본 사이트는
.com
사이트 제작 도구로 제작되었습니다. 지금 나만의 사이트를 만들어보세요.
시작하기
  • Home

  • About

  • Blog

  • More

    Use tab to navigate through the menu items.
    • All Posts
    • Linux kernel
    • linux-mm
    • Training
    • Practice
    • WAIOS
    • Parallel Computing
    • Hardware
    • System hacking
    • linux-hardening
    • Patch review
    • etc
    • Performance
    • Tracing
    • Study note
    검색
    [Training] Arm v8 Linux kernel head.S 찍어먹기 (2)
    Wonhyuk Yang
    • 2021년 4월 28일

    [Training] Arm v8 Linux kernel head.S 찍어먹기 (2)

    이제 head.S를 분석하기 시작하나?" 생각하실 수 있지만 아쉽게도 조금 더 알아야 할 것들이 있어요. 이번 시간에는 Linker script와 리눅스 커널 virtual memory layout에 대해 알아 볼 것이에요. 아마 Linker script는 OS나 펌웨어 관련 프로젝트를 하지 않은 이상 일반적인 개발자가 접하기는 어려울 거에요. 그래서 이번 글에서는 가볍게 Linker script에 대해 "찍먹"할 예정이에요. 또 Virtual memory layout은 아마 들어보셨을 수 있는데, 유저 어플리케이션 관점에서의 가상 메모리 레이아웃하면 아마 아래 그림과 같이 떠올리실 것 같아요. 저는 위 이미지처럼 "text, data, bss, ... 섹션이 어디에 있고, heap 영역이 저기 있고 stack은 위에 있고, 그리고 상위 영역은 커널 영역이다"라고 전공 시간에 배웠던 기억이 나네요. 그림에는 단순히 커널 영역이라고 지정된 영역도
    조회수 333회댓글 0개
    [Training] Arm v8 Linux kernel head.S 찍어먹기 (1)
    Wonhyuk Yang
    • 2021년 4월 26일

    [Training] Arm v8 Linux kernel head.S 찍어먹기 (1)

    Linux kernel의 첫 시작인 head.S를 가볍게 시작해보자.
    조회수 691회댓글 1개
    Group pages of related mobility to reduce external fragmentation
    Wonhyuk Yang
    • 2021년 4월 21일

    Group pages of related mobility to reduce external fragmentation

    Purpose 해당 패치의 시작은 연속된 큰 메모리 할당(High-order allocations)이 어렵다는 이유로 시작됐다. 연관된 타입들의 페이지들을 grouping 하고 타입 별로 메모리 할당자를 분리하는 것으로 외부 단편화를 줄인다. Main Patch Series 835c134ec4dd Add a bitmap that is used to track flags affecting a block of pages b2a0ac8875a0 Split the free lists for movable and unmovable allocations 535131e6925b Choose pages from the per-cpu list based on migration type e2c55dc87f4a Drain per-cpu lists when high-order allocations fail c361be55b312 Move free pages betwee
    조회수 116회댓글 12개
    Monte Carlo method
    Paran Lee
    • 2021년 4월 20일

    Monte Carlo method

    Purpose 몬테 카를로 알고리즘은 난수를 이용하여 함수의 값을 확률적으로 계산하는 알고리즘이에요. 계산하려는 값이 닫힌 형식으로 표현되지 않거나 복잡한 경우에 근사적으로 계산할 때, 수학이나 물리학 등에 자주 사용하고 있구요. General routine 알고리즘의 본질적인 생각은 결과를 얻기 위해 반복적으로 무작위 샘플링을 사용해요. 따라서 정말로 무작위가 나오는 난수라면 알고리즘이 더 효과적으로 동작할 수 있어요. 알고리즘은 아래의 4단계로 이루어져요. 1. 가능한 입력의 범위를 정의함. ➔ 반복할 최대 횟수를 입력함 2. 범위에 대한 확률 분포에서 임의로 입력을 생성함. ➔ 대입하거나 비교할 랜덤 값을 생성함 3. 입력에 대한 결정론적인 계산을 수행함. ➔ 특정 패턴에 속하는가? 4. 결과를 집계함. ➔ 특정 상수가 나오는가? 어떤 현상의 fact 가 있을때, 측정치를 기록하고, 기록한 data 가 있는 실험 일지에서 패턴을 유추하는 것과
    조회수 76회댓글 2개

    © 2023 by WHOAMI