请师傅帮我解说一下此电路工作原理&
你好：——★1、这是一个开关电路.两个场效应管是并联连接的,可以增大场效应管的输出电流.——★2、三极管也是开关状态：当三极管输入高电平时,三极管导通,场效应管的栅极电位降低、处于关断状态；当三极管输入低电平时,场效应管栅极电位为高电平,导通、并输出 12 V 电压.
三极管基极有偏置电阻，上电三极管应导通，这种场效管是g高电位导通吗？
你好：上电时，三极管导通，场效应管的栅极电位降低、处于关断状态。
为您推荐：
其他类似问题
扫描下载二维码【图文】SAP原理解说_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
SAP原理解说
上传于||暂无简介
大小：514.95KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢31653人阅读
自己记录（27）
Hadoop简介
Hadoop就是一个实现了Google云计算系统的开源系统，包括并行计算模型Map/Reduce，分布式文件系统HDFS，以及分布式数据库Hbase，同时Hadoop的相关项目也很丰富，包括ZooKeeper，Pig，Chukwa，Hive，Hbase，Mahout，flume等.
这里详细分解这里面的概念让大家通过这篇文章了解到底是什么hadoop：
1.什么是Map/Reduce，看下面的各种解释：
(1)MapReduce是hadoop的核心组件之一，hadoop要分布式包括两部分，一是分布式文件系统hdfs,一部是分布式计算框，就是mapreduce,缺一不可，也就是说，可以通过mapreduce很容易在hadoop平台上进行分布式的计算编程。
(2)Mapreduce是一种编程模型，是一种编程方法，抽象理论。
(3)下面是一个关于一个程序员是如何个妻子讲解什么是MapReduce？文章很长请耐心的看。
我问妻子：“你真的想要弄懂什么是MapReduce？” 她很坚定的回答说“是的”。 因此我问道：
我：&你是如何准备洋葱辣椒酱的？（以下并非准确食谱，请勿在家尝试）
妻子：&我会取一个洋葱，把它切碎，然后拌入盐和水，最后放进混合研磨机里研磨。这样就能得到洋葱辣椒酱了。
妻子：&但这和MapReduce有什么关系？
我：&你等一下。让我来编一个完整的情节，这样你肯定可以在15分钟内弄懂MapReduce.
妻子：&好吧。
我：现在，假设你想用薄荷、洋葱、番茄、辣椒、大蒜弄一瓶混合辣椒酱。你会怎么做呢？
妻子：&我会取薄荷叶一撮，洋葱一个，番茄一个，辣椒一根，大蒜一根，切碎后加入适量的盐和水，再放入混合研磨机里研磨，这样你就可以得到一瓶混合辣椒酱了。
我：&没错，让我们把MapReduce的概念应用到食谱上。Map和Reduce其实是两种操作，我来给你详细讲解下。
Map（映射）: 把洋葱、番茄、辣椒和大蒜切碎，是各自作用在这些物体上的一个Map操作。所以你给Map一个洋葱，Map就会把洋葱切碎。 同样的，你把辣椒，大蒜和番茄一一地拿给Map，你也会得到各种碎块。 所以，当你在切像洋葱这样的蔬菜时，你执行就是一个Map操作。 Map操作适用于每一种蔬菜，它会相应地生产出一种或多种碎块，在我们的例子中生产的是蔬菜块。在Map操作中可能会出现有个洋葱坏掉了的情况，你只要把坏洋葱丢了就行了。所以，如果出现坏洋葱了，Map操作就会过滤掉坏洋葱而不会生产出任何的坏洋葱块。
Reduce（化简）:在这一阶段，你将各种蔬菜碎都放入研磨机里进行研磨，你就可以得到一瓶辣椒酱了。这意味要制成一瓶辣椒酱，你得研磨所有的原料。因此，研磨机通常将map操作的蔬菜碎聚集在了一起。
妻子：&所以，这就是MapReduce?
我：&你可以说是，也可以说不是。 其实这只是MapReduce的一部分，MapReduce的强大在于分布式计算。
妻子：&分布式计算？ 那是什么？请给我解释下吧。
我：&没问题。
我：&假设你参加了一个辣椒酱比赛并且你的食谱赢得了最佳辣椒酱奖。得奖之后，辣椒酱食谱大受欢迎，于是你想要开始出售自制品牌的辣椒酱。假设你每天需要生产10000瓶辣椒酱，你会怎么办呢？
妻子：&我会找一个能为我大量提供原料的供应商。
我：是的..就是那样的。那你能否独自完成制作呢？也就是说，独自将原料都切碎？ 仅仅一部研磨机又是否能满足需要？而且现在，我们还需要供应不同种类的辣椒酱，像洋葱辣椒酱、青椒辣椒酱、番茄辣椒酱等等。
妻子：&当然不能了，我会雇佣更多的工人来切蔬菜。我还需要更多的研磨机，这样我就可以更快地生产辣椒酱了。
我：没错，所以现在你就不得不分配工作了，你将需要几个人一起切蔬菜。每个人都要处理满满一袋的蔬菜，而每一个人都相当于在执行一个简单的Map操作。每一个人都将不断的从袋子里拿出蔬菜来，并且每次只对一种蔬菜进行处理，也就是将它们切碎，直到袋子空了为止。
这样，当所有的工人都切完以后，工作台（每个人工作的地方）上就有了洋葱块、番茄块、和蒜蓉等等。
妻子：但是我怎么会制造出不同种类的番茄酱呢？
我：现在你会看到MapReduce遗漏的阶段—搅拌阶段。MapReduce将所有输出的蔬菜碎都搅拌在了一起，这些蔬菜碎都是在以key为基础的 map操作下产生的。搅拌将自动完成，你可以假设key是一种原料的名字，就像洋葱一样。 所以全部的洋葱keys都会搅拌在一起，并转移到研磨洋葱的研磨器里。这样，你就能得到洋葱辣椒酱了。同样地，所有的番茄也会被转移到标记着番茄的研磨器里，并制造出番茄辣椒酱。
（4）上面都是从理论上来说明什么是MapReduce，那么咱们在MapReduce产生的过程和代码的角度来理解这个问题。
如果想统计下过去10年计算机论文出现最多的几个单词，看看大家都在研究些什么，那收集好论文后，该怎么办呢？&
　　方法一：
& && &我可以写一个小程序，把所有论文按顺序遍历一遍，统计每一个遇到的单词的出现次数，最后就可以知道哪几个单词最热门了。 这种方法在数据集比较小时，是非常有效的，而且实现最简单，用来解决这个问题很合适。&
　方法二：
& && & 写一个多线程程序，并发遍历论文。&
　　这个问题理论上是可以高度并发的，因为统计一个文件时不会影响统计另一个文件。当我们的机器是多核或者多处理器，方法二肯定比方法一高效。但是写一个多线程程序要比方法一困难多了，我们必须自己同步共享数据，比如要防止两个线程重复统计文件。&
& && &把作业交给多个计算机去完成。&
　　我们可以使用方法一的程序，部署到N台机器上去，然后把论文集分成N份，一台机器跑一个作业。这个方法跑得足够快，但是部署起来很麻烦，我们要人工把程序copy到别的机器，要人工把论文集分开，最痛苦的是还要把N个运行结果进行整合（当然我们也可以再写一个程序）。&
　　方法四：
& && &让MapReduce来帮帮我们吧！&
　　MapReduce本质上就是方法三，但是如何拆分文件集，如何copy程序，如何整合结果这些都是框架定义好的。我们只要定义好这个任务（用户程序），其它都交给MapReduce。
map函数和reduce函数　　
map函数和reduce函数是交给用户实现的，这两个函数定义了任务本身。&
　　map函数：接受一个键值对（key-value pair），产生一组中间键值对。MapReduce框架会将map函数产生的中间键值对里键相同的值传递给一个reduce函数。&
　　reduce函数：接受一个键，以及相关的一组值，将这组值进行合并产生一组规模更小的值（通常只有一个或零个值）。&
　　统计词频的MapReduce函数的核心代码非常简短，主要就是实现这两个函数。&
　　map(String key, String value):&
　　// key: document name&
　　// value: document contents&
　　for each word w in value:&
　　EmitIntermediate(w, &1&);&
　　reduce(String key, Iterator values):&
　　// key: a word&
　　// values: a list of counts&
　　int result = 0;&
　　for each v in values:&
　　result += ParseInt(v);&
　　Emit(AsString(result));&
　　在统计词频的例子里，map函数接受的键是文件名，值是文件的内容，map逐个遍历单词，每遇到一个单词w，就产生一个中间键值对&w, &1&&，这表示单词w咱又找到了一个；MapReduce将键相同（都是单词w）的键值对传给reduce函数，这样reduce函数接受的键就是单词w，值是一串&1&（最基本的实现是这样，但可以优化），个数等于键为w的键值对的个数，然后将这些“1”累加就得到单词w的出现次数。最后这些单词的出现次数会被写到用户定义的位置，存储在底层的分布式存储系统（GFS或HDFS）。&
　　上图是论文里给出的流程图。一切都是从最上方的user program开始的，user program链接了MapReduce库，实现了最基本的Map函数和Reduce函数。图中执行的顺序都用数字标记了。
　　1.MapReduce库先把user program的输入文件划分为M份（M为用户定义），每一份通常有16MB到64MB，如图左方所示分成了split0~4；然后使用fork将用户进程拷贝到集群内其它机器上。&
　　2.user program的副本中有一个称为master，其余称为worker，master是负责调度的，为空闲worker分配作业（Map作业或者Reduce作业），worker的数量也是可以由用户指定的。&
　　3.被分配了Map作业的worker，开始读取对应分片的输入数据，Map作业数量是由M决定的，和split一一对应；Map作业从输入数据中抽取出键值对，每一个键值对都作为参数传递给map函数，map函数产生的中间键值对被缓存在内存中。&
　　4.缓存的中间键值对会被定期写入本地磁盘，而且被分为R个区，R的大小是由用户定义的，将来每个区会对应一个Reduce作业；这些中间键值对的位置会被通报给master，master负责将信息转发给Reduce worker。&
　　5.master通知分配了Reduce作业的worker它负责的分区在什么位置（肯定不止一个地方，每个Map作业产生的中间键值对都可能映射到所有R个不同分区），当Reduce worker把所有它负责的中间键值对都读过来后，先对它们进行排序，使得相同键的键值对聚集在一起。因为不同的键可能会映射到同一个分区也就是同一个Reduce作业（谁让分区少呢），所以排序是必须的。&
　　6.reduce worker遍历排序后的中间键值对，对于每个唯一的键，都将键与关联的值传递给reduce函数，reduce函数产生的输出会添加到这个分区的输出文件中。&
　　6.当所有的Map和Reduce作业都完成了，master唤醒正版的user program，MapReduce函数调用返回user program的代码。&
　　所有执行完毕后，MapReduce输出放在了R个分区的输出文件中（分别对应一个Reduce作业）。用户通常并不需要合并这R个文件，而是将其作为输入交给另一个MapReduce程序处理。整个过程中，输入数据是来自底层分布式文件系统（GFS）的，中间数据是放在本地文件系统的，最终输出数据是写入底层分布式文件系统（GFS）的。而且我们要注意Map/Reduce作业和map/reduce函数的区别：Map作业处理一个输入数据的分片，可能需要调用多次map函数来处理每个输入键值对；Reduce作业处理一个分区的中间键值对，期间要对每个不同的键调用一次reduce函数，Reduce作业最终也对应一个输出文件。
通过以上你是否了解什么是MapReduce了那，什么是key,怎么过滤有效数据，怎么得到自己想要的数据。
MapReduce是一种编程思想，可以使用java来实现，C++来实现。Map的作用是过滤一些原始数据，Reduce则是处理这些数据，得到我们想要的结果，比如你想造出番茄辣椒酱。也就是我们使用hadoop，比方来进行日志处理之后，得到我们想要的关心的数据
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：1521791次
积分：16744
积分：16744
排名：第363名
原创：341篇
转载：248篇
评论：185条
(3)(2)(3)(5)(1)(5)(11)(9)(3)(3)(2)(5)(6)(5)(3)(3)(4)(7)(14)(22)(33)(22)(12)(15)(19)(20)(8)(16)(5)(3)(10)(9)(5)(9)(17)(15)(6)(10)(6)(15)(5)(14)(8)(30)(30)(6)(9)(3)(3)(5)(19)(3)(7)(10)(8)(4)(2)(5)(3)(6)(3)(3)(9)(25)老男孩oldboy 的BLOG
用户名：老男孩oldboy
文章数：508
评论数：6320
访问量：3682347
注册日期：
阅读量：5863
阅读量：12276
阅读量：304781
阅读量：1022699
51CTO推荐博文
说明：本文为老男孩linux培训某节课前考试试题及答案分享博文内容的一部分，也是独立成题的，你可以点下面地址查看全部的内容信息。5.描述linux下文件删除的原理（记时3分钟）&?xml:namespace prefix="o"&?xml:namespace&Linux文件删除原理：& &&Linux是通过link的数量来控制文件删除的，只有当一个文件不存在任何link的时候，这个文件才会被删除。一般来说，每个文件都有2个link计数器:i_count 和 i_nlink。&&& i_count的意义是当前文件使用者（或被调用）的数量,i_nlink 的意义是介质连接的数量（硬链接的数量）；可以理解为i_count是内存引用计数器，i_nlink是磁盘的引用计数器。当一个文件被某一个进程引用时，对应i_count数就会增加；当创建文件的硬链接的时候，对应i_nlink数就会增加。&&& 对于删除命令rm而言，实际就是减少磁盘引用计数i_nlink。这里就会有一个问题，如果一个文件正在被某个进程调用，而用户却执行rm操作把文件删除了，那么会出现什么结果呢？当用户执行rm操作删除文件后，再执行ls或者其他文件管理命令，无法再找到这个文件了，但是调用这个删除的文件的进程却在继续正常执行，依然能够从文件中正确的读取及写入内容。这又是为什么呢？这是因为rm操作只是将文件的i_nlink减少了，如果没其它的链接i_nlink就为0了；但由于该文件依然被进程引用，因此，此时文件对应的i_count并不为0，所以即使执行rm操作，但系统并没有真正删除这个文件，当只有i_nlink及i_count都为0的时候，这个文件才会真正被删除。也就是说，还需要解除该进程的对该文件的调用才行。以上讲的i_nlink及i_count是文件删除的真实条件，但是当文件没有被调用时，执行了rm操作删除文件后是否还可以找回被删的文件呢？前面说了，rm操作只是将文件的i_nlink减少了，或者说置0了，实际就是将文件名到inode的链接删除了，此时，并没有删除文件的实体即（block数据块），此时，如果及时停止机器工作，数据是可以找回的，如果此时继续写入数据，那么当新数据就可能会被分配到被删除的数据的block数据块，此时，文件就会被真正的回收了，那时就是神仙也没有办法了。文件系统删除及inode相关案例：文件删除案例1：Web服务器磁盘满故障深入解析 inode满案例2：因inode节点导致执行passwd命令报错处理记录 & 简单总结了一下 供大家查参考。老男孩评：这是老男孩的学生的实战问题解决分享经验，很宝贵！从上面博文老男孩老师总结大家可学习的知识点： 1) inode知识 2) crontab任务写法 3）/var/spool/clientmqueue的功能和潜在问题及解决方案。 4）strace跟踪命令使用技巧 提示：不过这些问题完全可以事先避免的。老男孩linux培训的课程会详细讲这里！&更详细的描述及案例见：老男孩linux运维实战培训-Linux系统文件删除原理详细介绍老男孩linux运维实战培训-Linux文件系统实战精华讲解 老男孩linux运维实战培训-Linux磁盘与文件系统部分精华讲解老男孩linux运维实战培训-Linux系统文件删除恢复实战提示：以上课上考试为口头表达题，课后请当成问题总结笔记。每答对一题加5分（课上抢答者才有分）。解答：见课堂老男孩老师的讲解或观看相关视频讲解及教案老男孩linux运维实战培训联系方式咨询：QQ: 33741 电话： 网站地址：http://www.etiantian.org& http://oldboy.ccblog:======================================================欢迎广到运维兄弟一起交流linux/unix网站运维技术!网站运维交流群： 039636& 老男孩 QQ:& mail:&本文出自 “” 博客，请务必保留此出处
了这篇文章
类别：┆阅读(0)┆评论(0)
09:46:47 10:12:05 10:31:58 10:37:45 10:43:33 11:05:24 12:36:14 14:26:03 15:20:44 22:51:26 &&1&
&&页数 ( 1/2 ) &汽车如何换挡过程原理解说风FUN车闻-在线观看-风行网
安装PC客户端
把想看的剧下载到本地吧～
点击立即下载就可以下载当前视频了哦~
我来说两句
播放：1,931
播放：25,224
播放：38,727
播放：4,049
播放：1,557
播放：1,370
播放：1,803
播放：1,739
播放：2,548
播放：22,085
播放：1,995