17、分布式读写系统中的匿名性:入门概述

分布式读写系统中的匿名性:入门概述

在分布式系统中,匿名性是一个重要的研究领域,它涉及到进程匿名和内存匿名等概念。本文将深入探讨这些匿名性类型,以及如何在异步读写系统中应对由此带来的挑战。

1. 并发对象及其进度条件
  • 并发对象 :对象类型由一组有限的操作和描述该类型对象正确行为的规范定义。对象的内部表示对进程是隐藏的,同一类型的多个对象可以有不同的实现。进程访问对象的唯一方式是调用其操作。并发对象可以被多个进程访问,其规范可以是顺序的或非顺序的。
  • 进度条件
    • 无死锁(DF) :在无故障系统中,如果一个或多个进程同时对一个对象调用操作,至少有一个进程会终止其操作。
    • 无饥饿(SF) :任何操作调用都会终止。
    • 无阻塞(OB) :如果一个进程 p 调用对象 O 上的操作,并且所有其他对 O 有未决操作的进程暂停足够长的时间,那么进程 p 会终止其操作。
    • 非阻塞(NB) :如果多个进程同时对一个对象 O 进行调用,并且其中一个进程没有崩溃,那么其中一个调用会终止。
    • 无等待(WF) :如果一个进程调用对象 O 上的操作并且没有崩溃,它会终止其操作。
2. 匿名系统
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