【Linux】冯诺依曼体系结构-操作系统
一.冯诺依曼体系结构
我们所使用的计算机,如笔记本等都是按照冯诺依曼来设计的:
截止目前,我们所知道的计算机都是由一个一个的硬件组装起来的,这些硬件又由于功能的不同被分为了输入设备,输出设备,存储器和cpu。
输入设备有:键盘,鼠标,话筒,摄像头,网卡,磁盘等等……
输出设备有:显示器,网卡,磁盘,打印机等等……
而存储器其实就是我们所说的内存,而CPU是由运算器和控制器组成的。
下面我们在谈的时候先不管控制器,只观察运算器:
1.cpu只与内存打交道
软件其实就是一个二进制程序,而软件被运行前必须加载到内存中,那没被加载到内存中在哪呢?就在磁盘中。就比如QQ这个软件它在没有运行的时候就在磁盘中,我们双击即使将其加载到内存的动作。
那为什么必须要将软件加载到内存中呢?因为体系结构规定!因为在冯诺依曼体系结构中,cpu只能与内存交互,无法直接与外设交互,所以我们必须得将程序先加载到内存中,才可以被cpu执行。
在加载的过程中,数据(代码和数据)就发生了流动,但是流动这个概念很模糊,简单来说,就是将数据从一个设备拷贝到另一个设备的过程。
所以一个体系结构的效率也就体现在了拷贝的效率上。
综上,在数据层面上,cpu只与内存打交道,内存只与外设打交道。
2.理解数据流动
比如我们要打印一个字符串到到屏幕上,此时当我们运行程序,程序就会等待外设——键盘输入,输入一个字符串之后,加载到该程序中,然后通过cpu的处理,最后返回到内存中,最后转交给输出设备——屏幕。这样就达到了我们打印信息的目的。
下面举一个发送qq消息的例子:你和你的同学放寒假在家使用电脑qq聊天,你发送了一个你好,同时在对方屏幕上也出了一个你好,这也是是一个数据流动,那么这到底是怎么实现的呢?
其实利用电脑聊天本质上就是两台冯诺依曼体系通过网络在进行数据流动:
你首先双击qq将其加载到内存中,然后通过输入设备键盘将你好输入到聊天框中,此时点击发送,你好这条消息首先交到了qq中,也相当于交到了内存中,再交到cpu中,进行加密等一系列操作,最后返回到内存中,交给输出设备网卡,网卡通过网络,将其发送到你朋友的机器上。而对于你朋友来说,他的输入设备就是网卡,接着网卡将数据交给内存,内存交给cpu,cpu进行解码等操作,返给内存,最后内存将数据通过输出设备屏幕将信息你好显示出来。
当然,这条你好不仅他能看见,你也能看见,这就说明对你来说,你的输出设备不仅有网卡,也有显示器。
二.操作系统
操作系统其实是一款进行软硬件管理的一款软件。
不论是Linux还是Windows还是macos都是操作系统,它们的功能都是类似的,都是要进行管理软硬件。
但是狭义上的操作系统指的是操作系统内核,但是内核不允许任何人直接访问,所以一些大佬就对操作系统进行了封装,设计出了一些外壳程序——shell等,这样就可以帮助用户与内核建立联系。
1.设计OS的目的
我们先前说了,操作系统是一个进行软硬件管理的软件,所以它是处在软件层和硬件层的中间,一遍向下与硬件交互,管理所有的软硬件资源,向上,为用户提供一个良好的执行环境。
我们看,计算机上面的硬件和软件都是层状分布的,这样符合高内聚低耦合的设计思路。即同一模块之间的联系紧密,但不同模块之间的影响很小,一个产生问题不会对另一个产生影响。
而操作系统的位置是一个承上启下的位置。当我们需要访问硬件时,操作系统会调用驱动系统,驱动程序让硬件处于工作状态,这样就能保证与硬件的交互,但与硬件的交互不是目的,而是手段。
当用户需要访问操作系统时,不可以直接访问,而是要通过系统调用,系统调用其实就是系统提供的一系列函数。
而在系统调用层上面还有一层用户操作接口,这些接口一些在底层封装了系统调用,这下开发者在实际开发过程中,便不需要亲自进行系统调用,而是借助已有的库进行开发。
例如我们在C语言学到的printf函数,该函数在底层就有可能封装了系统调用,因为其向硬件——显示器打印了内容。我们可以简单的认为,如果一个程序访问了硬件,那么这个程序必须贯穿整个软硬件体系结构。
综上所述,设计OS的目的其实就是为了给用户开发者一个舒适简单的开发环境。
2.理解操作系统如何进行管理
我们已经知道,操作系统是一个进行软硬件管理的软件,所以我们自然要明白操作系统是如何进行管理的。
先描述,在组织。
下面举一个简单的例子,比如大学校园,现在只有三类人:学生、导员和校长。校长要对学生进行管理,校长就是管理者,而我们学生就是被管理者。那么我们要怎么进行管理呢? 我们对学生管理到底是在管理什么呢?
其实校长对学生进行管理只需要对学生的数据进行管理,这个学生叫什么,多大,什么专业,家是哪的等等……所以校长就可以设计一个excel表格,表头就是学生的信息。但是校长需要去每一个学生的宿舍让学生填表么?当然不用了,这时候就需要导员出场了,导员就好比驱动程序,校长发布决策,导员执行决策——让学生填表。
但是这样虽然有了学生的信息,但是人一多的话,校长管理起来依旧麻烦,校长需要遍历excel表格来获取信息,这样太耗时了。
所以我们可以借助计算机来进行管理,我们学过结构体的概念,我们可以将学生的信息用结构体来表示。这下如果我们要新增一个学生,就可以新增一个该类的对象,开除一个学生就删除一个变量。这就是描述的过程:
struct student
{string _name;int _age;string _id;string _adderss;// ...
};
但是如果有1万个学生就有1万个变量,这样很难维护,所以我们可以给类中加一个struct student* next指针,使一个一个的学生成为一个节点,用链表的方式连接起来,这就是组织的过程。
这样,校长之前翻看excel表格的行为,就转变成了对链表的增删查改。
3.理解系统调用
系统调用时用户与操作系统进行交互的桥梁。因为操作系统本质上不相信任何人,所以它干脆不允许任何人访问。但是它又不得不让人访问,所以就做出了一系列的系统调用让用户使用。
这样的情形很像银行这一角色。银行本质上就不相信任何人,所以它不允许任何人去直接访问它的系统与金库。但是它又得提供它的一些服务,所以设计出了窗口这样的东西。这些窗口就像是系统调用。
虽然有了窗口,但是去银行的难免有人不会知道操作顺序,所以银行一般还有大堂经理这一角色。
当我们不知道怎么操作时,就可以寻求大堂经理的帮助,大堂经理就会帮助我们去往窗口进行操作。他的角色就好像系统调用上一层的用户调用层,比如一些库,指令,shell外壳等等。它们可以帮助我们去进行系统调用。
相关文章:
【Linux】冯诺依曼体系结构-操作系统
一.冯诺依曼体系结构 我们所使用的计算机,如笔记本等都是按照冯诺依曼来设计的: 截止目前,我们所知道的计算机都是由一个一个的硬件组装起来的,这些硬件又由于功能的不同被分为了输入设备,输出设备,存储器…...
Linux第五讲----gcc与g++,makefile/make
1.代码编译 1.1预处理 我们通过vim编辑完文件之后,想看一下运行结果这时我们便可以试用gcc编译C语言,g编译c. 编译代码: 上述两种方法均可,code.c是我的c语言文件,mycode是我给编译后产生的二进制文件起的名&#x…...
FastGPT 源码:基于 LLM 实现 Rerank (含Prompt)
文章目录 基于 LLM 实现 Rerank函数定义预期输出实现说明使用建议完整 Prompt 基于 LLM 实现 Rerank 下边通过设计 Prompt 让 LLM 实现重排序的功能。 函数定义 class LLMReranker:def __init__(self, llm_client):self.llm llm_clientdef rerank(self, query: str, docume…...
Virtual Box虚拟机安装Mac苹果Monterey和big sur版本实践
虚拟机安装苹果实践,在Windows10系统,安装Virtual Box7.1.6,安装虚拟苹果Monterey版本Monterey (macOS 12) 。碰到的主要问题是安装光盘不像Windows那么容易拿到,而且根据网上很多文章制作的光盘,在viritualBox里都无法…...
【高并发】Java 并行与串行深入解析:性能优化与实战指南
Java 并行与串行深入解析:性能优化与实战指南 在高性能应用开发中,我们常常会面临 串行(Serial) 和 并行(Parallel) 的选择。串行执行任务简单直观,但并行能更高效地利用 CPU 资源,…...
软考中级-数据库-3.2 数据结构-数组和矩阵
数组 一维数组是长度固定的线性表,数组中的每个数据元素类型相同。n维数组是定长线性表在维数上的扩张,即线性表中的元素又是一个线性表。 例如一维数组a[5][a1,a2,a3,a4,a5] 二维数组a[2][3]是一个2行2列的数组 第一行[a11,a12,a13] 第二行[a21,a22,a23…...
LeetCode 解题思路 9(Hot 100)
解题思路: 遍历并调整数组: 对于每个元素 nums[i],若其值为正且不超过数组长度 len,则将其逐步交换到它应该在的位置。查找缺失的正整数: 遍历调整后的数组,若某个位置的值不等于其索引加1,则说…...
交叉编译 perl-5.40.0 perl-cross-1.5.3
1.下载地址: https://www.cpan.org/src/5.0/ https://github.com/arsv/perl-cross/tags2.编译 # 进入源码目录 cd /opt/snmp/perl # 合并perl-cross到Perl源码 cp -R perl-cross-1.5.3/* perl-5.40.0/ cd perl-5.40.0./configure --targetaarch64-poky-linux --p…...
go前后端开源项目go-admin,本地启动
https://github.com/go-admin-team/go-admin 教程 1.拉取项目 git clone https://github.com/go-admin-team/go-admin.git 2.更新整理依赖 go mod tidy会整理依赖,下载缺少的包,移除不用的,并更新go.sum。 # 更新整理依赖 go mod tidy 3.编…...
突破光学成像局限:全视野光学血管造影技术新进展
全视野光学血管造影(FFOA)作为一种实时、无创的成像技术,能够提取生物血液微循环信息,为深入探究生物组织的功能和病理变化提供关键数据。然而,传统FFOA成像方法受到光学镜头景深(DOF)的限制&am…...
RefuseManualStart/Stop增强Linux系统安全性?详解systemd单元保护机制
一、引子:一个“手滑”引发的血案 某天凌晨,运维工程师小张在维护生产服务器时,误输入了 systemctl start reboot.target,导致整台服务器瞬间重启,线上服务中断30分钟,直接损失数十万元。事后排查发现&…...
国产编辑器EverEdit - 超级丰富的标签样式设置!
1 设置-高级-标签 1.1 设置说明 选择主菜单工具 -> 设置 -> 常规,在弹出的选项窗口中选择标签分类,如下图所示: 1.1.1 多文档标签样式 默认 平坦 渐变填充 1.1.2 停靠窗格标签样式 默认 平坦 渐变填充 1.1.3 激活Tab的…...
装饰器模式:灵活扩展对象功能的利器
一、从咖啡加料说起:什么是装饰器模式? 假设您走进咖啡馆点单: 基础款:美式咖啡(15元)加料需求:加牛奶(3元)、加焦糖(5元)、加奶油(…...
# [Linux] [Anaconda]解决在 WSL Ubuntu 中安装 Anaconda 报错问题
在 Windows 10 中安装了 WSL(Windows Subsystem for Linux)并使用 Ubuntu 后,你可能会下载 Anaconda 的 Linux 版本进行安装。但在安装过程中,可能会遇到 tar (child): bzip2: Cannot exec: No such file or directory 这样的错误…...
【回溯】216. 组合总和 III
题目 216. 组合总和 III 思路 不知道for有几层时,使用回溯,比上一题多了一个条件,组合需要和为n。 代码 class Solution { private:vector<vector<int>>result;vector<int>path;void backtracking(int target,int k,i…...
AI编程工具-(四)
250304今天用【通义灵码】做了下简单的分析建模工作。不够丝滑,但是在数据预处理方面还是有用。 目录 准备工作一分析工作建模结论 这个数据集是网上随手找的时许指标数据,然后分析时序指标A和B关联关系。 准备工作一 问大模型,这个场景有哪…...
一种事件驱动的设计模式-Reactor 模型
Reactor 模型 是一种事件驱动的设计模式,主要用于处理高并发的 I/O 操作(如网络请求、文件读写等)。其核心思想是通过事件分发机制,将 I/O 事件的监听和处理解耦,从而高效管理大量并发连接,避免传统多线程模…...
AI-Ollama本地大语言模型运行框架与Ollama javascript接入
1.Ollama Ollama 是一个开源的大型语言模型(LLM)平台,旨在让用户能够轻松地在本地运行、管理和与大型语言模型进行交互。 Ollama 提供了一个简单的方式来加载和使用各种预训练的语言模型,支持文本生成、翻译、代码编写、问答等多种…...
XPath路径表达式
1. 绝对路径表达式 语法:/根元素/子元素/子子元素... 特点**:**必须从根元素开始,完整地逐层写路径。 示例代码: <!-- XML结构 --> <school> <class id"1"> <student>小明</student> &l…...
大语言模型的逻辑:从“鹦鹉学舌”到“举一反三”
引言 近年来,大语言模型(LLM)在自然语言处理领域取得了突破性进展,其强大的文本生成和理解能力令人惊叹。然而,随着应用的深入,人们也开始关注LLM的“逻辑”问题:它究竟是机械地模仿人类语言&a…...
从0到1构建AI深度学习视频分析系统--基于YOLO 目标检测的动作序列检查系统:(0)系统设计与工具链说明
文章大纲 系统简介Version 1Version2环境摄像机数据流websocket 发送图像帧RTSP 视频流树莓派windows消息队列参考文献项目地址提示词系统简介 Version 1 Version2 环境 # 配置 conda 源 # 配置conda安装源 conda config --add channels https://mirrors.tuna.tsinghua.edu.c…...
在Linux环境部署SpringBoot项目
在xshell中手动开放8080端口 sudo ufw allow 8080/tcp systemctl reload ufw systemctl restart ufw 配置文件要求 也可以使用maven来分平台 部署到linux服务器上 1.建一个文件夹 2.将jar包拖拽到文件夹中 3.运行nohup java -jar jar包 &的命令启动程序 //后台启动 …...
8. 保存应用数据
一、课程笔记 1.0 引入 针对那些体积小,访问频率高,且对它的速度有一定要求的轻量化数据。例如,用户偏好设置用配置参数等,使用传统的惯性数据库进行存储,不惊险的笨重,还可能引入不必要的性能开销。 此时…...
ADC采集模块与MCU内置ADC性能对比
2.5V基准电压源: 1. 精度更高,误差更小 ADR03B 具有 0.1% 或更小的初始精度,而 电阻分压方式的误差主要来自电阻的容差(通常 1% 或 0.5%)。长期稳定性更好,分压电阻容易受到温度、老化的影响,长…...
量子算法:英译名、概念、历史、现状与展望?
李升伟 整理 #### 英译名 量子算法的英文为 **Quantum Algorithm**。 #### 概念 量子算法是利用量子力学原理(如叠加态、纠缠态和干涉)设计的算法,旨在通过量子计算机高效解决经典计算机难以处理的问题。其核心在于利用量子比特(…...
水仙花数(华为OD)
题目描述 所谓水仙花数,是指一个n位的正整数,其各位数字的n次方和等于该数本身。 例如153是水仙花数,153是一个3位数,并且153 13 53 33。 输入描述 第一行输入一个整数n,表示一个n位的正整数。n在3到7之间&#x…...
基于编程语言的建筑行业施工图设计系统开发可行性研究————从参数化建模到全流程自动化的技术路径分析
基于编程语言的建筑行业施工图设计系统开发可行性研究————从参数化建模到全流程自动化的技术路径分析 文章目录 **基于编程语言的建筑行业施工图设计系统开发可行性研究————从参数化建模到全流程自动化的技术路径分析** 摘要引言一、技术可行性深度剖析1.1 现有编程语言…...
【Linux】【网络】UDP打洞-->不同子网下的客户端和服务器通信(未成功版)
【Linux】【网络】UDP打洞–>不同子网下的客户端和服务器通信(未成功版) 上次说基于UDP的打洞程序改了五版一直没有成功,要写一下问题所在,但是我后续又查询了一些资料,成功实现了,这次先写一下未成功的…...
C# 中的Action和Func是什么?Unity 中的UnityAction是什么? 他们有什么区别?
所属范围:Action 和 Func 是 C# 语言标准库中的委托类型,可在任何 C# 项目里使用;UnityAction 是 Unity 引擎专门定义的委托类型,只能在 Unity 项目中使用。 返回值:Action 和 UnityAction 封装的方法没有返回值&…...
SparkStreaming之03:容错、语义、整合kafka、Exactly-Once、ScalikeJDBC
SparkStreaming进阶 一 、要点:star:4.1 SparkStreaming容错4.1.1 SparkStreaming运行流程4.1.2 如果Executor失败?:star:4.1.3 如果Driver失败?4.1.4 数据丢失如何处理:star:4.1.5 当一个task很慢容错 :star:4.2 SparkSreaming语义4.3 SparkStreaming与…...
让单链表不再云里雾里
一日不见,如三月兮!接下来与我一起创建单链表吧! 目录 单链表的结构: 创建单链表: 增加结点: 插入结点: 删除结点: 打印单链表: 单链表查找: 单链表…...
Linux系统管理(十八)——Ubuntu Server环境下载安装图形化界面、英伟达显卡驱动、Cuda、cudnn、conda的深度学习环境
安装ubuntu系统 镜像源地址:https://ubuntu.com/download/server 安装镜像是最好联网,这样不需要自己配置网络地址,会自动生成动态地址 配置镜像源 在装系统时最好设置好镜像源地址 清华镜像源:https://mirrors.tuna.tsinghua.…...
深度学习的隐身术:详解 PyTorch nn.Dropout
前言 你是否遇到过这样的情况?训练时模型表现得像个学霸,准确率高得离谱,可一到测试集就原形毕露,像是考试作弊被抓包的学生,成绩一落千丈。这种现象叫过拟合,你的模型可能只是死记硬背了训练数据,并没有真正理解其中的模式。 别慌!解决过拟合的方法之一就是Dropout,…...
vscode工作区看不清光标
案例分析: 有的时候当我们把vscode的背景色设置成黑色或者默认黑色时 "workbench.colorTheme": "Visual Studio Dark"这时鼠标指针在非停留状态(指针移动时就看不清),需要改下系统的鼠标指针设置,而不是vscode的光标设置…...
2025-03-04 学习记录--C/C++-PTA 习题5-4 使用函数求素数和
合抱之木,生于毫末;九层之台,起于累土;千里之行,始于足下。💪🏻 一、题目描述 ⭐️ 二、代码(C语言)⭐️ #include <stdio.h>// 函数声明:判断一个数是…...
Open3D 学习指南 (持续学习)
本章仅为个人学习整理。 Open3D: https://www.open3d.org/ Github repo: https://github.com/isl-org/Open3D 1. 概述 Open3D 是一个开源库,旨在为 3D 数据处理提供高效且易用的工具。它由 Intel 开发和维护,支持多种 3D 数据处理任务,如…...
端口安全测试全方位指南:风险、流程与防护策略
在数字化时代,网络安全至关重要,而端口安全作为网络防护的前沿阵地,稍有疏忽就可能为恶意攻击者打开入侵的大门。以下为您详细阐述端口安全测试的全面流程、核心风险点、应对策略及防护建议。 一、测试前的周密筹备 (一…...
3dsmax烘焙光照贴图然后在unity中使用
效果预览 看不清[完蛋!] 实现步骤 使用 软件 软体名称地址photoshophttps://www.adobe.com/products/photoshop.htmlunity3Dhttps://unity.com/3dsmaxhttps://www.autodesk.com.cn/products/3ds-max/free-trialpacker-iohttps://www.uv-packer.com/HDR 贴图地址…...
GCN从理论到实践——基于PyTorch的图卷积网络层实现
Hi,大家好,我是半亩花海。图卷积网络(Graph Convolutional Network, GCN)是一种处理图结构数据的深度学习模型。它通过聚合邻居节点的信息来更新每个节点的特征表示,广泛应用于社交网络分析、推荐系统和生物信息学等领…...
Ollama存在安全风险的情况通报及解决方案
据清华大学网络空间测绘联合研究中心分析,开源跨平台大模型工具Ollama默认配置存在未授权访问与模型窃取等安全隐患。鉴于目前DeepSeek等大模型的研究部署和应用非常广泛,多数用户使用Ollama私有化部署且未修改默认配置,存在数据泄露、算力盗…...
大模型在高血压预测及围手术期管理中的应用研究报告
目录 一、引言 1.1 研究背景与意义 1.2 研究目的 1.3 国内外研究现状 二、大模型预测高血压的原理与方法 2.1 常用大模型介绍 2.2 数据收集与预处理 2.3 模型训练与验证 三、术前风险预测与手术方案制定 3.1 术前风险因素分析 3.2 大模型预测术前风险的方法与结果 …...
网络安全rt是什么意思
1.什么时EDR :完全不同以往的端点被防护思路,而是通过云端威胁情报,机器学习,异常行为分析,攻击指示器等方式,主动发现来自外部或内部的安全威胁 。并进行自动化的阻止,取证,补救和溯源从而有效…...
数据结构篇—栈(stack)
一、引入 在数学史上有这样一个经典问题——汉诺塔问题。 通过动图演示我们发现每一个圆片的运动是什么样的呢? 我们发现,第一个放入的最大圆片将位于整个塔的最底端。所以若想将最大圆片拿出来,就得将压在它身上的所有圆片先按顺序取出才能将…...
python3.13安装教程【2025】python3.13超详细图文教程(包含安装包)
文章目录 前言一、python3.13安装包下载二、Python 3.13安装步骤三、Python3.13验证 前言 本教程将为你详细介绍 Python 3.13 python3.13安装教程,帮助你顺利搭建起 Python 3.13 开发环境,快速投身于 Python 编程的精彩实践中。 一、python3.13安装包下…...
动态内存分配
动态内存分配 1. malloc1.1函数原型1.2参数1.3特点1.4注意事项 2.calloc2.1函数原型2.2参数2.3特点2.4注意事项 3.realloc3.1函数原型3.2参数3.3特点3.4注意事项 4.free4.1 函数原型4.2参数4.3特点 结语 在 C 语言中,主要使用标准库函数 <stdlib.h> 中的几个函…...
物联网设备数据割裂难题:基于OAuth2.0的分布式用户画像系统设计!格行代理是不是套路?2025有什么比较好的副业?低成本的创业好项目有哪些?
一、行业基本面:双赛道增长逻辑验证 1.1 随身WiFi市场:场景红利与技术博弈 移动办公、户外直播等场景推动随身WiFi需求持续增长,格行核心的三网切换技术(移动/联通/电信自动择优)有效解决单一运营商信号覆盖盲区问题&…...
17.10 LangSmith Evaluation 深度实战:构建智能评估体系驱动大模型进化
LangSmith Evaluation 深度实战:构建智能评估体系驱动大模型进化 关键词:LangSmith 评估体系, 大模型质量评估, 自动化评测流水线, 多维度指标分析, 生产环境模型监控 1. 评估体系设计哲学 LangSmith Evaluation 采用 规则评估+模型评估+人工反馈 三位一体的评估框架: #me…...
Gravitino SparkConnector 实现原理
Gravitino SparkConnector 实现原理 本文参考了官网介绍,想看官方解析请参考 官网地址 本文仅仅介绍原理 文章目录 Gravitino SparkConnector 实现原理背景知识-Spark Plugin 介绍(1) **插件加载**(2) **DriverPlugin 初始化**(3) **ExecutorPlugin 初始化**(4) *…...
前端开发好用的AI工具介绍
以下是前端开发中提升效率的 AI 工具 推荐,涵盖代码生成、UI设计、调试优化等场景: 一、代码生成与辅助工具 工具名称特点适用场景GitHub Copilot基于 OpenAI,智能代码补全(支持 JS/TS/React/Vue)快速生成代码片段、函…...
Linux的用户与权限--第二天
认知root用户(超级管理员) root用户用于最大的系统操作权限 普通用户的权限,一般在HOME目录内部不受限制 su与exit命令 su命令: su [-] 用户名 -符号是可选的,表示切换用户后加载环境变量 参数为用户名,…...