刚面试一个4年工作经验java程序猿，多线程间的5种通信方式都说不出来，你敢信？
本来一开始这位面试者给我的印象还是蛮好的，对于java基础、spring、springBoot理解、JVM等回答得比较满意。当我问到线程相关得问题时，他尽然懵了，我从他得表情和小动作看得出来他很紧张，于是就没有问很深得线程问题，问他多线程间又哪几种通信方式。这位面试者思考了一番，丢给我了一句，不知道。
此后，我就没有更深入得问下去了。反问他有什么需要问我的...，你们说说，这样的程序猿我是该招进来，还是不该招进来呢，我司做的是互联网产品?
不敢相信，4年的工作经验的小伙，怎么对线程很懵逼呢。我在这里简单得提示下：volatile、wait()/notify()、JUC工具类 CountDownLatch、ReentrantLock 结合 Condition、LockSupport。具体内容请大家自行补脑，我这里一时半会儿说不清楚。
我是锦鲤鱼，不定期给大家分享程序猿的日常产出，欢迎大家讨论。
公司要做一个即时通信的项目，从没碰过多线程，分布式，高可用。该如何入手，预计用户100万，并发峰值10万左右吧
OpenHarmony 2.2 Beta2 版本关键特性：
1、支持分布式框架能力
• 分布式软总线：支持基于 WIFI 的主动发现和设备间自组网，业务方通过使用分布式软总线实现设备间高速通信，不用关心通信细节。
• 分布式数据管理：支持富设备之间的数据同步，和加密型数据库。
• 分布式任务调度：见分布式跨设备 Ability 流转。
2、支持分布式跨设备 Ability 流转
OpenHarmony 支持应用以 Ability 为单位进行部署，应用“跨设备流转”的基础粒度也是 Ability。具备打破设备界限，多设备联动能力，使应用程序可分可合、可流转。基于 OpenHarmony 的分布式导航、多设备协同健身等设备的开发所需具备的核心要素已经就绪。
3、LiteOS-A 高效实时调度算法
OpenHarmony Liteos-A 调度精确动态化：高优先级优先+同优先级时间片轮转的调度算法，结合优先级多队列、tick 精确动态化、时间片动态计算等技术，实现系统中线程的高效实时调度。
4、轻量系统图形硬件加速渲染
• 提供基础的 UI 组件和独立的图形引擎，适用于基于 ARM Cortex-M 的 MCU 和低内存资源的 ARM Cortex-A 的芯片。
• 在 ARM Cortex-M 120MHz 级别的 CPU 下，纯软绘制可达 30FPS，对接硬件能力可达 60FPS。
• ARM Cortex-M 下，UI 框架支持按需裁剪，可在 ROM<150KB 且 RAM<30KB 硬件条件下运行。
• 同时支持 OpenHarmony 自研 2D 绘制和扩展兼容其他三方绘制库，支持 34 个控件。
网页链接
什么是异构计算(HC)技术？HC可以为AR技术以及应用带来哪些价值提升？HC异构计算技术的壁垒在何处？
异构计算 - 在具有不同特性的计算节点(CPU/GPU/HPU/FPGA/神经形态芯片/TPU/DSP等)的计算平台上执行程序。为什么需要它？从计算到实时计算，量变引起质变，原有技术架构不再能够满足要求，底层技术逻辑发生改变，就像看视频和看直播在技术就是不一样的东西，而AR就是属于实时计算的范畴，需要在硬件和软件两个层面做好基础支撑，实现计算最佳的计算效率 - 做好计算速度和功耗的平衡，意味着以最低的成本（例如功耗）获得最佳性能（例如速度）。
，在一项实验中，我们观察到速度最快的物体检测器之一 YOLOv3 在没有 GPU 的英特尔“KabyLake”Core i7 处理器上处理单个图像最多需要 4.9 秒。 而AR做为实时交互的应用场景，尤其眼镜的近眼显示，图像刷新率从30到立体的60到120帧/秒，对应的每帧图像的处理时间在8-9毫秒/帧，中间是几百倍的差距，算力消耗大，移动端设备本身算力弱；安卓旗舰，峰值大概在10w。苹果峰值能搞到13w的样子，自己用的电脑显卡3060 65W，整机100以上，Hololens2功耗8W，微软Hololens开发人员Alex Kipman透露Hololens3的功耗约2W，而理想AR眼镜的功耗是1W，不同类型的设备间功耗差一个数量级。根据微软Hololens开发人员的介绍，如果没有眼镜中HPU(全息处理单元)计算支持，全部使用CPU展开计算，它的使用时间就会从2-3个小时缩短到10分钟。异构计算能够解决其中的矛盾。
HC技术的壁垒，硬件芯片与软件算法的紧密耦合才能实现计算效率的大幅提升，需要懂芯底层架构，精通识别算法的优化，再从软件架构层面提升，无法从单一层面解决问题。
从这个角度上看异构计算既是一件好事也是一件坏事。作为好事，我们可以将程序中不同的计算任务分配给擅长的硬件节点来完成，从而得到最佳的计算速度和功耗，那么我们就会得到性价比最佳的结果；但在软件算法编程层面就会面临挑战，变成一个坏事。作为开发人员，与传统的同构计算相比，您需要完成更多任务。您需要了解不同的执行单元，或者至少了解您正在为其编写代码的系统中的计算节点。然后，您需要选择算法以使您的程序或程序的不同部分适合这些节点。最后，您需要通过克服异构计算中肯定存在的许多瓶颈来调整代码以获得所需的性能，例如不同单元之间的通信开销、创建线程或进程的开销、管理这些不同单元的内存访问上等等。
还有就是低功耗计算机视觉，除了芯片硬件设计对计算效率的优化提升，在神经网络领域，软件方法也会大大提升计算效率：参数量化、剪枝、层压缩、大矩阵分解成小矩阵、架构搜索、知识蒸馏。也对技术人员的整体技能设定了比较高的壁垒。
对于异构计算，不知道和你想像当中是不是一样？有什么想法欢迎评论区一起交流。
去公司笔试不知道考什么？下面提供IT名企必考笔试题2：写 clone()方法时，通常都有一行代码，是什么？ 谈谈你对面向对象的理解？接口是否可继承接口? 抽象类是否可实现(implements)接口? 抽象类是否可继承具体类(concrete class)? 抽象类中是否可以有静态的 main 方法？如何实现线程间的通讯？webservice 问得很多 设计出计算任意正整数的阶层？ 在 oracle 数据库中需要查询出前 8 条记录的 sql 语句怎么写？什么是 SOA，谈谈你的 SOA 的理解。service orientied architecture？等#Java##大学生就业##大学生#
前些天跟大家讨论过的GPD便携式掌上电脑，已经计划推出第二款配备AMD APU型号的产品GPD Win Max 2。具体来说，新GPD Win Max 2的处理器将会采用Ryzen 7 6800U，基于Zen3+架构，具有8核16线程，最高频率4.8GHz，功耗为28W。集成的GPU是Radeon 680M(RDNA 2)，具有12 个 CU（768 个流处理器），主频为 2.2GHz。
这次GPD官方再次扩大了屏幕尺寸，达到了10.1英寸，默认分辨率1920 × 1200，最大分辨率2560 × 1600，最高可以选用32G内存和2TB PCIe 4.0 SSD固盘，整机依然为铝镁合金一体式外壳，尺寸是228 x 160mm，除了AMD版本提供的是USB 4.0端口和LPDDR5 6400MT/s RAM外，Intel版本提供的为Thunderbolt 4通信端口。
从官网的宣传图中能够清晰的看到设备的端口、键盘布局，还有侧面专门设计了指纹芯片，不过到现在GPD还未明确GPD Win Max 2的销售时间与价格，是选择大屏幕还是更小的便携性，你会怎么选？
随着国内科技的快速发展，不论是专利技术还是自研产品国内高科技企业都有了质的飞跃。在专利技术方面，华为目前已有8万多项专利技术，自至今获得的各项专利费用已达14亿美元之多。而近日美最大通信运营商Verizon也就华为的专利诉讼问题提出了和解的要求。#Verizon与华为就专利纠纷达成和解#
而在科技产品的自研上，国内企业更是层出不穷。随着智能家居时代的到来，人们对于路由器的需求越来越高，近期国货自主品牌GL推出了一款面向小户型用户的家用路由器GL.iNet SF1200千兆路由器，该路由器首次搭载国内自主研发的无线路由芯片，该芯片是由矽昌出品的一芯双频千兆Wi-Fi路由芯片SF19A28。产品特点如下：
双核四处理器十二线程CPU，主频1GHz
4个全千兆网口
2.4G和5G双频并发
无线速率：2.4G300Mbps，5G 867Mbps
4根全向外置天线
带机量 50台
支持IPv6
采用Openwrt 开源系统
#头条抽奖#【关注+转发，送价值149元的无线路由器！】关注@中芯科技，并转发本条微头条，@头条抽奖平台 将抽取1位粉丝，送出由@GLiNet路由器 赞助价值149的同款GL.iNet SF1200路由器，快来转发参与吧！
开奖日期：7月20日
奖品数量：1台
抽抽奖详情奖详情
太赫兹波段IRS辅助ISAC系统中基于近端策略优化的发射波束形成和相位转移设计
本文提出了一个在太赫兹（THz）频段运行的IRS辅助综合传感和通信（ISAC）系统，以最大限度地提高系统容量。发射波束成形和相位偏移设计被转化为一个具有遍历约束的普遍优化问题。然后，在多用户多输入单输出（MISO）的情况下，通过基于梯度的近似策略优化（PPO），实现了发射波束成形和相移设计的联合优化。具体来说，因子部分产生连续的发射波束成形，批评部分负责离散相移设计。基于MISO场景，我们研究了在多用户多输入多输出（MIMO）场景下具有多线程学习概念的分布式PPO（DPPO）框架。仿真结果表明，在发射波束形成和相位偏移设计方面，原始的双线PPO算法及其多线程版本的有效性。
《Proximal Policy Optimization-based Transmit Beamforming and Phase-shift Design in an IRS-aided ISAC System for the THz Band》
论文地址:网页链接
