集装箱货运站

慢性疲劳综合征

完全公平调度程序(简介 主要特性和策略)

CFS特征选择算法

集装箱货运站

CFS是集装箱货运站（CONTAINER FREIGHT STATION）是处理拼箱货的场所，它办理拼箱货的交接，配载积载后，将箱子送往CY(Container Yard， 集装箱(货柜)堆场)，并接受CY交来的进口货箱，进行拆箱，理货，保管，最后拨给各收货人。同时也可按承运人的委托进行铅封和签发场站收据等业务。CFS的费用，通常是以一个方多少来算的。因为CFS是拼箱产生的费用，所以在装运港和目的港都有发生。在FOB条件下，CFS这一项费用单独列出来向出口商或工厂收取。（因为FOB是运费到付的，所以装运港的费用不计算在运费内）；而在CIF条件下，装运港的CFS费用已经包含在货代报给你的海运价之内，所以在装运港不再单收CFS。但进口商在目的港那边还是要付他们那边的CFS费用。

慢性疲劳综合征

慢性疲劳综合征（chronic fatigue syndromes ，CFS）是一种以慢性或反复发作的极度疲劳持续至少半年以上为特征的症候群,同时伴有低热、淋巴结肿痛、肌肉酸痛、关节疼痛、神经精神症状、免疫学异常和其它非特异表现的综合征,1987 年3 月由美国疾病控制中心(CDC) 的holmes 等正式定名并拟定了CFS的诊断标准。1994 年11 月,CDC 的fokada 修订了CFS 的诊断标准[1 ] ,得到国外医学界的公认。①不明原因的持续或反复发作的严重疲劳、持续6 个月或6 个月以上,这种疲劳不是由于人体正在消耗体力所造成,充分休息后症状不能得到缓解,工作、学习、社交等活动水平较健康时明显下降。②同时在出现疲劳症状之后,6 个月或6 个月以上持续或反复出现下列症状的4 条或4 条以上:劳累后持续不适;充足的睡眠后不能解乏;记忆力下降或注意力难以集中;新出现的头痛;咽喉炎;淋巴结肿痛;肌肉酸痛;关节疼痛。

是一种免疫性疾病，主要的原因是此类病患缺乏对某种毒（尤其是EB病毒）感染的抵抗力。此外，长期处於压力以及某些荷尔蒙分泌失常亦是导致慢性疲劳症候群的主要原因之一。

完全公平调度程序

CFS（Completely Fair Scheduler，CFS）

完全公平调度程序

简介

Linux 2.6.23 内核附带了一个模块化调度程序内核和一个被实现为调度模块的完全公平调度程序（Completely Fair Scheduler，CFS）。

Linux 2.6.23 内核的调度程序为其他调度模块并行处理内核打好了基础（这里所说的 “模块化” 并不意味着将调度程序分解为若干可加载的模块，而是指代码本身模块化）。有关调度程序工作原理的更多细节，请参考 developerWorks 文章 “Inside the Linux scheduler”（参见本文末尾 参考资料 小节中的链接）。

主要特性和策略

最新版调度程序引入的主要特性包括：

模块化调度程序完全公平调度程序（Completely Fair Scheduler，CFS）CFS 组调度 模块化调度程序

调度类的引入显著增强了内核调度程序的可扩展性。这些类（调度程序模块）封装了调度策略。这个调度程序将调度策略模块化，但是与 Pluggable CPU 调度程序框架不同的是，并没有把调度程序本身模块化（后者在内核编译时选择默认调度程序，而通过在启动时向内核传递参数来使用其他 CPU 调度程序）。

CFS

完全公平调度程序（CFS）试图按照对 CPU 时间的 “最大需求（gravest need）” 运行任务；这有助于确保每个进程可以获得对 CPU 的公平共享。如果某个任务休眠时间 “非常短”，那么 CFS 不会将该任务视为休眠任务 — 短暂休眠的进程可能会获得一些额外时间，但是决不会超过它的未休眠时间。

CFS 组调度

考虑一个两用户示例，用户 A 和用户 B 在一台机器上运行作业。用户 A 只有两个作业正在运行，而用户 B 正在运行 48 个作业。组调度使 CFS 能够对用户 A 和用户 B 进行公平调度，而不是对系统中运行的 50 个作业进行公平调度。每个用户各拥有 50% 的 CPU 使用。用户 B 使用自己 50% 的 CPU 分配运行他的 48 个作业，而不会占用属于用户 A 的另外 50% 的 CPU 分配。

CFS 调度模块（在 kernel/sched_fair.c 中实现）用于以下调度策略：SCHED_NORMAL、SCHED_BATCH 和 SCHED_IDLE。对于 SCHED_RR 和 SCHED_FIFO 策略，将使用实时调度模块（该模块在 kernel/sched_rt.c 中实现）。

鉴于以下原因，需要对策略作出一些更改：

更好地支持服务器和台式机调度。 提供用户要求的新特性。改进启发式（heuristic）处理。vanilla 调度程序使用启发式处理可以更轻易地实现调度。同样，如果启发式处理错误估测了场景，将导致意料之外的行为。

CFS特征选择算法

基于关联规则的特征选择算法（correlation-based feature selection），是一种经典的过滤器模式的特征选择方法。源自论文“correlation-based feature selection for discrete and numeric class machine learning”，启发地对单一特征 对应于每个分类的作用进行评价，从而得到最终的特征子集。特别地，特征必须是离散的随机变量，如果是数值型变量，需要首先执行指导的离散化方法来进行离散化特征。