同步异步,阻塞非阻塞

阻塞,非阻塞 同步异步
1.同步/异步:

关注消息如何通知(消息通知机制)。
同步:消息处理者自己等待消息是否被触发
异步:由触发机制来通知消息处理者

2.阻塞/非阻塞

等待消息通知过程中的状态
阻塞:等待过程中不能做其他任务
非阻塞:等待过程中可以做其他任务

3.IO模型

同步阻塞:
1.准备数据,数据被拷贝到操作系统内核缓冲区,用户进程阻塞
2.内核数据准备好后,将数据从内核拷贝到用户进程内存中,用户进程在这期间阻塞

在这里插入图片描述

同步非阻塞
同步非阻塞就是 轮询(polling)方式。在这种模型中,设备是以非阻塞的形式打开的

1.轮询(polling)检查内核数据,直到数据准备好
2.数据从内核复制到用户空间,进行数据处理。(拷贝数据过程 阻塞 )

linux socket non-blocking

非阻塞IO模型

异步非阻塞
用户进程进行aio_read系统调用之后,无论内核数据是否准备好,都会直接返回给用户进程,然后用户态进程可以去做别的事情。等到socket数据准备好了,内核直接复制数据给进程,然后从内核向进程发送通知。IO两个阶段,进程都是非阻塞的
在这里插入图片描述

流程描述:
1.进程发起aio_read操作之后,可以立即去做别的任务。对于内核来说,收到一个asynchronos read 之后,会立即返回,不会对用户进程产生阻塞。
2.内核等待数据准备完成,拷贝数据到用户内存,然后给用户进程发送一个signal或者执行基于线程的回调函数,通知IO操作已经完成。

使用场景:
1.同步非阻塞
高并发的程序一般使用同步非阻塞方式而非多线程加同步阻塞方式。高并发情况下,给每个请求创建处理线程的开销很大,而同步非阻塞方式可以把多个IO请求交给后台处理程序,从而一个进程可以服务大量并发请求。

2.同步阻塞
降低响应延迟。如果采用非阻塞方式,要处理的任务A被交给后台,然后接着做另一件事B。A完成后,如果想让A完成的事件立即被处理,要么丢弃做的任务B,要么保存B的中间状态切换回A,这会降低A的处理速度。对延迟敏感的系统,采用同步阻塞方式会更好。

NON-BLOCKING 与AIO的区别
non-blocking 在数据从内核复制到用户内存的时候会阻塞,而AIO发起IO请求操作之后,内核将数据拷贝到用户内存后 才会通知进程IO操作已经完成,在这期间进程一直没有阻塞 可以做别的任务。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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