分类目录归档：其他

其他有些什么其他东西呢

CS Conference TOP 40 计算机会议TOP40

Posted on by
回复

一、A 类 15 个

  1. ASPLOS: Architecture Support for Programming Languages and Operation 体系结构方面的顶尖会议 微处理器设计【硬件】
  2. CCS: ACM Computer and Communications Security NDSS (Network and Distributed Systems Security)   Web 安全方面
  3. FAST: USENIX Conference on File and Storage Technologies 存储领域最好的专业会议，该会议只针对存储相关的内容，属于本领域最顶级的会议。录取率非常低，现在的状况是基本上只有美国和加拿大最顶尖的研究小组在上面发表文章。每年举办一届。存储领域
  4. HPCA：International Symposium on High Performance Computer Architecture 高性能计算领域最好会议之一，基本上都是最顶尖的研究小组在上面发文章。高性能计算
  5. ICSE: International Conference on Software Engineering 软件工程方向的权威会议，接收率不到20％。除了main conference之外，还包括tutorials, workshops, symposia以及collocated conferences。编译技术
  6. ISCA: International Conference on Computer Architecture ISCA是由IEEE 和ACM主办的国际会议，每年一次。主要关注处理器结构、存储结构、功耗等方面的研究，在国内外学术界很高的影响。接收率20％左右。编译技术
  7. OSDI: USENIX Symposium on Operating Systems Design and Implementation USENIX操作系统领域重要会议，侧重操作系统各方面的新型技术。操作系统
  8. ACM SIGCOMM: ACM Conf on Communication Architectures, Protocols & Apps ACM的旗舰会议之一，也是网络领域顶级学术会议，内容侧重于有线网络，每年举办一次，录用率约为10%左右。网络通信领域
  9. ACM SIGIR: The ACM Conference on Research and Development in Information Retrieval 信息检索方面最好的会议, ACM 主办, 每年开。19％左右。信息检索技术
  10. ACM SIGMOD: ACM SIGMOD Conf on Management of Data 数据库与数据管理最顶级的学术会议，数据管理的主要发展都在这个会上有描述。数据管理
  11. SOSP：ACM Symposium on Operating Systems Principles 操作系统最好的会议和OSDI交替举行，每两年一届，操作系统旗舰会议操作系统。基本上是美国最顶尖的研究小组在上面发文章，其他地区要中极其困难。操作系统
  12. STOC：Annual ACM Symposium on Theory of Computing
  13. USENIX Annual Technical Conference 操作系统、体系结构方面最好的会议之一。计算机系统
  14. VEE：ACM International Conference on Virtual Execution Environments
  15. VLDB: The ACM International Conference on Very Large Data Bases 数据库领域顶级国际。数据库 继续阅读 →

[转]计算机学会推荐国际学术刊物-系统结构

Posted on by
回复

一、计算机体系结构与高性能计算（刊物仅标注了 A、B 类）

  1. TACO   ACM Transactions on Architecture and Code Optimization
  2. TOCS   ACM Transactions on Computer Systems
  3. TOC      IEEE Transactions on Computers
  4. TPDS    IEEE Transactions on Parallel and Distributed Systems
  5. TECS    ACM Transactions on Embedded Computing Systems
  6. TRTS    ACM Transactions on Reconfigurable Technology and Systems
  7. TOS      ACM Transactions on Storage
  8. Concurrency and Computation: Practice and Experience
  9. MICRO  IEEE MICRO
  10. TCAD     IEEE transactions on computer-aided design of integrated circuit and system
  11. JPDC     Journal of Parallel and Distributed Computing
  12. JSA        Journal of Systems Architecture
  13. Parallel Computing
  14. Performance Evaluation 继续阅读 →

编译Linux内核

Posted on by
4

一、下载 linux 内核源代码

1.0  www.kernel.com 下载源代码

2.0  将下载的源程序解压到 /usr/src 内

二、下载工具

2.0  下载 build-essential：apt-get install build-essential

2.1  下载 libqt3-header：apt-get install libqt3-header

2.2  下载 gcc：apt-get install gcc

备注：如果不下载，后面的 make xconfig 将提示：没有规则可以创建

三、配置并编译

进入 /usr/src 目录，以下操作都是在该目录下进行：

3.0  make xconfig 配置 linux 内核信息，如果需要在嵌入式中装 linux 这点很重要。

详见：http://lamp.linux.gov.cn/Linux/kernel_options.html 讲解了内核配置

3.1  make clean （当源被重新编译需要执行）

3.2  make

3.3 make modules_install

3.4 cp /arch/i386/boot/bzImage /boot/vmlinuz-<version>

3.5  cp System.map /boot/System.map

3.6   mkinitramfs -o /boot/initrd.img-<version> <version>

3.7 修改 /boot/grub/grub.cfg

Reboot 

继续阅读 →

有个简单的经济原理

Posted on by
回复

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。

继续阅读 →

Bloom filter

Posted on by
回复

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。

继续阅读 →