freedom117
freedom117

网络模型

网络协议分层

应用层：http/ftp/smtp
传输层: tcp/udp
网络层：ip/arp
链路层: ieee 802.x/ppp
或者7层版本
加上物理层
应用层拆分位 会话层 表达层 应用层

链路层

链路层报文包括链路层报头，帧上数据、以及4个字节的校验。
链路层报头中包含

image.png

其中mac地址是确定数据起点终点的唯一标识。
帧上数据就是ip协议的数据也就是网络层的数据
链路层定义了网络之间传输的包应该是怎样的二进制结构
网络层：ip地址是网络中的外网地址，通过ip地址能找到路由器。ip数据包通过ttl记录数据包通过的路由器的数量。，在通过arp协议找到指定的计算机。
传输层：面向连接的不会丢的网络协议tcp和面向端口的容易丢数据的udp.
tcp报文
image.png

应用层协议：http ftp stmp

你可能感兴趣的:(网络模型)

  • 计算机网络高频面试题
    1、介绍一下ISO七层网络模型？ISO七层网络模型（OSI参考模型）是国际标准化组织（ISO）提出的网络通信框架，将网络通信划分为七个逻辑层次，每层提供特定的服务并与相邻层交互。其核心目的是实现不同厂商设备的互操作性，并简化网络通信的设计与故障排查。（1）OSI七层模型的结构：物理层（PhysicalLayer）功能：负责传输原始比特流，定义电压、接口等物理特性。关键技术：双绞线、光纤、无线信号（
  • 大语言模型（LLM）笔记 笑衬人心。 大模型学习语言模型笔记人工智能
    一、什么是大语言模型（LLM）？LLM（LargeLanguageModel）是基于Transformer架构构建，并在海量文本语料上训练出的具备自然语言理解和生成能力的深度神经网络模型。其本质任务是**预测下一个token（词/字/符号）**的概率分布，但通过大规模参数和数据的支持，表现出类人智能的行为。二、核心架构：Transformer由Google在2017年提出，是目前LLM的主流架构。
  • nnv开源神经网络验证软件工具
    一、软件介绍文末提供程序和源码下载用于神经网络验证的Matlab工具箱，该工具箱实现了可访问性方法，用于分析自主信息物理系统（CPS）领域中带有神经网络控制器的神经网络和控制系统。二、相关工具和软件该工具箱利用神经网络模型转换工具（nnmt）和闭环系统分析、混合系统模型转换和转换工具（HyST）以及CONTINUOUSReachabilityAnalyzer（CORA）三、无需安装即可执行NNV可
  • CIANNA由天体物理学家提供/为天体物理学家提供的卷积交互式人工神经网络 struggle2025 神经网络
    一、软件介绍文末提供程序和源码下载CIANNA是一个通用的深度学习框架，主要用于天文数据分析。根据天体物理问题解决的相关性添加功能和优化。CIANNA可用于为各种任务构建和训练大型神经网络模型，并提供高级Python接口（类似于keras、pytorch等）。CIANNA的特点之一是它定制实施了受YOLO启发的对象探测器，用于2D或3D射电天文数据产品中的星系探测。该框架通过低级CUDA编程完全实
  • 深度学习在人脸识别中的应用及Python实现 loop_syntax648 机器学习-深度学习
    人脸识别是一种通过计算机技术识别和验证人脸的方法，近年来深度学习在人脸识别领域取得了显著的进展。深度学习模型能够学习和提取人脸图像中的高级特征，从而实现准确的人脸识别。本文将介绍深度学习在人脸识别中的应用，并提供Python实现的源代码。深度学习模型通常基于卷积神经网络（ConvolutionalNeuralNetwork，CNN）进行人脸识别。CNN是一种专门用于处理图像和视觉数据的神经网络模型
  • LSTM、GRU 与 Transformer网络模型参数计算 suixinm lstmgrutransformer
    参数计算公式对比模型类型参数计算公式关键组成部分LSTM4×(embed_dim×hidden_size+hidden_size²+hidden_size)4个门控结构GRU3×(embed_dim×hidden_size+hidden_size²+hidden_size)3个门控结构Transformer(Encoder)12×embed_dim²+9×embed_dim×ff_dim+14×e
  • 详解套接字 Socket 与网络 IO 模型演进 紫菜紫薯紫甘蓝 #计算机网络网络selectlinuxsocketIO模型
    详解套接字Socket与网络IO模型演进前言：我要吐了，学redis要看网络模型，学nginx要看网络模型，学tomcat要看网络模型，学netty要看网络模型，每次看到文档中的select、epoll、poll头都大了，最近找了多篇参考资料，总结socket和各种网络模型到底指的什么，演进流程是怎么样的，希望这篇文章可以总结清楚。从网络通信说开去我们知道，网络中的请求的发送，以http为例，需要
  • Docker跨主机网络：解锁分布式应用部署的新纪元 团儿. dockerdocker网络容器docker跨主机网络overlayMacVlan
    作者简介：我是团团儿，是一名专注于云计算领域的专业创作者，感谢大家的关注座右铭：云端筑梦，数据为翼，探索无限可能，引领云计算新纪元个人主页：团儿.-CSDN博客目录前言：正文：Docker的跨主机网络网络模型分类：常见的网络模型:各方案的网络模型描述如下：连通与隔离：性能：一、overlay的解决方案**环境限制**：####实验环境：通过网盘分享的文件：consul.tar链接:https://
  • YOLOv10改进策略【Neck】| BMVC 2024 MASAG 模块（多尺度自适应空间注意门）：动态感受野与空间注意力增强多尺度目标检测精度 Limiiiing YOLOv10改进专栏YOLO目标检测计算机视觉深度学习
    一、本文介绍本文主要利用MSA2NetMSA^{2}NetMSA2Net中的MASAG模块优化YOLOv10的目标检测网络模型。MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野，实现了对跨层级特征图中局部细节与全局语义的智能聚合。将其应用于YOLOv10的改进过程中，针对目标
  • 多层次特征融合的中医药材推荐方法研究 罗伯特之技术屋 物联网及AI前沿技术专栏计算机软件及理论发展专栏信息资源管理与发展专栏机器学习神经网络人工智能
    摘要深度学习技术迅速发展，在中医药材推荐任务中被大量使用。针对传统神经网络模型在中医药材推荐应用中推荐精度不高、模型参数量较大等问题，提出一种多层次特征融合的轻量级药材推荐方法。在TextCNN模型参数量少、特征抽取全面等特点的基础上，进一步融合症状语义特征和序列特征，从而获取更全面的症状药材特征完成中医药材推荐任务，并将其在中医药材公开数据集上进行验证。实验表明，该方法对药材推荐的F5得分达到0
  • AI人工智能领域神经网络的云计算集成应用 AI大模型应用实战 人工智能神经网络云计算ai
    AI人工智能领域神经网络的云计算集成应用关键词：神经网络、云计算、AI集成、分布式训练、模型部署、弹性计算、深度学习摘要：本文深入探讨了神经网络在云计算环境中的集成应用，从基础概念到实际部署，全面分析了云计算如何赋能AI神经网络的发展。文章将详细介绍神经网络与云计算的结合原理、关键技术实现、性能优化策略以及典型应用场景，并通过实际案例展示如何利用云平台高效运行神经网络模型。最后，我们将展望这一领域
  • 【深度学习-Day 21】框架入门：神经网络模型构建核心指南 (Keras & PyTorch) 吴师兄大模型 深度学习入门到精通深度学习神经网络keras人工智能pythonpytorchLLM
    Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
  • 【可持续学习网络模型0】目前全球增量学习或持续学习研究现状 帮带做 人工智能学习python硕博论文创新持续学习增量学习神经网络
    全球增量学习或持续学习研究现状一、全球研究现状综述（2025年主流）✅1.研究目标和挑战✅2.主流研究范式（按解决灾难性遗忘的策略分类）二、重点代表性方法简介（含通俗解释）1.**EWC（ElasticWeightConsolidation）**：2.**iCaRL（IncrementalClassifierandRepresentationLearning）**：3.**HAT（HardAtte
  • 模型集成：提升机器学习模型性能的有效策略及实践 t0_54program 大数据与人工智能机器学习人工智能个人开发
    在机器学习领域，模型集成是一种常见且有效的方法，它旨在提高模型的性能和泛化能力。简单来说，模型集成就是通过多种方式将多个模型组合起来，以提升对单个问题的处理表现。模型集成的优势模型集成具备诸多优点，它能够增强机器学习模型在未知数据上的性能、鲁棒性和泛化能力。以基于树的算法为例，它们擅长利用多棵树的集成来提升整体性能，在某些特定任务中表现出色。而对于神经网络模型，虽然在一般情况下，单个模型足以刻画特
  • 网络核心 - CNI、Service 与 Ingress/Gateway API 解析 weixin_42587823 云原生网络gatewayphp
    网络核心-CNI、Service与Ingress/GatewayAPI解析Kubernetes的强大之处在于它极大地简化了容器化应用的部署和管理，但其网络模型的灵活性和复杂性也常常让初学者感到困惑。作为SRE，我们需要拨开迷雾，理解流量在K8s集群内部以及进出集群时，到底是如何流转的。Pod网络基础：谁给Pod分配IP？(CNI)我们知道，在K8s中，每个Pod都拥有自己唯一的IP地址。这是实现“
  • Python实现简单的深度学习实践 master_chenchengg pythonpythonPythonpython开发IT
    Python实现简单的深度学习实践Python：通往深度学习世界的钥匙动手搭建你的第一个神经网络模型从零开始，用Python解析MNIST手写数字识别超越基础：使用Keras快速构建卷积神经网络实战演练：训练一个简单的图像分类器Python：通往深度学习世界的钥匙在当今这个数据驱动的时代，Python无疑成为了打开深度学习大门的金钥匙。它不仅语法简洁、易于上手，而且拥有强大的社区支持和丰富的库资源
  • TopNet：基于Transformer的高效点云几何压缩网络模型详解 清风AI 深度学习算法详解及代码复现计算机视觉算法深度学习人工智能计算机视觉神经网络transformer卷积神经网络python
    一、研究背景与挑战随着激光雷达（LiDAR）技术的普及，点云数据在自动驾驶、三维重建等领域得到广泛应用。然而，点云数据的无序性、稀疏性给存储和传输带来巨大挑战。传统的点云几何压缩（PCGC）方法难以平衡压缩率与精度，而深度学习方法逐渐成为主流。现有方法主要分为两类：CNN-based方法：通过3D卷积提取局部特征，但受限于固定感受野，难以捕捉长距离依赖。Transformer-based方法：利用
  • 八种常见的神经网络介绍 EdmundXjs 技术专栏神经网络人工智能深度学习
      在深度学习的世界里，各种神经网络模型层出不穷，每一种都有其独特的魅力和优势。今天，以下是八种常见的神经网络模型及其特点介绍，让我们来看看它们是如何在人工智能领域大放异彩的。概述（八大神经网络）卷积神经网络（CNN）：适用于图像、音频等网格数据处理。通过卷积层提取局部特征，池化层降维，广泛用于图像分类、目标检测。特点是参数共享和权值的局部连接，减少了模型复杂度。循环神经网络（RNN）：擅长处理序
  • 小白带你一起学Linux系统之计算机网络技术 KellenKellenHao linux计算机网络运维
    目录计算机网络技术一、网络概述1.网络的概念2.网络发展史3.网络的四要素4.网络功能5.网络类型6.网络协议与标准7.网络常见概念8.网络拓扑结构二、网络模型1.分层思想1.1概述1.2核心理念2.OSI七层理念3.TCP/IP五层模型5.应用层4.传输层3.网络层2.数据链路层1.物理层4数据的封装与解封过程4.1PDU协议4.2数据封装与解封过程三、IP地址1.进制转换2.IP地址定义3.I
  • YOLOv12改进策略【Neck】| BMVC 2024 MASAG 模块（多尺度自适应空间注意门）：动态感受野与空间注意力增强多尺度目标检测精度 Limiiiing YOLOv12改进专栏YOLO目标检测计算机视觉深度学习
    一、本文介绍本文主要利用MSA2NetMSA^{2}NetMSA2Net中的MASAG模块优化YOLOv12的目标检测网络模型。MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野，实现了对跨层级特征图中局部细节与全局语义的智能聚合。将其应用于YOLOv12的改进过程中，针对目标
  • 基于Python的LSTM循环神经网络模型实战 缑宇澄 python
    在处理具有时间序列特性的数据时，传统神经网络往往难以捕捉数据间的时序依赖关系。而循环神经网络（RecurrentNeuralNetwork，RNN）及其变体——长短期记忆网络（LongShort-TermMemory，LSTM），凭借独特的记忆机制，能够有效处理序列数据，在语音识别、自然语言处理、股票价格预测等领域展现出强大的优势。本文将深入解析LSTM的原理，并通过Python代码进行实战，展示
  • 深度学习——激活函数 笨小古 深度强化学习深度学习人工智能
    深度学习——激活函数激活函数是人工是人工神经网络中一个关键的组成部分，它被设计用来引入非线性特性到神经网络模型中，使神经网络能够学习和逼近复杂的非线性映射关系。1.引入非线性能力没有激活函数的神经网络本质上只是线性变换的叠加，无论多少层也只能表示线性函数，能力有限。激活函数使网络可以逼近任意复杂函数（依据万能逼近定理）2.控制信息流动某些激活函数可以抑制部分神经元的输出（如ReLU），是模型更稀疏
  • 基于PyQt5与CNN的枸杞/沙棘果图像分类系统 #define TUNE false 人工智能深度学习qtcnn
    摘要本文介绍了一套基于PyTorch和PyQt5的枸杞与沙棘果实识别系统。该系统采用卷积神经网络模型，实现了90%以上的识别准确率，响应时间小于500ms，显著提升了传统人工分拣效率。系统具备以下特点：1）可视化交互界面，包含分类显示区、控制面板和参数调节功能；2）支持置信度阈值动态调整（50%-95%）；3）提供单图/批量图像处理能力。文章详细解析了系统架构、核心模块代码及功能实现，同时指出了当
  • 计算机网络参考模型深度探索001 韩公子的Linux大集市 二网络AiOps计算机网络
    文章目录一、分层架构核心逻辑（WhyLayered?）1.分层核心价值2.分层缺陷与挑战二、数据封装解密（EncapsulationinDepth）1.发送端封装全流程2.头部信息进化论3.接收端解封装逆向工程三、现代网络模型演进1.传统模型的挑战2.新型架构突破3.未来融合架构四、协议交互实证分析（Wireshark抓包解码）1.HTTPoverTCP/IP2.物联网协议栈变革五、关键结论以下是
  • 网络设计与架构：优化与实践
    网络设计与架构：优化与实践背景简介在现代信息技术中，网络设计与架构对于保障业务连续性、提升用户体验以及确保数据安全具有至关重要的作用。本章深入探讨了不同网络设计模型、网络资源的要求、网络设备的布局以及网络协议的应用，为网络设计者提供了理论与实践相结合的指导。网络设计模型匹配本章首先介绍了如何将各种网络设计模型与其描述相匹配。设计者需要了解不同网络模型的特性，例如点对点模型、客户端/本地服务器、客户
  • 深度学习“炼丹”实战：用LeNet驯服MNIST“神兽” AI妈妈手把手 深度学习人工智能LeNetcnn模型训练学习笔记MNIST
    宝子们，在深度学习的神秘世界里，咱们就像一群“炼丹师”，而模型就是咱们精心炼制的“丹药”，数据集则是炼丹的“原材料”。今天，咱们就用经典的LeNet卷积神经网络模型，在MNIST手写数字数据集这个“原材料宝库”里，炼制出一颗能精准识别数字的“神奇丹药”！LeNet网络结构回顾，见：深度学习图像分类六大经典网络结构全解析一、MNIST数据集：炼丹的“珍贵原料”MNIST数据集可是深度学习界的“老牌明
  • 神经网络模型输入预处理与填充一致性问题 leo0308 基础知识神经网络人工智能深度学习
    在将图像输入神经网络模型（如目标检测、分割等）前，通常需要对输入进行预处理，包括缩放、填充、归一化等。不同的填充方式会导致模型推理结果出现差异，尤其影响目标的位置、比例和空间感知。1.填充方式为何会影响推理结果？填充方式决定了图像内容在输入张量中的空间分布。例如：四边对称填充、只右下填充、只右填充、只下填充等，都会导致目标在输入中的位置不同。如果训练和推理时填充方式不一致，模型感知到的空间结构就会
  • VGG-19（Visual Geometry Group）模型
    VGG-19是由牛津大学视觉几何组和GoogleDeepMind的研究人员在2014年提出的一个非常经典的深度卷积神经网络模型。一核心结构（1）深度：模型名称中的"19"指的是模型拥有19层带有权重的层（通常指：16个卷积层+3个全连接层=19。如果严格数带参数的层，输入层和ReLU激活层不计入深度统计）。（2）简单范式：VGG系列模型（包括VGG-11，VGG-13，VGG-16，VGG-19）
  • 从源码角度了解Elasticsaerch(分布式协调排序、深分页问题)
    引文Elasticsearch基于Lucene所以很多系统实现都在其中,所以可以先看看Lucene的实现:https://blog.csdn.net/qq_35040959/article/details/147931034项目组件不像Kafka这种顶级项目核心性能组件全自己实现,ELK中有很多引用至第三方开放库;网络模型-Netty网络模型多重要不必多说,Elasticsearch基于Netty
  • 深度学习入门指南：从基础概念到代码实践 软考和人工智能学堂 人工智能#深度学习Python开发经验深度学习人工智能
    深度学习入门指南：从基础概念到代码实践1.深度学习概述深度学习是机器学习的一个分支，它通过模拟人脑神经元的工作方式，构建多层次的神经网络模型来处理复杂的数据模式。与传统机器学习方法相比，深度学习能够自动从原始数据中学习特征表示，无需过多的人工特征工程。深度学习已经在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展。例如，ImageNet竞赛中深度学习模型的识别准确率已经超过人类水平，而GP
  • java的(PO,VO,TO,BO,DAO,POJO) Cb123456 VOTOBOPOJODAO
    转: http://www.cnblogs.com/yxnchinahlj/archive/2012/02/24/2366110.html   -------------------------------------------------------------------  O/R Mapping 是 Object Relational Mapping（对象关系映
  • spring ioc原理（看完后大家可以自己写一个spring） aijuans spring
             最近，买了本Spring入门书：spring In Action 。大致浏览了下感觉还不错。就是入门了点。Manning的书还是不错的，我虽然不像哪些只看Manning书的人那样专注于Manning,但怀着崇敬 的心情和激情通览了一遍。又一次接受了IOC 、DI、AOP等Spring核心概念。 先就IOC和DI谈一点我的看法。IO
  • MyEclipse 2014中Customize Persperctive设置无效的解决方法 Kai_Ge MyEclipse2014
    高高兴兴下载个MyEclipse2014，发现工具条上多了个手机开发的按钮，心生不爽就想弄掉他！ 结果发现Customize Persperctive失效！！ 有说更新下就好了，可是国内Myeclipse访问不了，何谈更新... so~这里提供了更新后的一下jar包，给大家使用！ 1、将9个jar复制到myeclipse安装目录\plugins中 2、删除和这9个jar同包名但是版本号较
  • SpringMvc上传 120153216 springMVC
      @RequestMapping(value = WebUrlConstant.UPLOADFILE) @ResponseBody public Map<String, Object> uploadFile(HttpServletRequest request,HttpServletResponse httpresponse) { try { //
  • Javascript----HTML DOM 事件 何必如此 JavaScripthtmlWeb
    HTML DOM 事件允许Javascript在HTML文档元素中注册不同事件处理程序。 事件通常与函数结合使用，函数不会在事件发生前被执行！ 注：DOM： 指明使用的 DOM 属性级别。 1.鼠标事件 属性               
  • 动态绑定和删除onclick事件 357029540 JavaScriptjquery
    因为对JQUERY和JS的动态绑定事件的不熟悉，今天花了好久的时间才把动态绑定和删除onclick事件搞定!现在分享下我的过程。      在我的查询页面，我将我的onclick事件绑定到了tr标签上同时传入当前行(this值)参数，这样可以在点击行上的任意地方时可以选中checkbox，但是在我的某一列上也有一个onclick事件是用于下载附件的，当
  • HttpClient|HttpClient请求详解 7454103 apache应用服务器网络协议网络应用Security
    HttpClient 是 Apache Jakarta Common 下的子项目，可以用来提供高效的、最新的、功能丰富的支持 HTTP 协议的客户端编程工具包，并且它支持 HTTP 协议最新的版本和建议。本文首先介绍 HTTPClient，然后根据作者实际工作经验给出了一些常见问题的解决方法。HTTP 协议可能是现在 Internet 上使用得最多、最重要的协议了，越来越多的 Java 应用程序需
  • 递归 逐层统计树形结构数据 darkranger 数据结构
    将集合递归获取树形结构: /** * * 递归获取数据 * @param alist:所有分类 * @param subjname:对应统计的项目名称 * @param pk:对应项目主键 * @param reportList: 最后统计的结果集 * @param count:项目级别 */ public void getReportVO(Arr
  • 访问WEB-INF下使用frameset标签页面出错的原因 aijuans struts2
    <frameset rows="61,*,24" cols="*" framespacing="0" frameborder="no" border="0">        
  • MAVEN常用命令 avords
    Maven库： http://repo2.maven.org/maven2/ Maven依赖查询： http://mvnrepository.com/ Maven常用命令： 1. 创建Maven的普通java项目：    mvn archetype:create    -DgroupId=packageName 
  • PHP如果自带一个小型的web服务器就好了 houxinyou apache应用服务器WebPHP脚本
    最近单位用PHP做网站，感觉PHP挺好的，不过有一些地方不太习惯，比如，环境搭建。PHP本身就是一个网站后台脚本，但用PHP做程序时还要下载apache，配置起来也不太很方便，虽然有好多配置好的apache+php+mysq的环境，但用起来总是心里不太舒服，因为我要的只是一个开发环境，如果是真实的运行环境，下个apahe也无所谓，但只是一个开发环境，总有一种杀鸡用牛刀的感觉。如果php自己的程序中
  • NoSQL数据库之Redis数据库管理(list类型) bijian1013 redis数据库NoSQL
    3.list类型及操作         List是一个链表结构，主要功能是push、pop、获取一个范围的所有值等等，操作key理解为链表的名字。Redis的list类型其实就是一个每个子元素都是string类型的双向链表。我们可以通过push、pop操作从链表的头部或者尾部添加删除元素，这样list既可以作为栈，又可以作为队列。   &nbs
  • 谁在用Hadoop？ bingyingao hadoop数据挖掘公司应用场景
    Hadoop技术的应用已经十分广泛了，而我是最近才开始对它有所了解，它在大数据领域的出色表现也让我产生了兴趣。浏览了他的官网，其中有一个页面专门介绍目前世界上有哪些公司在用Hadoop，这些公司涵盖各行各业，不乏一些大公司如alibaba,ebay,amazon,google,facebook,adobe等，主要用于日志分析、数据挖掘、机器学习、构建索引、业务报表等场景,这更加激发了学习它的热情。
  • 【Spark七十六】Spark计算结果存到MySQL bit1129 mysql
    package spark.examples.db import java.sql.{PreparedStatement, Connection, DriverManager} import com.mysql.jdbc.Driver import org.apache.spark.{SparkContext, SparkConf} object SparkMySQLInteg
  • Scala: JVM上的函数编程 bookjovi scalaerlanghaskell
        说Scala是JVM上的函数编程一点也不为过，Scala把面向对象和函数型编程这两种主流编程范式结合了起来，对于熟悉各种编程范式的人而言Scala并没有带来太多革新的编程思想，scala主要的有点在于Java庞大的package优势，这样也就弥补了JVM平台上函数型编程的缺失，MS家.net上已经有了F#，JVM怎么能不跟上呢？     对本人而言
  • jar打成exe bro_feng java jar exe
    今天要把jar包打成exe，jsmooth和exe4j都用了。 遇见几个问题。记录一下。 两个软件都很好使，网上都有图片教程，都挺不错。 首先肯定是要用自己的jre的，不然不能通用，其次别忘了把需要的lib放到classPath中。 困扰我很久的一个问题是，我自己打包成功后，在一个同事的没有装jdk的电脑上运行，就是不行，报错jvm.dll为无效的windows映像，如截图 最后发现
  • 读《研磨设计模式》-代码笔记-策略模式-Strategy bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /* 策略模式定义了一系列的算法，并将每一个算法封装起来，而且使它们还可以相互替换。策略模式让算法独立于使用它的客户而独立变化 简单理解： 1、将不同的策略提炼出一个共同接口。这是容易的，因为不同的策略，只是算法不同，需要传递的参数
  • cmd命令值cvfM命令 chenyu19891124 cmd
         cmd命令还真是强大啊。今天发现jar -cvfM aa.rar @aaalist 就这行命令可以根据aaalist取出相应的文件   例如：      在d：\workspace\prpall\test.java 有这样一个文件，现在想要将这个文件打成一个包。运行如下命令即可比如在d：\wor
  • OpenJWeb(1.8) Java Web应用快速开发平台 comsci java框架Web项目管理企业应用
        OpenJWeb(1.8) Java Web应用快速开发平台的作者是我们技术联盟的成员，他最近推出了新版本的快速应用开发平台  OpenJWeb(1.8)，我帮他做做宣传   OpenJWeb快速开发平台以快速开发为核心，整合先进的java 开源框架，本着自主开发+应用集成相结合的原则，旨在为政府、企事业单位、软件公司等平台用户提供一个架构透
  • Python 报错：IndentationError: unexpected indent daizj pythontab空格缩进
        IndentationError: unexpected indent 是缩进的问题，也有可能是tab和空格混用啦     Python开发者有意让违反了缩进规则的程序不能通过编译，以此来强制程序员养成良好的编程习惯。并且在Python语言里，缩进而非花括号或者某种关键字，被用于表示语句块的开始和退出。增加缩进表示语句块的开
  • HttpClient 超时设置 dongwei_6688 httpclient
    HttpClient中的超时设置包含两个部分： 1. 建立连接超时，是指在httpclient客户端和服务器端建立连接过程中允许的最大等待时间 2. 读取数据超时，是指在建立连接后，等待读取服务器端的响应数据时允许的最大等待时间   在HttpClient 4.x中如下设置：   HttpClient httpclient = new DefaultHttpC
  • 小鱼与波浪 dcj3sjt126com
    一条小鱼游出水面看蓝天，偶然间遇到了波浪。　　小鱼便与波浪在海面上游戏，随着波浪上下起伏、汹涌前进。　　小鱼在波浪里兴奋得大叫：“你每天都过着这么刺激的生活吗？简直太棒了。”　　波浪说：“岂只每天过这样的生活，几乎每一刻都这么刺激！还有更刺激的，要有潮汐变化，或者狂风暴雨，那才是兴奋得心脏都会跳出来。”　　小鱼说：“真希望我也能变成一个波浪，每天随着风雨、潮汐流动，不知道有多么好！”　　很快，小鱼
  • Error Code: 1175 You are using safe update mode and you tried to update a table dcj3sjt126com mysql
    快速高效用：SET SQL_SAFE_UPDATES = 0；下面的就不要看了！ 今日用MySQL Workbench进行数据库的管理更新时，执行一个更新的语句碰到以下错误提示： Error Code: 1175 You are using safe update mode and you tried to update a table without a WHERE that
  • 枚举类型详细介绍及方法定义 gaomysion enumjavaee
    转发 http://developer.51cto.com/art/201107/275031.htm 枚举其实就是一种类型，跟int, char 这种差不多，就是定义变量时限制输入的，你只能够赋enum里面规定的值。建议大家可以看看，这两篇文章，《java枚举类型入门》和《C++的中的结构体和枚举》，供大家参考。 枚举类型是JDK5.0的新特征。Sun引进了一个全新的关键字enum
  • Merge Sorted Array hcx2013 array
    Given two sorted integer arrays nums1 and nums2, merge nums2 into nums1 as one sorted array. Note:You may assume that nums1 has enough space (size that is
  • Expression Language 3.0新特性 jinnianshilongnian el 3.0
    Expression Language 3.0表达式语言规范最终版从2013-4-29发布到现在已经非常久的时间了；目前如Tomcat 8、Jetty 9、GlasshFish 4已经支持EL 3.0。新特性包括：如字符串拼接操作符、赋值、分号操作符、对象方法调用、Lambda表达式、静态字段/方法调用、构造器调用、Java8集合操作。目前Glassfish 4/Jetty实现最好，对大多数新特性
  • 超越算法来看待个性化推荐 liyonghui160com 超越算法来看待个性化推荐
             一提到个性化推荐，大家一般会想到协同过滤、文本相似等推荐算法，或是更高阶的模型推荐算法，百度的张栋说过，推荐40%取决于UI、30%取决于数据、20%取决于背景知识，虽然本人不是很认同这种比例，但推荐系统中，推荐算法起的作用起的作用是非常有限的。       就像任何
  • 写给Javascript初学者的小小建议 pda158 JavaScript
    　　一般初学JavaScript的时候最头痛的就是浏览器兼容问题。在Firefox下面好好的代码放到IE就不能显示了，又或者是在IE能正常显示的代码在firefox又报错了。 　　如果你正初学JavaScript并有着一样的处境的话建议你：初学JavaScript的时候无视DOM和BOM的兼容性，将更多的时间花在 了解语言本身（ECMAScript）。只在特定浏览器编写代码（Chrome/Fi
  • Java 枚举 ShihLei javaenum枚举
    注：文章内容大量借鉴使用网上的资料，可惜没有记录参考地址，只能再传对作者说声抱歉并表示感谢！   一 基础 1）语法      枚举类型只能有私有构造器（这样做可以保证客户代码没有办法新建一个enum的实例）      枚举实例必须最先定义 2）特性     &nb
  • Java SE 6 HotSpot虚拟机的垃圾回收机制 uuhorse javaHotSpotGC垃圾回收VM
    官方资料，关于Java SE 6 HotSpot虚拟机的garbage Collection，非常全，英文。 http://www.oracle.com/technetwork/java/javase/gc-tuning-6-140523.html   Java SE 6 HotSpot[tm] Virtual Machine Garbage Collection Tuning &
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他