60、深入解析Linux系统:内存映射、链接方式与文件系统

深入解析Linux系统:内存映射、链接方式与文件系统

1. Linux系统的内存映射与进程调度

在Linux系统中,数据的内存映射有着特定的规则。首先,数据会被映射到一个写保护区域,接着可写的初始化数据会被映射,随后未初始化的数据会被映射为一个私有的按需清零区域。

在这些固定大小的区域之后,是一个可变大小的区域,程序可以根据需要扩展这个区域,以存储运行时分配的数据。每个进程都有一个指针 brk ,它指向这个数据区域的当前范围,进程可以通过单个系统调用 sbrk() 来扩展或收缩其 brk 区域。

当这些映射设置完成后,加载程序会使用ELF头中记录的起始点来初始化进程的程序计数器寄存器,之后进程就可以被调度执行了。以下是这个过程的流程图:

graph TD
    A[数据映射到写保护区域] --> B[可写初始化数据映射]
    B --> C[未初始化数据映射为按需清零区域]
    C --> D[可变区域扩展]
    D --> E[设置brk指针]
    E --> F[使用sbrk()调整brk区域]
    F --> G[初始化程序计数器寄存器]
    G --> H[进程调度]

2. 静态链接与动态链接

2.1 静态链接

当程序加载并开始运行时,二进制文件的所有必要内容都会被加载到进程的虚拟地址空间中。不过,大多数程序还需要运行系统库中的函数,这些库函数也必须

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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