半加器 #

我们先来看看，我们人在计算加法的时候一般会怎么操作。二进制的加法和十进制没什么区别，所以我们一样可以用列竖式来计算。我们仍然是从右到左，一位一位进行计算，只是把从逢 10 进 1 变成逢 2 进 1。

你会发现，其实计算一位数的加法很简单。我们先就看最简单的个位数。输入一共是 4 种组合，00、01、10、11。得到的结果，也不复杂。

一方面，我们需要知道，加法计算之后的个位是什么，在输入的两位是 00 和 11 的情况下，对应的输出都应该是 0；在输入的两位是 10 和 01 的情况下，输出都是 1。结果你会发现，这个输入和输出的对应关系，其实就是“异或门（XOR）”。

讲与、或、非门的时候，我们很容易就能和程序里面的“AND（通常是 & 符号）”“ OR（通常是 | 符号）”和“ NOT（通常是 ! 符号）”对应起来。可能你没有想过，为什么我们会需要“异或（XOR）”，这样一个在逻辑运算里面没有出现的形式，作为一个基本电路。其实，异或门就是一个最简单的整数加法，所需要使用的基本门电路。

算完个位的输出还不算完，输入的两位都是 11 的时候，我们还需要向更左侧的一位进行进位。那这个就对应一个与门，也就是有且只有在加数和被加数都是 1 的时候，我们的进位才会是 1。

所以，通过一个异或门计算出个位，通过一个与门计算出是否进位，我们就通过电路算出了一个一位数的加法。于是，我们把两个门电路打包，给它取一个名字，就叫作半加器（Half Adder）。 半加器的电路演示

Viewpoint #

From #

Links #

门电路标识 #

下面这些是门电路的标识，其他的电路都是由这些门电路组合起来的。 这些基本的门电路，是我们计算机硬件端的最基本的“积木”，就好像乐高积木里面最简单的小方块。看似不起眼，但是把它们组合起来，最终可以搭出一个星球大战里面千年隼这样的大玩意儿。我们今天包含十亿级别晶体管的现代 CPU，都是由这样一个一个的门电路组合而成的。

Viewpoint #

From #

Links #

自定义类型与类型别名 #

如果我们要通过 Go 提供的类型定义语法，来创建自定义的数值类型，我们可以通过 type 关键字基于原生数值类型来声明一个新类型。

下面我们就来建立一个名为 MyInt 的新的数值类型看看：

type MyInt int32

这里，因为 MyInt 类型的底层类型是 int32，所以它的数值性质与 int32 完全相同，但它们仍然是完全不同的两种类型。根据 Go 的类型安全规则，我们无法直接让它们相互赋值，或者是把它们放在同一个运算中直接计算，这样编译器就会报错。

var m int = 5
var n int32 = 6
var a MyInt = m // 错误：在赋值中不能将m（int类型）作为MyInt类型使用
var a MyInt = n // 错误：在赋值中不能将n（int32类型）作为MyInt类型使用

要避免这个错误，我们需要借助显式转型，让赋值操作符左右两边的操作数保持类型一致，像下面代码中这样做：

var m int = 5
var n int32 = 6
var a MyInt = MyInt(m) // ok
var a MyInt = MyInt(n) // ok

我们也可以通过 Go 提供的类型别名（Type Alias）语法来自定义数值类型。和上面使用标准 type 语法的定义不同的是，通过类型别名语法定义的新类型与原类型别无二致，可以完全相互替代。我们来看下面代码：

type MyInt = int32
var n int32 = 6
var a MyInt = n // ok

你可以看到，通过类型别名定义的 MyInt 与 int32 完全等价，所以这个时候两种类型就是同一种类型，不再需要显式转型，就可以相互赋值。

Viewpoint #

From #

Links #

float32精度不足 #

因为 float32 精度不足，导致输出结果与常识不符。比如下面这个例子就是这样，f1 与 f2 两个浮点类型变量被两个不同的浮点字面值初始化，但逻辑比较的结果却是两个变量的值相等。

var f1 float32 = 16777216.0
var f2 float32 = 16777217.0
fmt.Println(f1 == f2) // true

Viewpoint #

From #

Links #

浮点数在二进制中的表示 #

浮点数在内存中的二进制表示（Bit Representation）要比整型复杂得多，IEEE 754 规范给出了在内存中存储和表示一个浮点数的标准形式，见下图： 我们看到浮点数在内存中的二进制表示分三个部分：符号位、阶码（即经过换算的指数），以及尾数。这样表示的一个浮点数，它的值等于： 其中浮点值的符号由符号位决定：当符号位为 1 时，浮点值为负值；当符号位为 0 时，浮点值为正值。公式中 offset 被称为阶码偏移值。

我们首先来看单精度（float32）与双精度（float64）浮点数在阶码和尾数上的不同。这两种浮点数的阶码与尾数所使用的位数是不一样的，你可以看下 IEEE 754 标准中单精度和双精度浮点数的各个部分的长度规定： 我们看到，单精度浮点类型（float32）为符号位分配了 1 个 bit，为阶码分配了 8 个 bit，剩下的 23 个 bit 分给了尾数。而双精度浮点类型，除了符号位的长度与单精度一样之外，其余两个部分的长度都要远大于单精度浮点型，阶码可用的 bit 位数量为 11，尾数则更是拥有了 52 个 bit 位。

接着，我们再来看前面提到的“阶码偏移值”，我想用一个例子直观地让你感受一下。在这个例子中，我们来看看如何将一个十进制形式的浮点值 139.8125，转换为 IEEE 754 规定中的那种单精度二进制表示。

1. 我们要把这个浮点数值的整数部分和小数 部分，分别转换为二进制形式（后缀 d 表示十进制数，后缀 b 表示二进制数）：整数部分：139d => 10001011b；小数部分：0.8125d => 0.1101b（十进制小数转换为二进制可采用“乘 2 取整”的竖式计算）。这样，原浮点值 139.8125d 进行二进制转换后，就变成 10001011.1101b。
2. 移动小数点，直到整数部分仅有一个 1，也就是 10001011.1101b => 1.00010111101b。我们看到，为了整数部分仅保留一个 1，小数点向左移了 7 位，这样指数就为 7，尾数为 00010111101b。
3. 计算阶码。 IEEE754 规定不能将小数点移动得到的指数，直接填到阶码部分，指数到阶码还需要一个转换过程。对于 float32 的单精度浮点数而言，阶码 = 指数 + 偏移值。偏移值的计算公式为 2^(e-1)-1，其中 e 为阶码部分的 bit 位数，这里为 8，于是单精度浮点数的阶码偏移值就为 2^(8-1)-1 = 127。这样在这个例子中，阶码 = 7 + 127 = 134d = 10000110b。float64 的双精度浮点数的阶码计算也是这样的。
4. 将符号位、阶码和尾数填到各自位置，得到最终浮点数的二进制表示。尾数位数不足 23 位，可在后面补 0。

这样，最终浮点数 139.8125d 的二进制表示就为 0b_0_10000110_00010111101_000000000000。

Content #

GDTR格式 在selector能够访问GDT之前，需要用lgdt指令加载GDTR。

lgdt [GDT_POINTER]
GDT_POINTER:   dw 3ffh  ;GDT limit
               dd 200000h ;GDT base

使用selector访问GDT时，处理器会检查是否会超出limit。当GDT的limit为0c6h时，下面的情形就超出limit范围。

mov ax, 0xc0    ;selector is c0h
mov ds, ax      ;GP 异常（超限）

GDT中segment descriptor是8个字节，这个selector需要访问的空间是c0h-c7h，而c7h超出了c6h的限制，引发#GP异常。

Viewpoint #

From #

Links #

Content #

相信大部分人都见过：随着年轻劳动力外出，中国部分农村凋敝。如果是你，你会怎么描述？《寻路中国》的作者是怎么描述的？为什么说从这段描述中可以看出不滥用形容词，也能写出好文章来？

在中国的有些农村，人们似乎离去得十分匆忙。石磨翻覆在地，泥土地板上散落着垃圾，
房屋只剩下框架，与沉寂的墓碑比肩而立。土墙已经开始剥落，
每当我看见这些空荡荡的村落，就会对自己说：来晚了。

这段话你看到了几个形容词？只有沉寂和空荡荡两个形容词，其它几乎都是名词、动词。尽管如此，村庄破败的样子也已经跃然纸上，而且印象深刻。这是为什么呢？

因为作者找准了意象，这就像元代戏曲家马致远写的秋思，“枯藤老树昏鸦，小桥流水人家，古道西风瘦马”。九个名词性词组就把一副萧瑟的秋景图摆在了我们面前。

Viewpoint #

From #

Links #

Content #

同步原语（synchronization primitive）监管内存的访问，与交通灯控制十字路口的访问方式相同，正如红绿灯一样，它们停止交通的流动，引起等待时间（延时）。常见的有哪三种类型？

• mutex（MUTually EX clusive）锁只有锁持有者才能操作，其他线程会阻塞并等待CPU。
• 自旋锁自旋锁允许锁持有者操作，其他的需要自旋锁的线程会在CPU 上循环自旋，检查锁是否被释放。虽然这样可以提供低延时的访问，被阻塞的线程不会离开 CPU，时刻准备着运行直到锁可用，但是线程自旋、等待也是对CPU 资源的浪费。
• 读写锁读/写锁通过允许多个读者或者只允许一个写者而没有读者，来保证数据的完整性。

Viewpoint #

From #

Links #

Content #

有电影上映信息的文档形式如下：

{
    title: "Dunkirk",
    ...
    release_USA: "2017/07/23",
    release_UK: "2017/08/01",
    release_France: "2017/08/01",
    release_Festival_San_Jose:
    "2017/07/22"
}

需要针对每个地区及时间的索引，这会导致索引的数量非常大。这时，如果文档本身的数量也很大的话，维护的成本就会很高。MongoDB中用哪种模式可以很好地解决这个问题？

使用列转行模式，将多个地区及时间放入一个数组中：

{
    title: "Dunkirk",
    ...
    releases: [
        {country: "USA", date: "2017/07/23"},
        {country: "UK", date: "2017/08/01"},
        ...
    ]
}

再创建如下索引：

db.movies.createIndex({“releases.country”:1, “releases.date”:1})

Viewpoint #

From #

Links #

Content #

Kubernetes删除键为"node-role.kubernetes.io/master"的Taint，应如何操作？

$ kubectl taint nodes --all node-role.kubernetes.io/master-

我们在“node-role.kubernetes.io/master”这个键后面加上了一个短横线“-”，这个格式就意味着移除所有以“node-role.kubernetes.io/master”为键的 Taint。

Viewpoint #

From #

Links #