RR的一些经验

博客介绍了练Key的升级技巧,如直接8开,用asn职业,准备专门的弓并合理镶嵌宝石。还讲述了各阶段任务完成方法,像在act1完成救凯恩任务、杀掉安达利尔,act2合成杖、拿渡鸟等,以及后续升级途径和敲石头情况。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

练Key的时候,最好直接8开,登陆一个eh sor,一个key,6个baby,这样升级的速度能快些。

如果能准备一把专门key用的弓最好,我买到过一把,1max/3ar/3s,用着比较酷,3孔我镶了一个碎裂骷髅吸血吸法,两个碎裂紫宝石加准确率,其实感觉骷髅用处不大,不如镶三个碎裂紫宝石了,因为总感觉key要射很多箭才能打中目标。

key最好用asn,因为6级有速度爆发,简直太好用了,1级攻击速度加21%,移动速度加23%,跑的快,升级就能快一些。

准备一些力量gc,1级能用的可以+4力量,2级能用的lc+5力量。

key建房间,登陆eh sor和bb,互相加为好友。

出来后,eh sor飞到埋骨之地,给key加eh,eh杀血乌后,一般能到6级,全部加力量,正好可以穿西刚全套。

回去找卡夏,就会有佣兵MM了。

eh去石块旷野开门,key踩点并顺便给佣兵加eh。

eh开黑暗森林门,去拿书,完成救凯恩的任务,这个时候一般就到10~12级了,如果不到12级,eh去地下墓穴开门,key打到12级,eh飞到4层,开门,key杀掉安达利尔,完成act1。

所有的bb到act2。

key所有的点都不妨加到速度爆发上,速度快不少。

在act2,key拿杖和项链的时候,都用eh去飞,飞到地点用key清场,这样等到合成杖的时候,一般就能到15级了。

15级当然去拿渡鸟,剩下的就是完成神秘庇护所的任务,在塔拉夏古墓升级到20。

到20级后,杀掉都瑞尔,所有人到act3。

换高级sor来,带过pt,这样顶多一个半小时。

以下就按照一般的来了,ptkc到25级,接着去ptrb到40,LC rb的时候,要不就没人,要不就满,所以如果没有rb的时候,可以去emkc,速度其实比rb快,一场就能2~3级,就是比较的危险。所以尽量把速度爆发加高些,我一般加满,跑的速度绝对不会比飞慢多少。

其实如果RR多了,练key是很简单的时候,其一般二个半小时就能练好2个25级过pt的key,就等着混rb。

真正麻烦的是敲石头,我今天敲了21个,em+dy用了我2个小时。不过运气还可以,3*25#+3*24#,相当每次8开一个25#和24#,已经很满意了。
<think>嗯,用户想了解轮询(Round Robin)算法在进程调度实验中的应用和心得体会。首先,我需要回忆一下RR算法的基本概念。轮询调度是一种分时系统常用的调度算法,每个进程被分配一个固定的时间片,时间片用完就被暂停并放回就绪队列末尾,等待下次调度。这样所有的进程都能公平地获得CPU时间。 接下来,用户可能想知道在实验中如何具体应用这个算法。可能需要设计一个模拟程序,管理多个进程的就绪队列,按照时间片轮转的方式分配CPU。实验的关键点包括时间片大小的设置、上下文切换的开销、以及如何记录进程的状态变化,比如到达时间、执行时间、完成时间等。 然后,心得体会部分,用户可能想了解在实验过程中遇到的挑战和学到的经验。比如,时间片大小对系统性能的影响,过小会导致频繁的上下文切换,增加系统开销;过大则可能导致响应时间变长,类似先来先服务(FCFS)的效果。此外,如何平衡公平性和效率,以及与其他调度算法如优先级调度、多级反馈队列的比较可能也是重点。 用户提到的引用资料中,引用了轮询调度在负载均衡中的应用,比如nginx和MATLAB代码实现。虽然这些是不同场景,但核心思想一致,都是公平分配资源。进程调度中的RR算法同样注重公平性,确保每个进程都能轮流使用CPU,避免饥饿现象。 实验中可能还需要考虑数据结构的选择,比如使用队列来维护就绪进程,每次调度队首进程,执行一个时间片后,若未完成则重新入队尾。同时,统计各个进程的周转时间和等待时间,计算平均指标,评估算法性能。 用户的心得体会可能包括对时间片设置的实验验证,通过调整时间片大小观察平均等待时间和周转时间的变化,从而理解理论知识与实际应用的结合。此外,可能还会提到编写模拟程序时的挑战,比如正确处理进程的状态转换、处理同时到达的进程等边界情况。 最后,需要确保回答结构清晰,分点说明应用和心得,引用相关的资料,比如轮询的高效公平性[^3],以及参数化实现[^4]。</think>### 轮询(Round Robin)算法在进程调度实验中的应用 轮询(Round Robin, RR)是一种基于时间片的抢占式调度算法,常用于操作系统的进程调度。其核心思想是将CPU时间划分为固定长度的时间片(Time Quantum),每个进程依次执行一个时间片,若未完成则放回就绪队列尾部等待下一次调度[^3]。 #### 实验应用要点 1. **时间片设置** - 时间片长度直接影响系统性能: - 过短会导致频繁上下文切换,增加系统开销; - 过长则退化为先来先服务(FCFS),降低响应速度。 - 实验中需通过调整时间片观察平均等待时间、周转时间的变化。 2. **就绪队列管理** - 使用队列数据结构实现进程的循环调度。 - 新到达的进程直接加入队尾,已执行但未完成的进程重新入队尾[^4]。 3. **性能指标计算** - **周转时间**:进程完成时间 - 到达时间; - **等待时间**:进程在就绪队列中的总等待时间; - **公平性**:所有进程均能按序获得CPU时间,避免饥饿现象[^1]。 #### 实验示例代码(Python伪代码) ```python class Process: def __init__(self, pid, arrival_time, burst_time): self.pid = pid self.arrival_time = arrival_time self.burst_time = burst_time self.remaining_time = burst_time def round_robin(processes, time_quantum): queue = [] current_time = 0 total_wait_time = 0 while processes or queue: # 将到达的进程加入队列 while processes and processes[0].arrival_time <= current_time: queue.append(processes.pop(0)) if queue: current_process = queue.pop(0) execute_time = min(time_quantum, current_process.remaining_time) current_process.remaining_time -= execute_time current_time += execute_time if current_process.remaining_time > 0: queue.append(current_process) else: total_wait_time += current_time - current_process.arrival_time - current_process.burst_time else: current_time += 1 # 无进程时时间推进 return total_wait_time / len(processes) ``` --- ### 心得体会 1. **时间片权衡** - 实验中观察到,时间片为$4$时系统吞吐量较高,而时间片为$1$时响应时间更短但上下文切换开销显著增加。 - 需根据场景需求(如交互式系统 vs 批处理系统)选择合适的时间片。 2. **公平性与效率** - RR算法保证了所有进程的公平性,但在高负载场景下效率可能低于优先级调度或多级反馈队列[^4]。 3. **实现难点** - **边界条件处理**:例如进程同时到达、剩余时间小于时间片等情况需精确处理; - **性能优化**:使用循环队列或双向链表可减少入队/出队的时间复杂度[^2]。 4. **对比其他算法** - 与FCFS相比,RR显著提升了短作业的响应速度; - 与短作业优先(SJF)相比,RR避免了长作业的饥饿问题。 ---
评论 1
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