TCP三次挥手与四次挥手

本文详细解析了TCP协议中的三次握手和四次挥手过程,解释了为何需要三次握手来建立连接以及四次挥手来断开连接的原因。通过图文并茂的方式,帮助读者理解TCP连接的建立与断开机制。

TCP三次握手过程

    刚开始客户端处于CLOSED的状态,服务端处于LISTEN状态。

    1、第一次握手:客户端给服务端发一个SYN (Synchronize Sequence Numbers)报文,并指明客户端的初始化序列号ISN(seq)。此时客户端处于SYN_SEND状态。

    2、第二次握手:服务端收到客户端的SYN报文之后,会以自己的SYN报文作为应答,并且也是指定了自己的初始化序列号ISN,同时会把客户端的ISN+1作为ACK(确认号)的值,表示自己收到了客户端的SYN,此时服务端处于SYN_RCVD的状态。

    3、第三次握手:客户端收到服务端发来的SYN报文后,会发一个ACK报文,也是把服务端的ISN+1作为ACK的值,表示自己收到了服务端的SYN报文,此时客户端处于ESTABLISED状态。

    4、服务端收到客户端发来的ACK报文后,服务端也处于ESTABLISED 状态。双方建立连接。

整个流程如图所示:

                                          图 1 TCP三次握手过程

一、为什么需要三次握手,两次不可吗?

1、第一次握手:客户端给服务端发送网络包,服务端收到了。这样服务端就知道,客户端的发送能力与自己的接收能力是正常的。

2、第二次握手:服务端给客户端发送网络包,客户端收到了。这样客户端就知道服务端的接收与发送能力是正常的,自己的接收与发送能力是正常的。但是现在服务端还不不能确定客户端的接收能力是否正常。

3、第三次握手: 客户端给服务端发送网络包,服务端收到了。这样服务端就知道了客户端的接收与发送能力都正常,服务端的接收与发送能力都正常。

因此需要三次握手才能确认客户端与服务端的接收与收发能力是否正常。而两次握手并不能确认双方的接收与发送能力是否正常。

二、三次握手的作用

1、确认双方的接收能力、发送能力是否正常。

2、指定自己的初始化序列号,为后面的可靠传输做准备。

三、半连接队列与全连接队列

服务端第一次收到客户端的SYN报文之后就会处于SYN_RCVD状态,此时双方还未完全建立起连接,服务端会把此种状态下的请求连接放在一个队列,这种队列称之为半连接队列。

已经完成三次握手,建立起连接的服务端会放在一个队列,这种队列称之为全连接队列。


 

TCP四次挥手

刚开始双方都处于ESTABLISED状态。假设是客户端发起断开请求

  1. 第一次挥手:客户端发送一个FIN报文,报文中会指定一个序列号,此时客户端处于FIN-WAIT-1状态。
  2. 第二次挥手:服务端收到FIN后,会发送ACK报文,客户端的序列号值+1作为ACK的值,表明收到了客户端的报文了,此时服务端处于CLOSED-WAIT状态。如果客户端收到了服务端发来的报文客户端就进入FIN-WAIT-2状态。等待服务端发出连接释放报文段。
  3. 第三次挥手:服务端给客户端发送FIN报文,并且指定一个序列号。此时服务端处于LAST-ACK状态。
  4. 第四次挥手:客户端收到FIN后,会发送一个ACK报文作为应答,此时客户端处于TIME-WAIT状态。需要过一段时间以确保服务端收到自己的ACK报文之后才会进入CLOSED状态。
  5. 服务端收到 ACK 报文之后,就处于关闭连接了,处于 CLOSED 状态。

四次挥手的过程:

                                     图 2 TCP四次挥手过程

一、为什么客户端收到服务端发来的FIN后不立即进入CLOSED状态,而需要等待一段时间后才进入CLOSED状态。

要确保服务器是否已经收到了我们的 ACK 报文,如果没有收到的话,服务器会重新发 FIN 报文给客户端,客户端再次收到 FIN 报文之后,就知道之前的 ACK 报文丢失了,然后再次发送 ACK 报文。

至于 TIME_WAIT 持续的时间至少是一个报文的来回时间。一般会设置一个计时,如果过了这个计时没有再次收到 FIN 报文,则代表对方成功就是 ACK 报文,此时处于 CLOSED 状态。

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统自动化领域的建模仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究创新: 支持计算机视觉热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值