38、计算机I/O设备及编程技术详解

计算机I/O设备及编程技术详解

1. I/O设备的时间特性

几乎所有的I/O设备都比内存慢很多。以键盘这个常见的输入设备为例,每分钟输入120个单词,相当于每秒输入10个字符,即每个字符之间的间隔为100毫秒。而运行频率为2 GHz的CPU在这段时间内大约可以执行2亿条指令。而且,按键之间的时间间隔非常不一致,很多时候会比100毫秒长得多。

即使是固态硬盘(SSD)与内存相比也很慢。典型SSD的数据传输速率约为500 MBps,而常用于主内存的DDR4内存传输速率约为20 GBps,大约快40倍。

除了速度慢之外,I/O设备的时间特性还存在很大的差异。比如,有些人打字速度很快,而有些人则很慢。磁盘上所需的数据可能刚转到读写头下方,也可能刚过去,这时就需要等待磁盘几乎完整旋转一圈,数据才能再次到达读写头下方。

2. 总线时间特性

虽然系统的三个主要子系统之间通常只有三条总线相连,但由于内存和各种I/O设备在时间特性上存在很大差异,因此出现了用于访问内存和I/O设备的不同总线。每种总线设计都能传输地址、数据和控制信息,但它们使用不同的协议和物理连接,以更好地匹配所连接设备的速度。

大多数计算机采用分层总线结构,通过高速总线将内存和其他快速子系统连接到CPU,而通过低速总线连接慢速子系统。以2005年左右常见的PC配置为例:
- 内存控制器集线器(北桥) :通过前端总线为CPU提供快速通信路径。除了与主内存建立快速连接外,还连接到PCI - E等快速I/O总线,PCI - E总线为显卡等设备提供快速接口。
- I/O控制器集线器(南桥)

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...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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