nfu算法

① 如何看待中科院计算所的Cambricon-X稀疏深度学习处理器

在Google I/O 2016的主题演讲进入尾声时，Google提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。

根据TPU团队主要负责人介绍，TPU专为Google机器学习应用TensorFlow打造，能够降低运算精度，在相同时间内处理更复杂、更强大的机器学习模型并将其更快地投入使用。Google数据中心早在一年前就开始使用TPU，其性能把摩尔绝缺定律往前推进到7年之后。之前打败李世乭的AlphaGo就是采用了TPU做了运算加速。
根据Google所言，TPU只在特定应用中作为辅助使用，公司将继续使用CPU和GPU。并且Google并没有对外销售TPU的打算。因此，TPU虽好，但仅限Google内部，而且即便使用TPU，也是用作辅助CPU和 GPU。
谷歌并没有公布TPU是怎么设计的，因此似乎很难对其一探究竟。不过，要知道谷歌的TPU并不是什么黑科技，只不过是正常的一款专用加速芯片。而且，这也不是世界上第一款用来做深度学习的专用芯片。IBM和我国中科院其实都有类似成果。
IBM 在2014年研发出脉冲神经网络芯片TrueNorth，走的是“类脑计算”路线。类脑计算的假设是，相似的结构可能会出现相似的功能，所以假如用神经电子元件制造与人脑神经网络相似的电子神经网络，是否可能实现人脑功能呢？这其实有点像人类研究飞行器的过程。我们都知道鸟会飞是因为有翅膀，人没有。所以假如给人也弄一对翅膀，人是不是也能飞？
早先人类其实有这么一个探索过程。如今人类要探索大脑，但是大脑何其复杂？IBM的这款芯片就是通过打造类脑的芯片架构，来期望得到大脑同样的功能，就算达不到，能模拟一下也很有意义。大意如此，当然实际上复杂多了。目前这款芯片理念很超前，还处于深入研究阶段，算得上是黑科技。
今天要重点讲的其实是中科院的这款“寒武纪”芯片。2016年3月，中国科学院计算技术研究所发布了全球首个能够“深度学习”的“神经网络”处理器芯片，名为“寒武纪”。该课题组负责人之一、中科院计算所陈天石博士透露，这项成果将于今年内正式投入产业化。在不久的未来，反欺诈的刷脸支付、图片搜索等都将更加可靠、易用。下图是“寒武纪”的芯片板卡。

之所以重点讲，是因为Google的TPU芯片并没有公开设计细节，连是谁代工的都没有公开。但是没拦同样作为深度学习的芯片，有理由相信中科院的“寒武纪”与Google的TPU在设计理念上是相同的。在讲这个之前，先简单科普一下人工智能和深度学习。
1981年的诺贝尔医学奖，颁发给了David Hubel和Torsten Wiesel，以及Roger Sperry。前两位的主要贡献是，发现了人的视觉系统的信息处理是分级的。如下图所示：从原始信号摄入开始（瞳孔摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定眼前物体的形状，比如是椭圆形的），然后进一步抽象（大脑枯宏胡进一步判定该物体是张人脸），最后识别眼前的这个人。

而深度学习（Deep Learning），恰恰就是模仿人脑的机制来解释数据。通过组合低层特征形成更加抽象的高层特征（或属性类别）。例如，在计算机视觉领域，深度学习算法从原始图像去学习得到一个低层次表达，例如边缘检测器、小波滤波器等，然后在这些低层次表达的基础上，通过线性或者非线性组合，来获得一个高层次的表达。此外，不仅图像存在这个规律，声音也是类似的。比如，研究人员从某个声音库中通过算法自动发现了20种基本的声音结构，其余的声音都可以由这20种基本结构来合成！
对于深度学习来说，其思想就是堆叠多个层，上一层的输出作为下一层的输入。深度神经网络由一个输入层，数个隐层，以及一个输出层构成。每层有若干个神经元，神经元之间有连接权重。每个神经元模拟人类的神经细胞，而结点之间的连接模拟神经细胞之间的连接。

当然了，以上这些原理都不是重点。我们只需要明白深度神经网络模拟了大脑的神经网络，上图的每个圈圈都类似大脑的一个神经元。通过采用专用芯片进行神经元的运算加速，相比于采用CPU这种通用运算器，可以大大提高神经网络的性能。根据“寒武纪”芯片的介绍，它可以一条指令完成多个神经元的并行处理。据此推断，Google的TPU很有可能也是这么设计的，也就是说，支持一条指令完成神经元的多次计算。
“寒武纪”专用处理器还有配套的指令集，叫Cambricon。我们知道，指令集乃是一个处理器架构的核心。知道了一款处理器实现了哪些指令，其实也就知道了这款处理器适合做什么，也大概知道了这款处理器的硬件设计。

Cambricon指令集的特点是单指令可以做完一次向量或矩阵运算，因此假如我们知道了深度学习的具体算法，那么其实也就知道了每个神经元可以规约为何种向量或矩阵运算，其实也就推断出了Cambricon的指令集。以此类推，如果我们知道了Google的深度学习算法，假设也是每条指令实现多个神经元相关的向量或矩阵运算，那么其实也能推断出TPU的指令集。这种假设应该是很有道理的，毕竟把一个神经元的计算打包成一条指令，是非常科学合理的专用加速器设计方案。
可以看到，整个系统连接了两块图像传感器，传感器采集到的图像通过Camera Serial Interfaces（CSI）接口连接到Video pipeline处理单元，进行Bayer重建、白平衡、降噪、压缩等等图像处理。

而ShiDianNao则在该系统中进行深度学习的模式识别，它内部实现了一个深度神经网络，经训练之后具有类似人类大脑一样的识别能力，可以从图像中识别出有一只猫，然后将识别出“猫”的信息通过GPIO/I2C接口输出给主机。整个系统用一款微处理器做控制，协调各个部件的运行。整个系统的数据存储，使用了256KB的SRAM，为了节省功耗，并提高性能，并没有使用DRAM。
下图给出了ShiDianNao处理器的深度神经网络的架构。根据文献介绍，NBin是输入神经元的缓存，NBout是输出神经元的缓存，SB是突触的缓存。核心部件是NFU（neural functional unit）单元，它负责实现一个神经元的功能。ALU是数值运算单元，IB（decoder forinstructions）是指令译码器。

之前讲过，深度神经网络加速芯片的最大特点就是单指令可以完成多个神经元的计算。因此神经元计算单元的实现，就是这款加速芯片的核心。根据文献介绍，每个NFU又是一个阵列，包含一堆PE单元。每个NFU单元实现了16bit x 16bit的定点整数乘法，相比于浮点乘法，这会损失一部分运算精度，但是这种损失可以忽略不计。

由此，我们就自上而下的看完了整个ShiDianNao的架构设计。由于Google并没有公布TPU的设计，中科院和寒武纪公司亦没有公开商用的寒武纪芯片的具体架构，因此我们只能大概根据中科院前些年与法国和瑞士的合作者在学术界公开发表的ShiDianNao架构进行推断（我们假设寒武纪商用芯片和前些年的学术工作ShiDianNao在架构上有一脉相承之处，毕竟中科院计算所陈天石团队的成员都是主要架构师或论文的第一作者）。

根据ShiDianNao架构的论文描述，结合之前的论述，我们可以大致得出以下猜测：
（1）Google的TPU很有可能也是单指令完成多个神经元的计算。

（2）知道了Google的机器学习算法，就可以推断出TPU支持的指令集。

（3）根据Google对TPU的描述“能够降低运算精度”，猜测TPU内部可能也是采用更低位宽的定点或浮点乘法，虽然具体位宽未知。

（4）乘累加单元搭建的向量或矩阵指令仍然是基础运算的核心。

（5）Google强调TPU有领先7年的性能功耗比（十倍以上的提升），据此猜测，TPU可能也没有使用DRAM做存储，可能仍然使用SRAM来存储数据。但从性能功耗比提升量级上看，还远未达到专用处理器的提升上限，因此很可能本质上采用的是数据位宽更低的类GPU架构，可能还是具有较强的通用性。

② 描写疲惫的优美语句

描写疲惫的优美语句

一、深沉的夜幕，只因你的到来，瞬间绽放出万千的星光。

二、心情极度烦躁，希望下场雨，把烦恼都冲洗掉。

三、就像被玩过一两次的玩具一样，我想知道你究竟想要什么。 甜蜜十分短暂的我们就像转眼就会溶化的棉花糖 ，在我已经控制不了我疲惫的心了，快点再次抓紧我吧 我离开之前。出处：最后的问候

四、玩就大方的，爱就稳妥的。

五、我们总是和回忆做对，与时光抗衡，在漫长的过程中已经忘记了最初的方向，只剩下一颗疲惫的心。人之所以喜欢旅行，也许是因为可以把这些回忆和时光一点点放在旅途里，回来后重新上路，谈不上如释重负，只是草长莺飞，生活还是原来的样子，可你已慢慢地被磨得没有了脾气。作者：阿Sam 出处：趁，此身未老

六、成功的背后，是心酸的付出。所以就不要轻易放弃。

七、加个班，总要吃顿好的。偶遇前同事一块聊聊公司，搭火吃个饭。着实是个消遣一天工作疲惫的好方法。

八、整日的忙碌调快了我的生活节奏，锻炼了我处理问题的能力，磨平了我桀骜不驯的棱角，练达了我生活中昌团的人情世故，培养了我困局中寻觅捷径的能力。

九、收一缕清风，为妈妈带去轻松；采一缕阳光，为妈妈送去芬芳；掬一捧清水，为妈妈消去疲惫；发一条短信，为妈妈奉上祝福。祝妈妈母亲节快乐！

十返孙、不想工作到想哭，全身疲惫还是要早起，面对的又是一天十多个小时的工作时间。好想逃避担心的'事情也好多，却一件都解决不了。好想好好坐在店里吃一顿晚饭，而不是加班叫外卖。

十一、走风坡上他那心爱的姑娘曾问，这一生有什么心愿。不过是， 洗尽腐朽罪行，还他一生磊落光明; 免他疲惫辛苦，准他清清白白离世，干干净净入土。 那天她说，祝你得偿所愿; 可这死亡的遗憾与悔恨，谁能为他豁免?作者：玖月晞 出处：他知道风从哪个方向来

十二、有一种放弃叫成全

十三、那些生活已不值得再去期待，因为它总在我最灿烂的时候给我致命的一击。

十四、我不过是想要一份不叛离，不伤害，只有温暖的爱。

十五、也许身心疲惫， 但挺着挺着就承受了; 也许手足无措， 但忍着忍着就面对了; 也许哭笑不得， 但走着走着就过去了。

十六、笑有时候并不是最好的良药，有时候它只是最好的掩饰而已。

十七、好想好想明天的太阳我们一起期待，好想好想从此为你守候一盏明灯，照亮你疲惫的归途，好想好想甘愿为你宁静平淡一生，做你乖巧的新娘！

十八、想你想的无法入睡，爱你爱的深情陶醉，看你看的精神疲惫，做梦梦到你N+1回，我还是那样寂寞无助，希望你早日飞到我的账户，钱，回来吧！

十九、有人说，最温柔的拥抱是你看不见我，我从背后环过你的腰，当我的脸与你背相触，和你说一句“我好想你”。当你看到李易峰的背影时，你是否想穿过人山人海，穿过屏幕，去拥抱这个背影看似笔挺，却内里可能很累很疲惫的男孩？

二十、蝴蝶为花醉，花却随风飞，花舞花落泪，花哭花瓣耐世橘飞，花开为谁谢，花谢为谁悲 2.既然我们总是擦肩,那么思念有什么值得挂念,我会用怀念的姿态去回忆你的侧脸.是怀念不是思念.伊始的夏天,蝉鸣的折叠崴蕤的夏天,不愿承认我们是平行线.尾声的夏天提早进入冬眠,把忧伤与嗳昧过滤一遍,毕竟你曾染绿过我的夏天 3.始终是我一个人的舞台我一个人旋转而她只是看台上的过客曲终人散 4.当流年、以成过往。当物是、加上人非。当 感情 、变成疲惫。当世界、冲满黑色。当经历、说成注定。当生活、让我遗憾。纠缠是我不能够控制、望去只有无尽的现实。

二十一、感觉跟你分开了好久，然后看了一下日历，按一日三秋的算法我们已经分开了十年，我还是无法控制对你的难以忘怀，但是关于你的一切我已经不再期待，生活很累很疲惫，瞒着所有人还继续喜欢你，傻笑后晴转多云，有人说：“人如果没有爱情就很完美”后来这种信徒都会托着他爱人的脸说：“那是因为他们没有遇见你”遇见你我也有这样的对白，“我爱你”

二十二、天已黑了，心却找不到归宿!

二十三、回忆叫我别向命运低头，深爱的却先放开了手

二十四、我也想或许有一天能把过往的心酸都讲给他听，他会笑着看着我，揉揉我的头发抱抱我说好啦，我现在不是在这里。

二十五、时常会感觉到疲惫，不是身体的疲惫，而是由心而出的苍老。一个真心的人，容易被感情所伤；一个善良的人，容易被他人所骗我想，越是真的人就活得越累吧。

二十六、无论受了多少委屈，只有自己憋在心里，不是不想说。只是不知道该怎么说能和谁说。

二十七、精神是干涸到一定地步...开始渐渐忽略了这个只属于我自己的地方...哎...很累很疲惫想睡个舒服却不想丢下小布布...虽然真的超级累...可是陪伴着你的时光中也被幸福眷顾着...所以只能继续草率的坚持

二十八、睡去昨天的疲惫，忘却昨天的烦恼，睁开今天的双眼，去打开今天的美好。

二十九、贝儿的睡眠依旧磨人，每天每天我都睡不好，很累很疲惫，今天早上六点多他就醒了然后在我边上一直踹我踹我踹踹踹直到六点半我才鸟他，一看他已经把自己踹的和我成九十度直角在那儿躺着身上的被子也被他蹬开了，抱起来喂奶喂好了把他放在自己小床把他脚逮着假装自己睡着了继续不鸟他

三十、别给我脸色看，你的脸又不是调色盘

三十一、谁不会在没有回报的付出里疲惫。

三十二、命运这两个字有多沉重，重到说不出口。

三十三、如果有一天，让你心动的再也感动不了你，让你愤怒的再也激怒不了你，让你悲伤的再也不能让你流泪，你便知道这时光，这生活给了你什么，你为了成长，付出了什么。

三十四、指尖击打着冰冷的键盘，心感觉着无力满耳听着杂乱的歌曲。任由疲惫蔓延想你。远方的你，可曾记得那午夜的祈祷，记得过往的时间。记得那曾经的笑语嫣然，记忆在一瞬间的飘洒愿远方的你幸福快乐

三十五、忙忙碌碌一天又一天，上班时间紧赶慢赶忙手中的活，每天工作没有全部做完的，只要时间节点不在当天，到了下班时间benfu回家带娃，疲惫？白天黑夜连轴转的日子能不疲惫吗……估计终日工作不加班

三十六、浇铸导流槽时急需数以百吨的钢筋，这数以百吨的钢筋，战士们用肩膀扛了七天七夜。当负责组织这项工作的副队长冯在强见战士们一边扛着钢筋，一边扛着磕睡迈着“醉步”时，实在不忍心了，便大声下了一道命令：“休息五分钟！”话音刚落，52名战士呼啦一声全倒在了一片潮湿的泥地上，只一瞬间，便全部呼呼地进人了沉睡的状态。副队长一边看着手表，一边看着睡在地上的战士们，眼泪刷刷地流了出来。

三十七、吃醋是因为我喜欢你，生气是因为我在乎你，发呆是因为我想你，伤心只是因为我不想失去你。是不是等我离开了，你才会感动？如果真的到了那样的一天，我还是希望你有一点点的难过，一点点的失落，一点点的想我，只要有一点点关于我的记忆就好，真的只要一点点就好

③ 模糊控制算法是不是公认成熟算法

李国勇，电子工业出版社专讲神经网络与模糊控制，特别是有比较翔实的算法分析和算法实现（MATLAB）其中就有模式识别与聚类方面的内容

④ 有一个WiFi是wenfu2.3-4是什么WiFi，为什么连不到

手机无法连接WiFi网络的可能原因及解决方法：1.首先检查无线路由器是否正常工作，可以使用其他手机或者数码产品连接该WIFI信号，如果都能正常连接和正常上网，那么一般来旁含说这个路由器是可以正常工作的。2.手机开启了休眠状态关闭网络。检查手机是否开启休眠状态下关扰睁闭网络的选项，手机过一段时间就会断开连接或者接收不到后台聊天软件的可能原因是误开启手机休眠关闭网络的功能。3.长时间使用路由器，路由器可能会出现假死现象。重启无线路由器即可。4.认证类型不合适。尝试更改路缓启岁由器的认证类型，选择安全的“WPA2-PSK”类型模式要好，下面的加密算法最好选择“AES”。5.手机或路由器网络设置异常。考虑恢复路由器出厂设置和手机网络设置。

⑤ 如何优化策略降低系统能耗

针对云计算系统在运行过程中由于计算节点空闲而产生大量空闲能耗，以及由于不匹配任务调度而产生大量“奢侈”能耗的能耗浪费问题，本文提出一种通过任务调度方式的能耗优化管理方法。

高能耗是云计算系统最为严重的问题之一
云计算系统中，除了处理任务时产生的必要能耗开销，其运行过程中还存在能耗浪费的现象
解决方案
用排队模型对云计算系统进行建模，分析云计算系统的平均响应时间和平均功率，建立云计算系统的能耗模型；
提出基于大服务强度和小执行能耗的任务调度策略，分别针对空闲能耗和“奢侈”能耗进行优化控制。基于该调度策略，设计满足性能约束的最小期望执行能耗调度算法ME3PC (minimum expectation execution energy with performance constraints).
结果
大量实验表明，本文提出的能耗优化管理方法在保证其性能的前提下，大幅度降低了云计算系统的能耗

下一步工作
将研究在给定和真实的云计算系统体系结构下，如何根据任务到达率的大小和分布规律，决策系统中应该处于运行状态的计算机个扮胡数，结合关闭/休眠技术和电压动态调整技术，进一步对云计算系统的能耗进行优化控制，并且将研究的理论成果在实际云平台上进行评测，以验证其正确性

能耗
能耗分类
空闲能耗：由于计算任务达到的随机性，使得单位时间内到达的任务量时而稀疏，时而密集，而现有的云计算系统通常是长时间处于开启状态，等待计算任务的到达。但是当计算机处于空闲状态时，其空闲功率会占峰值功率的50%~60%。因此，云计算系统会产生大量的空闲能耗。奢侈能耗：由于云计算系统中通常包含不同的计算机，实验结果表明，不同计算机对不同计算任务的执行功率和响应时间一般不同。例如，同一图像处理任务分别在CPU 和GPU 上的执行功率和响应时间不同，任务执行完成后，产生的总能耗也不同。因此，当未考虑能耗因素时，不匹配的调度方式会造成:本来用较低能耗就能解决问题，但却用了较高能耗。本文把由于任务的不合理调度而浪费的能耗称为“奢侈”能耗。执行能耗：执行能耗可定义为：任务在计算机上运行时，指令和数据驱动计算机硬件运转所产生的能耗
传统节能的方法
关闭/休眠技术：最大饥模限度的降低空闲能耗，缺点是当使用计算机时需要较长的启动时间，导致系统性能一定程度的下降
电压动态调整技术：为了便于研究，本文假定执行功率为任务整个执行过程的平均耗电功率。根据CMOS 电路动态功率公式Pdynamic~αCV2f 可知，动态功率与厅肢拦电压的平方成正比。因此，降低处理器的电压可以降低处理器的动态功率。但该方法的缺点是，随着电压的下降，处理器的性能会随之下降
虚拟化技术：可实现多个任务在一个计算机的不同虚拟机上运行，通过提高计算机资源利用率，以减少所需计算机数量的方式降低能耗。虚拟化技术实现了计算机资源从物理实体向虚拟实体的迁移，提高了计算机资源的利用率。但虚拟化，特别是深层次的虚拟化本身也要付出高昂的效能代价，因为虚拟化技术通过对底层硬件部件到高层服务应用的层层虚拟，每一级的虚拟都造成了效能的损失。
任务和系统模型
随机任务模型
根据任务对计算机资源的需求特征，可分为计算密集型、通信密集型、数据密集型和I/O密集型等。
随机到达云计算系统的任务可以用三元组（T，Λ，W）表示，第i类任务可以表示为(ti，λi，wi)。ti表示第i类任务，λi表示ti任务单位时间平均到达数量，wi表示ti任务的计算量
云计算系统模型
现有云计算平台的硬件基础设施通常是架构在大规模廉价服务器集群之上，系统中的不同服务器或计算机通常是由不同公司生产，有不同的硬件配置。这些计算机不仅有不同的功能和性能，其耗电的功率也不同，具体可表现为：功能异构、性能异构、空闲功率和峰值功率异构、执行功率异构；
云计算系统可以定义为六元组：(C，Pbusym×n，Pidle，Ppeak，Um×n，S)
+a7+rW9tO//Ksbv6oaLPtc2z1tDL++NDQus/+1xMrHvbW1zc+1zbPUy9DQuf2zzNbQsvrJ++8wsfUxrzGy++"http://www.it165.net/uploadfile/files/2014/0508/20140508200129405.jpg" alt="\">
问题描述
根据2.1节和2.2节的分析，并结合能耗的计算公式E=P*T，则任意一个任务从进入云计算系统到执行完成离开所产生的期望能耗可表示为

\
在给定任务类型、确定云计算系统体系结构的条件下，只有调度概率Pij的值是根据调度策略的不同而动态变化的，云计算系统的期望能耗与任务和计算机之间的调度策略有关
能耗优化管理
实质
根据任务的到达时间和类型、不同计算机的功率和性能、计算机实时的负载情况，对任务进行合理调度，使系统在满足一定性能的条件下，降低云计算系统运行过程中产生的空闲和执行能耗
假设
根据任务对计算机资源的需求特征，可分为计算密集型、通信密集型、数据密集型和I/O密集型等。不同类型任务要处理的数据形式和问题规模一般不同。为了便于研究，本文假定同一类型任务的计算量相同
由于用户服务请求的自主性、地域的分布性，导致不同用户提交的任务之间通常没有优先约束关系，即任务是独立的
假设对于系统中的每个计算机，任务的到达间隔相互独立,且服从同一参数的负指数分布
每个计算机对不同任务的服务时间也相互独立，且服从同一参数的负指数分布
到达间隔时间与服务时间相互独立
不同类计算任务以不同的概率调度到不同的计算机上
性能约束的最小期望执行能耗调度算法ME3PC(minimum expectation execution energy with performance constraints)
调度器针对不同的情况，采用不同的调度策略，详情请参考第3章

根据负载情况，将节点分在三个队列：Clight、Cnormal、Chigh，
如果Clight不为空，则优先考虑集合Clight中的计算机，并采用基于大服务强度的任务调度策略，使对tCi类任务有大服务强度的计算机cCj有较大的调度概率，其中j∈Clight
Clight为空，Cnormal不通ky"http://www.it165.net/qq/" target="_blank" class="keylink">qq/+aTwvc3ViPsDgyM7O8dPQvc/Qoda00NDE3LrEtcS8xsvju/pjQzxzdWI+ajwvc3ViPtPQvc++QzxzdWI+ViPrK7zqq/1aOsvLTL+2yLW9uLrU2Nfu0KG1xLzGy+O7+snPCjxwPgo8aW1nIHNyYz0="http://www.it165.net/uploadfile/files/2014/0508/20140508200130420.jpg" alt="\">
定理满足性能约束的最小执行能耗调度算法ME3PC的最坏时间复杂度为O(3mn)，其中，m为任务的类型数，n为云计算系统中计算机的个数。
实验
实验环境的设置
为了验证ME3PC算法的有效性，本文使用Matlab 的离散事件模拟工具进行模拟实验。实验环境涉及的相关参数以及取值或取值范围见下表。

实验中任务分为4 类。第i类任务的到达间隔时间服从参数为1/λi的负指数分布。该间隔时间可通过负指数分布函数exprnd(1/λi)来生成，其中，λi的值在[10，15]区间随机生成。根据任务的到达间隔，利用函数cumsum(?)可得到第i 类每个随机任务到达系统的时刻。最终可确定所有6000个任务到达系统的时刻。计算机cj对ti类任务的服务时间服从参数为1/μij的负指数分布，同样，服务时间也通过函数exprnd(1/μij)来生成，参数μij的值在[1，5]区间随机生成
为了让模拟系统的运行存在平衡状态，需要满足条件\
\
实验与结果分析
为了进一步说明ME3PC算法的有效性，本文又设计了最小执行功率调度算法(minimum execution power，简称MEP)，并将ME3PC与MEP、经典MIN-MIN 算法进行比较。其中，MEP的算法思想是:在任务调度时，将任务调度到执行功率最小的机器上，而不考虑该计算机当前的负载情况以及执行该任务的服务时间。MIN-MIN是针对独立任务的动态调度算法，广泛应用于同构或异构分布式并行计算环境，有良好的调度性能。本文分别从系统执行任务的平均能耗、任务的平均响应时间、系统的平均功率、负载平衡和可扩展性这5个方面对3种算法进行对比分析

从图2可以看出，采用MEP算法时系统的平均功率最小，ME3PC略大于MEP，MIN-MIN的功率最大，且远大于ME3PC和MEP。分析原因是，MEP算法专注于系统执行功率的优化，任务调度时只将任务调度到执行功率最小的机器上，因此系统平均功率最小，但没有考虑调度的机器性能，因此总体性能最差。MIN-MIN算法则相反，只专注于任务的完成时间，而不考虑能耗、负载平衡等其他因素，因此响应时间最小，但是系统平均功率最大。ME3PC算法则同时考虑了功率和性能因素，虽然系统功率较MEP算法平均增加了6.4%，响应时间比MIN-MIN算法平均增加了5.7%，但是任务在系统中的所产生的能耗却最小，如图4所示。究其原因是:（1）由于ME3PC算法针对空闲或轻载计算机采用了大服务强度优先的调度策略，大大降低了系统中计算机出现空闲的概率，使系统的利用率高于MEP和MIN-MIN。其中，采用ME3PC算法时，系统产生的空闲能耗平均是MEP和MIN-MIN算法的81%和73%，如图5所示。（2）由于优先对空闲和轻载计算机进行调度，最大限度地避免了负载不平衡的发生。因此，ME3PC算法保证了系统的负载平衡，如图6（a）、图6（b）所示。可见，只有同时考虑功率和性能因素才能真正降低云计算系统的能耗。

从实验结果中，我们发现了一个有趣的现象:当计算机个数为1时，3种算法下的系统平均功率、任务平均响应时间和任务平均能耗自然都相等。但是随着计算机个数的增加，系统执行任务的平均能耗却呈线性下降。当计算机个数为8时，系统执行任务的平均能耗最小。随着计算机个数的继续增加，系统执行任务的平均能耗开始增大，且呈指数级增长。究其原因是:（1）当计算机个数从1增加到8的过程中，任务平均响应时间呈指数级减少（如图3所示），但是系统的平均功率的增势却基本趋于平稳（如图2所示），这导致系统执行任务的平均能耗在该过程中是逐渐降低的，并且由于此时系统平均功率的绝对值较小，因此降低的趋势呈线性。（2）当计算机个数从8增加到128的过程中，任务平均响应时间下降的趋势趋于平缓（如图3所示），但是系统的平均功率的增势却呈指数级增加（如图2所示），这导致系统执行任务的平均能耗在该过程中是逐渐增加的，并且由于此时系统平均功率的绝对值较大，因此增长的趋势呈指数级。由此可见，在等能耗的条件下，计算机个数为8时系统有最好的扩展性。对于实际的云计算系统，如何根据系统的体系结构、任务到达的规律确定系统中应该开启或关闭的机器个数，以及开启或关闭哪些机器进行能耗的优化控制，将作为下一步的研究内容。

⑥ nru，nfu，ws，clock和lru的区别

LRU是最近最配含少使用页面置换算法（Least Recently Used），也就是首先淘汰最长时间未被使用的页面！
LFU是最近最不常用虚卖简页面置换算法（Least Frequently Used），也就是淘汰一定时期内被访问次数最少的页！
比如，第二种方法的时期T为10分钟，如果每分钟进行一次调页，主存块为3,若所需页面走向为2 1 2 1 2 3 4
注意，当调页面4时会发生缺页中断
若按LRU算法，应换页面1（1页面最差裤久未被使用） 但按LFU算法应换页面3（十分钟内，页面3只使用了一次）
可见LRU关键是看页面最后一次被使用到发生调度的时间长短，
而LFU关键是看一定时间段内页面被使用的频率！

⑦ 自拍好看的手机有哪些推荐

自拍好看的手机，推荐荣耀60 Pro。如今，越来越多的手机厂商在自拍方面进行升级、优化。而这款荣耀60Pro，在拍照方面明显胜出其他款。也正是因为这款手机，让我喜欢上了自拍，多了份自信，拍照效果真实，真的很棒。下面，就随我来一起看看这款优秀自拍手机的相关信息~

荣耀60 Pro介绍

8GB+256GB，参考价格 2599元

【摄像/拍照方面】

荣耀60 Pro不仅外观颜值高，拍出的照片、Vlog一样很美。参数方面，荣耀60 Pro采用后置三摄方案，分别是一亿像素高清主摄、5000万像素超广角镜头，拥有122°超大拍摄角度，支持等效13mm焦段，以及200万像素景深镜头，同时凭借5000超高像素镜头，拍照迅速的同时成片效果非常清晰。

荣耀60 Pro的前摄同样相当出色，其搭载一颗5000万AI超感知镜头，可以高清直出5000万像素照片。凭借高像素的优势，自拍时面部细节拍摄得非常清晰，并且人物色彩还原的也非常准确。

这颗前摄除了能拍摄高清人像照片以外，还支持100°超广角Vlog拍摄。荣耀60 Pro不仅仅拥有令人惊艳的外观，强大的影像系统和简洁的Vlog拍摄，让用户可以轻松记录日常点滴美好。

【屏幕方面】

荣耀60 Pro正面屏幕使用一块6.78 英寸OLED流光四曲屏，分辨率为2652*1200，支持DCI-P3 100%广色域、10.7亿色显示、4096级硬件调光，以及动态智能120Hz高刷新率，支持1920Hz高频PWM调光。荣耀60 Pro的屏幕参数还是非常不错的。

【外观方面】

荣耀60 Pro的外观设计更是将手磨兆机颜值提升到了新高度，其后置摄像头模组采用经典的双圆环设计。圆环上方为主摄镜头，下方为超广角镜头，中间为一颗景深镜头，三颗镜头的圆心处于一条中轴线，配合多道工艺打造的微曲面外部金属戒环，令荣耀60 Pro拥有极高的辨识度。

手机中框采用金属材质打造，其顶部和底部经过磨砂处理，搜皮与亮面的边框形成鲜明对比，配合曲面玻璃背板，无论从手机什么角度握持，都能获得舒适的手感，并且192g的机身重量就算长时间使用也不会感到累手。

【核心硬件配置】

荣耀60 Pro不仅有漂亮的外观，性能方面同样非常能打。其全球首发高通骁龙778G Plus 5G移动平台，该芯片采用采用台积电6nm制程工艺，拥有4个A78架构大核，最高频率可达2.5GHz。配合荣耀强大的底层优化技术，荣耀60 Pro可以将这颗芯片的性能发挥到极致。

【续航方面】

荣耀60 Pro首次搭载了4800mAh超大电池，通过对机身空间优化，做到了保持手机轻薄的同时还能装下大容量电池。相较于荣耀50 Pro，荣耀60 Pro的电池容量提升了20%，然而手机厚度仅仅增加了1.7%，另外荣耀60 Pro还搭载系统级功耗黑科技，可以进一步提升续航效率。

荣耀60pro和荣耀50pro比较：

【屏幕比较】

荣耀60 Pro采用6.78 英寸OLED流光四曲屏，支持2652*1200 像素分辨率、120Hz 刷新率，与荣耀50 Pro相比，屏幕顶部黑边宽度减小18.6%，底部黑边的宽度减小11.2%。荣耀50 Pro采用6.72 英寸OLED75度超级曲面屏，支持2340*1080像素分辨率、120Hz屏幕刷新率和300Hz触控采样率。

【续航比较】

荣耀60Pro内置4800mAh电池容量，配置立体声双扬声器。荣耀50 Pro内置4000mAh电池容量，配置单扬声器。

【拍照比较】

荣耀60 Pro后置三摄，10800万世游差像素超清摄像头+5000万像素超广角微距摄像头+独立景深摄像头，前置5000万像素AI超感知摄像头。荣耀50 Pro后置四摄，10800万像素主摄像头+800万像素广角摄像头+200万像素景深摄像头+200万像素微距摄像头，前置3200万像素高清镜头+1200万像素视频镜头，在拍照功能上，荣耀60 Pro明显更胜一筹。

从综合数据分析，荣耀 60 Pro相比较前一代机型迭代升级很多。

总之，荣耀 60 Pro 确实是一款实力强劲的手机，它优秀的外观设计和出色的影像配置以及强大的性能，吸引了很多人，也包括我，不管看视频还是玩游戏，运行都很流畅，值得拥有。