计算机基础知识笔记一

(学习ing)

#计算机的诞生、发展、分类和应用

一、计算机的诞生和发展

  1. 1946年 在美国宾夕法尼亚大学,冯·诺依曼研究出了第一台名为“ENIAC”的计算机,其电子元件为电子管,研究目的是为了科学计算和进行军事研究。其运算速度达到500次/秒。
时代时间元器件(电子元件)存储器处理方式应用领域
第一代计算机1946—1957电子管磁芯磁鼓无系统科学计算
第二代计算机1957—1964晶体管磁带磁盘汇编语言、高级语言数据处理
第三代计算机1964—1971中小规模集成电路半导体存储器、光盘、磁盘操作系统过程控制
第四代计算机1971—今大规模集成电路存储器操作系统数据库管理(办公自动化)

二、计算机的分类

1. 按信息形式分:

数字、模拟、数字模拟混合计算机

2. 按用途分类:

通用计算机和专用计算机

3. 按功能分类:

微型机(微机)(个人计算机、PC)
小型机、中型机、大型机、巨型机

三、计算机的特点

  1. 运算速度快
  2. 精度高
  3. 存储量大
  4. 逻辑运算能力强
  5. 自动化程度高

四、计算机应用

  1. 科学计算(最早的应用程序):常应用方面:天气预报、科研、军事
  2. 数据处理/信息处理:是最广泛的应用、办公自动化(OA)
  3. 实时控制:(过程控制)IT方面、化工厂生产方面
  4. 计算机辅助功能:
辅助设计CAD
辅助制作CAM
辅助教学CAI
辅助测试CAT
辅助工程CAE
  1. 人工智能:机器人
  2. 网络和多媒体

(今日毕。)

#微型计算机系统的组成

一、硬件系统

  1. 从原理(功能)上计算机硬件由哪几部分构成?这些部分又是如何协调工作的?
    · 包括运算器、控制器、存储器、输入设备、输出设备。
    ( 工作原理(或者说“存储程序原理”由冯·诺依曼提出)
    1) 计算机硬件包括:运算器、控制器、存储器、输入设备、输出设备
    2) 数据指令采用二进制数
    3) 存储程序控制:程序放计算机存储器中,计算机自动执行程序中的指令)
    · 协调工作:
    1) 控制器先通知输入设备接收数据,再将数据送到存储器里保存
    2) 控制器根据指令指挥运算器进行运算处理,处理结果也让存储器保存起来。
    3) 控制器再发出命令让输出设备把处理结果在输出设备上输出。

  2. 从原理上各部件功能:
    <1> 运算器(ALU):算数运算和逻辑运算(not、and、or、或!、*、+)
    ·“与”运算的运算规则:Ture为1;F为0;运算符号为“ * ”
    一个为假便为假,两个为真才是真
    ·“或”运算的运算规则:Ture为1;F为0;运算符号为“ + ”
    一个为真便为真。
    ·“非”运算的运算规则:Ture为1;F为0;运算符号为“ ! ”

<2> 控制器:
· 功能:指挥和控制计算机各部分自动协调一直的进行工作的部件。
· 指令:由操作码和地址码两部分组成。
· 执行指令的三部:取出指令、分析指令、执行指令
<3> 存储器:
· 功能 :存放数据和程序
· 包括:内部存储器(主存储器)和外部存储器(辅助存储器)两部分
ROM: 只读存储器又称CMOS:断电信息不丢、只读不写、存放引导程序及机器参数。
RAM:随机存储器,分为静态(SRAM)和动态(DRAM);速度上,静态>动态;断电信息丢失(要存盘);可读可写;暂存数据;相对于外存速度快。
· CPU 访问存储器
· Cache高速缓存:目的减少CPU与内存之间的速度差。
· 存储器数据存储单位:基本单位B(1bits)

B、KB、MB、GB、TB、PB

<4> 输入设备:接受操作者提供给计算机的原始信息,转换成计算机能识别和接受的信息方式。
<5> 输出设备:把计算机内部数据转变成人们习惯接受或其他机器可接受的信息(输出各种结果)

  1. 实物构成方面:主机、外设
  • 2
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hadoop是一个开源的分布式计算框架,可用于大数据的存储和处理。它采用了分布式文件系统(HDFS)和分布式计算框架(MapReduce),能够将大数据分割成小的数据块,并在集群中的多台计算机上并行处理这些数据块。 HDFS是Hadoop的分布式文件系统,它将大文件切分为多个数据块,并将这些数据块存储在集群中的多个计算机上。HDFS使用主从架构,其中NameNode负责管理文件系统的元数据,而多个DataNode负责实际存储数据。HDFS具有高容错性,能够自动复制数据块以保证数据的可靠性。 MapReduce是Hadoop的分布式计算框架,它通过将计算任务划分为多个Map和Reduce阶段来进行并行计算。Map阶段将输入数据切分为多个独立的小任务,并在集群中的多个计算机上并行执行。Reduce阶段将Map阶段的输出合并并进行聚合计算。MapReduce具有自动并行化、容错性和可扩展性等优点,能够高效地处理大规模数据集。 在学习Hadoop时,首先要了解Hadoop的核心组件,包括HDFS和MapReduce。然后,需要学习Hadoop的架构和工作原理,理解Hadoop如何实现分布式存储和计算。接下来,需要学习Hadoop的安装和配置,包括在单机和集群环境下的安装和配置过程。此外,还需要学习Hadoop的命令行工具和管理工具,以及Hadoop的API和编程模型。 在实际使用Hadoop时,需要掌握Hadoop的常用操作和管理技巧,如如何上传和下载文件、如何执行MapReduce作业、如何监控和管理Hadoop集群等。同时,需要学习Hadoop的优化技术和调优方法,以提高Hadoop集群的性能和效率。 总之,对于Hadoop的学习,除了理解其基础知识和工作原理外,还需要熟悉其常用操作和管理技巧,以及灵活运用Hadoop来解决实际的大数据问题。

“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