（备战招聘）操作系统之存储和寻址

最新推荐文章于 2022-10-23 20:06:50 发布

一只特立独行的老猫

最新推荐文章于 2022-10-23 20:06:50 发布

阅读量571

点赞数 2

文章标签：操作系统寻址存储

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42285271/article/details/87968581

版权

本文探讨了操作系统的存储层次结构，包括硬盘、内存、CPU缓存和寄存器，并详细解释了寻址空间和寻址过程。通过逻辑内存、物理内存和虚拟内存的概念，阐述了地址转换和数据读取的流程，以及处理内存碎片和系统速度的关系。

摘要由CSDN通过智能技术生成

操作系统的存储和寻址是较为重要的一部分，这里面有很多精髓的思想在里面，涉及到很多知识点，例如寻址空间（逻辑内存）、物理内存（实际拥有的内存）、虚拟内存（通常在硬盘上，固态或者机械硬盘上开辟的空间），因此我打算通过一种较为形象具体的方法来给大家讲解我的理解。
先说一下操作系统的存储

在这里插入图片描述
计算机的存储主要是层级结构化的，如图所示，从下至上的速度由慢到快，相应的成本也越来越高，所以容量也越来越小，价格越来越贵。
硬盘：数据长久存放，容量比较大
内存：关机数据就会消失，快速随机访问
CPU：运算模块和缓存模块，缓存分为不同级别
寄存器：离CPU运算单元最近的部分
好的那么给出一个地址，如何在层次性的存储结构中找到相关的数据呢，下面就要引入寻址的概念
首先要讲讲寻址空间，寻址空间为每一个进程可以取到的地址的范围，与机器上物理内存的大小是没有关系的，相当于一个逻辑上的概念，例如32位操作系统的寻址空间为 $2^{32} <$

最低0.47元/天解锁文章

一只特立独行的老猫

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

一只特立独行的老猫 CSDN认证博客专家 CSDN认证企业博客

码龄6年

17: 原创

34万+: 周排名

46万+: 总排名

2万+: 访问

: 等级

720: 积分

6: 粉丝

19: 获赞

260: 评论

87: 收藏

私信

关注

热门文章

最新评论

卷积滑动窗口检测算法原理
踏碎琼瑶: 请问博主有代码实现吗
卷积滑动窗口检测算法原理
guguai56: [code=python] if training: optimizer.zero_grad() self.state['loss'].backward() nn.utils.clip_grad_norm(model.parameters(), max_norm=10.0) optimizer.step( [/code]
卷积滑动窗口检测算法原理
guguai56: [code=html] <> [/code]
目标检测中YOLO网络模型的介绍
祥瑞Coding: #无监督学习-聚类 K-means聚类算法 #以k为参数，把n个对象分为k个簇，使簇内具有较高相似度，簇间相似度较低 #1.随机选择k个点作为初始聚类中心；2.根据剩下点与聚类中心的距离(默认就是欧氏距离)，归为最近的簇； #3.对每个簇，计算所有点的均值作为新聚类中心；4.重复2、3直至聚类中心不变 #31省1999年平均每人全年支出，分为衣、食等八个变量，利用已有数据，对其进行聚类(对各城市消费等级进行分类)。 #技术路线：sklearn.cluster.Kmeans #1.建立工程，导入sklearn相关包 import numpy as np from sklearn.cluster import KMeans #2.加载数据，创建K-means算法实例，并进行训练，获得标签 #加载数据方法定义 def loadData(filepath): fr=open(filepath,'r+') #读写方式打开 lines=fr.readlines() #一行一行读入 retData=[] retCityName=[] for line in lines: items=line.strip().split(',') #去掉文本中空格并拆分元素 retCityName.append(items[0]) #建立一个城市名称的列表[,,,...] retData.append([float(items[i]) for i in range(1,len(items))])#建立一个二维列表，每个城市数据为一个内层列表[[],[],[]...] return retData,retCityName #主程序 if __name__=='__main__': data,cityName=loadData("city.txt") #注意loadData的用法:会一行一行的处理数据，并分别返回响应值 #print(cityName,data)二者为列表类型 km=KMeans(n_clusters=3) #指定聚类中心个数(消费水平级数)，默认最大迭代次数max_iter为300 label=km.fit_predict
目标检测中YOLO网络模型的介绍
祥瑞Coding: #无监督学习-聚类 K-means聚类算法 #以k为参数，把n个对象分为k个簇，使簇内具有较高相似度，簇间相似度较低 #1.随机选择k个点作为初始聚类中心；2.根据剩下点与聚类中心的距离(默认就是欧氏距离)，归为最近的簇； #3.对每个簇，计算所有点的均值作为新聚类中心；4.重复2、3直至聚类中心不变 #31省1999年平均每人全年支出，分为衣、食等八个变量，利用已有数据，对其进行聚类(对各城市消费等级进行分类)。 #技术路线：sklearn.cluster.Kmeans #1.建立工程，导入sklearn相关包 import numpy as np from sklearn.cluster import KMeans #2.加载数据，创建K-means算法实例，并进行训练，获得标签 #加载数据方法定义 def loadData(filepath): fr=open(filepath,'r+') #读写方式打开 lines=fr.readlines() #一行一行读入 retData=[] retCityName=[] for line in lines: items=line.strip().split(',') #去掉文本中空格并拆分元素 retCityName.append(items[0]) #建立一个城市名称的列表[,,,...] retData.append([float(items[i]) for i in range(1,len(items))])#建立一个二维列表，每个城市数据为一个内层列表[[],[],[]...] return retData,retCityName #主程序 if __name__=='__main__': data,cityName=loadData("city.txt") #注意loadData的用法:会一行一行的处理数据，并分别返回响应值 #print(cityName,data)二者为列表类型 km=KMeans(n_clusters=3) #指定聚类中心个数(消费水平级数)，默认最大迭代次数max_iter为300 label=km.fit_predict

大家在看

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。