备注：如果不下载，后面的 make xconfig 将提示：没有规则可以创建
进入 /usr/src 目录，以下操作都是在该目录下进行：
详见：http://lamp.linux.gov.cn/Linux/kernel_options.html 讲解了内核配置
ZFS 是 SUN Microsystem 为其服务器开发的文件系统，2005发行，2009 年开源，是第一个 128 位文件系统。
不等圆packing拟物拟人问题简单而言是在一个大圆中放置（packing）若干（M）个小园问题，通过拟物和拟人的方法寻找、优化找到这样的放置（packing）问题的方法。
2007年美国金融危机爆发，2007年中国房价以深圳为代表开始大幅涨价，记得还有个深圳的娃在byhh 爆料自己家人劝他好好读书，深圳房价都涨到一万了。
2008年美国出台刺激消费措施，国内房价开始大幅下跌，出现有意思的情况是深圳许多之前买房的人，要还的贷款比当时房价还贵。
接着美国刺激消费措施失败，国内金融危机进一步加剧，中国房价持续走高。
再接着美国开动印钞机，发行大量美元，这些热钱大量流入中国，进一步促使房价上涨。
Bloom filter 是由 Howard Bloom 在 1970 年提出的二进制向量数据结构，它具有很好的空间和时间效率，被用来检测一个元素是不是集合中的一个成员，这种检测只会对在集合内的数据错判，而不会对不是集合内的数据进行错判，这样每个检测请求返回有“在集合内（可能错误）”和“不在集合内（绝对不在集合内）”两种情况，可见 Bloom filter 是牺牲了正确率换取时间和空间。
如需要判断一个元素是不是在一个集合中，我们通常做法是把所有元素保存下来，然后通过比较知道它是不是在集合内，链表、树都是基于这种思路，当集合内元素个数的变大，我们需要的空间和时间都线性变大，检索速度也越来越慢。 Bloom filter 采用的是哈希函数的方法，将一个元素映射到一个 m 长度的阵列上的一个点，当这个点是 1 时，那么这个元素在集合内，反之则不在集合内。这个方法的缺点就是当检测的元素量很多时候可能有冲突，解决方法就是使用 k 个哈希 函数对应 k 个点，如果所有点都是 1 的话，那么元素在集合内，如果有 0 的话，元素则不再集合内。
Bloom filter 优点就是它的插入和查询时间都是常数，另外它查询元素却不保存元素本身，具有良好的安全性。它的缺点也是显而易见的，当插入的元素越多，错判“在集合内”的概率就越大了，另外 Bloom filter 也不能删除一个元素，因为多个元素哈希的结果可能在 Bloom filter 结构中占用的是同一个位，如果删除了一个比特位，可能会影响多个元素的检测。
OceanStore 声称是一个全球规模的存储网络。因为这个网络基于不可信服务器，数据进行冗余和加密处理，为提供高可用性与性能，数据可能在任何地方、任何时间被缓存，OceanStore 能够忍受区域性中断服务和 DOS 服务攻击。在 CMU 已经有了原型，可参见上面 OceanStore 项目地址。
