Linux内核分析学习总结

本课程深入浅出地解析Linux内核的工作原理,从计算机底层到操作系统内核,覆盖x86汇编、系统调用、进程管理等核心概念。通过八个章节详细介绍了Linux系统启动、进程调度等关键环节。

一、概论
“不识庐山真面目,只缘身在此山中”,是我之前对于linux的感觉。Linux内核分析这门课程刨去了Linux的“皮肉”,更深层次的剖析了Linux的运行原理。但是课程又不止于Linux这个操作系统而已,好似一杯美酒,如一杯下肚,不得其味,需要细细品味,方得醇香。每周的课程并不长,越往后就越要花功夫。(以下是课程目录)
这里写图片描述

二、实验报告:

三、总结
课程从大处着眼,从计算机到操作系统再到Linux逐步深入内核细节。

  • 第一章:计算机是如何工作的
    主要知识点:x86汇编,计算机三大法宝(三大法宝,存储程序计算机、函数调用堆栈、中断)。
  • 第二章:操作系统是如何工作的
    主要知识点:操作系统两把宝剑(中断与恢复现场)。
  • 第三章:构造一个简单的Linux系统MenuOS
    主要知识点:Linux内核启动过程。
  • 第四章:扒开系统调用的三层皮(上)
    主要知识点:用户态,内核态、中断以及系统调用。
  • 第五章:扒开系统调用的三层皮(下)
    主要知识点:系统调用system_call。
  • 第六章:进程的描述和进程的创建
    主要知识点:进程的描述(进程描述块—PCB)与创建(fork函数)。
  • 第七章:可执行程序的装载
    主要知识点:可执行文件的创建,目标文件格式(ELF),动态链接与静态链接。
  • 第八章:进程的切换和系统的一般执行过程
    主要知识点:Linux系统中进程调度的时机(schedule函数),Linux系统的一般执行过程。

Linux内核分析课程链接

                                        written by
                                        江明星
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值