1.Gevent源码剖析（二）：Gevent 运行原理
2.lodash源码分析——deepclone
3.《Lua5.4 源码剖析——基本数据类型 之 Function》
4.图文剖析 big.js 四则运算源码
5.剖析Linux内核源码解读之《实现fork研究(一)》
6.3d稀疏卷积——spconv源码剖析（三）
Gevent源码剖析（二）：Gevent 运行原理
Gevent的函数函数运行原理在python2.7.5版本下，涉及多个关键概念。源码源码简单来说，剖析剖析它通过Greenlet类和Hub事件循环实现并发执行。函数函数以下是源码源码核心步骤：
首先，通过导入gevent模块，剖析剖析涨源码引入其初始化设置，函数函数greenlet的源码源码运行函数通过gevent.spawn()方法注册到Hub，这个过程包括获取Hub实例、剖析剖析初始化greenlet并保存函数和参数。函数函数get_hub()利用线程局部存储保证Hub的源码源码多线程一致性。
接着，剖析剖析greenlet通过g.start()注册到事件循环，函数函数回调事件由switch()控制，源码源码而不是剖析剖析直接运行函数，实现了协程的切换。Gevent提供了join()和joinall()两个入口，其中joinall()控制了整个流程。
在详细流程中，iwait()函数扮演重要角色，通过创建Waiter对象，将协程的switch()链接到目标，通过waiter.get()控制协程执行和返回。Hub事件循环与运行协程通过waiter.get()和waiter.switch()协同工作，实现了并发执行。
目标协程的执行涉及事件循环的启动，通过Cython调用libev库执行。目标函数在run()中执行，并通过_report_result()和_report_error()处理结果或异常。"绿化"函数是实现并发的关键，它们允许在等待I/O操作时释放控制权，从而实现多任务并发。
总的来说，Gevent的运行涉及复杂的协程调度和事件驱动，虽然本文仅触及表面，javajdk源码视频但其背后的并发机制和技术细节更为丰富，包括异常处理和大量"绿化"函数的使用，这将在后续深入探讨。
lodash源码分析——deepclone
这篇文章深入剖析了lodash库的deepclone函数，基于4..版本。它并非常规的性能优化或常用功能讲解，而是从初学者角度出发，逐行解析源码，探讨了深拷贝的实现机制。
首先，我们从入口函数cloneDeep.js开始，这个函数的简单调用隐藏了后面的复杂逻辑。它通过掩码位控制是否深度复制和处理symbol类型。接着进入baseClone函数，这里进行了对象类型的判断，如baseClone同文件下的isObject函数。
在getTag和baseGetTag.js中，作者关注了浏览器对symbol的支持。在现代浏览器中，它们可以利用Symbol.toStringTag属性获取对象类型，但对于自定义对象，此属性并不适用。在处理特殊类型时，如symbol和环的问题，lodash通过构造栈来确保兼容性和性能。
总结来说，lodash的deepclone方法在处理复杂数据结构时表现出色，包括对特殊类型（如symbol）的处理和环的检测。然而，它并未深度复制函数类型，且不处理原型链上的属性。整体来看，这是一种细致入微且兼顾兼容性的实现策略。
《Lua5.4 源码剖析——基本数据类型 之 Function》
在编程语言中，新版sodu源码函数作为重要的元素，可以分为第一类值语言和第二类值语言。第一类值语言如Lua，其函数与数值类型、布尔类型地位相同，可动态创建、存储与销毁；第二类值语言则无法实现这些操作。Lua是第一类值语言，支持动态函数创建与销毁。
在Lua中，函数的基本类型枚举为LUA_TFUNCTION，对应8位二进制为 。函数类型变体包括三种：LUA_VLCL（Lua闭包）、LUA_VLCF（C函数指针）和LUA_CCCL（C语言闭包）。闭包由函数与UpValue组成，UpValue为在当前函数外声明但函数内可以访问的变量，类似于局部变量但具备一定作用域。
闭包分为C类型闭包与Lua类型闭包。C类型闭包在Lua源代码中由C语言实现，主要用于调用C函数。Lua类型闭包则在Lua中动态创建，支持多层嵌套与UpValue管理。闭包实现方式包括C语言闭包和Lua闭包。
Lua闭包由ClosureHeader宏定义，包含闭包的类型标识、UpValue数组长度、垃圾回收列表等信息。闭包内部的函数通过Proto数据结构定义，包含参数数量、最大寄存器数量、UpValue数量等属性。Lua闭包中的UpValue通过UpVal类型管理，UpVal状态分为open和close两种，open状态时UpVal存储在链表中，anycad源码分析close状态时UpVal的值被保存，直到函数返回时才被销毁。
在实现多返回值时，Lua通过调整运行堆栈的结构，将多个返回值合并，减少内存使用。在尾调用消除中，Lua在函数执行结束时，复用当前函数的栈空间进行下一次函数调用，避免了堆栈溢出的问题。Lua的尾调用优化使得函数调用效率更高，程序运行更稳定。
图文剖析 big.js 四则运算源码
big.js是一个小型且高效的JavaScript库，专门用于处理任意精度的十进制算术。
在常规项目中，算术运算可能会导致精度丢失，从而影响结果的准确性。big.js正是为了解决这一问题而设计的。与big.js类似的库还有bignumber.js和decimal.js，它们同样由MikeMcl创建。
作者在这里详细阐述了这三个库之间的区别。big.js是最小、最简单的任意精度计算库，它的方法数量和体积都是最小的。bignumber.js和decimal.js存储值的进制更高，因此在处理大量数字时，它们的速度会更快。对于金融类应用，bignumber.js可能更为合适，因为它能确保精度，除非涉及到除法操作。
本文将剖析big.js的解析函数和加减乘除运算的源码，以了解作者的设计思路。在四则运算中，chromium源码修改除法运算最为复杂。
创建Big对象时，new操作符是可选的。构造函数中的关键代码如下，使用构造函数时可以不带new关键字。如果传入的参数已经是Big的实例对象，则复制其属性，否则使用parse函数创建属性。
parse函数为实例对象添加三个属性，这种表示与IEEE 双精度浮点数的存储方式类似。JavaScript的Number类型就是使用位二进制格式IEEE 值来表示的，其中位用于表示3个部分。
以下分析parse函数转化的详细过程，以Big('')、Big('0.')、Big('e2')为例。注意：Big('e2')中e2以字符串形式传入才能检测到e，Number形式的Big(e2)在执行parse前会被转化为Big()。
最后，Big('')、Big('-0.')、Big('e2')将转换为...
至此，parse函数逻辑结束。接下来分别剖析加减乘除运算。
加法运算的源码中，k用于保存进位的值。上面的过程可以用图例表示...
减法运算的源码与加法类似，这里不再赘述。减法的核心逻辑如下...
减法的过程可以用图例表示，其中xc表示被减数，yc表示减数...
乘法运算的源码中，主要逻辑如下...
描述的是我们以前在纸上进行乘法运算的过程。以*为例...
除法运算中，对于a/b，a是被除数，b是除数...
注意事项：big.js使用数组存储值，类似于高精度计算，但它是在数组中每个位置存储一个值，然后对每个位置进行运算。对于超级大的数字，big.js的算术运算可能不如bignumber.js快...
在使用big.js进行运算时，有时没有设置足够大的精度会导致结果不准确...
总结：本文剖析了big.js的解析函数和四则运算源码，用图文详细描述了运算过程，逐步还原了作者的设计思路。如有不正确之处或不同见解，欢迎各位提出。
剖析Linux内核源码解读之《实现fork研究(一)》
Linux内核源码解析：深入探讨fork函数的实现机制（一）
首先，我们关注的焦点是fork函数，它是Linux系统创建新进程的核心手段。本文将深入剖析从用户空间应用程序调用glibc库，直至内核层面的具体过程。这里假设硬件平台为ARM，使用Linux内核3..3和glibc库2.版本。这些版本的库和内核代码可以从ftp.gnu.org获取。
在glibc层面，针对不同CPU架构，进入内核的步骤有所不同。当glibc准备调用kernel时，它会将参数放入寄存器，通过软中断(SWI) 0x0指令进入保护模式，最终转至系统调用表。在arm平台上，系统调用表的结构如下：
系统调用表中的CALL(sys_clone)宏被展开后，会将sys_clone函数的地址放入pc寄存器，这个函数实际由SYSCALL_DEFINEx定义。在do_fork函数中，关键步骤包括了对父进程和子进程的跟踪，以及对子进程进行初始化，包括内存分配和vfork处理等。
总的来说，调用流程是这样的：应用程序通过软中断触发内核处理，通过系统调用表选择并执行sys_clone，然后调用do_fork函数进行具体的进程创建操作。do_fork后续会涉及到copy_process函数，这个函数是理解fork核心逻辑的重要入口，包含了丰富的内核知识。在后续的内容中，我将深入剖析copy_process函数的工作原理。
3d稀疏卷积——spconv源码剖析（三）
构建Rulebook
下面看ops.get_indice_pairs，位于：spconv/ops.py
构建Rulebook由ops.get_indice_pairs接口完成
get_indice_pairs函数具体实现：
主要就是完成了一些参数的校验和预处理。首先，对于3d普通稀疏卷积，根据输入shape大小，kernel size，stride等参数计算出输出输出shape，子流行稀疏卷积就不必计算了，输出shape和输入shape一样大小
准备好参数之后就进入最核心的get_indice_pairs函数。因为spconv通过torch.ops.load_library加载.so文件注册,所以这里通torch.ops.spconv.get_indice_pairs这种方式来调用该函数。
算子注册：在src/spconv/all.cc文件中通过Pytorch提供的OP Register(算子注册的方式)对底层c++ api进行了注册，可以python接口形式调用c++算子
同C++ extension方式一样，OP Register也是Pytorch提供的一种底层扩展算子注册的方式。注册的算子可以通过 torch.xxx或者 tensor.xxx的方式进行调用，该方式同样与pytorch源码解耦，增加和修改算子不需要重新编译pytorch源码。用该方式注册一个新的算子，流程非常简单：先编写C++相关的算子实现，然后通过pytorch底层的注册接口（torch::RegisterOperators），将该算子注册即可。
构建Rulebook实际通过python接口get_indice_pairs调用src/spconv/spconv_ops.cc文件种的getIndicePairs函数
代码位于：src/spconv/spconv_ops.cc
分析getIndicePairs直接将重心锁定在GPU逻辑部分，并且子流行3d稀疏卷积和正常3d稀疏卷积分开讨论，优先子流行3d稀疏卷积。
代码中最重要的3个变量分别为：indicePairs，indiceNum和gridOut，其建立过程如下：
indicePairs代表了稀疏卷积输入输出的映射规则，即Input Hash Table 和 Output Hash Table。这里分配理论最大的内存，它的shape为{ 2,kernelVolume,numAct}，2表示输入和输出两个方向，kernelVolume为卷积核的volume size。例如一个3x3x3的卷积核，其volume size就是(3*3*3)。numAct表示输入有效(active)特征的数量。indiceNum用于保存卷积核每一个位置上的总的计算的次数，indiceNum对应中的count
代码中关于gpu建立rulebook调用create_submconv_indice_pair_cuda函数来完成，下面具体分析下create_submconv_indice_pair_cuda函数
子流线稀疏卷积
子流线稀疏卷积是调用create_submconv_indice_pair_cuda函数来构建rulebook
在create_submconv_indice_pair_cuda大可不必深究以下动态分发机制的运行原理。
直接将重心锁定在核函数：
prepareSubMGridKernel核函数中grid_size和block_size实则都是用的整形变量。其中block_size为tv::cuda::CUDA_NUM_THREADS,在include/tensorview/cuda_utils.h文件中定义，大小为。而grid_size大小通过tv::cuda::getBlocks(numActIn)计算得到,其中numActIn表示有效(active)输入数据的数量。
prepareSubMGridKernel作用：建立输出张量坐标(通过index表示)到输出序号之间的一张哈希表
见：include/spconv/indice.cu.h
这里计算index换了一种模板加递归的写法，看起来比较复杂而已。令：new_indicesIn = indicesIn.data()，可以推导得出index为：
ArrayIndexRowMajor位于include/tensorview/tensorview.h，其递归调用写法如下：
接着看核函数getSubMIndicePairsKernel3：
位于：include/spconv/indice.cu.h
看：
上述写法类似我们函数中常见的循环的写法，具体可以查看include/tensorview/kernel_utils.h
NumILP按默认值等于1的话，其stride也是gridDim.x*blockDim.x。索引最大值要小于该线程块的线程上限索引blockDim.x * gridDim.x，功能与下面代码类似：
参考： blog.csdn.net/ChuiGeDaQ...
wpa_supplicant-2.源码分析
本文将深入剖析wpa_supplicant-2.源码，重点关注其关键函数在实现Station & P2P模式中的作用。首先，在wpa_supplicant/main.c的主函数main()中，程序主要负责四大任务：解析命令行输入的参数，这是初始化过程中的重要步骤。
调用wpa_supplicant_init()函数，启动wpa_supplicant的核心功能，进行初始化配置。
紧接着，wpa_supplicant_add_iface()函数被调用，这一步用于增加网络接口，以支持连接不同的网络。
最后，wpa_supplicant_run()函数被调用，使wpa_supplicant进入运行状态，开始监听和管理无线网络连接。
值得注意的是，wpa_supplicant的后台服务是wpa_cli命令使用的前提，只有当wpa_supplicant在后台运行时，用户才能通过wpa_cli命令进行配置和管理。具体到wpa_cli命令的下发，其背后的执行逻辑是调用wpa_ctrl_request函数来触发相应的操作。 通过这段代码的解读，我们可以更直观地理解wpa_supplicant在无线网络管理中的工作流程和关键函数交互。通过do_execve源码分析程序的执行（上）（基于linux0.）
execve函数是操作系统的关键功能，它允许程序转变为进程。本文通过剖析do_execve源码，揭示程序转变成进程的机制。do_execve被视为系统调用，其运行过程在前文已有详细解析，此处不再赘述。分析将从sys_execve函数开启。
在执行_do_execve前，先审视内核栈。接下来，我们将深入理解do_execve的实现。
在加载可执行文件时，存在两种情况：编译后的二进制文件与脚本文件。脚本文件需加载对应解释器，本文仅探讨编译后的二进制文件。解析流程如下：首先验证文件可执行性和当前进程权限，通过后，仅加载头部数据，具体代码在真正运行时通过缺页中断加载。然后，申请物理内存并存储环境变量和参数，该步骤在copy_string函数中实现。
完成上述步骤后，内核栈结构发生变化。接着，执行代码释放原进程页目录和页表项信息，解除物理地址映射，这些信息通过fork继承。随后，调用change_ldt函数设置代码段、数据段基地址和限长，其中数据段限长为MB，代码段限长根据执行文件头部信息确定。完成物理地址映射后，内存布局随之调整。
紧接着，通过create_tables函数分配执行环境变量和参数的数组。执行完毕后，内存布局进一步调整。最后，设置栈、堆位置，以及eip为执行文件头部指定值，esp为当前栈位置，至此，可执行文件加载阶段完成。下文将探讨执行第一条指令后的后续步骤。
