1.如何评价百度飞桨发布的极差极差paddlelite框架?
2.软件和硬件的区别？
3.米兔源码论坛怎么样？
4.深入理解Linux的epoll机制
5.cpk组内与组间的区别

如何评价百度飞桨发布的paddlelite框架?

       评价百度飞桨发布的paddle-lite框架，我给出的源码用评价是谨慎使用。

       对于想要在终端部署AI能力的分析开发者来说，建议考虑一些一直在维护和更新的软件项目，这些项目API稳定，极差极差功能丰富，源码用01010011的源码应用广泛，分析能避免遇到代码重写的软件困境。如果特别钟情于paddle-lite，极差极差可以先观察一段时间，源码用了解其代码和技术实现，分析再做决定。软件

       开发新项目时，极差极差编写KPI和PR较为容易，源码用而维护旧项目则较为困难，分析这可能会影响开发者的工作效率和心情。使用百度终端推理框架的用户，可能会遭遇需要重写底层代码的情况。

       百度的开源项目开放源代码，用户需要自行承担使用风险和维护工作。在年9月底，百度发布了移动端深度学习框架MDL，年5月底发布了跨平台AI推理加速引擎anakin，同年5月底移动端深度学习框架被完全重构为paddle-mobile，同年8月发布了ARM移动端开发精简版anakin引擎anakin-lite，年8月中发布了纯自研的移动端框架paddle-lite。

       作为底层库开源项目，百度频繁更换框架，且在短时间内更新API，这给用户带来了巨大的工作量，导致重写代码的情况频繁发生。没有稳定的ABI，用户体验极差。百度在终端推理框架的维护方面似乎不够尽心，对开发者造成了不稳定的使用环境。

       对于使用老框架的用户，新模型结构不支持、遇到bug、速度慢需要优化等问题，百度通常不会将新功能和优化更新到老框架中，以推动用户使用新的框架。

       综上所述，尽管paddle-lite在发布时被部分开发者视为最强的框架，但频繁更新和API变动，以及缺乏稳定的维护策略，使得其用户体验不佳。对于开发者而言，需要谨慎评估使用成本与风险。希望百度能加强框架的稳定性与兼容性，提升开发者使用体验。

软件和硬件的区别？

       硬件和软件的区别：

       一、软件是一种逻辑的产品，与硬件产品有本质的区别

       硬件是看得见、摸得着的物理部件或设备。在研制硬件产品时，人的创造性活动表现在把原材料转变成有形的物理产品。

       而软件产品是以程序和文档的形式存在，通过在计算机上运行来体现他的作用。

       在研制软件产品的过程中，人们的生产活动表现在要创造性地抽象出问题的求解模型，然后根据求解模型写出程序，最后经过调试、运行程序得到求解问题的结果。整个生产、开发过程是在无形化方式下完成的，其能见度极差，这给软件开发、生产过程的网上购物商城源码管理带来了极大的困难。

       二、软件产品质量的体现方式与硬件产品不同

       质量体现方式不同表现在两个方面。硬件产品设计定型后可以批量生产，产品质量通过质量检测体系可以得到保障。但是生产、加工过程一旦失误。

       硬件产品可能就会因为质量问题而报废。而软件产品不能用传统意义上的制造进行生产，就目前软件开发技术而言，软件生产还是“定制”的，只能针对特定问题进行设计或实现。但是软件爱你产品一旦实现后，其生产过程只是复制而已，而复制生产出来的软件质量是相同的。

       设计出来的软件即使出现质量问题，产品也不会报废，通过修改、测试，还可以将“报废”的软件“修复”，投入正常运行。可见软件的质量保证机制比硬件具有更大的灵活性。

       三、软件产品的成本构成与硬件产品不同

       硬件产品的成本构成中有形的物质占了相当大的比重。就硬件产品生存周期而言，成本构成中设计、生产环节占绝大部分，而售后服务只占少部分。

       软件生产主要靠脑力劳动。软件产品的成本构成中人力资源占了相当大的比重。软件产品的生产成本主要在开发和研制。研制成功后，产品生产就简单了，通过复制就能批量生产。

       四、软件产品的失败曲线与硬件产品不同

       硬件产品存在老化和折旧问题。当一个硬件部件磨损时可以用一个新部件去替换他。硬件会因为主要部件的磨损而最终被淘汰。

       对于软件而言，不存在折旧和磨损问题，如果需要的话可以永远使用下去。但是软件故障的排除要比硬件故障的排除复杂得多。软件故障主要是因为软件设计或编码的错误所致，必须重新设计和编码才能解决问题。

       软件在其开发初始阶段在很高的失败率，这主要是由于需求分析不切合实际或设计错误等引起的。当开发过程中的错误被纠正后，其失败率便下降到一定水平并保持相对稳定，直到该软件被废弃不用。在软件进行大的改动时，也会导致失败率急剧上升。

       五、大多数软件仍然是定制产生的

       硬件产品一旦设计定型，其生产技术、加工工艺和流程管理也就确定下来，这样便于实现硬件产品的标准化、系列化成批生产。

       由于硬件产品具有标准的框架和接口，不论哪个厂家的产品，用户买来都可以集成、组装和替换使用。

       尽管软件产品复用是软件界孜孜不倦追求的目标，在某些局部范围内几家领军软件企业也建立了一些软件组件复用的技术标准。

       例如，OMG的CORBA，mICROSOFT的COM，sun的J2EE等，但是传奇充值平台源码目前还做不到大范围使用软件替代品。大多数软件任然是为特定任务或用户定制的。

扩展资料：

       硬件：

       计算机的硬件是计算机系统中各种设备的总称。计算机的硬件应包括5个基本部分，即运算器、控制器、存储器、输入设备、输出设备，上述各基本部件的功能各异。运算器应能进行加、减、乘、除等基本运算。存储器不仅能存放数据，而且也能存放指令，计算机应能区分是数据还是指令。

       控制器应能自动执行指令。操作人员可以通过输人、输出设备与主机进行通信。计算机内部采用二进制来表示指令和数据。操作人员将编好的程序和原始数据送人主存储器中，然后启动计算机工作，计算机应在不需干预的情况下启动完成逐条取出指令和执行指令的任务。

       软件：

       电脑的外观、主机内的元件都是看得见的东西，一般称它们为电脑的「硬件」，那么电脑的「软件」是什么呢？即使打开主机，也看不到软件在哪里。既看不见也摸不到，听起来好像很抽象，但是，如果没有软件，就像植物人一样，空有躯体却无法行动。

       当你启动电脑时，电脑会执行开机程序，并且启动系统」，然后你会启动「Word」程序，并且打开「文件」来编辑文件，或是使用「Excel」来制作报表，和使用「IE」来上网等等，以上所提到的操作系统、打开的程序和文件，都属于电脑的「软件」。

       软件包括：

       1、应用软件：应用程序包，面向问题的程序设计语言等

       2、系统软件：操作系统，语言编译解释系统服务性程序

       硬件与软件的关系：

       硬件和软件是一个完整的计算机系统互相依存的两大部分，它们的关系主要体现在以下几个方面。

       1、硬件和软件互相依存

       硬件是软件赖以工作的物质基础，软件的正常工作是硬件发挥作用的唯一途径。计算机系统必须要配备完善的软件系统才能正常工作，且充分发挥其硬件的各种功能。

       2、硬件和软件无严格界线

       随着计算机技术的发展，在许多情况下，计算机的某些功能既可以由硬件实现，也可以由软件来实现。因此，硬件与软件在一定意义上说没有绝对严格的界面。

       3、硬件和软件协同发展

       计算机软件随硬件技术的迅速发展而发展，而软件的不断发展与完善又促进硬件的更新，两者密切地交织发展，缺一不可。音乐上传网站源码

参考资料：

       软件-百度百科

       硬件-百度百科

米兔源码论坛怎么样？

       关于米兔网论坛源码的问题，似乎存在着大量的负面评价。根据用户的遭遇，这个源码质量堪忧，存在严重的漏洞和问题，导致了运营过程中的巨大困扰。用户谢建东，即米兔的站长，似乎并未提供有效支持，让许多使用者如该用户自己，因贪图便宜而选择盗版，结果却陷入了困境。他警告其他网络公司的老板，尤其是那些打算使用米兔盗版源码的，要谨慎行事，因为一旦遇到问题，可能得不到及时解决。

       用户分享的实例中，米兔的小程序模块在初期看似与正版无异，但一旦投入使用，问题频发，BUG不断，用户体验极差。另外，米兔的人人商城模块也被指称是虚假宣传，购买后出现问题时，客服态度冷漠，无法提供有效的帮助。总的来说，米兔的源码质量和售后服务似乎并不令人满意，因此，对于寻求高质量源码服务的用户来说，选择米兔需格外小心。

深入理解Linux的epoll机制

       在Linux系统之中有一个核心武器：epoll池，在高并发的，高吞吐的IO系统中常常见到epoll的身影。

IO多路复用

       在Go里最核心的是Goroutine，也就是所谓的协程，协程最妙的一个实现就是异步的代码长的跟同步代码一样。比如在Go中，网络IO的read，write看似都是同步代码，其实底下都是异步调用，一般流程是：

write(/*IO参数*/)请求入队等待完成后台loop程序发送网络请求唤醒业务方

       Go配合协程在网络IO上实现了异步流程的同步代码化。核心就是用epoll池来管理网络fd。

       实现形式上，后台的程序只需要1个就可以负责管理多个fd句柄，负责应对所有的业务方的IO请求。这种一对多的IO模式我们就叫做IO多路复用。

       多路是指？多个业务方（句柄）并发下来的IO。

       复用是指？复用这一个后台处理程序。

       站在IO系统设计人员的角度，业务方咱们没办法提要求，因为业务是上帝，只有你服从的份，他们要创建多个fd，那么你就需要负责这些fd的处理，并且最好还要并发起来。

       业务方没法提要求，那么只能要求后台loop程序了！

       要求什么呢？快！快！快！这就是最核心的要求，处理一定要快，要给每一个fd通道最快的感受，要让每一个fd觉得，相册批量下载源码你只在给他一个人跑腿。

       那有人又问了，那我一个IO请求（比如write）对应一个线程来处理，这样所有的IO不都并发了吗？是可以，但是有瓶颈，线程数一旦多了，性能是反倒会差的。

       这里不再对比多线程和IO多路复用实现高并发之间的区别，详细的可以去了解下nginx和redis高并发的秘密。

最朴实的实现方式？

       我不用任何其他系统调用，能否实现IO多路复用？

       可以的。那么写个for循环，每次都尝试IO一下，读/写到了就处理，读/写不到就sleep下。这样我们不就实现了1对多的IO多路复用嘛。

whileTrue:foreach句柄数组{ read/write(fd,/*参数*/)}sleep(1s)

       慢着，有个问题，上面的程序可能会被卡死在第三行，使得整个系统不得运行，为什么？

       默认情况下，我们没有加任何参数create出的句柄是阻塞类型的。我们读数据的时候，如果数据还没准备好，是会需要等待的，当我们写数据的时候，如果还没准备好，默认也会卡住等待。所以，在上面伪代码第三行是可能被直接卡死，而导致整个线程都得到不到运行。

       举个例子，现在有，，这3个句柄，现在读写都没有准备好，只要read/write(,/*参数*/)就会被卡住，但，这两个句柄都准备好了，那遍历句柄数组，，的时候就会卡死在前面，后面，则得不到运行。这不符合我们的预期，因为我们IO多路复用的loop线程是公共服务，不能因为一个fd就直接瘫痪。

       那这个问题怎么解决？

       只需要把fd都设置成非阻塞模式。这样read/write的时候，如果数据没准备好，返回EAGIN的错误即可，不会卡住线程，从而整个系统就运转起来了。比如上面句柄还未就绪，那么read/write(,/*参数*/)不会阻塞，只会报个EAGIN的错误，这种错误需要特殊处理，然后loop线程可以继续执行，的读写。

       以上就是最朴实的IO多路复用的实现了。但是好像在生产环境没见过这种IO多路复用的实现？为什么？

       因为还不够高级。for循环每次要定期sleep1s，这个会导致吞吐能力极差，因为很可能在刚好要sleep的时候，所有的fd都准备好IO数据，而这个时候却要硬生生的等待1s，可想而知。。。

       那有同学又要质疑了，那for循环里面就不sleep嘛，这样不就能及时处理了吗？

       及时是及时了，但是CPU估计要跑飞了。不加sleep，那在没有fd需要处理的时候，估计CPU都要跑到%了。这个也是无法接受的。

       纠结了，那sleep吞吐不行，不sleep浪费cpu，怎么办？

       这种情况用户态很难有所作为，只能求助内核来提供机制协助来。因为内核才能及时的管理这些通知和调度。

       我们再梳理下IO多路复用的需求和原理。IO多路复用就是1个线程处理多个fd的模式。我们的要求是：这个“1”就要尽可能的快，避免一切无效工作，要把所有的时间都用在处理句柄的IO上，不能有任何空转，sleep的时间浪费。

       有没有一种工具，我们把一箩筐的fd放到里面，只要有一个fd能够读写数据，后台loop线程就要立马唤醒，全部马力跑起来。其他时间要把cpu让出去。

       能做到吗？能，这种需求只能内核提供机制满足你。

这事Linux内核必须要给个说法？

       是的，想要不用sleep这种辣眼睛的实现，Linux内核必须出手了，毕竟IO的处理都是内核之中，数据好没好内核最清楚。

       内核一口气提供了3种工具select，poll，epoll。

       为什么有3种？

       历史不断改进，矬->较矬->卧槽、高效的演变而已。

       Linux还有其他方式可以实现IO多路复用吗？

       好像没有了！

       这3种到底是做啥的？

       这3种都能够管理fd的可读可写事件，在所有fd不可读不可写无所事事的时候，可以阻塞线程，切走cpu。fd有情况的时候，都要线程能够要能被唤醒。

       而这三种方式以epoll池的效率最高。为什么效率最高？

       其实很简单，这里不详说，其实无非就是epoll做的无用功最少，select和poll或多或少都要多余的拷贝，盲猜（遍历才知道）fd，所以效率自然就低了。

       举个例子，以select和epoll来对比举例，池子里管理了个句柄，loop线程被唤醒的时候，select都是蒙的，都不知道这个fd里谁IO准备好了。这种情况怎么办？只能遍历这个fd，一个个测试。假如只有一个句柄准备好了，那相当于做了1千多倍的无效功。

       epoll则不同，从epoll_wait醒来的时候就能精确的拿到就绪的fd数组，不需要任何测试，拿到的就是要处理的。

epoll池原理

       下面我们看一下epoll池的使用和原理。

epoll涉及的系统调用

       epoll的使用非常简单，只有下面3个系统调用。

epoll_createepollctlepollwait

       就这？是的，就这么简单。

       epollcreate负责创建一个池子，一个监控和管理句柄fd的池子；

       epollctl负责管理这个池子里的fd增、删、改；

       epollwait就是负责打盹的，让出CPU调度，但是只要有“事”，立马会从这里唤醒；

epoll高效的原理

       Linux下，epoll一直被吹爆，作为高并发IO实现的秘密武器。其中原理其实非常朴实：epoll的实现几乎没有做任何无效功。我们从使用的角度切入来一步步分析下。

       首先，epoll的第一步是创建一个池子。这个使用epoll_create来做：

       原型：

intepoll_create(intsize);

       示例：

epollfd=epoll_create();if(epollfd==-1){ perror("epoll_create");exit(EXIT_FAILURE);}

       这个池子对我们来说是黑盒，这个黑盒是用来装fd的，我们暂不纠结其中细节。我们拿到了一个epollfd，这个epollfd就能唯一代表这个epoll池。

       然后，我们就要往这个epoll池里放fd了，这就要用到epoll_ctl了

       原型：

intepoll_ctl(intepfd,intop,intfd,structepoll_event*event);

       示例：

if(epoll_ctl(epollfd,EPOLL_CTL_ADD,,&ev)==-1){ perror("epoll_ctl:listen_sock");exit(EXIT_FAILURE);}

       上面，我们就把句柄放到这个池子里了，op（EPOLL_CTL_ADD）表明操作是增加、修改、删除，event结构体可以指定监听事件类型，可读、可写。

       第一个跟高效相关的问题来了，添加fd进池子也就算了，如果是修改、删除呢？怎么做到时间快？

       这里就涉及到你怎么管理fd的数据结构了。

       最常见的思路：用list，可以吗？功能上可以，但是性能上拉垮。list的结构来管理元素，时间复杂度都太高O(n)，每次要一次次遍历链表才能找到位置。池子越大，性能会越慢。

       那有简单高效的数据结构吗？

       有，红黑树。Linux内核对于epoll池的内部实现就是用红黑树的结构体来管理这些注册进程来的句柄fd。红黑树是一种平衡二叉树，时间复杂度为O(logn)，就算这个池子就算不断的增删改，也能保持非常稳定的查找性能。

       现在思考第二个高效的秘密：怎么才能保证数据准备好之后，立马感知呢？

       epoll_ctl这里会涉及到一点。秘密就是：回调的设置。在epoll_ctl的内部实现中，除了把句柄结构用红黑树管理，另一个核心步骤就是设置poll回调。

       思考来了：poll回调是什么？怎么设置？

       先说说file_operations->poll是什么？

       在fd篇说过，Linux设计成一切皆是文件的架构，这个不是说说而已，而是随处可见。实现一个文件系统的时候，就要实现这个文件调用，这个结构体用structfile_operations来表示。这个结构体有非常多的函数，我精简了一些，如下：

structfile_operations{ ssize_t(*read)(structfile*,char__user*,size_t,loff_t*);ssize_t(*write)(structfile*,constchar__user*,size_t,loff_t*);__poll_t(*poll)(structfile*,structpoll_table_struct*);int(*open)(structinode*,structfile*);int(*fsync)(structfile*,loff_t,loff_t,intdatasync);//....};

       你看到了read，write，open，fsync，poll等等，这些都是对文件的定制处理操作，对于文件的操作其实都是在这个框架内实现逻辑而已，比如ext2如果有对read/write做定制化，那么就会是ext2_read，ext2_write，ext4就会是ext4_read，ext4_write。在open具体“文件”的时候会赋值对应文件系统的file_operations给到file结构体。

       那我们很容易知道read是文件系统定制fd读的行为调用，write是文件系统定制fd写的行为调用，file_operations->poll呢？

       这个是定制监听事件的机制实现。通过poll机制让上层能直接告诉底层，我这个fd一旦读写就绪了，请底层硬件（比如网卡）回调的时候自动把这个fd相关的结构体放到指定队列中，并且唤醒操作系统。

       举个例子：网卡收发包其实走的异步流程，操作系统把数据丢到一个指定地点，网卡不断的从这个指定地点掏数据处理。请求响应通过中断回调来处理，中断一般拆分成两部分：硬中断和软中断。poll函数就是把这个软中断回来的路上再加点料，只要读写事件触发的时候，就会立马通知到上层，采用这种事件通知的形式就能把浪费的时间窗就完全消失了。

       划重点：这个poll事件回调机制则是epoll池高效最核心原理。

       划重点：epoll池管理的句柄只能是支持了file_operations->poll的文件fd。换句话说，如果一个“文件”所在的文件系统没有实现poll接口，那么就用不了epoll机制。

       第二个问题：poll怎么设置？

       在epoll_ctl下来的实现中，有一步是调用vfs_poll这个里面就会有个判断，如果fd所在的文件系统的file_operations实现了poll，那么就会直接调用，如果没有，那么就会报告响应的错误码。

staticinline__poll_tvfs_poll(structfile*file,structpoll_table_struct*pt){ if(unlikely(!file->f_op->poll))returnDEFAULT_POLLMASK;returnfile->f_op->poll(file,pt);}

       你肯定好奇poll调用里面究竟是实现了什么？

       总结概括来说：挂了个钩子，设置了唤醒的回调路径。epoll跟底层对接的回调函数是：ep_poll_callback，这个函数其实很简单，做两件事情：

       把事件就绪的fd对应的结构体放到一个特定的队列（就绪队列，readylist）；

       唤醒epoll，活来啦！

       当fd满足可读可写的时候就会经过层层回调，最终调用到这个回调函数，把对应fd的结构体放入就绪队列中，从而把epoll从epoll_wait出唤醒。

       这个对应结构体是什么？

       结构体叫做epitem，每个注册到epoll池的fd都会对应一个。

       就绪队列很高级吗？

       就绪队列就简单了，因为没有查找的需求了呀，只要是在就绪队列中的epitem，都是事件就绪的，必须处理的。所以就绪队列就是一个最简单的双指针链表。

       小结下：epoll之所以做到了高效，最关键的两点：

       内部管理fd使用了高效的红黑树结构管理，做到了增删改之后性能的优化和平衡；

       epoll池添加fd的时候，调用file_operations->poll，把这个fd就绪之后的回调路径安排好。通过事件通知的形式，做到最高效的运行；

       epoll池核心的两个数据结构：红黑树和就绪列表。红黑树是为了应对用户的增删改需求，就绪列表是fd事件就绪之后放置的特殊地点，epoll池只需要遍历这个就绪链表，就能给用户返回所有已经就绪的fd数组；

哪些fd可以用epoll来管理？

       再来思考另外一个问题：由于并不是所有的fd对应的文件系统都实现了poll接口，所以自然并不是所有的fd都可以放进epoll池，那么有哪些文件系统的file_operations实现了poll接口？

       首先说，类似ext2，ext4，xfs这种常规的文件系统是没有实现的，换句话说，这些你最常见的、真的是文件的文件系统反倒是用不了epoll机制的。

       那谁支持呢？

       最常见的就是网络套接字：socket。网络也是epoll池最常见的应用地点。Linux下万物皆文件，socket实现了一套socket_file_operations的逻辑（net/socket.c）：

staticconststructfile_operationssocket_file_ops={ .read_iter=sock_read_iter,.write_iter=sock_write_iter,.poll=sock_poll,//...};

       我们看到socket实现了poll调用，所以socketfd是天然可以放到epoll池管理的。

       还有吗？

       有的，其实Linux下还有两个很典型的fd，常常也会放到epoll池里。

       eventfd：eventfd实现非常简单，故名思义就是专门用来做事件通知用的。使用系统调用eventfd创建，这种文件fd无法传输数据，只用来传输事件，常常用于生产消费者模式的事件实现；

       timerfd：这是一种定时器fd，使用timerfd_create创建，到时间点触发可读事件；

       小结一下：

       ext2，ext4，xfs等这种真正的文件系统的fd，无法使用epoll管理；

       socketfd，eventfd，timerfd这些实现了poll调用的可以放到epoll池进行管理；

       其实，在Linux的模块划分中，eventfd，timerfd，epoll池都是文件系统的一种模块实现。

思考

       前面我们已经思考了很多知识点，有一些简单有趣的知识点，提示给读者朋友，这里只抛砖引玉。

       问题：单核CPU能实现并行吗？

       不行。

       问题：单线程能实现高并发吗？

       可以。

       问题：那并发和并行的区别是？

       一个看的是时间段内的执行情况，一个看的是时间时刻的执行情况。

       问题：单线程如何做到高并发？

       IO多路复用呗，今天讲的epoll池就是了。

       问题：单线程实现并发的有开源的例子吗？

       redis，nginx都是非常好的学习例子。当然还有我们Golang的runtime实现也尽显高并发的设计思想。

总结

       IO多路复用的原始实现很简单，就是一个1对多的服务模式，一个loop对应处理多个fd；

       IO多路复用想要做到真正的高效，必须要内核机制提供。因为IO的处理和完成是在内核，如果内核不帮忙，用户态的程序根本无法精确的抓到处理时机；

       fd记得要设置成非阻塞的哦，切记；

       epoll池通过高效的内部管理结构，并且结合操作系统提供的poll事件注册机制，实现了高效的fd事件管理，为高并发的IO处理提供了前提条件；

       epoll全名eventpoll，在Linux内核下以一个文件系统模块的形式实现，所以有人常说epoll其实本身就是文件系统也是对的；

       socketfd，eventfd，timerfd这三种”文件“fd实现了poll接口，所以网络fd，事件fd，定时器fd都可以使用epoll_ctl注册到池子里。我们最常见的就是网络fd的多路复用；

       ext2，ext4，xfs这种真正意义的文件系统反倒没有提供poll接口实现，所以不能用epoll池来管理其句柄。那文件就无法使用epoll机制了吗？不是的，有一个库叫做libaio，通过这个库我们可以间接的让文件使用epoll通知事件，以后详说，此处不表；

后记

       epoll池使用很简洁，但实现不简单。还是那句话，Linux内核帮你包圆了。

       今天并没有罗列源码实现，以很小的思考点为题展开，简单讲了一些epoll的思考，以后有机会可以分享下异步IO（aio）和epoll能产生什么火花？Golang是怎样使用epoll池的？敬请期待哦。

       原创不易，更多干货，关注：奇伢云存储

cpk组内与组间的区别

       整体：忽略掉组间的差异，不管是否稳定过程，都具有参考意义。

       其标准差的计算公式同excel中的STDEV函数。与分组方式、子组大小无关，只要总体数据没变，怎么排列都行。组内：考虑组的差异，只有在稳定过程的情况下才有参考意义。标准差的计算公式是基于稳定过程来计算的，与子组大小有关。有两个公式可以参考，如果做的是X-R控制图，组内标准差为R/D2。如果做的是X-S控制图，标准差为S/C4，其中D2，C4为控制图常数，与子组大小有关。因为计算的使用用到了组内的极差，所以和分组大小，数据的顺序都有关系（组内顺序无关，如果数据的排列影响到了分组，则有关）。所以同样的一组数据，不同的子组大小，计算出来的组内标准差，CP，CPK都不一样，但是PP和PPK都是一样的，因为PP和PPK考虑的是整体，只要还是这些数据，你怎么分组，换顺序都没关系。但是具体MINITAB用的什么公式计算，看不到源码，不是很清楚，但是上面说的计算公式可以说得通。