看understanding linux kernel的一点笔记：
页表
通常32位cpu使用2级页表机制就已足够，但到64位时代，2级页表会使页表的项急剧增加，所以通常会使用更多的页表级数。
ia64/ppc64/alpha使用3级页表，x86_64使用到4级页表。为兼容这些模型，2.6.11之后使用了统一的4级页表模型
Global Directory
Upper Directory
Middle Directory
Page Table
针对不同的架构，设置每一级不同的地址位数，0的话就是不使用这一级页表机制。

cache
多cpu环境中，每个cpu有自己的cache，对cache的更新有硬件机制保证通知其他的cpu进行同步。(真的吗?)

tlb
用来cache页表，加速地址的转换速度。每个cpu有自己的tlb，但不需要同步，因为地址转换和进程相关。

LinuxThreads:
  旧的pthread实现，基于process实现pthread。主要问题是signal不符合规范，stack size固定???

NPTL:
  2.6后加入的新实现，redhat as中2.4就可以支持。更符合pthread的规范。用户线程和内核线程采取1:1模式，支持floating stack。

今天花了一点时间作了个x86上hotspot vm的disassembler，这样可以看出jvm生成的本地代码了。
代码比较简单，主要是用了udis86的库，这个可以在sf上下载到，它的接口还是比较简单的。

简单的例子，hotspot解析模式中iconst_0的对应汇编代码：
iconst_0  3 iconst_0  [0xb4d98120, 0xb4d98160]  64 bytes

  0xb4d98120: sub esp, 0x4
  0xb4d98123: fstp dword [esp]
  0xb4d98126: jmp 0x1e
  0xb4d9812b: sub esp, 0x8
  0xb4d9812e: fstp qword [esp]
  0xb4d98131: jmp 0x13
  0xb4d98136: push edx
  0xb4d98137: push eax
  0xb4d98138: jmp 0xc
  0xb4d9813d: push eax
  0xb4d9813e: jmp 0x6
  0xb4d98143: push eax
  0xb4d98144: xor eax, eax
  0xb4d98146: movzx ebx, byte [esi+0x1]
  0xb4d9814a: inc esi
  0xb4d9814b: jmp dword near [ebx*4+0x6900680]

对soft reference，比较容易理解它的用处。它天生就是为实现cache来设计的。关于weak reference，好像很少有人说的清楚。有的和soft reference混在一起谈，有的就是简单翻译java doc中的说明，看得出翻译的人自己也不是很理解，所以只能一笔带过。

我也一直不是很清楚它的实际用途，今天我突然想到WeakReference可能的设计目的。

从java的内存泄漏说起，以前说到java也会内存泄漏的时候往往会举这样的例子，对象保存在一个全局表中，造成无法回收。一般的解决方法是不要使用全局表或者记得更新。但在实际开发中，有时必须要使用全局表，但无法明确知道该对象是否可销毁，因为对象可能被多个线程共享访问，所以程序不能确切的更新表中的引用。这时候weak reference就有用武之地，用WeakHashMap构造全局表，key和value之间是weak reference，这样的话程序员就不用考虑更新该表了，只要该对象没有强引用指向它，gc就可以回收它了。

回头去找一个实际的例子对照看看，记得在JDK中，weak reference还是用的很频繁的。

以前用redhat的时候使用rpm管理软件包，因为不能解决软件的依赖关系后来转到debian。apt确实方便了很多，但一直怀念rpm的一个功能，rpm可以查询一个文件具体属于哪个包，用apt一直没有找到对应的命令。
今天想在64位ubuntu上编译32位程序的时候发现没有/usr/include/gnu/stub-32.h，在网上搜索时突然发现apt也可以根据文件来搜索包。命令是apt-file(缺省是没有安装的)。
先安装apt-file
使用apt-file update同步安装包内部的文件，它会到你定义的source去获取这些信息，运行会比较慢，而且没有什么提示，不知道今后会不会都是这样。
然后就可以用apt-file find xxx 去查询了。


－每天进步一点点， :)

代码生成一般采用tree rewriting的方式，先将源代码转换成语法树的形式，通过模式匹配将子树替换成叶结点，同时生成代码指令，当树全部替换完后代码即生成了。采用这种方式主要关心匹配规则，甚至可以使用lex/yacc之类的工具生成code generator generator，也便于实现可移植的编译器。

dynamic programing
前面的算法如果只是从左往右依次匹配的话生成的代码质量不高，DP就是要考虑指令的代价，生成质量较优的代码。

自底向上为每个节点计算一系列值存入数组C[]，其中index代表使用的register数目，存储的是相应的代价(要考虑可能增加的store/load指令代价），计算某个节点的C[]时，先找到可能的匹配模式，根据匹配模式选择可能的寄存器数目组合，计算代价后选择最小值。这样遍历整个树后可以得到最小代价生成方式。



最近看代码时看到Tarjan算法，搜索了一下，是个经典的求LCA（Least Common Ancestor)算法。奇怪的是，网上一般的介绍只会给出伪码，而且有关集合的实现都没有。为理解它还想了半天。目前有些细节还没有完全想清楚(主要和wikipedia上给出的伪码实现并不完全一致)，但根据我的理解，我的实现应该是可以完成功能。
基本描述：
   本身是一个从根开始的深度优先搜索
1 为输入节点构建一个单节点的树 // MAKE_SET
2 对每个子节点，递归调用该算法完成子树内所有查询，
    再将子节点的ancester指向本节点，归并结果树  // UNION
3 处理完所有子节点后，将本节点标为checked
4 遍历查询集中和该节点有关的查询，检查另一个节点是否已标为checked，如果是的话说明
     1） 该节点在本节点的子树
     2） 该节点和本节点在另一节点的子树中，而且该节点已被查询
     无论哪种情况，检查该节点所在树的根就是这两个节点的LCA节点
     如果没有标识checked，只需简单跳过，当遍历到该节点时就可以完成查询了

下面是java的实现代码和简单测试

测试使用的树：

                                             0
                         +--------------+--------------------+
                          |                  |                          |
                         1                  2                        3
                  +-----+------+     +---+       +-------+---------+
                   |       |         |       |      |        |          |             |
                   4     5        6      7      8       9       10           11
            +---+               +              +          +--+------+   |
             |     |                 |              |            |               |   23
          12   13              14             15         16         17
                        +--------+                                +----+----+
                         |           |                                 |       |       |
                        18       19                               20   21   22


PS，差点忘了，祝lp生日快乐


众所周知，java和c++不一样，在java中，对象只能用new操作符在heap中分配，不可以象c++一样在栈上分配。

一般来说，在堆上分配的效率要低于栈，。例如堆是全局的，在多线程程序中要使用锁来进行同步，不巧的是，绝大部分的java程序都是多线程的。另一方面，随着对象的生成和销毁，堆上会产生碎片，需要一个或多个freelist来维护，这样也造成额外的开销，以及空间利用的低效。

但这是一般c程序员理解的heap管理机制，也因此有c程序员指责java的内存管理效率低下。其实在jvm的实现中，它会用自己的方式来管理堆，增强java的效率。以Hotspot为例，每个线程都会拥有一段自己的空间称为TLAB(Thread Local Alloc Buffer)，这块空间因为属于线程独有，所以在其中分配对象不需要加锁，其实和栈一样，分配对象只要将一个指针增加sizeof(object)即可。如果对象太大超出了tlab的剩余空间，此时有多种选择，
    在heap的share空间中分配，
    重新分配一块tlab
    在old generation中分配
    触发gc，释放已有空间。
具体选择何种方式由内存的利用情况和jvm的内存管理策略决定。由多个参数可以进行调整。所以在绝大部分情况下（〉90%），jvm中对象的分配和栈一样高效。

关于对象的释放，就是java中著名的gc来负责了，关于gc的介绍多如牛毛，而且其中的方式和策略层出不穷，这片文章就不介绍了。

从上面的介绍可以看出，这种方式可以加速对象的分配，但对释放不能作到象stack那样高效，其实有很多对象只是生存期很短的临时对象，如何识别这些对象并在tlab中更有效的释放应该是jvm可以进一步优化的方向。据我所知，jdk6的jvm已经使用了相关的技术。