pmd

一、内核页表 和用户态页表不同，在系统初始化的时候，我们就要创建内核页表了 我们从内核页表的根swapper_pg_dir开始找线索，在linux-5.1.3/arch/x86/include/asm/pgtable_64.h中就能找到它的定义 extern pud_t level3_kernel_pgt[512]; extern pud_t level3_ident_pgt[512]; extern pmd_t level2_kernel_pgt[512]; extern pmd_t level2_fixmap_pgt[512]; extern pmd_t level2_ident_pgt[512]; extern pte_t level1_fixmap_pgt[512]; extern pgd_t init_top_pgt[]; #define swapper_pg_dir init_top_pgt 1、swapper_pg_dir指向内核最顶级的目录pgd，同时出现的还有几个页表目录。我们可以回忆一下，64位系统的虚拟地址空间的布局 1、期中其中 XXX_ident_pgt 对应的是直接映射区 2、XXX_kernel_pgt 对应的是内核代码区 3、XXX_fixmap_pgt 对应的是固定映射区 2、它们是在哪里初始化的呢？ 在汇编语言的文件里面的linux-5.1.3

我们知道LINUX的内存管理系统中有”反向映射“这一说，目的是为了快速去查找出一个特定的物理页在哪些进程中被映射到了什么地址，这样如果我们想把这一页换出（SWAP），或是迁移（Migrate）的时候，就能相应该更改所有相关进程的页表来达到这个目的。 1、为什么要使用反向映射 　　物理内存的分页机制，一个PTE（Page Table Entry）对应一个物理页，但一个物理页可以由多个PTE与之相对应，当该页要被回收时，Linux2.4的做法是遍历每个进程的所有PTE判断该PTE是否与该页建立了映射，如果建立则取消该映射，最后无PTE与该相关联后才回收该页。该方法显而易见效率极低，因为其为了查找某个页的关联PTE遍历了所有的PTE，我们不禁想：如果把每个页关联的PTE保存在页结构里面，每次只需要访问那些与之相关联的PTE不很方便吗？确实，2.4之后确实采用过此方法，为每个页结构（Page）维护一个链表，这样确实节省了时间，但此链表所占用的空间及维护此链表的代价很大，在2.6中弃之不用，但反向映射机制的思想不过如此，所以还是有参考价值的，可以参考： http://blog.csdn.net/dog250/article/details/5303581 。 2、Linux2.6中是如何实现反向映射 2.1 与RM（Reverse Mapping）相关的结构 page , address

对于整车热害问题,目前高效且满足工程应用精度要求的方案当属TAITherm+CFD工具的联合仿真解决方案，这种方案的相对简便性与高效性也正在为众多主机厂带来开发时间的缩短和试验成本的减少，在产品开发的过程中发挥了仿真的价值。 该方案的主要思路是发挥TAITherm在热辐射及长瞬态工况计算方面快速准确的优势，同时通过简化CFD模型（创建流体域模型，无需创建固体域模型），从而来实现简化建模工作量并提高整体求解效率的目的，以满足实际工程应用的需要。以上介绍的热流耦合方案的主要思路可参见下图： 理论上，大家只要具备热分析工具（TAITherm）和CFD工具就可以完成上述的热流耦合分析过程。具体的实现方式分手动进行和自动流程管理。 手动进行热流耦合的方式是这样的： 1.导出TAITherm壁面温度计算结果； 2.在StarCCM+中导入热模型网格； 3.在StarCCM+中导入壁面温度数据； 4.在StarCCM+中将壁面温度数据映射到流体边界网格上； 5.在StarCCM+中将映射的壁面温度数据设置到对应的边界条件上（各边界分别设置）； 6.待StarCCM+的流场重新计算稳定后，将热流场的对流换热系数和流体温度数据映射到热模型的网格上； 7.导出StarCCM+热流场的计算结果； 8.在TAITherm中导入热流场的计算结果； 9.待温度场重新求解完成后，再次重复1-8步的过程

这是程序员cxuan的第29篇原创分享 ~~ ~~ 计算机自从 20 世纪 40 年代诞生以来，一直以史无前例的进步向前发展，如果说农业革命是第一次革命、工业革命是第二次革命的话，那么第三次革命就是 信息革命。 计算机技术的进步几乎影响着社会的方方面面，硬件的进步使得程序员可以编写出各种各样优秀的应用软件。也许不久的将来虚拟现实、无人驾驶、无现金支付就会成为现实。 1 计算机分类 计算机从用途上来讲主要分为三种： 个人计算机(Personal Computer)，也称为 PC，这是人们最熟知的一种计算机，个人计算机强调用户体验，价格低廉，性价比高，个人计算机虽然出现时间很短，但是却大大推动了计算机历史的进程。 服务器(Server)，服务器通常借助网络访问，用于执行大负载任务，可以处理复杂的应用，服务器相比个人计算机，有着更强的计算、存储和 I/O 能力。发生故障时，服务器比个人计算机恢复代价高。 服务器分为两种，一种用于处理简单小型的 web 服务，没有显示器和键盘。而另外一种是高端服务器，高端服务器通常称为超级计算机，一般由成千上万台处理器组成，内存非常大，同时价格也非常高。 嵌入式计算机(embedded computer) 是数量最多的一类计算机，应用和性能十分广泛，一般应用于汽车、电视中的微处理器，飞机、火车、家用冰箱、洗衣机等

D站搜索： TDA Miku dl mmd stage 场景 mme dl 飘落的场景 falling mme dl B碗搜索： stage 在niconico静画中找密码 模型文件 .x 没有影子 .pmd .pmx模型 数据文件 .vmd .vpd 媒体文件 .avi .avs .wav .png .jpg .dds 工程文件 .emm .pmm 音频 .wav 乱码时使用：MMDZip 尺寸导出 1280x720 1920x800 床--表示地面 物体跑样时选择： 物理演算->刚体初始化 借物表 借物表生成器 K帧常用键 Ctrl 微调 Shift 大幅度调整 x263vfw Ut Video Codec Suite C 显示隐藏骨骼 选中骨骼，按下 X 显示随视角转动的坐标轴 Z 随意的拖动（方型骨骼） B 改变背景颜色z P 播放 回车 注册关键帧 TAb 切换模型/像机 V 模型半透明化 FK骨 IK骨 来源： oschina 链接： https://my.oschina.net/u/4401145/blog/4289951

【以下为分享实录，有删节】 阿里巴巴为什么要自研代码管理平台 也许你会问：为什么阿里巴巴要重新做一套代码管理平台，继续用GitLab版本不是挺好的吗？接下来从我个人的角度在这里尝试进行解答。 由于历史原因，在阿里巴巴集团内部代码平台是整个DevOps领域中起步相对较晚的一块业务域，相比于发布域、测试域有着多年的积累和沉淀来讲，2017年时的代码平台可以说是为了满足整体业务需求由几个系统强行拼凑起来的。 为了支撑起阿里巴巴整体的业务发展，研发团队要同时维护6个系统，分别是负责代码托管的GitLab、Svn、Gerrit，以及负责上层代码服务的Phabricator、CodeCenter、ScmCenter。且其中除了CodeCenter、ScmCenter之外，其它四个均是在开源系统之上二次封装改造而来的。其中Gitlab技术栈是基于Ruby，Phabricator基于PHP，SVN基于C，Gerrit基于Java,这给我们日常的开发和维护工作增加了很多负担。 当时代码平台遇到的困难和挑战主要有四个方面： 一、技术架构方面：多套系统架构，多种开发语言，不仅维护成本高，且与阿里集团的主流技术脱节，研发团队同学每天疲于填坑，然而整体上却得不到大的改善。 二、平台发展方面：单纯的Gitlab、Svn、Gerrit均无法与周边关联系统做到有效协同