## 怎么参与内核开发 Eric Miao 大家交流下我的经验，主要是相互学习： 我先介绍下我的经验吧。原来我是做嵌入式开发的，主要是在 Intel/Marvell 做 PXA/Xscale 这一块的，广  泛用在 PDA 上。也许大家见过过气的 Motorola 的 A1200 等系列的手机，就是用的这款 CPU。 开发过程中发现总是跟随着 Kernel 升级，开发工作很被动。内核树 Kernel 升级到 2.6.14 了，而我们却还在搞 2.6.9。那会儿我们还跟 MontaVista 有合作，所以曾经还搞过 2.4 的内核。PXA27x 上就有些客户在用 2.4，很是崩溃…… 后来我跟 boss 反应，这么开发是不行的，要把我们做的东西推到 mainline Intel HDA，然后结合实际的硬件也能猜个八九不离十。所以声音 debug 是个好的开端。 大家看到 sound/pci/hda/ 下面很多文件里面有很多 snd_pci_quirk 这个结构 (内核代码里面)，这些就是不同机器上不同的非标准配置，或者是 workaround。所以有很多问题，但一旦了解了，修复起来也比较直观。这种 Sound 相关的 Patch 就特别容易被 mainline 接受，改动也不大，很直观，而且也不影响

## JavaScript极速入门 —— 内核与引擎 主讲人与课程设计：耕耕 ## 浏览器内核 ## 主流浏览器内核 |主流浏览器|内核| |---|---| |IE -> Edge|trident->EdgeHTML| |Chrome|webkit->blink| |Safari|webkit| |Firefox|Gecko| |Opera|Presto->blink| 5)| ## 浏览器内核与JavaScript引擎关系 最初内核的概念包括渲染引擎与JS引擎，目前习惯直接称渲染引擎为内核，JS引擎独立。 最初状态 目前状态 浏览器内核 浏览器内核 渲染引擎 JavaScript引擎 渲染引擎 JavaScript引擎 ## 渲染引擎与JavaScript引擎 渲染引擎：Rendering Engine，一般习惯将之称为“浏览器内核”，主要功能是解 引擎：专门处理JavaScript脚本的虚拟机、解释器，用来解释执行js代码。在早期内核也是包含js引擎的，而现在js引擎越来独立了，可以把它单独提出来。 总结：渲染引擎（浏览器内核）处理html/css，JavaScript引擎处理JavaScript代码，有js引擎的地方就能解析js代码 浏览器 渲染引擎（内核） JavaScript引擎 解析html/css 解析JavaScript代码

[Image](/uploads/documents/4/7/3/9/4739a36fae893087536c8b4215db714a/p1_1.jpg) ## OpenEuler 实时内核UniProton及其混合关键性部署的实践 ## openEuler全新升级，成为数字基础设施开源操作系统 操作系统碎片化 导致数字基础设施产生大量 “软烟囱”： 生态割裂； 重复开发； 协同繁琐 ## colspan="2">嵌入式内核可编程，场景算力最佳· 磁盘资源隔离，大数据性能提升30% · 应用感知调度，hbase性能提升20%· 容器/虚机混部，资源利用率15%-30%· 边云管理协同框架，跨边云单应用秒级发放· 提供us级软/硬实时内核 · OpenAMP混合部署模式 · 分布式软总线，欧拉/鸿蒙设备互通异构直连聚合，应用跨算力流转基础能力持续创新南向创新· 可编程内核 · 实时内核openEuler DevKit · 迁移升级工具BiSheng Compiler · AI辅助自动调优分布式数据

SOFTWARE DEVELOPMENT CONFERENCE BEIJING 2017 # 高性能高可用机票实时搜索系统 去哪儿网 梁启康 ## 议题 系统诉求 海量数据 设计思路 搜索框架 报价引擎 待解问题 ## 系统诉求 - 全网价最低 • 航线报价最全 - 实时性最好 • 产品最丰富 • 预定最流畅 ### 去哪儿？ Qunar.Com 聪明你的旅行 ___ 搜索量 • 航线搜索+航班搜索：3k+qps • 每秒计算产品数：搜索qps * 航班数 * 供应商个数 * 产品个数 = 1500万 + ## 设计思路 · 最理想的方式 • 所有的报价都实时计算，填充好 • 一个巨大的哈希表 • 响应所有渠道价格变动进行计算 - 快 · 0 变价 ## 设计思路 按需计算 消息驱动 分布式 CAP BASE 理论 异步 无状态 空间换时间 • 缩短对象驻留内存时间，减少gc次数，优化单机吞吐 • 数据交换采用protobuf + gzip处理 - jit、预热 ## 回顾 • 水平分层，纵向分渠道，良好的扩展性 - 实时计算 + 阶梯式缓存，成本与报价新鲜度的权衡 · 闭环系统 · 索引库数据同步 • 本地缓存的设计，更新策略 • 缩减对象内存 0 ·一致性哈希负载均衡 ## 心得 • 不同的业务场景，不同的特征

所实现的大规模并行处理(MPP)开源数据平台，具有良好的弹性和线性拓展能力，内置并行存储、并行通信、并行计算和并行优化功能，兼容 SQL 标准。拥有独特的高效的 ORCA 优化器，具有强大、高效的 PB 级数据存储、处理和实时分析能力，同时支持 OLTP 型业务的混合负载。 ![Image](/uploads/documents/f/8/c/6/f8c6504c12d71f5166507cf7747cf0d9/p4_2

Sealos 介绍 ## 一 站式公有云/私有云建设方案 ## One-stop solution for your public&private cloud 以 kubernetes 为内核的云操作系统 ## 整个数据中心抽象成一台服务器，一切皆应用，让用云像用个人电脑一样简单！  ## Sealos是云操作系统发行版本 ## Kubernetes是云操作系统内核，整个集群是一个整体 Linux发行版，如redhat Linux发行版，如redhat Linux发行版，如redhat Linux kernel Linux kernel Linux /gh-proxy.com \ 5 --cloud-domain= ## 抛弃 IaaS PaaS SaaS 拥抱 云内核 架构 |分层架构代表 openstack|内核架构代表 linux| |---|---| |我快黄了|我经久不衰| |我一锅大杂烩|我高内聚高抽象| |我装起来都费劲|我一键安装| |我运行起来一堆问题|我小白都能稳定运行|

9d/p1_1.jpg) QCon 全球软件开发大会 INTERNATIONAL SOFTWARE DEVELOPMENT CONFERENCE BEIJING 2017 # 海尔实时计算平台技术选型与实践 海尔电器 - 肖云 主办方 Geekbang. InfoQ 极客邦科技 ## 促进软件开发领域知识与创新的传播  ## 概要 • 实时计算平台背景 • 开源技术选型与实践 • 开源技术改造经验 ## 背景 - 海尔大数据总体规划 数据应用 数据可视化+Java Olap Report 精准化 ![Image](/u 物理表 财务 微商 物流 车小微 数据市场 应用市场 数据服务 数据开放 物流 库存 营销 订单 实时计算 库存 用户行为 关键业务数据（实时） 跨境电商 RRS 区域运营 服务网 元数据管理 数据质量 据 管 数据安全 ## 实时计算平台框架 数据产品1 数据产品2 数据产品N 存储服务 ![Image](/uploads/document

## Flink如何实时分析Iceberg数据湖的CDC数据 阿里巴巴 李劲松/胡争 FLINK FORWARD #ASIA 2020 #1 #2 #3 #4 常见的CDC 为何选择 Flink 如何实时写 未来规划 分析方案 + Iceberg 入读取 FLINK FORWARD #ASIA 2020 ## #1 常见的CDC分析方案 ## 离线 HBase 集群分析 CDC CDC 数据 ↓ ## MySQL $ ^{®} $ → HBASE ## 方案评估 优点 1、CDC记录实时写入HBase。高吞吐+低延迟。 2、小范围查询延迟低。 3、集群可拓展 缺点 1、行存索引不适合分析任务。 2、HBase集群维护成本较高。 3、通过RegionServer定位HFile，Server的优化和缓存完全用不上。 4、数据格式绑定HFile，不方便 Parquet、Avro、Orc等。 FLINK FORWARD #ASIA 2020 ## Apache Kudu 维护 CDC 数据集 ## MySQL ## 方案评估 优点 1、支持实时更新数据，时效性佳。 2、列存加速，适合OLAP分析。 ## 缺点 1、独立的Kudu集群，比较小众。维护成本高。 2、和 HDFS / S3 / OSS 等割裂。数据独立，且存储成本不如 S3

## 使用 TiDB 进行实时数据分析 ## 马晓宇@PingCAP ## 极客邦科技 会议推荐2019  ## QCon ## 全球软件开发大会 大会：5月6–8日 培训：5月9–10日 ## QCon 北京 广州 ## 分析产品负责人@PingCAP 曾就职于网易杭研，担任 BigData Infra Team Lead - 主要关注大数据，分布式数据库，SQL on Hadoop 等领域 ## 实时场景技术选型 ## 案例分析 我希望做一个实时分析系统，提供运营人员实时查询当前经营数据 - 我需要一个存储系统当做 Data Sink 保存（可能有变更的）大量数据以供中高并发 SQL 复杂查询访问  ## 更严格的需求 如果实时短读写需要稳定的高频低延迟响应 ● 或者干脆绕过消息队列缓存，在线应用直接写入数据库 ☐ 需要系统负荷有余量 ☐ 受到较少的干扰 ☐ 使用行存格式 - 如果实时长查询快速返回结果 所有系统资源全力投入计算 ☐ 使用列存格式 ## 案例回顾 TiDB 为保证短读写，使用了行存而非列存