进程

本文深入解析了进程作为现代分时系统工作单元的概念,探讨了进程的结构、状态、调度及上下文切换。同时,详细介绍了进程间的通信机制,包括共享内存和消息传递,以及同步策略。

早期的计算机系统只允许一次执行一个程序。
进程是现代分时系统的工作单元
系统由一组进程组成:操作系统执行系统代码而用户进程执行用户代码
通过CPU多路复用,所有的这些进程可以并发的执行
通过在进程之间的切换,操作系统能使计算机更为高效

进程概念

  • 进程是郑重的程序,这是一种非正式的说法。
  • 进程不只是程序代码,程序代码有时称为文本段
  • 进程通常还包括进程堆栈段和数据段
  • 进程还可能包括堆,是在进程运行期间动态分配的内存
  • 在这里插入图片描述
  • 程序本身不是进程,程序只是被动实体。当一个可执行文件被装入内存时,一个程序才能成为进程

进程状态

在这里插入图片描述


进程控制块
  • 每个进程在操作系统内用进程控制块(PCB,Process Control Block)来表示
  • PCB是用来存储进程信息的
  • 进程状态:上面讲过
  • 程序计数器:表示进程要执行的下一个指令的地址
  • CPU寄存器:中断是保存,用以恢复进程
  • CPU调度信息:这类信息包括进程优先级,调度队列的指针和其他调度参数
  • 内存管理信息:基址和界限寄存器的值,页表或段表
  • 记账信息:CPU时间,实际使用时间,时间界限,记账数据,作业或进程数量
  • I/O状态信息:分配给进程的I/O设备列表,打开的文件列表等
  • 在这里插入图片描述在这里插入图片描述

进程调度

多道程序设计的目的是无论何时都有进程在运行,从而使CPU利用率达到最大化
单处理器系统,从来不会有超过一个进程在运行

  • 调度队列
  • 通常对于批处理系统,进程更多的是被提交,而不是马上执行。这些进程被方法到用量存储设备的缓冲池中,保存在那里,以便以后执行
  • 长期调度程序或作业调度程序从该池中选择进程,并装入内存以准备执行
  • 短期调度程序或CPU调度程序从准备执行的进程中选择进程,并为之分配CPU
  • 两个调度程序的主要差别是他们执行的频率
  • 短期调度程序必须频繁的为CPU选择新进程,通常每100ms至少执行一次,调度程序必须要快,否则,如果花了10ms的时间来调度,那么就是10/(100+10)的CPU时间被用来调度
  • 长期调度程序必须仔细选择。绝大多数进程可分为I/O为主或CPU为主,如果进程均是I/O为主的,那么就绪队列几乎为空,从而短期调度程序没有什么事情可做。如果都是CPU为主的,那么I/O等待队列几乎总为空,从而几乎不使用设备。因而系统会不平衡

  • 上下文切换
  • 当系统发生一个中断时,系统需要保存当前运行在CPU中进程的上下文,从而在其处理完后,能恢复上下文
  • 进程上下文,用PCB表示。当发生上下文切换时,内核会将旧进程的状态保存在其PCB中

进程操作

  • 通常,进程需要一定的资源来完成其任务
  • 在一个进程创建子进程时,子进程可能从操作系统哪里直接获得资源,也可能只从其父进程那里获得资源
  • 限制子进程只能使用父进程的资源,能防止创建过多的进程带来的系统超载
  • 当进程创建新进程时,有两种执行可能:
  • 1.父进程与子进程并发执行
  • 2.父进程等待,直到某个或全部子进程执行完
  • 新进程的地址空间也有两种可能
  • 1.子进程是父进程的复制品
  • 2.子进程装入另一个新程序
  • 进程终止
  • 当进程完成执行最后的语句并使用系统调用exit()请求操作系统删除自身时,进程终止
  • 这时进程返回状态值到父进程,所有进程资源会被操作系统释放

进程间通信

  • 共享内存
  • 允许以最快的速度进程方便的通信,可以达到内存的速度,比消息传递快。
  • 仅在建立共享内存区时需要系统调用,一旦建立了共享内存,所有的访问都被处理为常规的内存访问,不需要来自内核的帮助
  • 消息传递
  • 比上者更容易实现,对于交换少量数据很有用,因为不需要避免冲突
  • 消息传递系统通常用系统调用来实现,因而需要更多的内核介入的时间消耗
    在这里插入图片描述
共享内存系统
  • 一块共享内存区域驻留在生成共享内存段进程的地址空间,其他希望使用这个共享内存段进行通信的进程,必须将此放到他们自己的地址空间上
  • 通常操作系统试图阻止一个进程访问另一个进程内存。
  • 共享内存需要两个或更多的进程取消这个限制
  • 他们通过在共享内存中读或写来完成信息交换
  • 采用共享内存,是解决消费者生产者问题方法的一种:
  • 可以使用两种缓冲,无限缓冲,对缓冲的大小没有限制。消费者可能会因为缓存为空而不得不等待,但生产者总是可以生产新项
  • 有限缓冲,如果缓冲为空,消费者必须等待,如果为满,生产者必须等待

消息传递系统
  • 直接通信

  • 一个线路只与两个进程相关

  • 每对进程之间只有一个线路

  • 对称寻址

  • 每个进程必须明确的命名通信的接受者或发送者,定义如下:

  • send(P,message):发送消息到进程P

  • receive(Q,message):接收来自进程Q的消息

  • 非对称寻址

  • 只需要发送者命名接收者,如下

  • send(P,message):发送消息到进程P

  • receive(id,message):接收来自进程任何的消息,只需将ID对应即可

  • 间接通信

  • 只有在两个进程共享一个邮箱时,才能建立通信线路

  • 一个线路可以与两个或更多的进程相关联

  • send(A,message):发送消息到邮箱A

  • receive(A,message):接收来自邮箱A的消息


  • 同步
  • 阻塞send:发送进程阻塞,直到消息被接收进程或邮箱所接收
  • 非阻塞send:发送进程发送消息并再继续操作
  • 阻塞receive:接受者阻塞,直到有消息可用
  • 非阻塞receive:接收者收到一个有效消息或空消息

  • 缓冲
  • 不管通信是直接的或是间接地,通信进程所交换的消息都驻留在临时队列中
  • 零容量:队列的最大长度为0;因此线路中不能有任何消息处于等待,对于这种情况,必须阻塞发送
  • 有限容量:队列的长度为有限的n,因此最多智能有n个消息驻留其中。未满时,消息可以放入,如果线路满,就必须阻塞发送,知道队列中的空间可用为止
  • 无限容量:队列长度可以无线,因此不管多少消息都可在其中等待,从不阻塞发送者
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量等常见方法,并通过实际操作流程进行说明。 一、器学习基本概念 器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量模型 支持向量是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 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