【操作系统原理】第三章——进程线程模型(上)

2024-09-06 12:04

本文主要是介绍【操作系统原理】第三章——进程线程模型(上),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

一、多道程序设计

1.1程序顺序执行

1.2多道程序设计

1.3程序的并发执行

二、进程的基本概念

2.1进程的概念

2.2进程的特性

2.3进程优先级

三、进程状态的转换

3.1三状态进程模型

3.2五状态进程模型

3.3七状态进程模型


🌈嗨!我是Filotimo__🌈。很高兴与大家相识,希望我的博客能对你有所帮助。

💡本文由Filotimo__✍️原创,首发于CSDN📚。

📣如需转载,请事先与我联系以获得授权⚠️。

🎁欢迎大家给我点赞👍、收藏⭐️,并在留言区📝与我互动,这些都是我前进的动力!

🌟我的格言:森林草木都有自己认为对的角度🌟。

一、多道程序设计

1.1程序顺序执行

程序顺序执行的特点:
(1)顺序性:严格地按顺序执行。
(2)封闭性:结果只取决于程序自身,最终结果由初始条件决定,不受外界因素的影响。
(3)确定性:结果与执行速度无关,也称为程序执行结果与时间无关性。
(4)可再现性:只要输入的初始条件相同,则无论何时重复执行该程序都会得到相同的结果。

1.2多道程序设计

意义:宏观上有多个进程在计算机中同时运行(允许多个程序同时进入内存并运行)。

特点:独立性,随机性,共享性。

采用多道程序设计技术可以:
(1)提高IO设备的利用率。
(2)提高计算机软硬件资源的利用率。
(3)缩短作业的平均周转时间。

衡量多道程序设计系统效率的指标是系统吞吐量(多道程序设计的根本目的是提高整个系统的效率)。

为了防止内存中的各个程序互相干扰或干扰操作系统,需要解决程序装入内存时的重定位问题。

1.3程序的并发执行

概念:是指两个或两个以上程序在系统中,同处于已开始执行且尚未结束的状态。

程序并发执行与顺序执行时的不同特性如下∶
(1)并发程序在执行期间具有相互制约关系;
(2)程序与计算不在一一对应;
(3)并发程序执行结果不可再现(进程在处理器上运行的时机不可控,进程每次运行时间的长短不可控);
(4)并发程序的执行过程失去了封闭性。

二、进程的基本概念

进程由指令(Code)、数据(Data)和进程控制块(PCB)3部分组成。

2.1进程的概念

进程:是具有一定独立功能的程序关于某个数据集合上的一次运行活动,进程是系统进行资源分配和调度的一个独立单位。(与进程具有一一对应关系的是进程控制块。)

进程是资源分配的基本单位,线程是处理机调度的基本单位。
进程信号量的初值一定大于等于零。

进程可能创建的时机:
(1)用户登录时;
(2)系统初始化时;
(3)运行进程通过系统调用创建新进程时;
(4)初始化批处理作业时。
可能会导致进程终止的典型事件:被0除,对只读内存执行写操作,堆栈溢出。

2.2进程的特性

进程具有以下特性:
(1)并发性:宏观上,不同的进程可以一起向前推进。(以人不可察的时间粒度交替运行,一起向前推进)
(2)动态性:进程动态产生、动态变化、动态消亡。
(3)独立性:一个进程是一个相对完整的资源分配单位。(进程是资源的分配单位)
(4)交互性:一个进程在运行过程中可能会与其他进程发生直接的或间接的相互作用。
(5)异步性:每个进程按照各自独立的、不可预知的速度向前推进。

不同的进程由于设计目标不同而具有不同的进程行为,它们可以归纳为:计算密集型,I/O密集型。

2.3进程优先级

一般地,系统进程的优先级应高于用户进程的优先级。
若采用静态优先级,即使进程等待的时间增加,其优先级也不会改变。
采用动态优先级,如果某进程长时间得不到运行,系统会额外提升它的优先级。

三、进程状态的转换

3.1三状态进程模型

进程的3种基本状态:运行状态,等待状态,就绪状态。

进程的队列分为3类:运行队列,等待队列,就绪队列。
进程从等待态转换为就绪态时称为唤醒。

进程从运行状态转换为就绪状态的可能原因是:
(1)被调度程序抢占处理机;
(2)进程创建完成;
(3)时间片用完。
当进程从运行态转换到就绪态时,处理机的现场信息必须保存在进程控制块中。

进程从就绪状态转换为运行状态的可能事件是:该进程创建完成进入就绪队列并具有最高优先级。
进程从运行态转换为阻塞态的原因是进程需要接收消息。
进程从运行状态转换阻塞状态,必然引起另一个进程的状态发生变化 。

3.2五状态进程模型

5状态进程模型:运行状态,就绪状态,阻塞状态,创建状态,结束状态。(Linux上进程有5种状态:运行状态、中断状态、不可中断状态、僵尸状态、停止状态。)

引起进程阻塞的事件有:
(1)请求系统服务;
(2)启动某种操作;
(3)新数据尚未到达(需要的数据役有准备好);
(4)无新工作可做。

可以产生进程状态改变的有:
(1)运行的进程正常退出;
(2)运行的进程因种种原因而阻塞;
(3)新进程创建完成;
(4)阻塞的进程被唤醒;
(5)运行进程的时间片用完。

3.3七状态进程模型

7状态进程模型:运行状态,就绪状态,阻塞状态,创建状态,结束状态,就绪挂起状态(一个进程由于系统内存不足而暂时被保存到外存上),阻塞挂起状态(一个进程由于长期阻塞而暂时被保存到外存上)。

七状态进程模型

7状态进程模型把原来的就绪状态和阻塞状态进行了细分,增加了就绪挂起和阻塞挂起两个状态,这种做法的好处是:
(1)提高处理机效率(有空闲内存空间用于提交新进程)
(2)可为运行进程提供足够内存(资源紧张时,可把某些进程对换至外存)
(3)有利于调试(挂起被调试进程,可方便对其地址空间进行读写)

计算机系统中的进程通常处于不同的状态:
(1)当进程处于运行状态时,表示进程占用处理机资源。
(2)当进程处于就绪状态时,表示进程已获得除处理机外的所有资源。
(3)当进程处于阻塞状态时,表示进程因某种原因而暂时不能运行的状态。
(4)当进程处于挂起状态时,表示进程被转存到磁盘。

进程和程序既有联系又有区别。进程独有而程序没有的是:进程控制块,堆栈,动态链接库。进程和程序都具有的是:代码,数据。
 

这篇关于【操作系统原理】第三章——进程线程模型(上)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1141948

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

hdu4407(容斥原理)

题意:给一串数字1,2,......n,两个操作:1、修改第k个数字,2、查询区间[l,r]中与n互质的数之和。 解题思路:咱一看,像线段树,但是如果用线段树做,那么每个区间一定要记录所有的素因子,这样会超内存。然后我就做不来了。后来看了题解,原来是用容斥原理来做的。还记得这道题目吗?求区间[1,r]中与p互质的数的个数,如果不会的话就先去做那题吧。现在这题是求区间[l,r]中与n互质的数的和

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU