# 2025q1 Homework5 (assessment)
contributed by < `weiso131` >

{%hackmd NrmQUGbRQWemgwPfhzXj6g %}

# 因為自動飲料機而延畢的那一年
閱讀這篇文章時，讓我更加慶幸自己當初選擇了資訊工程系。撰寫程式最大的優勢之一，就是可以迅速獲得回饋，立刻發現錯誤並加以修正。相比之下，處理硬體問題往往需要漫長的等待才能看到結果，調整流程也更加費時。

然而，現實世界中的應用往往不僅限於純軟體開發，而是與各種領域密切結合。有些領域本身就具有長回饋週期，這是無法避免的。因此，除了持續鞏固自己的專業能力，更要培養與其他領域專家有效溝通與合作的能力，這對於實際解決跨領域問題至關重要。

大一的時候，我曾嘗試探索當時十分熱門的機器學習領域，學習各種套件的使用，也了解了深度學習的基本原理。然而，這些知識並未讓我成功訓練出實用的模型。網路上的教學多半強調：若要對模型做出有效的改進，必須深入理解資料本身。然而不同的資料往往涉及不同的領域知識，除了統計學，幾乎每一種資料都需要跨領域的背景才能真正掌握。

這讓我意識到，單純投入模型訓練本身並不會帶來知識的有效累積，因為每換一個資料集，就得從頭學起一個新領域。這樣的過程讓我感到挫折，也逐漸看清了一件事：也許「訓練模型」本身，並不是適合我長期投入的方向。

相較之下，修習「Linux 核心設計」這門課程，讓我第一次感受到資訊領域專業知識的厚實與連貫。這門課探討的雖然是資訊系必修課涵蓋的內容，卻更加強調對細節的掌握與整體系統的理解，並聚焦於解決真實世界的問題。從浮點數運算中 mantissa 溢出導致的精度損失、如何透過位元運算實現常數時間的操作，到深入理解 Linux 排程器的實作方式、處理亂序執行所帶來的挑戰，乃至於異質多核架構與 KVM 虛擬化技術的延伸……
我總算找到了一條能夠通往專業的道路。

# 前六週學習回顧

## 課堂討論

- [5/1 線上討論作業三](https://hackmd.io/Tcy6NPtnQiubDGyrRUnSdw?both)

## 學習紀錄與提問
- Demystifying the Linux CPU Scheduler [閱讀筆記](https://hackmd.io/Tzn-CImwQvqikk4qpuFTAQ?view)

## 程式碼貢獻
- 提交修改到 ksort [1153ae7](https://github.com/weiso131/ksort/commit/1153ae779ef5770c2a9dd615d06630a4c4613723)

## 作業回顧
### lab-0
#### 完成事項
- 完成 queue.c 的函式功能實現
- 在 qtest 提供新的命令 shuffle
- 追蹤並修改 dudect 的程式，解決 make test 錯誤的將 insert_head/tail 認為是非常數時間的問題
- 追蹤 list_sort 的程式並與自己的實作比較效能，並且嘗試理解它更有效率的原因

#### 遇到的問題
- 我的 remove head 與 remove tail 有相同的實作方法 [queue.c](https://github.com/weiso131/lab0-c/blob/master/queue.c)，然而在 github 的 [make test](https://github.com/weiso131/lab0-c/actions/runs/13994510240/job/39186149290) 中， remove tail 總是能通過測試， remove head 幾乎**總是**無法通過測試，然而，在本地端的測試中，它們兩個總能通過測試。
這有可能是受到甚麼影響才會有這種結果?
- linux 的 merge ([list_sort.c](https://github.com/torvalds/linux/blob/master/lib/list_sort.c)) 的合併效率會比起使用間接指標儲存比較結果的實作有更高的效率，使用 perf 觀察各個組合語言指令占用的 cycle ，可以看到 linux 的 merge 在將兩個字串指標傳入 `strcmp` 時花費較少時間( 相較另外一種方法 )，但我無法理解為甚麼相同的指令花費的時間不同，是因為間接指標的取值會有額外的開銷? 還是 perf 的觀測不夠準? ([perf 實驗](https://hackmd.io/FJE2SPSHQTebmpHjHtgNVw?both#merge-%E4%BD%BF%E7%94%A8-linux-%E6%A0%B8%E5%BF%83%E7%9A%84%E5%AF%A6%E4%BD%9C))

### hw2
#### 完成事項
- 完成自定義的 [memory allocator](https://github.com/weiso131/Customize_allocator) ，並測試其效能
- 修正 random_shuffle_array 機率不公平的問題
- 解釋 sqrti 的運作原理

#### 覺得很奇怪的部份
- [memory-allocators](https://github.com/mtrebi/memory-allocators) 的 Free list allocator ，在實驗中宣稱使用鍊結串列實作，效能比 malloc 效能好了 3 倍，但稍微去追蹤它所測試的 Free list allocator ，每次都是直接選取第一個可用的記憶體空間，不管之後是否有更適合的空間，這可能會導致在多次分配之後更容易受到 memory fragmentation 影響。

### kxo
#### 完成事項
- 實現 `ctrl+Q` 停止並顯示對亦紀錄的功能
- 解決 使用者/核心 read_attr 不同步的問題
- 利用 bit 儲存棋盤資料
- 將 draw_board 移至 user space
- 實作快速判斷勝負的功能

#### 問題
- 關於作業說明， `fast_buf_get` 的部份需要使用 `smp_rmb()` ，是因為要避免指令重排嗎？ (ring->buf 與 tail 沒有直接的相依性) ，這邊跟 `rota1001` 討論時得出不一樣的結論，想確認一下

# 想投入的專案
- 因為作業三修改過 kxo 程式碼，讓對投入與驅動程式裝置、核心模組有關的專案產生一些興趣。
- 跟 3D 遊戲效能提升有關的專案可能會有興趣
- 跟嵌入式裝置有關的專案可能會有興趣

## 藉由 WiFi 訊號達成動作追蹤

在看過 Through-Wall Human Pose Estimation Using Radio Signals 的 demo 影片後，讓我覺得這個專案成果會十分的有趣，而且執行人的主要工作會是 `修改現有的Wi-Fi 裝置驅動程式，以達成動作追蹤的基礎建設` ，似乎符合其中一個我想投入的專案類型。