我们完成了建立框架这一步，就可以选择一个比较感兴趣的子系统，比如驱动、网络，或者文件系统之类的。这个时候你再去深入了解底层代码实现，相较于一开始就钻研代码，更容易一些，而且碰到了不解之处，或者忘记了某个方面的实现，此时你完全可以找到相应的子系统，因为你知道在哪去找，查漏补缺，不仅完成了对当前函数的钻研，而且可以回顾、温习以前的内容，融会贯通的时机就在这里了。 《深入理解linux虚拟内存》(2.4内核版本)，LDD3，《深入理解linux网络技术内幕》，几乎每一个子系统都需要一本书的容量去讲解，所以说，刚开始学习不宜对某个模块太过深入，等对各个子系统都有所了解了，再有针对性的去学习一个特定的子系统。这时候对其它系统的援引都可以让我们不再感到茫然、复杂，不知所云。 比如，LDD3中的以下所列章节：构造和运行模块，并发和竞态，时间、延迟及延缓操作,分配内存，中断处理等，都属于驱动开发的支撑性子系统，虽说本书对这些子系统都专门开辟一个章节进行讲解，但是详细程度怎么能比得上PLKA，ULK3，LKD3这三本书，看完这三本书，你会发现读LDD3这些章节的时候简直跟喝白开水一样，太随意了，因为LDD3的讲解比之LKD3更粗略。打好了基础，PCI、USB、TTY驱动，块设备驱动，网卡驱动，需要了解和学习的东西就比较有针对性了。这些子系统就属于通用子系统，了解之后，基于这些子系统的子系统的开发—驱动(需进一步针对硬件特性)和网络(需进一步理解各种协议)—相对而言，其学习难度大大降低，学习进度大大加快，学习效率大大提升。说着容易做来难。达到这样一种效果的前提就是：必须得静下心来，认真读书，要看得进去，PLKA，ULK3厚得都跟砖头块儿一样，令人望之生畏，如果没有兴趣，没有热情，没有毅力，无论如何都是不行，因为需要时间，需要很长时间。我并不是说必须打好了基础才可以进行驱动开发，只是说打好了基础的情况下进行开发会更轻松，更有效率，而且自己对内核代码的驾驭能力会更强大。这只是我个人见解，我自己的学习方式，仅供参考。 语言 PLKA是个德国人用德语写的，后来翻译成英文，又从英文翻译成中文，我在网上书店里没有找到它的纸质英文版，所以就买了中文版的。ULK3和LKD3都是英文版的。大牛们写的书，遣词造句真的是简洁，易懂，看原版对我们学习计算机编程的程序员来说完全不成问题，最好原汁原味。如果一本书确实翻译地很好，我们当然可以看中文版的，用母语进行学习，理解速度和学习进度当然是很快的，不作他想。看英文的时候不要脑子里想着把他翻译成中文，没必要。 API感想 “比起知道你所用技术的重要性，成为某一个特别领域的专家是不重要的。知道某一个具体API调用一点好处都没有，当你需要他的时候只要查询下就好了。”这句话源于我看到的一篇翻译过来的博客。我想强调的就是，这句话针应用型编程再合适不过，但是内核API就不完全如此。 内核相当复杂，学习起来很不容易，但是当你学习到一定程度，你会发现，如果自己打算写内核代码，到最后要关注的仍然是API接口，只不过这些API绝大部分是跨平台的，满足可移植性。内核黑客基本上已经标准化、文档化了这些接口，你所要做的只是调用而已。当然，在使用的时候，最好对可移植性这一话题在内核中的编码约定烂熟于心，这样才会写出可移植性的代码。就像应用程序一样，可以使用开发商提供的动态库API，或者使用开源API。同样是调用API，不同点在于使用内核API要比使用应用API了解的东西要多出许多。 当你了解了操作系统的实现—这些实现可都是对应用程序的基础性支撑啊—你再去写应用程序的时候，应用程序中用到的多线程，定时器，同步锁机制等等等等，使用共享库API的时候，联系到操作系统，从而把对该API的文档描述同自己所了解到的这些方面在内核中的相应支撑性实现结合起来进行考虑，这会指导你选择使用哪一个API接口，选出效率最高的实现方式。对系统编程颇有了解的话，对应用编程不无益处，甚至可以说是大有好处。 设计实现的本质，知道还是理解 操作系统是介于底层硬件和应用软件之间的接口，其各个子系统的实现很大程度上依赖于硬件特性。书上介绍这些子系统的设计和实现的时候，我们读过了，也就知道了，如果再深入考虑一下，为什么整体架构要按照这种方式组织，为什么局部函数要遵循这样的步骤处理，知其然，知其所以然，如果你知道了某个功能的实现是因为芯片就是这么设计的，CPU就是这么做的，那么你的疑问也就基本上到此为止了。再深究，就是芯片架构方面的设计与实现，对于程序员来讲，无论是系统还是应用程序员，足迹探究到这里，已经解决了很多疑问，因为我们的工作性质偏软，而这些东西实在是够硬。 比如，ULK3中讲解的中断和异常的实现，究其根源，那是因为Intel x86系列就是这么设计的，去看看Intel  V3手册中相应章节介绍，都可以为ULK3中描述的代码实现方式找到注解。还有时间和定时器管理，同样可以在Intel V3  对APIC的介绍中获取足够的信息，操作系统就是依据这些硬件特性来实现软件方法定义的。 又是那句话，不是理解不理解的问题，而是知道不知道的问题。有时候，知道了，就理解了。在整个学习过程中，知道，理解，知道，理解，知道……，交叉反复。为什么开始和结尾都是知道，而理解只是中间步骤呢？世界上万事万物自有其规律，人类只是发现而已，实践是第一位的，实践就是知道的过程，实践产生经验，经验的总结就是理论，理论源于实践，理论才需要理解。我们学习内核，深入研究，搞来搞去，又回到了芯片上，芯片是物质的，芯片的功用基于自然界中物质本有的物理和电子特性。追本溯源，此之谓也。 动手写代码 纸上得来终觉浅，绝知此事要躬行。只看书是绝对不行的，一定要结合课本给出的编程建议自己敲代码。刚开始就以模块形式测试好了，或者自己编译一个开发版本的内核。一台机器的话，使用UML方式调试，内核控制路走到哪一步，单步调试看看程序执行过程，比书上的讲解更直观明了。一定要动手实际操作。 参考书 LDD3          Linux Device…

来自公众号：嵌入式ARM 嵌入式开发基本都会选择C语言 这是因为C语言有出色的可移植性 能在多种不同体系结构的软/硬平台上运行 虽然代码的复用性差 代码的维护性差 扩展性很差 但，C语言简洁紧凑 使用灵活的语法机制 并且，C语言具有很高的运行效率 那么如何保证C语言的执行效率？ 嵌入式ARM告诉你！ 01 C代码执行效率与哪些因素有关 C代码执行效率与时间复杂度和空间复杂度有关： 1、空间复杂度是指算法在计算机内执行时所需存储空间的度量 2、一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。 记作T(n)=Ｏ(f(n)),称Ｏ(f(n))为算法的渐进时间复杂度，简称时间复杂度。在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。 按数量级递增排列，常见的时间复杂度有：常数阶O(1),对数阶O(log2n),线性阶O(n),线性对数阶O(nlog2n)，平方阶O(n^2)，立方阶O(n^3),。。。，k次方阶O(n^k)，指数阶O(2^n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。 02 保障C代码执行效率的原则 1、选择合适的算法和数据结构 选择一种合适的数据结构很重要，如果在一堆随机存放的数中使用了大量的插入和删除指令，那使用链表要快得多。数组与指针语句具有十分密切的关系，一般来说，指针比较灵活简洁，而数组则比较直观，容易理解。对于大部分的编译器，使用指针比使用数组生成的代码更短，执行效率更高。 在许多种情况下，可以用指针运算代替数组索引，这样做常常能产生又快又短的代码。与数组索引相比，指针一般能使代码速度更快，占用空间更少。使用多维数组时差异更明显。下面的代码作用是相同的，但是效率不一样。 数组索引 指针运算 For(;;){ p=array A=array[t++]; for(;;){ a=*(p++); 。。。。。。。。。。。。。。。    }                      } 指针方法的优点是，array的地址每次装入地址p后，在每次循环中只需对p增量操作。在数组索引方法中，每次循环中都必须根据t值求数组下标的复杂运算。 时间复杂度更低、效率更高的算法可以提高执行效率。一个简单的例子，计算1~100这些数的和，可以循环100次，也可以直接使用求和公式，在执行效率上，是显而易见的。 2、代码尽量简洁，避免重复 在10天学会单片机那本书上看到写的数码管显示那部分代码，选中一个位，然后送数据，再选中一个位，再送数据，依次做完。代码重复率太高了，不仅占用过多的类存，而且执行效率差可读性差，仅仅是实现了功能而已，实际的编程可以做一个循环，for循环或者while循环。这样的代码看起来更有水平。 3、合理使用宏定义 在程序中如果某个变量或寄存器经常用到，可以使用宏定义定义一个新的名代替它。这样的好处是方便修改，比如液晶的数据端总线接的P1，现在想改到P0，那么只需要修改宏定义这里就可以了，编译器编译的时候，会自动的把定义的名替换成实际的名称。 函数和宏的区别就在于，宏占用了大量的空间，而函数占用了时间。大家要知道的是，函数调用是要使用系统的栈来保存数据的，如果编译器 里有栈检查选 项，一般在函数的头会嵌入一些汇编语句对当前栈进行检查；同时，CPU也要在函数调用时保存和恢复当前的现场，进行压栈和弹栈操作，所以，函数调用需要一 些CPU时间。而宏不存在这个问题。宏仅仅作为预先写好的代码嵌入到当前程序，不会产生函数调用，所以仅仅是占用了空间，在频繁调用同一个宏的时候，该现象尤其突出。 举例如下： 方法A： #define bwMCDR2_ADDRESS 4#define bsMCDR2_ADDRESS 17int BIT_MASK(int __bf){return ((1U << (bw ## __bf)) - 1)<< (bs ## __bf);}void SET_BITS(int __dst,int __bf, int __val){__dst = ((__dst) & ~(BIT_MASK(__bf))) |/(((__val) << (bs ## __bf))& (BIT_MASK(__bf))))}SET_BITS(MCDR2, MCDR2_ADDRESS,ReGISterNumber); 方法B： #define bwMCDR2_ADDRESS 4#define bsMCDR2_ADDRESS 17#define bmMCDR2_ADDRESS BIT_MASK(MCDR2_ADDRESS)#define BIT_MASK(__bf)(((1U << (bw ## __bf)) - 1)<< (bs ## __bf))#define SET_BITS(__dst, __bf, __val)/((__dst) = ((__dst) & ~(BIT_MASK(__bf)))| /(((__val) << (bs ## __bf))& (BIT_MASK(__bf))))SET_BITS(MCDR2, MCDR2_ADDRESS,RegisterNumber); B方法是我看到的最好的置位操作函数，是ARM公司源码的一部分，在短短的三行内实现了很多功能，几乎涵盖了所有的位操作功能。A方法是其变体，其中滋味还需大家仔细体会。 4、以空间换取时间 程序的复杂度包含时间复杂度和空间复杂度，而随着计算机硬件的发展，渐渐放低了对空间复杂度的要求，在很多情况下，为了换取程序的执行效率，牺牲计算机的空间。比如字符串的相关操作、使用缓存技术等。 计算机程序中最大的矛盾是空间和时间的矛盾，那么，从这个角度出发逆向思维来考虑程序的效率问题，我们就有了解决问题的第1招–以空间换时间。比如说字符串的赋值： 方法A：通常的办法 #define LEN 32char string1 [LEN];memset (string1,0,LEN);strcpy (string1,"This is…