1.1 硬件虚拟机概述早在上世纪 70 年代， IBM 就实现了硬件抽象层的虚拟机技术，例如 System 360 、 370 、 CP-40 、 CP-67 。它最初是为了弥补系统架构上的不足而发展起来的。后来，随着虚拟机技术的成熟，对虚拟机需求的不断增加以及硬件性能的逐步提高，硬件抽象层虚拟机在强隔离功能和安全控制方面的优点使它得到了人们的青睐而得以被推广开来 [6] 。目 前的硬件...

1.1 课题背景自从 IBM 开发出 IBM 370/390 之后，硬件虚拟机技术的发展日新月异。为了克服虚拟机技术应用在 x86 上遇到的困难，英特尔推出了 Intel-VT 技术。 Intel-VT 技术综合了全虚拟化和半虚拟化的优点：跟全虚拟化比起来，由于大部分客户操作系统的指令都是由处理器执行，所以理论上性能接近于在裸机上运行的性能；跟半虚拟化比起来，客户操作系统不需要修改，就可以在...

1.1现阶段成果现阶段的Smart-VM虚拟机监控器，已经能够运行一个单进程的UCOS-2.52。目前，我们已解决的关键性技术包括：a)实模式虚拟化i.BIOS虚拟化ii.特权指令虚拟化b)...

1.1 需求分析目前的虚拟机监控器，大多都是直接运行在操作系统之上的，例如 VMware workstation, KVM, Virtual PC 等。只有 Xen 和 VMware ESX 提供运行在硬件上的机制。但是， Xen 虚拟机监控器使用的是 Linux 内核，因此代码量过于庞大，维护起来非常的困难，而且由于代码量过大，其安全性也相对地较难得到保障。 VMware ESX 虽然...

C. 高可扩展架构 --- 微服务架构SOA的区别服务粒度SOA：粗微服务：细服务通信SOA：重量级，ESB微服务：轻量级，HTTP、RPC服务交付SOA：慢微服务：快应用场景SOA：企业级微服务：互联网微服务的坑服务划分过细，服务间关系复杂服务数量太多，团队效率急剧下降调用链太...

个人认知过程至从2017年，开始从事智能监控开发之后，就跟智能运维搭上了不解之缘。2017年：刚开始做监控的时候，研究了几乎市面上所有监控产品，和相关的技术文章、视频。这个时候，主要是接触了大数据相关的技术，包括：Kafka、Spark、HiTSDB、ELK等。《大数据日知录》：分布式系统相关的理论、以及大数据相关的技术；《从零开始学习架构》：阿里的一位大神写的，关于 分布式系统架构 的一整套方法

大众对人工智能认识的误区很多计算机从业人员，对人工智能的理解 数据挖掘和深度学习。另一部分对人工智能的理解，则多了知识图谱。其实，人工智能的理论基础和技术分支，都极其广泛。具体详见下文。揭开人工智能的神秘面纱 — 什么是人工智能人工智能的概念现阶段，对人工智能的概念还没有统一的定义。有兴趣的同学，可以网上找一下，在这里不累述。人工智能的理论基础哲学起源于哲学的本体论，则是用来定义实体，以及建立 实

I. 知识图谱 应用案例 — 美团概述深度学习（隐性模型）特点面向一个具体任务（如下围棋、识别猫、人脸识别、语音识别等）需要海量训练数据需要强大的计算力场景示例人脸识别目前进展在一些任务上已经接近或超过人类任务范围面向具体任务，难以迁移可解释性较难解释数据量海量训练数据知识图谱（显性模型）特点可广泛用于不同任务从海量数据中进行知识学习和挖掘可理解、可解释，类似人类的思考方式场景示例语音助手目前进展

C. 强化/增强学习离散马尔可夫模型马尔科夫链马尔可夫决策过程动态规划贝尔曼方程策略估计策略改进策略迭代值迭代蒙特卡罗方法时间差分法隐马尔可夫模评估问题：前向后向算法解码问题：维特比算法（Viterbi）学习问题：前向后向算法（BAUM-W...

概述本质上是有向图与有向图对比添加了时间维度（序列化？）xi之间不独立同分布马尔科夫过程隐马尔可夫模型(HMM)概述隐马尔可夫模型 (Hidden Markov Model) 是一种统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。它是结构最简单的动态贝叶斯网，这是一种著名的有向图模型，主要用于时序数据建模，在语音识别、自然语言处理等领域有广泛应用。组成部分初始状态概率向量π ：初始可能的状态