操作系统原理学习笔记(苏曙光老师)——一、操作系统概述

1、操作系统初步认识

基本功能

  • 提供操作界面
  • 控制程序运行
  • 管理系统资源
  • 配置系统参数
  • 监控系统状态
  • 工具软件集合

2、操作系统功能和定义

  • 进程管理(CPU管理)

    进程控制:创建、暂停、唤醒、撤销

    进程调度:调度策略、优先级

    进程通信:进程间通信

  • 内存管理

    内存分配、内存共享、内存保护、虚拟内存

  • 设备管理

    设备的分配和调度、设备无关性、设备传输控制、设备驱动

  • 文件管理

    存储空间管理、文件的操作、目录的操作、文件和目录的存取权限管理

操作系统的定义:操作系统是一个大型系统程序,提供用户接口,方便控制计算机负责为应用程序分配和调度软硬件资源,并控制与协调应用程序并发活动,帮助用户存取和保护信息

操作系统地位(如下图):

3、操作系统发展历史

用户需求提升硬件技术进步是操作系统发展的两大动力

  • 计算机硬件发展的四个典型阶段

    电子管时代(1946-1955)

    晶体管时代(1955-1965)

    集成电路时代(1965-1980)

    大规模集成电路时代(1980-至今)

  • 操作系统发展的四个典型阶段

    手工操作(无操作系统)50年代早期

    单道批处理系统 50年代

    多道批处理系统 60年代初

    分时系统 60年代中

4、分时技术与分时操作系统

4.1、60年代硬件的两个重大进展
  • 中断技术

    CPU收到外部信号(中断信号)后,停止当前工作,转去处理该外部事件,处理完毕后回到原来工作的中断处(断点)继续原来的工作。

  • 通道技术

    专门处理外设内存之间的数据传输的处理机

4.2、分时操作系统的背景
  • 事务性任务的涌现

    交互性高

    响应迅速

  • 要求支持多任务/多用户

  • 多终端计算机

    • 高性能主机+多个终端

      主机:运算,CPU+内存,

      终端:输入和显示

    • 主机采用分时技术轮流为每个终端服务。每个终端都感受到是“独占”主机!

4.3、分时技术
概念
  • 主机以很短的“时间片”为单位,把CPU轮流分配给每个终端使用,直到全部作业被运行完。

  • 由于时间片很短,在终端数量不多的情况下,每个终端都能很快重新获得CPU,使得每个终端都能得到及时响应

    等待周期=时间片*终端数量

分时系统的特点
  • 多路调制性

    多用户联机使用同一台计算机

  • 独占性

    用户感觉独占计算机

  • 交互性

    及时响应用户的请求

UNIX
  • 第一个实用化的分时操作系统

    第一个真正体现操作系统领域各种先进概念和技术的操作系统

  • 革新和创造

    实现操作系统的可移植性;实现了硬件无关性;引进了“特殊文件”(Special File)的概念,把外设看作文件,实现对外设统一管理

5、典型操作系统类型

操作系统的进一步发展(分时系统的衍化)
  • 微机操作系统
  • 多处理机操作系统
  • 网络操作系统
  • 实时操作系统
  • 嵌入式操作系统
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Spark是一个开源的大数据处理框架,它提供了高效的数据处理能力和易用的API,支持多种数据处理模式,包括批处理、流处理和机器学习等。Spark的核心是分布式计算引擎,它可以在集群中运行,利用多台计算机的计算能力来处理大规模数据。Spark的优势在于其高效的内存计算和强大的数据处理能力,可以在处理大规模数据时提供更快的计算速度和更高的性能。Spark的生态系统也非常丰富,包括Spark SQL、Spark Streaming、MLlib和GraphX等组件,可以满足不同的数据处理需求。 ### 回答2: Spark是一种大规模数据处理引擎,可以较快地处理大数据。Spark并不是单独的一种工具,而是一系列的工具和库的整合。它具备高效的内存计算功能,能够在数秒或数分钟内完成数据处理任务。 Spark的核心是分布式计算引擎,通过将数据分成多个部分进行处理,缩短了计算时间。Spark基于RDD(弹性分布式数据集)进行数据处理,RDD是一种可缓存、可重用和容错的数据结构。RDD抽象了数据分布和分区,提供了简单的API。 Spark的架构包括四个组件:Driver、Cluster manager、Worker、和 Executor。其中Driver是Spark应用程序的主程序,Cluster manager通过Master节点来管理各个Worker节点,Worker节点包含了整个Spark集群的计算资源,Executor执行计算任务。 Spark支持多种编程语言,包括Scala、Java、Python和R。其中Scala是Spark的主要语言,因为它能够将Spark的API最大程度地利用。 除了分布式计算引擎外,Spark还提供了多种库和工具,包括Spark SQL、Spark Streaming、MLlib和GraphX。Spark SQL是一种用于结构化数据处理的库,能够使用SQL语句进行数据查询;Spark Streaming可以实时处理数据流,包括文本和图像等;MLlib是实现了多种机器学习算法的库,包括分类、回归、聚类和协同过滤;GraphX可以用于图计算和图分析领域。 总之,Spark是一种强大的大数据处理引擎,能够通过分布式计算架构实现快速的数据处理。它提供了多种语言支持和众多的库和工具,方便用户处理各类数据。 ### 回答3: Spark是一款开源的、分布式的大数据处理框架,它的出现将大数据处理的速度提升到了一个全新的水平。Spark的特点在于它的内存计算引擎,这使得Spark的运行速度比传统的MapReduce处理速度要快很多,同时也比传统的Hadoop更加灵活。 Spark可以用于处理各种大数据应用场景,包括批处理、交互式查询、实时流处理等等。同时,Spark的生态系统非常丰富,有众多的开源库和工具可以使用,例如:Spark SQL、Spark Streaming、GraphX、MLlib等等。 Spark的运行环境需要一个集群,因为Spark是分布式的,它可以通过在集群中多个节点上并行执行任务来提升处理速度,而且Spark支持多种集群管理和资源调度工具,例如:Apache Mesos、Hadoop YARN、Spark自带的资源调度程序等等。 Spark的编程接口非常灵活,可以使用Scala、Java、Python等多种编程语言来编写Spark程序。无论是使用哪种编程语言,Spark都提供了相应的API和工具,例如:Spark SQL、Spark Streaming等。 总之,Spark是一个非常强大的大数据处理框架,它的出现是对传统的Hadoop框架的一种补充和升级,不仅可以处理海量的数据,而且可以提供更快速的数据处理速度和更强大的数据处理能力。因此,Spark已经成为现代大数据处理和机器学习领域中非常重要的工具之一。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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