Linux 2.6.23 核心附帶了一個模組化調度程式核心和一個被實現為調度模組的完全公平調度程式(Completely Fair Scheduler,CFS)。
Linux 2.6.23 核心的調度程式為其他調度模組並行處理核心打好了基礎(這裡所說的 “模組化” 並不意味著將調度程式分解為若干可載入的模組,而是指代碼本身模組化)。有關調度程式工作原理的更多細節,請參考 developerWorks 文章 “Inside the Linux scheduler”(參見本文末尾 參考資料 小節中的連結)。
調度類的引入顯著增強了核心調度程式的可擴展性。這些類(調度程式模組)封裝了調度策略。這個調度程式將調度策略模組化,但是與 Pluggable CPU 調度程式框架不同的是,並沒有把調度程式本身模組化(後者在核心編譯時選擇默認調度程式,而通過在啟動時向核心傳遞參數來使用其他 CPU 調度程式)。
CFS
完全公平調度程式(CFS)試圖按照對 CPU 時間的 “最大需求(gravest need)” 運行任務;這有助於確保每個進程可以獲得對 CPU 的公平共享。如果某個任務休眠時間 “非常短”,那么 CFS 不會將該任務視為休眠任務 — 短暫休眠的進程可能會獲得一些額外時間,但是決不會超過它的未休眠時間。
CFS 組調度
考慮一個兩用戶示例,用戶 A 和用戶 B 在一台機器上運行作業。用戶 A 只有兩個作業正在運行,而用戶 B 正在運行 48 個作業。組調度使 CFS 能夠對用戶 A 和用戶 B 進行公平調度,而不是對系統中運行的 50 個作業進行公平調度。每個用戶各擁有 50% 的 CPU 使用。用戶 B 使用自己 50% 的 CPU 分配運行他的 48 個作業,而不會占用屬於用戶 A 的另外 50% 的 CPU 分配。
基於關聯規則的特徵選擇算法(correlation-based feature selection),是一種經典的過濾器模式的特徵選擇方法。源自論文“correlation-based feature selection for discrete and numeric class machine learning”,啟發地對單一特徵 對應於每個分類的作用進行評價,從而得到最終的特徵子集。特別地,特徵必須是離散的隨機變數,如果是數值型變數,需要首先執行指導的離散化方法來進行離散化特徵。
聯合筋膜鞘
1、概念
CFS是英文 “Conjoint Fascial Sheath” 的英文縮寫,來自於Whitnall 博士1932年發表的臨床解剖經典論文“ Conjoint Fascial Sheath of the Levator and Superior Rectus Attached to the Conjunctival Fornix(CFS)”,意思是“附著於結膜上穹窿的提上瞼肌與上直肌的聯合筋膜鞘”,我們中文簡稱之“聯合筋膜鞘”,或者“check韌帶”。