现代图形学入门(GAMES101)の 作业记录
»> Github 传送门«<
TAXONOMY / category
共 27 篇内容。
»> Github 传送门«<
最后一个,也是最有挑战性的一项 coding 任务,是所有前置 lab 的知识综合。
现在开始进入文件系统的阶段。
这个 lab 就是对原先的并发控制进行优化。
这里要我们在软件层面实现数据包的收发操作。
现在进入操作系统的另一大特性:并发。
课上谈了个 COW 优化策略,这里就要具体实现了。
现在是,陷入内核时间。
番外篇,探究通过 shell 运行命令时,系统调用到底是个什么流程。
在本 lab 中,我们将进行页表机制的探索。
本 lab 要求我们进行系统调用代码的编写。
热身运动,实现一些 shell 命令。
本 Project 需要我们实现基于 MVCC 的事务模块。
本 Project 需要我们实现多个存储节点之间的管理。
本 Project 需要我们实现基础 Raft 算法。
本 Project 需要我们基于 badger 实现一个独立存储引擎。
CS144 lab 记录过程。
接下来,需要完善对事务并发的支持。 »> LAB 主页传送门 «<
到目前为止,咱们已经完成了存储与索引部分的功能实现,接下来就进入执行层面的内容了。 »> LAB 主页传送门 «<
接下来开始存储与索引部分的实现。手撕 B+ 树! »> LAB 主页传送门 «<
从这个 lab 起,就正式开始构建本课程 bustub DBMS 数据库系统了。 »> LAB 主页传送门 «<
本项目与课程教学内容无关,仅作 C++ 水平检验用,但我在 code 过程中发现还是涉及到部分比较重要的知识点,故作记录。 »> LAB 主页传送门 «<
磨蹭 3 个月,神课分布式系统 MIT 6.824 终于完结了。学习这门课的起因是被同年 6 月份 pingCAP 训练营橄榄了,虽然同为 raft 算法,但工业级的实现显然要比教学级难更多。我对分布式的理解还是太浅,于是决心从基础打起,好好体会一下这门神课的洗礼。
对于单个副本组而言,所有机器存储共享同一存储空间,机器数量的增加并不会扩大存储能力。而当 kv 对数量不断增长时,副本组的存储能力成为瓶颈。 参考 Aurora 的做法,不妨将数据划分为多个片段,每个副本组负责分片(Shard)的一个子集。组内机器使用 Raft 来复制分片。此外还有一个分片控制 …
本实验要求在每一个 Raft 节点上实现一个 K/V 服务器(server),向上接受客户端(client)的请求并返回请求结果,向下生成日志应用到 Raft 节点中。 整个模式大概长这样。 主要流程是这样的: client 寻找对应 Raft 节点是 Leader 的 server,并发起一个请 …
本实验要求我们实现 Raft 算法,包括其领导人选举、日志复制、快照等关键要素。
本实验要求我们构建一个分布式的 MapReduce 系统,并实现 paper 中提到的文章字数统计算法。