 |
Опубликована новая редакция книги Роберта Кртена «Введение в QNX Neutrino»
Книга «Введение в QNX Neutrino» — классический учебник по проектированию приложений реального времени на базе ОСРВ QNX Neutrino. Роберт Кртен подробно описывает все секреты данной операционной системы, дает четкую картину ее внутреннего устройства и принципов взаимодействия ключевых подсистем. Особое внимание уделено алгоритмам диспетчеризации и обмена сообщениями, работе с процессами и потоками, использованию таймеров, эффективной обработке прерываний, администрированию ресурсов, а также программированию драйверов устройств.
Книга написана в непринужденной, местами даже шутливой, манере. Наиболее сложные вопросы рассматриваются на примере простых и понятных аналогий. Быстро и глубоко освоить излагаемый материал позволяют многочисленные примеры кода, разъяснения и иллюстрации. Роберт Кртен дает множество рекомендаций и советов, позволяющих значительно упростить создание, модернизацию и портирование программного кода встраиваемых приложений и систем реального времени.
«Введение в QNX Neutrino» будет полезна всем лицам, заинтересованным в получении знаний и базовых навыков по работе в среде QNX Neutrino. Читатели с небольшим компьютерным образованием по прочтении книги получат фундаментальное понимание ключевых особенностей QNX Neutrino и принципов ее функционирования. Инженеры встраиваемых систем и приложений реального времени, активно использующие QNX в своих проектах, смогут углубить свои знания и найдут для себя в книге много нового и интересного.
Об авторе Роберт Кртен (Robert Krten) – специалист в области разработки встраиваемых систем и приложений реального времени с 30-летним опытом работы. На протяжении нескольких лет он работал в отделе исследования и разработок (R&D) и в учебном центре компании QNX Software Systems. Автор трех книг по технологиям QNX,Автор книг и статей по тематике разработки приложений реального времени, в том числе "The QNX Cookbook: recipes for programmers".
Источник: СВД Софтвер
Контактное лицо: Сергей Цветков
Компания: SWD Software
Добавлен: 13:47, 10.02.2011
Количество просмотров: 778
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия610 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия601 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия680 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия791 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия134 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
 |