「实验记录」MIT 6.824 KVRaft Lab3B With Log Compaction

这篇具有很好参考价值的文章主要介绍了「实验记录」MIT 6.824 KVRaft Lab3B With Log Compaction。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

I. Source

  1. MIT-6.824 2020 课程官网
  2. Lab3: KVRaft 实验主页
  3. simviso 精品付费翻译 MIT 6.824 课程
  4. Paper - Raft extended version

II. My Code

  1. source code 的 Gitee 地址
  2. Lab3B: KVRaft with log compaction的 Gitee 地址

课程官网提供的 Lab 代码下载地址,我没有访问成功,于是我从 Github 其他用户那里 clone 到干净的源码,有需要可以访问我的 Gitee 获取

III. Motivation

Lab3A: KVRaft without log compaction 解决了分布式 KV 存储数据库问题,如果需要请移步此博文。而 Lab3B: KVRaft with log compaction 主要是解决存储的日志量过大的问题,原先的 KV Server 只要一直在运行,那么 Raft 层存储的日志条目就会一直增加。一直增加的态势是非常糟糕的,因为内存是有限的,撑爆内存只是早晚的事

所以,我们设计出一种压缩日志的机制,即是日志增长到一定程度之后,通过 snapshot 的手段记录下 kv 数据库的状态,并丢弃 Raft 层已存储的日志条目,从而达到压缩日志,节省空间的目的

其二,通过 snapshot 手段能够使落后的 follower 更快地跟上 leader 最新的状态,leader 向落后的 follower 发送 snapshot,让 follower 直接复制最新的 kv 表,而不是让落后的 follower 慢慢迭代成最新的状态。这样可以大大提高同步的速度

IV. Solution

先梳理一下 primary server 的 snapshot 流程。首先,client 会向 primary server 发送 Get/Put 请求,server 收到请求后会将请求转为日志条目,并追加至 Raft 层的日志中;待 Raft 集群同步完成之后,servers 会判断 Raft 层的日志是否已达到截断阈值(日志太长了)

这里请注意,不论是 primary server 还是 secondary server,它们都有资格制作 snapshot。在正常的同步流程中,都是让每位 follower 自己制作 snapshot 的,而不是等待 leader 发来的 InstallSnapshot RPC 进行被动同步。这样做的好处是减少集群中通信的开销,只有在 follower 的 snapshot 与 leader 的相差较远的时候,leader 才会向其发送 InstallSnapshot RPC 进行 snapshot 同步

回归正题,如果 Raft 层的日志条目太多了,则将此时的 kv 表抓取下来制作成 snapshot,并告知 Raft 层:kv 层已生成最新的 snapshot,Raft 层在收到 snapshot 之后,就可以丢掉 snapshot 点之前的日志条目了

另外,集群中的其他 secondary servers 在收到 leader 发来的 InstallSnapshot RPC 时,将会根据自己的状态选择是否更新 kv 表,其中也包含一些丢弃 snapshot 点之前的过期条目之类的操作

S1 - server制作/接收snapshot

和 Lab3A: KVRaft without log compaction 一样,代码的结构并没变化,只是在 kvraft/server.go:loop() 中增加了一些接收和发送 snapshot 的业务代码,

func (kv *KVServer) loop() {
	for !kv.killed() {
		msg := <-kv.applyCh /* Raft 集群已同步 */

		if !msg.CommandValid { /* follower 的 kv 层要抄 leader 送来的作业 */
			r := bytes.NewBuffer(msg.Snapshot)
			d := gob.NewDecoder(r)

			kv.mu.Lock()
			kv.db = make(map[string]string)
			kv.ack = make(map[int64]int)
			d.Decode(&kv.db)
			d.Decode(&kv.ack)
			kv.mu.Unlock()
		} else {
			op := msg.Command.(Op)  /* 将 Command 空接口部分强制转换为 Op*/
			idx := msg.CommandIndex /* 这是第几条命令 */

			kv.mu.Lock()
			/* 准备将该命令应用到状态机 */
			if kv.isUp2Date(op.ClntId, op.CmdId) { /* 不执行过期的命令 */
				kv.updateDB(op)
				kv.ack[op.ClntId] = op.CmdId /* ack 跟踪最新的命令编号 */
			}

			if kv.maxraftstate != -1 && kv.rf.GetPersisterSize() > kv.maxraftstate {
				w := new(bytes.Buffer)
				e := gob.NewEncoder(w)
				e.Encode(kv.db)
				e.Encode(kv.ack)
				data := w.Bytes()
				kv.rf.StartSnapshot(idx, data) /* 这里不能用 goroutine,否则 server->raft 的 snapshot 不及时,进而导致 statesize 过大 */
			}

			/*
			* 分流,回应 client,即继续 Get 或 PutAppend 当中的流程,
			* 最后再回复 client,不然会导致 leader 和 follower 制作 snapshot 不同步
			 */
			ch, ok := kv.results[idx]
			if ok { /* RPC Handler 已经准备好读取已同步的命令了 */
				select {
				case <-kv.results[idx]:
				default:
				}
				ch <- op
			}
			kv.mu.Unlock()
		}
	}
}

日志条目在 Raft 层同步完成之后,server 会判断该条目( Raft 层传来的命令)到底是要其接收 OR 制作 snapshot。何时接收 snapshot?无非是在 primary server 觉得 secondary server 有点落后的时候

leader 会在 Raft 层向 follower 发送 InstallSnapshot RPC,follower 收到之后进行一系列的 snapshot 更新操作,然后通过 kv 层的 secondary:目前收到了来自 primary 的最新 snapshot,望你取走,更新你的 kv 表,对应第 5 ~ 15 行

何时制作 snapshot?在日志条目达到一定数量时,超过 maxraftstate 阈值就开始考虑制作,对应第 26 ~ 33 行。且 maxraftstate 不为 -1,这在 Lab3: KVRaft 实验主页 上有过提示,

If maxraftstate is -1, you do not have to snapshot. maxraftstate applies to the GOB-encoded bytes your Raft passes to persister.SaveRaftState().

其中的 GetPersisterSize() 是我自己增加的辅助函数,定义在 raft/snapshot.go 中,

/* 辅助函数,用于 kv 层感知 snapshot 阈值 */
func (rf *Raft) GetPersisterSize() int {
	return rf.persister.RaftStateSize()
}

其实就是调用 persister 对象的 RaftStateSize() 方法,让 kv 层能够感知到当前 Raft 层已持久化了多少日志,好做进一步的制作 snapshot 判断

第 32 行必须立刻将制作好的 snapshot 发往 Raft 层,如果采用 goroutine 异步的手段,会有 snapshot 延迟发送的情况发生,进而导致日志条目数量与实际制作 snapshot 时不符

另外,制作和发送 snapshot 这件事必须在回应 client 请求(第 39 ~ 46 行)之前完成,这个顺序不能乱。用正常的逻辑思考这个问题也很容易理顺,即是只有在自己和集群中其他服务器同步好了之后,才会去回应外部的请求。其中,“同步完成” 如何定义?那自然包含制作和发送 snapshot 这一套子流程啦

S2 - raft层保存snapshot

server 在将 snapshot 从 kv 层发往 Raft 层后,后者是通过 StartSnapshot() 来接收 snapshot,定义在 raft/snapshot.go 中,

func (rf *Raft) StartSnapshot(idx int, snapshot []byte) {
	if rf.killed() {
		return
	}

	rf.mu.Lock()
	defer rf.mu.Unlock()

	baseIdx := rf.log[0].Idx

	/* 已 snapshoted 不予处理 OR 超前的错误 snapshot */
	if idx <= baseIdx || idx > rf.commitIdx { /* 何为超前? */
		return
	}

	/* 设置 snapshot 截断点 */
	lastIncludedIdx := idx
	lastIncludedTerm := rf.log[idx-baseIdx].Term

	/* 把截断点之前的日志丢掉 */
	newLog := make([]LogEntry, 0)
	newLog = append(newLog, LogEntry{Idx: lastIncludedIdx, Term: lastIncludedTerm})

	for i := lastIncludedIdx - baseIdx + 1; i < len(rf.log); i++ {
		newLog = append(newLog, rf.log[i])
	}

	rf.log = newLog

	/* Lab2C 持久化操作 */
	rf.persist()
	rf.persister.SaveSnapshot(snapshot)
}

主要的逻辑即是保存 kv 层发来的 snapshot,首先会记录下 snapshot 的截断点(第 16 ~ 18 行),然后将截断点之前的日志条目统统丢掉(第 21 ~ 28 行),其中需要注意逻辑编号和物理下标之间的转换,这点非常重要,即 i := lastIncludedIdx-baseIdx+1。最后,持久化一下日志条目和 snapshot 即可

S3 - leader定向发送InstallSnapshot RPC

leader 在广播 AE 包时如果发现该 follower 比较落后(体现在 nextIdx 上),会向其发送 InstallSnapshot RPC,要求该 follower 同步最新的 snapshot。具体的业务逻辑还是 Lab2C: Persist 的 raft/raft.go:boatcastAE() 框架,

func (rf *Raft) boatcastAE() {
	rf.mu.Lock()
	defer rf.mu.Unlock()

	/* 所有 peers 应该收到相同的 AE 包 */
	for i, _ := range rf.peers {
		if i == rf.me || rf.role != Leader {
			continue
		}

		baseIdx := rf.log[0].Idx

		if rf.nextIdxs[i]-1 < baseIdx {
			targs := InstallSnapshotArgs{
				Term:             rf.curTerm,
				LeaderId:         rf.me,
				LastIncludedIdx:  rf.log[0].Idx,
				LastIncludedTerm: rf.log[0].Term,
				Data:             rf.persister.snapshot,
			}
			treply := InstallSnapshotReply{}

			go func(id int, args InstallSnapshotArgs, reply InstallSnapshotReply) {
				rf.sendInstallSnapshot(id, &args, &reply)
			}(i, targs, treply)
		} else {
			/* 这一块 RPC 初始化操作必须写在 goroutine 之外,因为在 goroutine 内部,锁是失效的 */
			targs := AppendEntriesArgs{
				Term:         rf.curTerm,
				LeaderId:     rf.me,
				LeaderCommit: rf.commitIdx,
			}

			/*------------Lab2B Log Replication----------------*/
			/* nextIdxs 和 prevLogIdx 都是逻辑编号 */
			if rf.nextIdxs[i]-1 <= rf.lastLogIdx() { /* backup test 不加以限制可能会越界 */
				targs.PrevLogIdx = rf.nextIdxs[i] - 1
			} else {
				targs.PrevLogIdx = rf.lastLogIdx() /* 意味着发送不含日志条目的心跳包 */
			}
			targs.PrevLogTerm = rf.log[targs.PrevLogIdx-baseIdx].Term

			if rf.nextIdxs[i] <= rf.lastLogIdx() { /* rejoin test 不加以限制可能会越界 */
				targs.Entries = make([]LogEntry, len(rf.log[rf.nextIdxs[i]-baseIdx:]))
				copy(targs.Entries, rf.log[rf.nextIdxs[i]-baseIdx:])
			}

			treply := AppendEntriesReply{}

			go func(id int, args AppendEntriesArgs, reply AppendEntriesReply) {
				rf.sendAppendEntries(id, &args, &reply)
			}(i, targs, treply)
		}
	}
}

主要是新增了发送 snapshot 的逻辑,对应第 13 ~ 26 行。同步之前的准备也很简单,就是做一些简单的封装,包括 snapshot 截断点及对应的 term,对应变量 tagrs ,然后就是调用 raft/snapshot.go:sendInstallSnapshot() RPC 方法将其发走

这里需要注意的是如果是常规的发送 AE 包,接收方( appendEntries.go:AppendEntries )需要添加一段 snapshot 截断点的逻辑,

func (rf *Raft) AppendEntries(args *AppendEntriesArgs, reply *AppendEntriesReply) {
	rf.mu.Lock()
	defer rf.mu.Unlock()
	/*------------Lab2C Persist---------------*/
	defer rf.persist()

	reply.Success = false
	reply.Term = rf.curTerm

	if args.Term < rf.curTerm {
		return
	}

	/* 主要为了让旧 leader 收到了新 leader 的心跳包后而被迫退位 */
	if args.Term > rf.curTerm {
		...
	}

	/* 心跳包只对 follower 和 candidate 管用,leader 是不会响应它的 */
	rf.heartBeatCh <- struct{}{}
	rf.votedFor = args.LeaderId

	/*------------Lab2B Log Replication----------------*/
	baseIdx := rf.log[0].Idx

	/*------------Lab3B Log Compaction----------------*/
	if baseIdx > args.PrevLogIdx { /* snapshot 之前的日志条目已提交了,请勿覆盖 */
		reply.XTerm = XTermCommitted
		reply.XIdx = baseIdx + 1
		return
	}

	/* 已提交的日志条目不允许覆盖 */
	if args.PrevLogIdx < rf.commitIdx {
		...
		return
	}

	if rf.lastLogIdx() < args.PrevLogIdx { /* 违法下标,越界了 */
		...
		return
	}
    ...
}

通过第 27 ~ 31 行的代码判断 snapshot 截断点之前的日志条目是否已经提交了。翻译一下,即是如果 leader 发来的条目是 follower 已经提交过的,那么 follower 直接拒绝并告知 leader:下次发新的来( snapshot 截断点之后的)

S4 - follower回应InstallSnapshot RPC请求

在 follower 收到 InstallSnapshot RPC 请求后,首先会做一些常规的判断,包括 term 的比较等等,这些和 Lab2B: Log Replication 的 AppendEntries RPC 请求的处理逻辑相同,在这就不再赘述。定义在 raft/snapshot.go 中,

func (rf *Raft) InstallSnapshot(args *InstallSnapshotArgs, reply *InstallSnapshotReply) {
	rf.mu.Lock()
	defer rf.mu.Unlock()

	reply.Term = rf.curTerm
	if args.Term < rf.curTerm {
		return
	}

	/* 主要为了让旧 leader 收到了新 leader 的心跳包后而被迫退位 */
	if args.Term > rf.curTerm {
		rf.curTerm = args.Term
		rf.role = Follower
		rf.votedFor = NoBody
	}

	/* 心跳包只对 follower 和 candidate 管用,leader 是不会响应它的 */
	rf.heartBeatCh <- struct{}{}
	rf.votedFor = args.LeaderId

	baseIdx := rf.log[0].Idx

	/* 版本较低的 snapshot 不予理会 */
	if args.LastIncludedIdx <= baseIdx {
		return
	}

	rf.truncateLog(args.LastIncludedIdx, args.LastIncludedTerm)

	msg := ApplyMsg{CommandValid: false, Snapshot: args.Data}

	rf.persist()
	/* follower 保存 leader 发来的快照 */
	rf.persister.SaveSnapshot(args.Data)

	/* 不用提交 snapshot 之前的日志条目啦,但请为之后的提交做好准备 */
	rf.commitIdx = args.LastIncludedIdx
	rf.appliedIdx = args.LastIncludedIdx

	/* 将 snapshot 直接交给 kv 层,无需 commit */
	rf.applyCh <- msg
}

重点讲解第 21 行之后的逻辑,首先将上次 snapshot 截断点的标号记为 baseIdx ,如果请求所包含的 snapshot 比当前的 baseIdx 落后,则不予理会;反之就需要考虑如何同步请求发来的 snapshot 了

当然,第一步就是截断 snapshot 点之前的日志条目,在这里我封装了 truncateLog() 方法以便复用,

func (rf *Raft) truncateLog(lastIncludedIdx int, lastIncludedTerm int) {
	idx := 0
	/* 从日志后面往前扫,寻找 lastIncluded 条目所在的位置 */
	for i := len(rf.log) - 1; i >= 0; i-- {
		if rf.log[i].Idx == lastIncludedIdx && rf.log[i].Term == lastIncludedTerm {
			idx = i
			break
		}
	}

	newLog := make([]LogEntry, 0)
	newLog = append(newLog, LogEntry{Idx: lastIncludedIdx, Term: lastIncludedTerm})

	if idx != 0 { /* 有找到 lastIncluded 条目 */
		for i := idx + 1; i < len(rf.log); i++ {
			newLog = append(newLog, rf.log[i])
		}
	}

	rf.log = newLog
}

逻辑很简单,就是从日志后面往前扫,寻找 lastIncluded 条目所在的位置。然后,以该点为开端将之后的日志条目顺起来就可以了。额外需要考虑的情况是原来的日志条目中可能并不存在 lastIncluded 的条目,这个时候只需更新日志下标 0 处的条目即可( snapshot 截断点)

另外,为什么要新建 newLog 切片?主要是为了实现垃圾回收功能,这是 Golang 的 gc 机制的特色。如果还在引用 rf.log ,那么就回收不了 snapshot 截断点之前的日志条目的空间。所以,我们必须另起炉灶(恶心的一比)

言归正传,follower 在截断之后就可以将 snapshot 保存在本地了。这里需要注意的是不用再提交 snapshot 截断点之前的日志条目了,但请为之后的 commit 做好准备,对应代码在第 37 和 38 行更新 appliedIdxcommitIdx 操作。最后,就可以将包含来自于 leader 的 snapshot 数据打包发往 kv 层了

S5 - leader收到InstallSnapshot Reply

leader 在收到 follower 关于 InstallSnapshot RPC 回应之后,同样也是做一些常规的判断,如同 Lab2B: Log Replication 的 AppendEntries Reply,

func (rf *Raft) sendInstallSnapshot(server int, args *InstallSnapshotArgs, reply *InstallSnapshotReply) bool {
	DPrintf("[%v->%v] send install rpc in snapshot.go:sendInstallSnapshot\n", rf.me, server)
	ok := rf.peers[server].Call("Raft.InstallSnapshot", args, reply)

	rf.mu.Lock()
	defer rf.mu.Unlock()

	if !ok {
		return ok
	}

	term := rf.curTerm
	/* 自身过期的情况下 */
	if rf.role != Leader || args.Term != term {
		return ok
	}

	/* 仅仅是被动退位,不涉及到需要投票给谁 */
	if reply.Term > term {
		rf.curTerm = reply.Term
		rf.role = Follower /* 主动回滚至 follower */
		rf.votedFor = NoBody
		rf.persist()
		return ok
	}

	rf.nextIdxs[server] = args.LastIncludedIdx + 1
	rf.matchIdxs[server] = rf.nextIdxs[server] - 1

	return ok
}

需要关注的即是第 27 和 28 行新增的 nextIdx 调整的逻辑部分,leader 下一次再向该 follower 发送 snapshot 截断点下一个日志条目即可

S6 - server启动初始化

kv server 和 Raft 一样,需要保证持久化机制,所以在 kvraft/server.go:StartKVServer() 中添加重启之后读取 snapshot 的操作,

func StartKVServer(servers []*labrpc.ClientEnd, me int, persister *raft.Persister, maxraftstate int) *KVServer {
	// call labgob.Register on structures you want
	// Go's RPC library to marshall/unmarshall.
	labgob.Register(Op{})

	kv := new(KVServer)
	kv.me = me
	kv.maxraftstate = maxraftstate

	// You may need initialization code here.

	/* applyCh 要是异步的,不然会阻塞 */
	kv.applyCh = make(chan raft.ApplyMsg, 100)
	kv.rf = raft.Make(servers, me, persister, kv.applyCh)

	// You may need initialization code here.
	kv.db = make(map[string]string)
	kv.ack = make(map[int64]int)
	kv.results = make(map[int]chan Op)

	/*------------Lab3B Log Compaction----------------*/
	kv.readSnapshot(kv.rf.Persister().ReadSnapshot())

	go kv.loop()

	return kv
}

对应第 22 行 readSnapshot(),它也定义在 kvraft/server.go 中,

/* 辅助函数,读取已持久化的 snapshot */
func (kv *KVServer) readSnapshot(data []byte) {
	if data == nil || len(data) == 0 {
		return
	}

	r := bytes.NewBuffer(data)
	d := gob.NewDecoder(r)

	var db map[string]string
	var ack map[int64]int

	if d.Decode(&db) != nil || d.Decode(&ack) != nil {
		DPrintf("%v readSnapshot err in server.go:readSnapshot\n", kv.rf.GetId())
	} else {
		kv.db = db
		kv.ack = ack
	}
}

其中的 rf.Persister() 是我定义在 raft/raft.go 中的辅助函数,它返回 Raft 的 persister 对象,

func (rf *Raft) Persister() *Persister {
	return rf.persister
}

最后,还需要注意的是 Raft 层重启初始化时需要更新 appliedIdx 的值为 snapshot 截断点,在 raft/raft.go:readPersister 中,

func (rf *Raft) readPersist(data []byte) {
	if data == nil || len(data) < 1 { // bootstrap without any state?
		return
	}

	r := bytes.NewBuffer(data)
	d := gob.NewDecoder(r)
	var curTerm int
	var votedFor int
	var log []LogEntry

	if d.Decode(&curTerm) != nil || d.Decode(&votedFor) != nil || d.Decode(&log) != nil {
		DPrintf("read persist fail\n")
	} else {
		rf.curTerm = curTerm
		rf.votedFor = votedFor
		rf.log = log
	}

	/* restart 之后一定要将 appliedIdx 重置成 snapshot 点 */
	rf.appliedIdx = rf.log[0].Idx
}

意在告诉 Raft 请勿再提交已提交过的日志条目了!至此,梳理完 KVRaft with log compaction 的整套流程

V. Result

golang 比较麻烦,它有 GOPATH 模式,也有 GOMODULE 模式,6.824-golabs-2020 采用的是 GOPATH,所以在运行之前,需要将 golang 默认的 GOMODULE 关掉,

$ export GO111MODULE="off"

随后,就可以进入 src/kvraft 中开始运行测试程序,

$ go test -run 3B

仅此一次的测试远远不够,可以通过 shell 循环,让测试跑个一百次就差不多了

$ for i in {1..100}; go test -run 3B

这样,如果还没错误,那应该是真的通过了。分布式的很多 bug 需要通过反复模拟才能复现出来的,它不像单线程程序那样,永远是幂等的情况。也可以用我写的脚本 test_3b.py,

import os

ntests = 100
nfails = 0
noks = 0

if __name__ == "__main__":
  for i in range(ntests):
    print("*************ROUND " + str(i+1) + "/" + str(ntests) + "*************")

    filename = "out" + str(i+1)
    os.system("go test -run 3B | tee " + filename)
    with open(filename) as f:
      if 'PASS' in f.read():
        noks += 1
        print("✔️ok, " + str(noks) + "/" + str(ntests))
        os.system("rm " + filename)
      else:
        nfails += 1
        print("✖️fails, " + str(nfails) + "/" + str(ntests))
        continue

我已经跑过一百次,无一 FAIL文章来源地址https://www.toymoban.com/news/detail-617259.html

到了这里,关于「实验记录」MIT 6.824 KVRaft Lab3B With Log Compaction的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • MIT6.5830 Lab1-GoDB实验记录(四)

    标签:Golang 读写缓冲区我是一点思路都没有,所以得单独开篇文章记录。 实验补充 了解buffer、序列化与反序列化 这里的序列化,简单来说类似于把一个很长的字符串拆成一个个字符;反序列化就是把这一个个字符拼回成完整的字符串。此处我们需要根据所给的Tuple,转换为

    2024年02月06日
    浏览(51)
  • MIT6.5830 Lab1-GoDB实验记录(五)

    完成了Exercise 1,还有四个Exercise在等着我,慢慢来吧。 实验准备 了解缓冲池 缓冲池,俗称BP。相关的概念还有数据页和缓存页。页(Pages)的概念和操作系统中“分页”的概念是一样的,指的都是把逻辑地址空间分为若干同等大小的页,并从0开始编号。 而缓冲池(Buffer Po

    2024年02月05日
    浏览(47)
  • 《CPU设计实战》第四章lab3记录找bug

    修bug之路 1. debug_wb_pc 一个信号一个信号找下去,发现ID_stage.v中load_op未赋值 assign load_op = inst_lw; 代码解释 2. ds_valid未赋值 这里没有: 3. 模块实例化错误 4. 借鉴 mips指令格式 暂停,学习汇编程序去。 应该跳转到bfc0038c,但是顺序执行了 该bug自己没有解决,借鉴了上面大佬的。

    2024年02月07日
    浏览(49)
  • MCDF实验3:群鸦的盛宴(从verilog到SV的入门lab3)

    前言 :在实验3添加了随机约束来随机化产生的数据,使用了信箱来完成类之间的通信,添加了monitor、checker让验证的组件越来越完整。 种一棵树最好的时间是十年前,其次是现在。不是吗? 实验3需要用到随机化、信箱、类的多态这几个主要知识,大家可以先去学习哦! 在

    2024年02月06日
    浏览(84)
  • Lab3 存储过程与触发器

    学习SQL语言进行编程的基本方法与技术,能够编写存储过程、触发器解决数据库需要处理的复杂问题。 1、设计一个存储过程或者自定义函数,练习存储过程的设计方法。 2、设计触发器,理解触发器的工作原理与设计方法。 1、编写存储过程,传入学号,查询该同学所有选修

    2024年02月08日
    浏览(51)
  • Lab3-P4-综合算法应用

    任务描述 假设有4种硬币,它们的面值分别为2角5分,1角、5分和1分,现在要找给某顾客x分钱,问怎样找零钱才能使给的顾客的硬币个数量少? 相关知识 算法原理 贪心法找零钱的基本思想是:每次都是选择面值不超过需要找给顾客的钱的最大面值的硬币。以上面找零钱的问

    2024年02月04日
    浏览(54)
  • CS144 计算机网络 Lab3:TCP Sender

    在 Lab2 中我们实现了 TCP Receiver,负责在收到报文段之后将数据写入重组器中,并回复给发送方确认应答号。在 Lab3 中,我们将实现 TCP 连接的另一个端点——发送方,负责读取 ByteStream (由发送方上层应用程序创建并写入数据),并将字节流转换为报文段发送给接收方。 TC

    2024年02月01日
    浏览(52)
  • MIT 6.S081 Lab Three

    本文为 MIT 6.S081 2020 操作系统 实验三解析。 MIT 6.S081课程前置基础参考: 基于RISC-V搭建操作系统系列 在本实验中,您将探索页表并对其进行修改,以简化将数据从用户空间复制到内核空间的函数。 开始编码之前,请阅读xv6手册的第3章和相关文件: * kernel/memlayout.h* ,它捕获了

    2024年02月09日
    浏览(49)
  • mit6.828 - lab5笔记(上)

    unix的文件系统相关知识 unix将可用的磁盘空间划分为两种主要类型的区域: inode区域 和 数据区域 。 unix为每个文件分配一个inode,其中保存文件的 关键元数据 ,如文件的stat属性和指向文件数据块的指针。 数据区域中的空间会被分成大小相同的数据块(就像内存管理中的分

    2024年02月02日
    浏览(34)
  • 【MIT 6.S081】Lab7: Multithreading

    本Lab比较简单,就是为xv6添加一个用户级的多线程功能,然后熟悉一下Linux下多线程编程。 笔者用时约2h 这一部分的代码不涉及内核代码,所以也比较简单,根据提示修改 user/uthread.c 中的代码即可。仿照内核中进程转换函数 swtch 的实现即可。首先,添加一个 context 上下文结

    2023年04月09日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包