kernel

sysctl.conf学习和调优 https://www.jianshu.com/p/9a8e383b5b49 前言 记得第一次接触 /etc/security/limits.conf 和 /etc/sysctl.conf 时是因为部署Oracle时要按需修改内核参数。limits.conf文件实际是Linux PAM（插入式认证模块，Pluggable Authentication Modules）中 pam_limits.so 的配置文件，突破系统的默认限制，对系统访问资源有一定保护作用。 limits.conf 和sysctl.conf区别在于limits.conf是针对用户，而sysctl.conf是针对整个系统参数配置。 调整limits.conf和sysctl.conf参数是有必要的 更新历史 2015年08月10日 - 初稿 阅读原文 - http://wsgzao.github.io/post/sysctl/ 扩展阅读 设置Sysctl.conf用以提高Linux的性能(最完整的sysctl.conf优化方案) - http://blog.csdn.net/21aspnet/article/details/6584792 limits.conf工作原理 - http://my.oschina.net/987openlab/blog/94634 ulimit命令 -

目录 1、软件包安装 2、编译arm-himix200交叉编译器 3、编译uboot和Kernel 前言：此篇搭建环境的Linux平台为ubuntu16.0.4 64位系统，SDK的目标平台为Hi3519DV300\CV500系列。 1、软件包安装 步骤 1 配置默认使用 bash 执行 #sudo dpkg-reconfigure dash 选择 no 步骤 2 安装软件包 执行： #sudo apt-get install make libc6:i386 lib32z1 lib32stdc++6 zlib1g-dev libncurses5-dev ncurses-term libncursesw5-dev g++ u-boot-tools:i386 texinfo texlive gawk libssl-dev openssl bc 步骤 3 创建/etc/ld.so.preload 文件 并执行 #echo "" > /etc/ld.so.preload 以解决 64bit linuxserver 上某些第三方库编译失败的问题。 步骤 4 安装其他软件包 因为Linux交叉编译器是32位的，而ubuntu16.0.4是64位的，因此需要安装lib32ncurses5和lib32z1兼容x86的运行库及环境。 #sudo apt-get install

Warp 逻辑上，所有thread是并行的，但是，从硬件的角度来说，实际上并不是所有的thread能够在同一时刻执行，接下来我们将解释有关warp的一些本质。 Warps and Thread Blocks warp是SM的基本执行单元。一个warp包含32个并行thread，这32个thread执行于SMIT模式。也就是说所有thread执行同一条指令，并且每个thread会使用各自的data执行该指令。 block可以是一维二维或者三维的，但是，从硬件角度看，所有的thread都被组织成一维，每个thread都有个唯一的ID( ID的计算可以在之前的博文查看 )。 每个block的warp数量可以由下面的公式计算获得： 一个warp中的线程必然在同一个block中，如果block所含线程数目不是warp大小的整数倍，那么多出的那些thread所在的warp中，会剩余一些inactive的thread，也就是说，即使凑不够warp整数倍的thread，硬件也会为warp凑足，只不过那些thread是inactive状态，需要注意的是，即使这部分thread是inactive的，也会消耗SM资源。 Warp Divergence 控制流语句普遍存在于各种编程语言中，GPU支持传统的，C-style，显式控制流结构，例如if…else,for,while等等。

Warp 逻辑上，所有thread是并行的，但是，从硬件的角度来说，实际上并不是所有的thread能够在同一时刻执行，接下来我们将解释有关warp的一些本质。 Warps and Thread Blocks warp是SM的基本执行单元。一个warp包含32个并行thread，这32个thread执行于SMIT模式。也就是说所有thread执行同一条指令，并且每个thread会使用各自的data执行该指令。 block可以是一维二维或者三维的，但是，从硬件角度看，所有的thread都被组织成一维，每个thread都有个唯一的ID( ID的计算可以在之前的博文查看 )。 每个block的warp数量可以由下面的公式计算获得： 一个warp中的线程必然在同一个block中，如果block所含线程数目不是warp大小的整数倍，那么多出的那些thread所在的warp中，会剩余一些inactive的thread，也就是说，即使凑不够warp整数倍的thread，硬件也会为warp凑足，只不过那些thread是inactive状态，需要注意的是，即使这部分thread是inactive的，也会消耗SM资源。 Warp Divergence 控制流语句普遍存在于各种编程语言中，GPU支持传统的，C-style，显式控制流结构，例如if…else,for,while等等。

Warp 逻辑上，所有thread是并行的，但是，从硬件的角度来说，实际上并不是所有的thread能够在同一时刻执行，接下来我们将解释有关warp的一些本质。 Warps and Thread Blocks warp是SM的基本执行单元。一个warp包含32个并行thread，这32个thread执行于SMIT模式。也就是说所有thread执行同一条指令，并且每个thread会使用各自的data执行该指令。 block可以是一维二维或者三维的，但是，从硬件角度看，所有的thread都被组织成一维，每个thread都有个唯一的ID( ID的计算可以在之前的博文查看 )。 每个block的warp数量可以由下面的公式计算获得： 一个warp中的线程必然在同一个block中，如果block所含线程数目不是warp大小的整数倍，那么多出的那些thread所在的warp中，会剩余一些inactive的thread，也就是说，即使凑不够warp整数倍的thread，硬件也会为warp凑足，只不过那些thread是inactive状态，需要注意的是，即使这部分thread是inactive的，也会消耗SM资源。 Warp Divergence 控制流语句普遍存在于各种编程语言中，GPU支持传统的，C-style，显式控制流结构，例如if…else,for,while等等。