update more notes's markdown format.

_posts/2024-08-08-mmu-tlb-table-walk-unit-page-table.md

@@ -10,7 +10,7 @@ mermaid: true
 # pin: true
 ---
 
-## 1. `MMU` 结构以及工作过程
+## 1. `MMU` 结构以及工作过程 ##
 
 大多数使用`MMU`的机器采用内存`分页机制`，虚拟地址空间以`页(Page)`为单位，相应的，物理地址空间也被划分为`页帧(Frame)`。`页帧`必须与`页`保持相同的大小，通常为4KB，对于大页，页帧可以是2MB或1GB。大页一般用于服务器，用于系统分配大量数据，减少缺页中断的发生。
 
@@ -33,19 +33,19 @@ CPU发出的`VA`由两部分组成：`VPN(Virtual Page Number)` + `offseet`。
 
 ![VPN to PFN](/assets/images/cpu/mmu_20240808/vpn_to_pfn.webp)
 
-### 1.1 从`VA`到`PA`，MMU处理流程图
+### 1.1 从`VA`到`PA`，MMU处理流程图 ###
 
 ![MMU VA to PA Process](/assets/images/cpu/mmu_20240808/mmu_va_to_pa_procesure.png)
 
-## 2. 页表结构
+## 2. 页表结构 ##
 
 现代CPU一般采用四级页表结构。以32位地址空间的二级页表为例，CPU发出的虚拟地址被拆分分为：页目录(Page Directory)、页表(Page Table)、页内偏移(Page Offset)三级（以4k为例，即12位）。
 
 `VPN`的最高10位用于索引页目录，紧接的10位用于索引页表索引，最低12位为页内偏移地址。拆分结构如下图所示：
 
 ![Page Table Structure](/assets/images/cpu/mmu_20240808/页表目录索引_页表索引_地址偏移.webp)
 
-### 2.1 MMU查找过程
+### 2.1 MMU查找过程 ###
 
 MMU先根据一级页表的物理地址和一级页表Index去一级页表中找PTE，PTE中的地址不再是最终的物理地址，而是二级页表的物理地址。
 
@@ -57,15 +57,15 @@ MMU先根据一级页表的物理地址和一级页表Index去一级页表中找
 
 使用二级页表的好处是如果一级页表中的某一个PTE没有命中，那这一PTE对应的整个二级页表就不存在。
 
-### 2.2 进程页表与 Address Space ID
+### 2.2 进程页表与 Address Space ID ###
 
 `操作系统`会为`每个进程`分配一个`页表`，该`页表`使用`物理地址`存储。当`进程`使用类似`malloc`等需要`映射代码或数据`的操作时，`操作系统`会在随后马上`修改页表`以加入新的 `物理内存`。
 
 每次`切换进程`都需要进行`TLB清理`。这样会导致切换的效率变低。为了解决问题，`TLB`引入了`ASID(Address Space ID)`。`ASID`的范围是`0-255`。`ASID`由操作系统分配，`当前进程的ASID值`被写在`ASID寄存器(使用CP15 c3访问)`。`TLB`在更新`页表项`时也会将`ASID`写入`TLB`。
 
 `MMU`在查找`TLB`时， 只会查找`TLB`中具有`相同ASID值`的`TLB行`。且在切换进程时，`TLB`中被设置了`ASID`的`TLB行`不会被清理掉，当下次切换回来的时候还在。所以`ASID`的出现使得切换进程时不需要清理`TLB`中的所有数据，可以大大减少`切换开销`。
 
-## 3. `页表项(PTE)` 与 `TLB` 中的标志位
+## 3. `页表项(PTE)` 与 `TLB` 中的标志位 ##
 
 在进程的虚拟内存空间中，每一个虚拟内存页在页表中都有一个`PTE`与之对应，在32位系统中，每个`PTE`占用4个字节大小，其中保存了虚拟内存页背后映射的物理内存页的起始地址，以及进程访问物理内存的一些权限标识位。
 
@@ -82,7 +82,7 @@ MMU先根据一级页表的物理地址和一级页表Index去一级页表中找
 - `PCD(2)`：`Page Cache Disable`，表示`PTE`指向的物理内存页面中的内容，是否可以被缓存到`Cache`中。在`SOC`异构处理器共享同一块物理内存时，可以使用`PCD`创建禁止`Cache`的`PTE`。
 - `PWT(3)`: `Page Write-Through`，表示`PTE`指向的`CPU Cache`中的内容，是直接写入物理内存(Write-Through)，还是在`Cache-line`被中的内容被替换时写入物理内存(Write-Back)。
 
-## 4. 缺页处理过程
+## 4. 缺页处理过程 ##
 
 - 处理器要对虚拟地址`VA`进行访问。
 - `MMU`的`TLB`没有命中，通过`TWU`遍历主存页表中的PTEA（PTE地址）。
@@ -94,7 +94,7 @@ MMU先根据一级页表的物理地址和一级页表Index去一级页表中找
 
 ![Page Fault Process](/assets/images/cpu/mmu_20240808/page_fault.png)
 
-## 参考
+## 参考 ##
 
 - [知乎 -- 图解MMU](https://zhuanlan.zhihu.com/p/487386274)
 - [简书 -- ARM体系架构——MMU](https://www.jianshu.com/p/ef1e93e9d65b)

_posts/2024-08-11-atomic.md

@@ -10,31 +10,31 @@ mermaid: true
 # pin: true
 ---
 
-## 1. CPU Cache 内部结构
+## 1. CPU Cache 内部结构 ##
 
 ![CPU structure](/assets/images/cpu/memory_order_20240811/cpu_structure.png)
 
 一个core内部结构：cache, store buffer, invalidate queue，结构如下图所示：
 
 ![CPU cache structure](/assets/images/cpu/memory_order_20240811/core_structure_cache_store_buffer_inv_queue.png)
 
-### 1.1 为什么需要 MESI
+### 1.1 为什么需要 MESI ###
 
 `MESI`是`CPU`内部多个`core`同步通讯协议，保证多个`core`中的`cache`的数据一致性。
 
 通过给`cache line`设置状态位，以及`CPU core`（也可能有内存控制器参与）之间的消息同步逻辑，让多个`core`中的`cache`数据保持一致性。`core`之间通讯过程示例：[知乎 --为什么需要内存屏障](https://zhuanlan.zhihu.com/p/55767485)。
 
 在没有`store buffer`之前，`MESI`可以保证不需要`memory fence`指令也可以保证数据的一致性（理解：但不能保证指令重排导致两个线程访问先后顺序）。
 
-## 2. memory fence
+## 2. memory fence ##
 
-### 2.1 概念及理论
+### 2.1 概念及理论 ###
 
 - 同步点：针对同一个`原子变量`的`load`操作与`store`操作，分别构成一个`同步点`。其概念有三要素：(1)：`load`/`store`操作，(2)：针对同一个原子变量，(3)：以及在不同线程中；
 - `synchronize-with` 关系，该概念包含两个含义：(1)：同一个同步点，(2)：读取的值是另一个同步点写入的值；
 - `happens-before` 关系；
 
-### 2.2 为什么需要 memroy fence
+### 2.2 为什么需要 memroy fence ###
 
 例如有两个`CPU core`：`CPU0`，以及`CPU1`，`CPU0`写入，`CPU1`读取同一个变量。`CPU0`认为写入到`store buffer`就够了，而`CPU1`则认为必须写入到`cache`才叫写入。
 
@@ -47,15 +47,15 @@ mermaid: true
 - [Cache一致性和内存一致性](https://wudaijun.com/2019/04/cache-coherence-and-memory-consistency/)
 - [Acquire and Release Fences](https://preshing.com/20130922/acquire-and-release-fences/)
 
-## 3. memory order seq_cst 与 release_acquire 区别
+## 3. memory order seq_cst 与 release_acquire 区别 ##
 
 TODO
 
-## 更多资料
+## 更多资料 ##
 
 - [C++ Concurrency In Action 2ed 中文翻译](https://simonhancrew.github.io/CppConcurencyInAction/)
 - [C++ Concurrency in Action, 2nd Edition](/assets/pdf/cpu/C++%20Concurrency%20in%20Action,%202nd%20Edition.pdf)
 
-## HTTP 参考资料
+## HTTP 参考资料 ##
 
 - memory ordering: http://gavinchou.github.io/summary/c++/memory-ordering

_posts/2024-08-13-cpp-perf-repos.md

@@ -10,17 +10,17 @@ mermaid: true
 # pin: true
 ---
 
-## 1. 虚拟内存分配
+## 1. 虚拟内存分配 ##
 
-### 1.1 mmap
+### 1.1 mmap ###
 
 `mmap`用于建立`文件映射`，或者`匿名映射`。
 
 当用于`文件映射`时，`mmap`将文件内容缓存进内核空间的`page cache`里面，然后将用户的一段虚拟内存空间直接映射到`page cache`。用户通过访问这段虚拟内存，直接读写内核空间上的`page cache`，避免buffer拷贝开销及用户态的切换。
 
 用`mmap`用户建立`匿名映射`时，将用户空间的一段虚拟内存空间直接映射到某段物理内存上，这段虚拟内存称为`匿名页`。`匿名映射`用于`malloc`操作（大于128KB）。
 
-### 1.2 malloc / free
+### 1.2 malloc / free ###
 
 在现代操作系统中，`malloc`的作用是分配虚拟内存空间，并不实际分配物理内存。当分配的虚拟内存空间第一次被访问时，才会真正的分配物理内存（OS的写时分配行为）。
 
@@ -33,24 +33,24 @@ mermaid: true
 ![malloc-brk](/assets/images/os/malloc_20240827/malloc_brk.png)
 ![malloc-mmap](/assets/images/os/malloc_20240827/malloc_mmap1.png)
 
-### 1.3 new / delete
+### 1.3 new / delete ###
 
 `new` / `delete`操作时，在调用`malloc`/`free`基础上，对`non-trival`对象，调用其构造/析构函数；对于`trival`对象，不需要调用构造/析构函数，直接分配/释放内存。
 
-## 2. 内存分配优化
+## 2. 内存分配优化 ##
 
 * 用户态内存分配：intel TBB malloc, tcmalloc，Vulkan Memory Allocator等。（ 经测试，microsoft mimalloc适配性不是很好，使用过程中会出错；intel TBB malloc overhead似乎比较大）
 * 内存池。（见下面资料链接）
 * 对象池。
 
-### 2.1 参考资料
+### 2.1 参考资料 ###
 
 * [Vulkan Memory Allocator](https://github.com/GPUOpen-LibrariesAndSDKs/VulkanMemoryAllocator)
 * [Vulkan Memory Allocator -- docs](https://gpuopen-librariesandsdks.github.io/VulkanMemoryAllocator/html/quick_start.html)
 * [游戏架构设计：内存管理](https://www.cnblogs.com/KillerAery/p/10765893.html)
 * [游戏架构设计：高性能并行编程](https://www.cnblogs.com/KillerAery/p/16333348.html)
 
-## 3. github -- 内存池仓库
+## 3. github -- 内存池仓库 ##
 
 * [github -- memory](https://github.com/foonathan/memory)
 * [github -- poolSTL](https://github.com/alugowski/poolSTL)

_posts/2024-08-13-std-function.md

@@ -12,7 +12,7 @@ mermaid: true
 
 `std::function` 可以将`函数`,`函数对象（仿函数）`,`lambda表达式`包装成一个`对象`。`std::function``对象`本身可以作为函数参数，并且是可复制的（复制构造、赋值）。
 
-## 1. 封装函数指针
+## 1. 封装函数指针 ##
 
 ```cpp
 int add(int a, int b) { return a + b; }
@@ -25,7 +25,7 @@ int main() {
 }
 ```
 
-## 2. 封装函数对象（仿函数）
+## 2. 封装函数对象（仿函数） ##
 
 ```cpp
 struct Adder {
@@ -41,7 +41,7 @@ int main() {
 }
 ```
 
-## 3. 封装 lambda 表达式
+## 3. 封装 lambda 表达式 ##
 
 ```cpp
 int main() {
@@ -53,7 +53,7 @@ int main() {
 }
 ```
 
-## 4. 与 std::bind 结合使用
+## 4. 与 std::bind 结合使用 ##
 
 ```cpp
 int add(int a, int b) { return a + b; }
@@ -66,7 +66,7 @@ int main() {
 }
 ```
 
-## 5. lambda 表达式
+## 5. lambda 表达式 ##
 
 `lambda`表达式是一个匿名`函数对象`，即编译器会创建一个`仿函数`( 调用时，调用 `operator()(....)` )，并将外部捕获的变量，添加到该匿名对象中。这些是`lambda`的额外开销。
 
@@ -115,7 +115,6 @@ int main()
 }
 ```
 
-## 参考
+## 参考 ##
 
 - [What is a lambda expression, and when should I use one?](https://stackoverflow.com/questions/7627098/what-is-a-lambda-expression-and-when-should-i-use-one)
-

_posts/2024-08-16-RANSAC.md

@@ -10,7 +10,7 @@ mermaid: true
 # pin: true
 ---
 
-## 1. RANSAC 算法过程
+## 1. RANSAC 算法过程 ##
 
 `最小二乘法`拟合只进行一次迭代，计算所有离散点平均值，得到最终拟合直线或曲线。
 
@@ -33,7 +33,7 @@ Demo计算结果如下：
 
 ![RANSAC迭代结果](/assets/images/algorithm/RANSAC_20240816/RANSAC_result_demo.png)
 
-## 2. 算法改进
+## 2. 算法改进 ##
 
 实际应用中，发现不能直接应用`RANSAC`算法。一个原因离散点（点云）数量过大，实际应用不能拟合期望的直线。另外就是其迭代次数在大数据量下，计算量过大。
 
@@ -45,10 +45,10 @@ Demo计算结果如下：
 2. 根据行业应用特点，限定起点、限定密度、限定斜率；
 3. 综合使用其中一个或多个，特别是初步筛选及限定起点；
 
-## 3. 实现
+## 3. 实现 ##
 
 TBD
 
-## 4. 更多资料
+## 4. 更多资料 ##
 
 * [Ransac 随机一致性采样](https://scm_mos.gitlab.io/algorithm/ransac/)

_posts/2024-08-21-intel-tbb-malloc-usage.md

@@ -10,7 +10,7 @@ mermaid: true
 # pin: true
 ---
 
-## CMake 查找 Intel TBB
+## CMake 查找 Intel TBB ##
 
 ```cmake
 find_package(
@@ -23,7 +23,7 @@ if(TBB_FOUND)
 endif()
 ```
 
-## 链接引入 TBB 库
+## 链接引入 TBB 库 ##
 
 ```cmake
 if (MSVC)
@@ -32,7 +32,7 @@ if (MSVC)
 endif()
 ```
 
-## cpp 代码中引入 TBB 符号，防止库链接被优化掉
+## cpp 代码中引入 TBB 符号，防止库链接被优化掉 ##
 
 ```cpp
 #if defined(WITH_TBB_MALLOC) && defined(_MSC_VER) //&& defined(NDEBUG)
@@ -43,7 +43,7 @@ endif()
 #endif
 ```
 
-## 查看内存分配函数替换是否出错
+## 查看内存分配函数替换是否出错 ##
 
 ```cpp
 #if defined(WITH_TBB_MALLOC) && defined(_MSC_VER) //&& defined(NDEBUG)
@@ -65,6 +65,6 @@ endif()
 #endif
 ```
 
-## 资料
+## 资料 ##
 
 * [How to Use oneTBB for Efficient Memory Allocation in C++ Applications](https://www.intel.cn/content/www/cn/zh/developer/articles/technical/how-to-use-onetbb-for-memory-allocation-cpp.html)

_posts/2024-08-21-ubuntu-bash-alias.md

@@ -10,7 +10,7 @@ mermaid: true
 # pin: true
 ---
 
-## bash alias
+## bash alias ##
 
 ```bash
 ###################
@@ -31,7 +31,7 @@ alias c='clear'
 alias r='reset'
 ```
 
-## bash 显示 git status
+## bash 显示 git status ##
 
 ```bash
 # Show git branch name

_posts/2024-08-22-cmake-check-system-andcompiler.md

@@ -10,7 +10,7 @@ mermaid: true
 # pin: true
 ---
 
-## 判断操作系统
+## 判断操作系统 ##
 
 ```cmake
 IF (CMAKE_SYSTEM_NAME MATCHES "Linux")
@@ -24,7 +24,7 @@ MESSAGE(STATUS "other platform: ${CMAKE_SYSTEM_NAME}")
 ENDIF (CMAKE_SYSTEM_NAME MATCHES "Linux")
 ```
 
-## 判断编译器
+## 判断编译器 ##
 
 ```cmake
 if ("${CMAKE_CXX_COMPILER_ID}" STREQUAL "Clang")

_posts/2024-08-23-ubuntu-install-opencv.md

@@ -10,7 +10,7 @@ mermaid: true
 # pin: true
 ---
 
-## 依赖项安装
+## 依赖项安装 ##
 
 ```bash
 sudo apt-get update  
@@ -25,7 +25,7 @@ sudo apt-get install -y libtbb2 libtbb-dev libdc1394-22-dev
 sudo apt-get install -y libopencv-dev
 ```
 
-## 下载 OpenCV 源码
+## 下载 OpenCV 源码 ##
 
 ```bash
 git clone https://github.com/opencv/opencv.git
@@ -34,7 +34,7 @@ git clone https://github.com/opencv/opencv_contrib.git
 # opencv opencv_contrib 检出同一个版本
 ```
 
-## 编译 OpenCV
+## 编译 OpenCV ##
 
 `cmake`配置过程中，需要下载依赖包。设置代理：
 
@@ -46,6 +46,6 @@ export https_proxy=http://192.168.9.165:10809
 1. 编译选项`OPENCV_EXTRA_MODULES_PATH`设置extra模块路径：`~/tmp/opencv/opencv_contrib/modules`。
 2. `OpenCV`还依赖其他第三方库：TBB、Eigen、VTK 等。可以先安装上。
 
-## 参考
+## 参考 ##
 
 - [cmake编译opencv指南](https://www.cnblogs.com/zjutzz/p/6714490.html)