willy-liu (劉威麟)
簡介
2025 Linux 核心實作 春季班 自我評量
成果發表和貢獻
自評分數：5分
在本學期「Linux 核心與系統程式設計」課程中，我積極參與了與 Linux 核心相關的實作與貢獻工作，期間從 2 月 18 日至 7 月 2 日，主要完成以下幾項具體成果：
一、貢獻至 Linux 核心相關專案
我針對 sysprog21/lab0-c 專案共完成兩筆經合併的實質貢獻：
修正 cppcheck 靜態分析的誤報（#240 PR） 由於 cppcheck 在分析過程中無法取得預定義的編譯器巨集，導致錯誤地判定某些路徑，例如 list 巨集中出現未使用標籤等 false positives。我實作了 get_compiler_macros 函式，能自動偵測系統上使用的 C 編譯器（gcc 或 clang）及其對應標準版本，並補上必要的巨集（-D__GNUC__=1 等），成功改善靜態分析環境模擬的準確性。
改進 Git hooks 的 fork 驗證機制（#268 PR） 針對課程作業倉庫的 Git hooks 安裝機制，我提出改進建議，讓系統能夠更正確地驗證學生是否 fork 自正確的主倉庫（sysprog21/lab0-c），並確保遠端倉庫名稱為 lab0-c。 我實作以下幾項變更：
- 動態取得帳號名稱與倉庫名稱，取代硬編碼；
- 改用 awk 及 Git 指令解析 repo URL，避免使用 jq，提高相容性；
- 驗證 GitHub API 回傳是否為 fork，並確認 parent.full_name 為預期主倉庫；
- 加入 API 回傳為空的錯誤檢查機制；
作業/隨堂測驗
自評分數：4分
我完成的內容比較少，只有hw1, hw2, hw5的部分問題
hw1 - lab0-c 這次經歷讓我深刻認知到自身的許多不足，包括： 程式碼風格 (Coding Style)：過去習慣的寫法在 Linux Kernel 風格下顯得冗餘且不夠規範。 邊界條件優化 (Code Smell)：處理鏈結串列的頭尾等邊界情況時，我發現自己常會寫出特殊的判斷邏輯，導致程式碼不夠通用和優雅。 基礎演算法掌握度：即便是像鏈結串列的基本操作，以及相對複雜的 merge sort，我都發現自己寫得不夠好，缺乏效率和精煉度。
hw2 - 2025q1 第 1 週和第 2 週測驗題回顧 在 hw2 我學會了，即使沒有大量動手寫程式，光是深入理解測驗題目的設計原理，也能帶來非常深刻的收穫。我重新理解了「指標的指標」(**p和pprev) 的巧妙之處，消除了處理鏈結串列頭部節點時的「邊界條件特例」寫法。
hw5 - 2025q1 Homework5 (assessment)
期末專題
自評分數：4分
Tiled Matrix Multiplication 筆記
這次專題主要在分析 BitNet b1.58 在 CPU 上推論的效能問題，過程中我花了不少時間學習怎麼用 Linux 的 perf 和 uftrace 這些工具來找出瓶頸。實際跑完分析後，我發現大部分時間都花在矩陣內積運算上（像 ggml_vec_dot_i2_i8_s 這種），還有不少時間浪費在執行緒同步（例如 ggml_barrier）。我有試著用 Huge Page 跟 CPU affinity 來優化，確實有一點點幫助，推論時間從 16 秒縮到 15 秒左右，IPC 也提高了，但 cache miss ratio 還是偏高。
我原本以為調整 chunk size 會有比較明顯的效能差異，結果觀察 ggml_compute_forward_mul_mat 時發現幾乎沒差，感覺可能是 GGML 裡面本來就做了不少優化，所以外面調參數反而動不了什麼東西。後來我決定自己來寫 tiled matrix multiplication，打算實驗不同 tile size 對 cache 使用的影響，只是這部分還沒來得及做完。
整體來說，這次專題讓我蠻有感的是：很多效能問題不是只看一兩個數據就能下結論，必須要從工具抓到的函式、CPU 訊號、快取、執行緒等層層去拆。然後也發現工具很好用沒錯，但有時候還是要自己動手實作，才真的能觀察出細節。這種從底層摸出來的理解，對我來說比單純 benchmark 模型還要有趣也有收穫。未來如果有時間，我會想把 tiled mul 的部分補完，看看能不能靠自己寫的版本，真的觀察出一些 cache 命中率的變化。
與授課教師的互動
自評分數：8分
我進行了兩次與老師的約談：
2025 年 5 月 30 日 老師針對期末專題對我進行模擬面試。面試中我雖能大致應對問題，但遇到深入探討時就顯得緊張、答題也缺乏深度。例如被問到「不使用 FPU 的平方根計算」時，我當下對 IEEE 754 架構非常執著，反而忽略題目只要求整數近似值。我後來回去研究並實作了多種解法，例如二分搜尋法與 digit-by-digit（直式開根法），還比較了時間與誤差，理解到位元運算不只能提升效率，也有不同精度上的折衷。
2025 年 6 月 14 日 第二次會議中，老師進一步詢問我對牛頓法與定點數誤差的理解，這促使我從數值分析角度研究浮點與定點的差異，也實作了牛頓法在浮點與 Q16.16 定點格式下的差異。過程中，我首次深入學習如何透過手動拆解 IEEE 754 格式來進行 sqrt 預估，並測試 magic number 的效果，大幅提升初始估值的準確度。
一開始，我沒有想到「開平方根」這麼一個看似簡單的數學運算，但深入思考後卻這麼難。從如何不使用 FPU 計算，到誤差控制、初始值估計、定點數格式，再到 IEEE 754 位元拆解，讓我重新認識了這個基本運算的重要性與難度。
雖然第一次面對老師提問時表現得不夠沉穩，但我認真記下問題，回去後查資料、實作測試，還發表在 Facebook 的社群中，得到了他人的回饋。
所見所聞所感
自評分數：8分
看完〈因為自動飲料機而延畢的那一年〉讓我印象很深的是：即使做足功課，現實中還是會有很多沒預料到的問題。這學期修這門課時我也有類似感受，一開始以為只是實作、改效能參數，沒想到要處理的細節這麼多，像是不使用 FPU 計算平方根這件事，背後居然牽扯到初始估值、誤差控制、位元操作，甚至連定點數格式也要搞清楚。
期末專題跑 perf 和 uftrace 找瓶頸，改參數效果很有限，最後只好自己實作 tiled matrix multiplication，想辦法觀察快取使用。雖然進度還沒做完，但中間那種卡關又一直拆問題的過程，真的讓我學到很多。
雖然這門課過得有點辛苦，但也因此更願意面對自己不會的東西，然後一個一個補起來。
自我評量
- GEOMEAN：\(\sqrt[5]{5 \times 4 \times 4 \times 8 \times 8} \approx 5.52\)
- 方案 B：\(1 + \lfloor 5.52 \rfloor = 6\)
