centos7.9的mariadb与7.6不同

内核、硬盘默认调度算法和网络服务不同。
1、内核：centos79的内核用的是310，centos76的内核用的是26。
2、硬盘默认调度算法：centos79默认使用的是cfq，而centos76使用的是deadline。
3、网络服务：centos79默认使用network服务，centos76默认使用NetworkManager服务。
mariadb由MySQL的原始开发人员制作，也是一种开源软件，著名的用户包括维基百科，WordPress和谷歌，并且MariaDBServer是世界上最受欢迎的数据库服务器之一。

一个任务的响应时间(response time)是指一个任务请求, 这个任务实际完成的时间跨度 在静态调度中, 任务的临界时刻(critical instant)这个概念被首先提出来 它被定义为一个特定的时刻, 如果在这个时刻有这个任务的请求, 那么这个任务就会需要最大的响应时间 由此得出定理1: 一个任务的临界时间就是比这个任务优先级高的所有任务同时发出请求的时刻定理1的价值在于它找到了一个证明一个调度算法能否调度任一任务集充分必要条件, 那就是所有任务同时请求执行的时的情况下每个任务仍能满足各自的期限, 那么这个任务集就可以被这个调度算法调度有了这个推论, 我们就可以证明RM调度的最优性了定理2: 如果一个任务集能够被静态调度, 那么RMS算法就能够调度这个任务集 从这个意义上说, RMS是最优的静态调度算法这个定理的证明方法就是有名的交换法 证明思路如下:假设一个任务集S采用其他静态优先级算法可以调度,那么总有这样两个优先级相邻的任务i和j, 有Ti>Tj,而Pi≤Pj把Ti和Tj的优先级Pi和Pj互换,明显可以看出这时S仍然可以调度, 因为在所有任务同时请求的情况下, 交换这两个任务不会影响其它任务的完成时间, 同时这两个任务都可以在各自期限内完成 按照这样的方法,其他任何静态优先级调度最终都可以转换成RM调度RMS已被证明是静态最优调度算法, 开销小, 灵活性好, 是实时调度的基础性理论。即使系统瞬时过载, 也完全可预测哪些任务丢失时限。缺点是处理机利用率较低, 最坏的情况下，当n→∞时, 不超过ln2 (≈ 70%)。另外, RMS是充分但非必要条件。而在一般情况下，对于随机的任务集大约只有88% 70%或者88%的处理器利用率对于许多实时应用来说是一个严重的限制，动态调度算法如最早截止期最先（earliest deadline first，EDF）或者最少空闲时间最先（least laxity first，LLF）已经被证明是最优的，并且能够实现100% 的处理器利用率具有资源同步约束的RMS调度当实时任务间共享资源时, 可能出现低优先级任务不可预测地阻塞高优先级任务执行的情况, 叫优先级倒置。这时RMS 算法不能保证任务集的调度, 必须使用有关协议控制优先级的倒置时间。常用的协议有优先级顶级协议和堆资源协议, 使用这些协议可使优先级的倒置时间最多为一个资源临界段的执行时间, 并且不会发生死锁。基于RMS 的非周期任务的调度实时系统中的非周期任务可采用延迟服务器算法或随机服务器算法进行调度。它们的最大特点是可在周期任务的实时调度环境下处理随机请求。两者的基本思想是将非周期任务转化成周期任务, 再利用RMS算法进行调度。前者用一个或几个专用的周期任务执行所有非周期任务, 这种周期任务叫非周期任务服务器。根据周期大小,服务器有固定优先级, 服务器的执行时间被称为预算, 它在每个服务器周期Ts 的起点补充。只要服务器有充足的预算, 就可在其周期内为非周期任务服务。该算法实现简单, 但可调度性分析较难, 有时会出现抖动, 可能发生一个非周期任务在相邻两个服务器周期中连续执行2倍预算的现象, 与RMS理论不符, 需要适当修改RMS算法。随机服务器算法与延迟服务器算法相似, 但预算不是在每个周期起点补充, 而是在预算消耗Ts时间之后再补充。该算法与RMS分析算法一致, 但实现复杂。EDF最早截止时间优先算法（EDF）也称为截止时间驱动调度算法（DDS），是一种动态调度算法。EDF指在调度时，任务的优先级更具任务的截止时间动态分配。截止时间越短，优先级越高。EDF有如下定理：定理2：如果一个任务集按EDF算法调度，当且仅当U<=1。EDF的特点(1) 任务模型: 与RMS 调度相同。(2) 优先级分配方法: 动态分配, 距要求时限所剩时间越短优先级越高。理论上，EDF和LLF算法都是单处理器下的最优调度算法。但是由于EDF和LLF在每个调度时刻都要计算任务的deadline或者空闲时间，并根据计算结果改变任务优先级，因此开销大、不易实现，其应用受到一定限制。多处理器实时调度

检测到磁盘的IO调度方式不为deadline。
优化建议：建议将磁盘的调度算法改为deadLine。
deadLine调度算法维护了4个队列：读队列、写队列、超时读队列和超时写队列。当内核收到一个新请求时，如果能合并就合并，如果不能合并，就会尝试排序。
如果既不能合并，也没有合适的位置插入，就放到读或写队列的最后。
一定时间后，I/O调度器会将读或写队列的请求分别放到超时读队列或者超时写队列。
这个算法并不限制每个进程的IO资源，适合IO压力大且IO集中在某几个进程的场景。

noop-sio-deadline-cfq-bfq io任务调度的区别
i/o调度策略对于实际性能影响的概括。我简单说明最极端的两个，另外三个就是介于这两个之间的策略。
noop是最简单的i/o调度策略，本质上就是先来先服务，意思就是哪个进程先请求i/o系统就先为哪个进程服务，有最好的连续存取性能（具体原因下面讲），
bfq会均衡考虑各进程i/o请求的任务量，适当调整完成i/o请求的顺序（也就是说服务顺序和请求顺序不一样），保进程在最短时间内能得到i/o响应（但不保证每
次响应都能完成），也就是有最好的随机存取，延时低。
noop不考虑i/o请求的任务量（通俗点说就是不考虑读写的文件是大还是小），按照i/o请求的顺序依次进行服务。这种策略在pc上的执行过程中主要有两个问题，
第一个是i/o请求任务量很大（要读写的某个文件很大）造成其他i/o请求长期得不到响应，第二个是相邻两次的i/o请求涉及的文件在磁盘上的物理位置较远造成处理这i/o请求时磁头需要频繁移动导致性能严重降低。
第一个应该很好理解，i/o任务量不管大小依次排队，当处理到一个很大的任务时，系统将一直处理下去，后面的请求就得不到响应了，
第二个问题举个例子，有4个相邻的i/o请求分别涉及1、2、3、4这四个文件，
而1、2、3、4分别位于磁盘的内圈、外圈、内圈、外圈，也是说处理这4个请求时磁盘上的磁头必须先移到内圈，
然后移到外圈，接着移到内圈再移到外圈，如此反复导致大量的时间用于移动磁头造成性能降低。
反过来看手机，一般手机上的i/o任务都不会很大，很少有需要连续读几百M甚至更大文件的情况，即便要读通常也是正在玩游戏需要读数据文件（我相信手机上不会有一边上网聊qq，手机后台还有个程序需要连续读几百M文件的情况），这时用户通常希望系统尽快把文件读完从而继续玩游戏。
由于noop在处理大任务时会使后续的i/o请求得不到响应，因此具有较好的连续性能，这个特点正好满足了上面这种用户的求。
关于上面说的第二个问题，由于手机上用的是闪存芯片，也就不存在磁头移动的问题，像其他策略那样考虑磁头的移动问题对于采用闪存芯片的存储介质完全是浪费，所以对于随机性能很好的闪存芯片来说noop是最好的i/o调度策略。
下面看bfq，bfq指的是budgetfair queuing，从名字上就能看出来这个策略对于各i/o请求是公平的（fair），不会有上面说的noop的第一种问题。
这里指的公平就是尽量使各进程的i/o请求都能得到尽快响应不会长期搁置，但因为系统资源有限，所以只能保证尽快响应但不保证可以尽快完成。
不难看出bfq适合多进程同时发出多i/o请求的状况，因为它不会像noop那样无视后续的i/o请求。直观的看就是手机程序开的很多时系统还能对各进程有不错的响应速度，
这就是我说为什么bfq适合多进程，可以均衡协调前后台任务性能的原因。bfq实际上是cfq的改进，具体算法比较复杂我就不说了，有兴趣的可以自行google
来源:>本科申请：GPA成绩：30以上。语言成绩与SAT标准化考试，每所美国大学要求的标准化考试成绩不尽相同。前35的学校托福一般最低要求100，36-50学校一般要求，托福90以上，也有个别学校托福最低要求80。 申请材料：1 标准化考试SAT或者ACT成绩 2语言成绩 3高中成绩单4高中毕业证 5推荐信 6文书 7活动
研究生申请：GPA成绩：30以上语言成绩：托福80+ 雅思65+，无语言可申请双录取/预科。GMAT成绩：650分以上（商科及管理类专业需要提供）GRE成绩：310分以上（法律专业除外），背景实力提高名校录取率：是否有获奖经历、名企实习经历、海外背景提升课程等。 申请材料：中英文在读证明（大四在读）语言成绩：托福80+ 雅思65+，无语言可申请双录取/预科。2 中英文毕业证、学位证GRE成绩：310分以上（法律专业除外）。3 中英文大学成绩单（成绩越高越能申请好的学校）。4 TOEFL，IELTS，GRE，GMAT成绩。5 推荐信。6 个人陈述或Essay。
上面这些信息都是常规要求，但是因为每个学校的不同专业都会有自己的特别要求，如果大学需要了解更为详细的申请要求，可以根据海外大学院校库（>