公式: Li = R(i - 1), Ri = L(i - 1) ^ F(R(i - 1), Ki)
筛法是一种简单检定素数的算法。据说是古希腊的埃拉托斯特尼（Eratosthenes，约公元前274～194年）发明的，又称埃拉托斯特尼筛法（sieve of Eratosthenes）。
/*1. 虚拟cpu信息： a) Extract information about virtual CPUs of domain。 b) https://libvirt.org/html/libvirt-libvirt-domain.html#virDomainGetVcpus */ type DomainVcpuInfo struct { Number uint32 State int32 CpuTime uint64 Cpu int32 Cp
当x86系列的PC机启动的时候,首先会执行BIOS程序,BIOS程序一般会存放在固定的ROM中,一般在磁盘固定扇区中.BIOS 的作用是在启动时进行硬件的准备工作,接着BIOS程序会把控制权递交给操作系统.具体来说,BIOS会把控制权递交给从引导扇区中的固定的代码中(BIOS会把引导扇区存储的代码加载到内存0x7c00处),接着引导程序会把操作系统内核载入到内存中,控制权递交给内核,程序是M态的.
参考官方教程：https://clickhouse.tech/docs/en/getting-started/tutorial/
网上主要介绍了python方式编译安装jsoncpp，但它的官网有介绍cmake安装命令行安装方式，以下笔记在SUSE Linux g++ 4.1.0上经过验证。 使用cmake生成Makefile文件，类似于执行automake的“configure”: cmake -DBUILD_STATIC_LIBS=ON -DBUILD_SHARED_LIBS=OFF -DINCLUDE_INSTALL_DIR=/usr/local/thirdparty/jsoncpp-0.10.2/include -DARCHIVE_INSTALL_DIR=/usr/local/thirdparty/jsoncpp-0.10.2/lib 这一步成功后，可以看到产生了Makefile文件，之后就可以执行“make”编译和“make install“安装了。 “cmake”参数说明： INCLUDE_INSTALL_DIR为指定“头文件”的安装目录 ARCHIVE_INSTALL_DIR为指定“静态库文件”的安装目录 LIBRARY_INSTALL_DIR为指定“共享库文件”的安装目录 RUNTIME_INSTALL_DIR为指定“可执行程序文件”的安装目录 BUILD_STATIC_LIBS=ON 表示生成静态库文件 BUILD_SHARED_LIBS=OFF 表示不生成共享库文件 如果想编译成debug版本，则加上“-DCMAKE_BUILD_TYPE=debug”。 遇到的编译错误1： include/json/config.h:100: error: ISO C++ does not support 'long long' include/json/config.h:101: error: ISO C++ does not support 'long long' 解决方法： 修改include/json/config.h，将下面一段 #if defined(_MSC_VER) // Microsoft Visual Studio typedef __int64 Int64; typedef unsigned __int64 UInt64; #else // if defined(_MSC_VER) // Other platforms, use long long typedef long long int Int64; typedef unsigned long long int UInt64; #endif // if defined(_MSC_VER) 修改成： #if defined(_MSC_VER) // Microsoft Visual Studio typedef __int64 Int64; typedef unsigned __int64 UInt64; #else // if defined(_MSC_VER) // Other platforms, use long long __extension__ typedef long long int Int64; __extension__ typedef unsigned long long int UInt64; #endif // if defined(_MSC_VER) 注意要加“__extension__”修饰，因为“long long”是C99标准中的，“__extension__”表示启用g++的扩展。 遇到的编译错误2： /tmp/X/jsoncpp-0.10.2/src/test_lib_json/main.cpp:1243: error: integer constant is too large for 'long' type 解决方法： 测试代码，可直接注释掉1243一行代码。
gopsutil是 Python 工具库psutil 的 Golang 移植版，可以帮助我们方便地获取各种系统和硬件信息。gopsutil为我们屏蔽了各个系统之间的差异，具有非常强悍的可移植性。有了gopsutil，我们不再需要针对不同的系统使用syscall调用对应的系统方法。更棒的是gopsutil的实现中没有任何cgo的代码，使得交叉编译成为可能。
在本实验中，您将为用户级线程系统设计上下文切换机制，然后实现它。你的 xv6 有两个文件 user/uthread.c 和 user/uthread_switch.S，以及 Makefile 中的一个规则来构建一个 uthread 程序。uthread.c 包含大部分用户级线程包，以及三个测试线程的代码。但线程包中缺少一些用于创建线程和线程间切换的代码。
记录一下 MIT 6.S081 的学习过程。主要是写 Lab 的经历吧，知识相关的笔记就不写了。
fastcache和freecache是两个比较简单的缓存实现，下面分析一下各自的实现，并学习一下其实现中比较好的方式。
上一节我们实现了日志微服务，它以http服务器的模式运行，客户端通过json方式将日志数据post过来，然后通过http get的方式读取日志。当时我们的实现是将所有日志信息添加到数组末尾，这意味着所有日志信息都会保存在内存中。但分布式系统的日志数量将非常巨大，例如推特一天的日志数量就达到一万亿，国内微博，微信，淘宝等超大规模系统的日志数量估计也是这个等级。假设我们使用一百台服务器运行日志微服务，那么一台将处理10亿条日志，再假设一条日志为64字节，那么如果直接将日志存放在内存就需要消耗64G，再考虑到很多日志存储后很可能再读取，而且一台服务器还需要提供其他程序运行，因此直接将日志存储在内存将是一种巨大的损耗。
一些操作系统（例如 Linux）通过在用户空间和内核之间共享只读区域中的数据来加速某些系统调用。 这消除了在执行这些系统调用时对内核交叉的需要。
这个类型比较重要，它是实现定位和读写的内存的基础，Go runtime大量使用它。官方文档对该类型有四个重要描述：
runtime包提供和go运行时环境的互操作，如控制go程的函数。它也包括用于reflect包的低层次类型信息；参见reflect报的文档获取运行时类型系统的可编程接口。
共享内存广泛用于Redis，Kafka，RabbitMQ 等高性能组件中，本文主要提供一个共享内存在广告埋点数据采集的实战场景。
bitset包是一个将非负整数映射到布尔值的位的集合。比如我们有一个64位的二进制序列，要将第N位设置成true，对应的就是将第N位置成1。如下：
fork系统调用会复制proc给子进程，除了pid，几乎其他的都一样，其中开销最大的就是用户页表。更重要的是，fork之后一般会用exec替换掉用户页表，导入新的可执行文件，所以拷贝用户页表显得有点浪费。因此诞生了写时复制，延迟空间的分配，用户页表浅拷贝，最底层页表项延迟拷贝，另外一种延迟分配的场景就是sbrk，后面可以考虑实现。
Gitee地址：https://gitee.com/BytomBlockchain/bytom
https://github.com/VictoriaMetrics/fastcache是一个使用循环缓冲区（RingBuffer）的缓存库，因使用RingBuffer结构，所以没有GC开销。Fastcache在创建期间达到设置的最大大小时会自动驱逐旧条目，线程安全的，键和值都是byte slice。这个库是fasthttp的作者开发的，思路和bigcache一致，但是对于bigcache里BytesQueue的设计进行改进，使用一个环形数组[][]byte来实现，扩容的时候只需要进行append即可。分成512个bucket，使用Mmap来分配内存，脱离GC约束，去掉数组里GC扫描带来的性能压力；bucket里的每个chunk 64k，避免CPU伪共享。不支持过期时间。首先看下如何使用，然后分析下它的源码。
数据库系统有一个极其重要的功能，那就是要保持数据一致性。在用户往数据库写入数据后，如果数据库返回写入成功，那么数据就必须永久性的保存在磁盘上。此外作为一个系统，它必须具备自恢复功能，也就是如果系统出现意外奔溃，无论是内部错误，还是外部原因，例如突然断电等，系统都必须要保持数据的一致性。
(如果出现GOROOT blabla之类的,执行go env -w GO111MODULE=off )
今天给大家推荐一个xxhash库，该库是go语言实现的xxHash算法，比标准库性能更高，最终生成一个64位的整型hash值。项目地址：https://github.com/cespare/xxhash Star：1.5k Used By：52.7k 根据使用量看起来是不是很流行。同时该包也是xxHash收录的实现。
我在看一些优秀的开源库的时候看到一个有意思的缓存库 fastcache，在它的介绍主要有以下几点特点：
在本实验中，您将探索页表并对其进行修改，以简化将数据从用户空间复制到内核空间的函数。
当我们想要对某个变量并发安全的修改，除了使用官方提供的 mutex，还可以使用 sync/atomic 包的原子操作，它能够保证对变量的读取或修改期间不被其他的协程所影响。
处理器只能识别机器指令，不能识别汇编指令。汇编语言是直接面向处理器的程序设计语言，并且操作的对象不是数据，而是寄存器、内存。
sync/atomic包提供了原子操作的能力，直接有底层CPU硬件支持，因而一般要比基于操作系统API的锁方式效率高些；这些功能需要非常小心才能正确使用。 除特殊的底层应用程序外，同步更适合使用channel或sync包的功能。 通过消息共享内存; 不要通过共享内存进行通信。
输入 file ./kernel/kernel载入符号表,然后target remote loaclhost:26000即可:
我们已经介绍过 Mutex、RWMutex 等并发原语操作，如果您还没有阅读，请查看文末「推荐阅读」列表。
负数转换为uint64类型时会发生什么呢？在Go语言中，这样的转换并不会引发错误，但结果可能会令人意外。下面我们深入探讨这个问题。
小小马上都要回学校考英语四级了，学校要求考英语四级的时候，需要做核算检测，这不，小小从小窝出发去做核算检测了。到北京佑安医院做核酸检测。
导语：系统做出一系列调度要基于系统运行的统计指标，例如熔断（基于请求数、并发数、请求延迟、异常比例等），本文解析基于滑动时间窗口的统计结构设计办法。
以太坊 EVM原理与实现 通常智能合约的开发流程是用solidlity编写逻辑代码，再通过编译器编译元数据，最后再发布到以太坊上。以太坊底层通过EVM模块支持合约的执行与调用，调用时根据合约地址获取
本实验实现mmap和munmap系统调用来更好的控制进程地址空间，可以向数组那样读写文件，写的数据放在buffer cache可以被其他进程所看到。
In this lab you will add some new system calls to xv6, which will help you understand how they work and will expose you to some of the internals of the xv6 kernel. You will add more system calls in later labs.
了解操作系统对内存的管理机制后，现在可以去看下 Go 语言是如何利用底层的这些特性来优化内存的。Go 的内存管理基本上参考 tcmalloc 来实现的，只是细节上根据自身的需要做了一些小的优化调整。
这一类方法的作用是拿 addr 上的值和 old 比较，如果相等，就把 new 存储到 addr。
（1）安装 ClickHouse Server 和 ClickHouse Client
对于整数类型（包括int，uint，int32，int64等），Go语言直接将其作为哈希值。也就是说，对于整数类型的键，其哈希值就是它自己。
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。
在实现6.S081 Lab3过程中，需要对xv6页表有一定的掌握，因此写了这份源码分析。
在Go语言中，使用range来遍历数组或切片时，下标的默认类型为int。然而，在某些情况下，我们可能需要与uint64类型的值进行比较或操作。这时，由于类型不匹配，可能会导致编译错误或运行时问题。
本实验将使您熟悉多线程。您将在用户级线程包中实现线程之间的切换，使用多个线程来加速程序，并实现一个屏障。
看了一篇文章，里面涉及到了一些golang程序监控的问题，回过头总结了一下实现方式，简单介绍一下
俄罗斯Yandex开发的ClickHouse是一款性能黑马的OLAP数据库，其对SIMD的灵活运用给其带来了难以置信的性能。本文我们聊聊它如何对过滤操作进行SIMD优化。
在telemetry采集中，由于数据量极大，一般采用分布式架构；使用消息队列来进行各系统的解耦。有系统如下：
时间复杂度是指执行这个算法所需要的计算工作量，其复杂度反映了程序执行时间**「随输入规模增长而增长的量级」，在很大程度上能很好地反映出算法的优劣与否。一个算法花费的时间与算法中语句的「执行次数成正比」，执行次数越多，花费的时间就越多。一个算法中的执行次数称为语句频度或时间频度，记为T(n)，其中n称为问题的规模，当n不断变化时，它所呈现出来的规律，我们称之为时间复杂度。比如：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
