Após ler sobre o algoritmo HTB cheguei ao Traffic Control HOWTO, que
lista outros fontes de consulta. Uma delas é a ferramenta tcng
desenvolvida por Werner Almesberger. Lendo sobre este autor o mesmo
desenvolveu a ferramenta umlsim um simulador de redes que roda sobre o
kernel UML. UML pode ser usado para hospedar hosts virtuais, testar distribuições, novos tipos de kernel etc. A instalação abaixo foi feita após pesquisar sobre UML.
pacotes instalados
user-mode-linux uml-utilities slirp rootstrap
criado um arquivo de configuração seguindo [este link]
vim rootstrap.cfg ...
modificado apenas para mudar de Ubunto para Debian
[debian]
dist=jessie
mirror=http://ftp.br.debian.org/debian/
cria a imagem do SO
rootstrap imagem.img
rodar o novo sistema [daqui]
linux.uml con=nul con0=fd:0,fd:1 ubda=imagem.img ubdb=swap root=/dev/ubda eth0=slirp,,slirp-fullbolt s
faltou configurar rede, swap
Sobre a utilização do UML para virtualização, do FAQ:
What is UML good at?
UML can be quite useful for testing, kernel development and debugging, isolating a process, education, etc.
It has been used for virtual hosting in the past, but modern virtualization solutions have supplanted it in this area.
Links
O artigo ulsim - A UML based simulator explica esta
ferramenta com um exemplo pratico útil ao estudo de um bug da pilha TCP do Linux.
Virtual Networking
User Mode Linux HOWTO
Mostrando postagens com marcador simulação. Mostrar todas as postagens
Mostrando postagens com marcador simulação. Mostrar todas as postagens
quinta-feira, 7 de dezembro de 2017
segunda-feira, 31 de outubro de 2011
Simulações Eletricas em Java
Indutores
http://www.magnet.fsu.edu/education/tutorials/java/backemf/index.html
Osciladores
http://www.magnet.fsu.edu/education/tutorials/java/oscillator/index.html
Tubos de Raios Catódicos
http://www.magnet.fsu.edu/education/tutorials/java/crt/index.html
Osciloscópio
http://www.magnet.fsu.edu/education/tutorials/java/lissajous/index.html
Capacitor
http://www.magnet.fsu.edu/education/tutorials/java/capacitor/index.html
e vários outros, bom demais.
http://www.magnet.fsu.edu/education/tutorials/java/backemf/index.html
Osciladores
http://www.magnet.fsu.edu/education/tutorials/java/oscillator/index.html
Tubos de Raios Catódicos
http://www.magnet.fsu.edu/education/tutorials/java/crt/index.html
Osciloscópio
http://www.magnet.fsu.edu/education/tutorials/java/lissajous/index.html
Capacitor
http://www.magnet.fsu.edu/education/tutorials/java/capacitor/index.html
e vários outros, bom demais.
terça-feira, 6 de abril de 2010
terça-feira, 16 de setembro de 2008
Terminado instalação Disco Framework
Instalado e testado no laboratório D o framework Disco nas máquinas d10 (master), d07,d08, d09, d11, e d12 (slaves). Feito os dois exemplos de contagem de palavras em arquivo texto.
Como sugestão instalar o Hadoop no laboratório F ficando no total 4 ambientes para processamento de alto desempenho
- Cluster DRDB e Sun GridEngine Lab D
- Framework disco para processamento em grandes volumes de Dados Lab D
- MapReduce com Hadoop Lab F (a ser feito)
- Participação no projeto OurGrid no micro grid.unisul.br - a espera de suporte
Sugestão de Leitura
University of Washington: Problem Solving on Large Scale Clusters
Google: MapReduce in a Week
Google Code University - Distributed Systems
Como sugestão instalar o Hadoop no laboratório F ficando no total 4 ambientes para processamento de alto desempenho
- Cluster DRDB e Sun GridEngine Lab D
- Framework disco para processamento em grandes volumes de Dados Lab D
- MapReduce com Hadoop Lab F (a ser feito)
- Participação no projeto OurGrid no micro grid.unisul.br - a espera de suporte
Sugestão de Leitura
University of Washington: Problem Solving on Large Scale Clusters
Google: MapReduce in a Week
Google Code University - Distributed Systems
Tradução de Texto sobre o Método de Monte Carlo
Iniciado a tradução de um texto sobre o método de Monte Carlo, surgiu da necessidade de revisão após ler uma introdução sobre MaprReduce do Google.
Simulação Básica Monte Carlo
original http://www.vertex42.com/ExcelArticles/mc/MonteCarloSimulation.html
O método de Monte Carlo é uma técnica que envolve o uso de números aleatórios e a probabilidade para resolver problemas. O termo Método de Monte Carlo foi cunhado por S. Ulam e Nicholas Metropolis, em referência aos jogos de azar, uma atração popular em Monte Carlo, Mônaco (Hoffman, 1998; Metropolis e Ulam, 1949).
Simulação computacional tem a ver com a utilizar modelos informáticos para imitar a vida real ou fazer previsões. Quando se cria um modelo com uma planilha de cálculo como o Excel, você tem um certo número de parâmetros de entrada e algumas equações que usam essas entradas para dar-lhe um conjunto de saídas (ou variáveis resposta). Este tipo de modelo é normalmente deterministas, o que significa que você obtem os mesmos resultados não importa quantas vezes você re-calcular.
[figura 1] - Um modelo paramétrico deterministas mapeia um conjunto de variáveis de entrada para um conjunto de parâmetros de saída.
Exemplo 1 um modelo determinista para juros compostos
Um exemplo de modelo determinista é um cálculo para determinar o retorno sobre o investimento de 5 anos com uma taxa de juro anual de 7%, composta mensalmente. O modelo é apenas a equação a seguir:
F = P(1+r/m)^ym
As entradas são o investimento inicial (P = US $ 1000), a taxa de juro anual (r = 7% = 0,07), a composição período (m = 12 meses), e do número de anos (Y = 5).
(simulação em javascrpt)
Um dos propósitos de um modelo como este é fazer previsões e tentar cenários "Oque Se?" . Você pode alterar as entradas e recalcular o modelo e você terá uma nova resposta. Talvez você ainda deseja plotar um gráfico do valor futuro (F) versus anos (Y). Em alguns casos, você pode ter uma taxa de juro fixa, mas o que você faz quando a taxa de juros é permitida a mudança? Por esta equação simples, você poderá ter o cuidado de saber apenas uma pior / melhor dos cenários, onde se calcular o valor futuro basear-se as mais baixas taxas de juro mais elevadas e que você poderia esperar.
[figura 1] - Um modelo paramétrico deterministas mapeia um conjunto de variáveis de entrada em um conjunto de variáveis de saída
Simulação Monte Carlo é um método para avaliar interativamente um modelo deterministico utilizando conjuntos de números aleatórios como entradas. Este método é muitas vezes usado quando o modelo é complexo, não linear, ou envolve mais do que apenas um grupo (couple) de parâmetros incertos. Uma simulação geralmente pode envolver mais de 10000 avaliações do modelo, uma tarefa que no passado era apenas práticos utilizando super computadores.
Exemplo 2 Um modelo estocástico de um conjunto de dobradiças
Um modelo estocástico é que envolve probabilidade ou aleatoriedade. Neste exemplo, temos um conjunto de 4 elementos que compõem uma dobradiça, com um pino ou parafuso através dos centros das partes. Olhando para a figura a seguir, se A + B + C é superior a D, vamos ter dificuldade de colocar estas coisas juntos.
[figura 1] - a dobradiça
Vamos dizer que temos um milhão de cada uma das diferentes partes, e nós precisamos seleccionar ao acaso as partes a fim de montar a dobradiça. Duas partes não vão ser exatamente do mesmo tamanho! Mas, se temos uma idéia da gama de tamanhos para cada lado, então nós podemos simular a seleção e montagem das peças matematicamente.
(continua)
[07/05/18]
Boa introdução sobre o métodode Monte Carlo
Estimando o valor de pi usando o método de Monte Carlo
Simulação Básica Monte Carlo
original http://www.vertex42.com/ExcelArticles/mc/MonteCarloSimulation.html
O método de Monte Carlo é uma técnica que envolve o uso de números aleatórios e a probabilidade para resolver problemas. O termo Método de Monte Carlo foi cunhado por S. Ulam e Nicholas Metropolis, em referência aos jogos de azar, uma atração popular em Monte Carlo, Mônaco (Hoffman, 1998; Metropolis e Ulam, 1949).
Simulação computacional tem a ver com a utilizar modelos informáticos para imitar a vida real ou fazer previsões. Quando se cria um modelo com uma planilha de cálculo como o Excel, você tem um certo número de parâmetros de entrada e algumas equações que usam essas entradas para dar-lhe um conjunto de saídas (ou variáveis resposta). Este tipo de modelo é normalmente deterministas, o que significa que você obtem os mesmos resultados não importa quantas vezes você re-calcular.
[figura 1] - Um modelo paramétrico deterministas mapeia um conjunto de variáveis de entrada para um conjunto de parâmetros de saída.
Exemplo 1 um modelo determinista para juros compostos
Um exemplo de modelo determinista é um cálculo para determinar o retorno sobre o investimento de 5 anos com uma taxa de juro anual de 7%, composta mensalmente. O modelo é apenas a equação a seguir:
F = P(1+r/m)^ym
As entradas são o investimento inicial (P = US $ 1000), a taxa de juro anual (r = 7% = 0,07), a composição período (m = 12 meses), e do número de anos (Y = 5).
(simulação em javascrpt)
Um dos propósitos de um modelo como este é fazer previsões e tentar cenários "Oque Se?" . Você pode alterar as entradas e recalcular o modelo e você terá uma nova resposta. Talvez você ainda deseja plotar um gráfico do valor futuro (F) versus anos (Y). Em alguns casos, você pode ter uma taxa de juro fixa, mas o que você faz quando a taxa de juros é permitida a mudança? Por esta equação simples, você poderá ter o cuidado de saber apenas uma pior / melhor dos cenários, onde se calcular o valor futuro basear-se as mais baixas taxas de juro mais elevadas e que você poderia esperar.
[figura 1] - Um modelo paramétrico deterministas mapeia um conjunto de variáveis de entrada em um conjunto de variáveis de saída
Simulação Monte Carlo é um método para avaliar interativamente um modelo deterministico utilizando conjuntos de números aleatórios como entradas. Este método é muitas vezes usado quando o modelo é complexo, não linear, ou envolve mais do que apenas um grupo (couple) de parâmetros incertos. Uma simulação geralmente pode envolver mais de 10000 avaliações do modelo, uma tarefa que no passado era apenas práticos utilizando super computadores.
Exemplo 2 Um modelo estocástico de um conjunto de dobradiças
Um modelo estocástico é que envolve probabilidade ou aleatoriedade. Neste exemplo, temos um conjunto de 4 elementos que compõem uma dobradiça, com um pino ou parafuso através dos centros das partes. Olhando para a figura a seguir, se A + B + C é superior a D, vamos ter dificuldade de colocar estas coisas juntos.
[figura 1] - a dobradiça
Vamos dizer que temos um milhão de cada uma das diferentes partes, e nós precisamos seleccionar ao acaso as partes a fim de montar a dobradiça. Duas partes não vão ser exatamente do mesmo tamanho! Mas, se temos uma idéia da gama de tamanhos para cada lado, então nós podemos simular a seleção e montagem das peças matematicamente.
(continua)
[07/05/18]
Boa introdução sobre o métodode Monte Carlo
Estimando o valor de pi usando o método de Monte Carlo
quinta-feira, 7 de fevereiro de 2008
Simulação de um Termistor
Local: em casa
simulado no Qucs um divisor de frequência. Abaixo alguns valores obtidos, o ideal seria um resitor de 3 ohms (achado um de 10 no sucatão) assim o dispositivo entrega ao Arduino uma tenção de 0,3 até 4 volts correspondendo as temperaturas mais próximas de 0° e 100° respectivamente.
O Qucs é um software de simulação similar ao Spice porém com ambiente gráfico. Ainda não existe o componente Termistor, para esta simulação foi usado um resistor comun e simulado com 3 valores diferentes de resistência. Uma alternativa é usar um netlist que simule um termistor. Um netlist no Spice é um arquivo que descreve o funcionamento de um componente.
Valor do resistor de cima 3 ohms
Termistor Tensão saída
0,2 0,312
3 1,88
12 4
Valor do resistor de cima 5 ohms
Termistor Tensão saída
0,2 0,192
3 1,88
12 3,53
Valor do resistor de cima 10 ohms
Termistor Tensão saída
0,2 0,098
3 1,15
12 2,73
simulado no Qucs um divisor de frequência. Abaixo alguns valores obtidos, o ideal seria um resitor de 3 ohms (achado um de 10 no sucatão) assim o dispositivo entrega ao Arduino uma tenção de 0,3 até 4 volts correspondendo as temperaturas mais próximas de 0° e 100° respectivamente.
O Qucs é um software de simulação similar ao Spice porém com ambiente gráfico. Ainda não existe o componente Termistor, para esta simulação foi usado um resistor comun e simulado com 3 valores diferentes de resistência. Uma alternativa é usar um netlist que simule um termistor. Um netlist no Spice é um arquivo que descreve o funcionamento de um componente.
Valor do resistor de cima 3 ohms
Termistor Tensão saída
0,2 0,312
3 1,88
12 4
Valor do resistor de cima 5 ohms
Termistor Tensão saída
0,2 0,192
3 1,88
12 3,53
Valor do resistor de cima 10 ohms
Termistor Tensão saída
0,2 0,098
3 1,15
12 2,73
segunda-feira, 21 de janeiro de 2008
Simulador de Robos
Local: domingo em Araranguá
Instalado no linux RoboMind - simulador de robos para ensino de programação. A instalação deu certo mas não rodou por não achar o java (erro do Wine). Baixado da Sun a runtime do java 6, instalado corretamente mesmo assim o simulador não funcionou.
Instalado e testado o simulador Rossum, que simula um robo programado em Java. verificar.
Instalado no linux RoboMind - simulador de robos para ensino de programação. A instalação deu certo mas não rodou por não achar o java (erro do Wine). Baixado da Sun a runtime do java 6, instalado corretamente mesmo assim o simulador não funcionou.
Instalado e testado o simulador Rossum, que simula um robo programado em Java. verificar.
Assinar:
Postagens (Atom)