logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Linux 内核启动流程详解(基于 5.15.119 源码)

本文基于Linux 5.15.119源码,详细分析了x86_64架构内核从GRUB加载到第一个用户进程/sbin/init启动的完整流程。主要内容包括:bzImage的物理结构解析;GRUB加载机制;16位实模式下的硬件信息收集;32位保护模式切换过程;内核解压阶段(32位和64位);64位内核入口初始化;start_kernel()核心初始化流程;以及最终创建祖先进程和启动用户空间的过程。文章通

#linux#运维#服务器
FAT文件系统:嵌入式设备的极简选择

FAT文件系统是一种基于链式存储的简单文件系统,其核心由引导扇区、FAT表和目录项三部分组成。FAT表通过记录簇号链实现文件存储,目录项则保存文件元数据。从FAT12到exFAT的演进使其支持更大容量,但始终保持着结构简单、兼容性强的特点。这种设计使其成为嵌入式设备的首选,虽然存在无日志、易碎片化等缺点,但极低的内存需求和实现复杂度完美契合BootROM等资源受限场景的需求,成为连接硬件与操作系统

#嵌入式硬件
AI编程的范式探索

AI原生开发范式:人类架构决策,AI实现迭代 核心模式采用三层分工:人类负责战略需求与架构设计,AI执行代码实现与优化。关键原则包括上下文工程、规格优先和原子化任务拆分。不同规模项目适用不同范式: 小型项目:单会话生成,AI自主决策技术栈 中型项目:模块化结对编程,接口契约驱动 大型项目:规范驱动开发,AI Agent自主执行多步骤任务 通用最佳实践包含结构化Prompt、上下文管理文档和质量控制

AI编程的范式探索

AI原生开发范式:人类架构决策,AI实现迭代 核心模式采用三层分工:人类负责战略需求与架构设计,AI执行代码实现与优化。关键原则包括上下文工程、规格优先和原子化任务拆分。不同规模项目适用不同范式: 小型项目:单会话生成,AI自主决策技术栈 中型项目:模块化结对编程,接口契约驱动 大型项目:规范驱动开发,AI Agent自主执行多步骤任务 通用最佳实践包含结构化Prompt、上下文管理文档和质量控制

U-Boot双阶段启动机制深度解析:init_sequence_f[] 与 init_sequence_r[]

U-Boot启动流程采用双阶段初始化架构,通过两个函数指针数组init_sequence_f[]和init_sequence_r[]实现。第一阶段(board_init_f)完成重定位前的准备工作,包括内存布局规划、控制台初始化和驱动模型预初始化;第二阶段(board_init_r)在重定位后执行完整的子系统初始化,最终进入命令行主循环。整个流程由统一的initcall_run_list()调度引

#linux#嵌入式硬件
U-Boot 最小骨架剖析:从 2000+ 源文件到 50 个核心文件,以SandBox为例

摘要: U-Boot源码虽庞大,但其核心启动流程仅由不到50个关键文件支撑。本文通过Sandbox平台分析最小骨架,揭示U-Boot的核心机制:1)构建系统依赖Kbuild和链接脚本(如u-boot.lds);2)启动分为前置重定位(init_sequence_f)和后置重定位(init_sequence_r)两个阶段;3)最终进入main_loop实现命令交互。最小文件集涵盖架构层(sandbo

#linux#其他#mcu +1
U-Boot 最小骨架剖析:从 2000+ 源文件到 50 个核心文件,以SandBox为例

摘要: U-Boot源码虽庞大,但其核心启动流程仅由不到50个关键文件支撑。本文通过Sandbox平台分析最小骨架,揭示U-Boot的核心机制:1)构建系统依赖Kbuild和链接脚本(如u-boot.lds);2)启动分为前置重定位(init_sequence_f)和后置重定位(init_sequence_r)两个阶段;3)最终进入main_loop实现命令交互。最小文件集涵盖架构层(sandbo

#linux#其他#mcu +1
FAT文件系统:嵌入式设备的极简选择

FAT文件系统是一种基于链式存储的简单文件系统,其核心由引导扇区、FAT表和目录项三部分组成。FAT表通过记录簇号链实现文件存储,目录项则保存文件元数据。从FAT12到exFAT的演进使其支持更大容量,但始终保持着结构简单、兼容性强的特点。这种设计使其成为嵌入式设备的首选,虽然存在无日志、易碎片化等缺点,但极低的内存需求和实现复杂度完美契合BootROM等资源受限场景的需求,成为连接硬件与操作系统

#嵌入式硬件
机器学习评价指标

机器学习:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线以下第一部分内容转载自:机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)是怎么一回事摘要:数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)简介。引言:在机器学习、数据

#机器学习#人工智能
机器学习评价指标

机器学习:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线以下第一部分内容转载自:机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)是怎么一回事摘要:数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)简介。引言:在机器学习、数据

#机器学习#人工智能
    共 11 条
  • 1
  • 2
  • 请选择