【刷题总结】TCP\UDP的区别（动手动脑独立做思维导图）

最新推荐文章于 2026-01-08 17:41:58 发布
原创 最新推荐文章于 2026-01-08 17:41:58 发布 · 186 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#面试 #网络

记录在Gitee上的个人学习笔记，每天专注一点，逐步深入IT技术的海洋，通过阅读和理解提升自我。
实习或秋招校招-思维导图总结
07-09
【实习或秋招校招-思维导图总结】 在IT行业，尤其是对于即将步入职场的实习生和参加秋招校招的毕业生来说，掌握关键的技术知识是至关重要的。本总结主要涵盖了多个核心领域的思维导图，旨在帮助你系统地理解和记忆...
计算机网络课程思维导图
03-17
根据多份计算机网络课程资源，第一至五章的思维导图通常涵盖计算机网络体系结构、物理层数据通信、数据链路层协议、局域网技术及网络层核心原理等内容，重点呈现网络分层模型、OSI/TCP/IP参考模型对比、物理介质特性...
python设计模式（二）：装饰器应用全解
submarineas的博客
09-06 574
引言 也许很多人不知道装饰器的其它作用，比如说 权限控制、
9652
weixin_43768924的博客
05-26 2245
laravel框架提供了两种方式处理会话（Session ）数据： （1）全局的辅助函数 session （2）通过 Request 实例 1.获取并设置默认值 $request->session()->get(‘key’, ‘default’); session(‘key’, ‘default’); 2.判断 Session 中是否存在指定项 has 方法可用于检查数据项在 Session 中是否存在。如果存在并且不为 null 的话返回 true： if ($request->sess
精选资源
王道408思维导图无水印版
04-02
【王道408思维导图无水印版】是一个针对计算机科学与技术专业学生，尤其是准备参加"408计算机学科专业基础综合"考试的学习资料。408考试涵盖了计算机组成原理、计算机网络、操作系统和数据结构这四门核心课程，因此...
15. 传输层协议之TCP思维导图
05-02
下面是对 TCP 协议的详细解释和思维导图： TCP 协议的基本概念 * 连接建立：客户端和服务器端通过三次握手建立连接，具体过程是：客户端发送 SYN 报文，服务器端响应 SYN+ACK 报文，客户端响应 ACK 报文。 * 数据...
Python网络-TCP思维导图
04-14
Python TCP开发，自己整理，非常实用 HTTP是什么？ HTTP 是一个在计算机世界里专门在「两点」之间「传输」文字、图片、音频、视频等「超文本」数据的「约定和规范」。
线程同步-消息队列-互斥锁-补充两个面试问题
m0_56799144的博客
01-05 928
消息队列是进程间通信（IPC）的一种方式（和管道、共享内存是同级的通信手段），作用是让多个进程通过 “消息队列” 来传递结构化的数据（消息）。维度用户级线程内核级线程管理主体用户空间的线程库操作系统内核内核感知性内核无感知（只认进程）内核可感知每个线程线程开销小（用户空间完成操作）大（需内核参与操作）多处理器利用能力无法并行，只能并发可利用多处理器实现并行维度并发运行并行运行核心特征时间段内都有执行，非同一时刻同一时刻，真正同时执行处理器要求。
Vision Transformer(ViT)的讲解和面试题目讲解
guoke_tg的博客
01-07 496
目前我已经写了BERT，ResNet的文章，有兴趣的可以点进我的主页去查看。后续会更新Transformer、CLIP、GNN等的文章。ViT是在2020年谷歌的论文<ANIMAGE ISWORTH16X16 WORDSIMAGERSCALE>（一个图片等价于16*16的单词：Transformer用于大规模的视觉识别）中提出的，首次将Transformer这个NLP的框架引入到了CV领域，使图片按照序列的处理方式并在大规模的数据集上进行训练，并取得了不错的效果。归纳偏置。
Java面试场景高频题
sx40623746的博客
01-06 529
本文摘要： 布隆过滤器通过bitmap结构解决缓存穿透问题，具有高效查询和低内存占用优点，但存在误判可能且不支持删除操作； 查询优化方案包括多线程分批处理和并行查询，可显著提升大数据量查询效率； 事务失效场景包括异常类型不匹配、同类方法调用、多线程事务、私有方法调用等； count(1)、count(*)和count(字段)的区别主要在于统计范围和索引使用策略； 死锁示例展示了两个线程互相持有对方所需资源导致的阻塞情况。
阿里Java面试被问：单元测试的最佳实践
2501_94505843的博客
01-04 893
本文系统介绍了软件测试的最佳实践，主要包含以下内容：1. 测试金字塔原则，推荐70%单元测试+20%集成测试+10%端到端测试的比例；2. 测试代码质量标准，包括命名规范、AAA模式等；3. Mock与Stub的使用场景和区别；4. 测试数据管理策略；5. 断言最佳实践；6. 测试隔离与可重复性；7. 测试性能与维护建议；8. 边界条件测试方法；9. 有意义的测试覆盖率目标；10. TDD开发流程。文章提供了大量代码示例，并总结了单元测试检查清单和测试金字塔指导原则，强调应重点关注业务逻辑、复杂算法和边界条
前端让我明显感受到了信息闭塞的恐怖......
yydsdaydayup的博客
01-04 802
摘要：前端面试的核心不是死记硬背API和框架原理，而是解决实际问题的能力。许多求职者陷入"背八股文"的误区，但当面对"低版本安卓适配"、"多终端组件库设计"等场景问题时却束手无策。本文整理了大量企业高频考察的实战面试题（如批量请求优化、微前端隔离方案、大文件上传等），涵盖技术实现、架构设计、性能优化等维度，帮助开发者突破信息闭塞，掌握真正的核心竞争力。这些题目反映了行业真实需求，吃透这些解决方案才能在面试中展现价值。
前端 Promise 全解：从原理到面试
hellokatewj的专栏
01-07 593
定义：Promise 是异步编程的一种解决方案，解决了回调地狱问题，提供了统一的 API。状态：它有 Pending、Fulfilled、Rejected 三种状态，且状态不可逆。使用构造函数是同步执行的。.then 返回新 Promise，支持链式调用。.catch 处理错误（冒泡机制）。常用 APIall（并发，全对才对）。race（赛跑，谁快用谁）。allSettled（不管死活，都要结果）。any（只要有一个活的就行）。运行机制：Promise 的回调是微任务。
数据结构资源合集
宝宝单机的博客
01-07 705
#带你玩转数据结构与算法。
Java 后端开发面试中，人事（HR）环节的问题
2503_94519591的博客
01-05 509
摘要：Java后端开发HR面试问题主要围绕个人情况、求职动机、职业规划和团队协作等方面展开。常见问题包括自我介绍、离职原因、岗位匹配度、职业规划、薪资期望等。回答时应突出技术优势与项目经验，采用STAR法则描述成就，避免负面评价前公司。反问环节可询问团队情况和技术挑战，展现积极性。准备时需提前了解公司业务，结合岗位需求组织回答，体现专业性和稳定性。
Spring Cloud核心架构组件深度解析（原理+实战+面试高频）
最新发布
weixin_66243333的博客
01-08 399
本文系统介绍了SpringCloud微服务架构的核心组件与应用实践。首先分析了微服务架构的典型痛点及SpringCloud的解决方案，重点讲解了五大核心组件：Nacos（服务注册发现）、OpenFeign（服务通信）、Sentinel（熔断降级）、SpringCloud Gateway（API网关）和Nacos Config（配置中心）。每个组件从原理架构、实战配置到应用场景进行了详细阐述，并提供了完整的代码示例。文章还总结了SpringCloud面试常见问题及应答策略，对比了相关技术组件的优劣。通过本文，
AWS EC2
qq_44148259的博客
01-05 812
创建 EC2 时，最重要的是：AMI、实例规格、VPC/Subnet、公网 IP、安全组、磁盘。80% 的故障来自：👉 网络（VPC / Subnet / 公网 IP）👉 安全组👉 Key Pair👉 磁盘满 / 权限不足。
数据库性能调优中的经典高频面试题
chenxuefeng_accp的专栏
01-07 567
MySQL性能优化核心要点： GROUP BY优化：为分组字段创建索引（联合索引更佳），避免SELECT非聚合字段，控制结果集大小。索引是根本解决方案，合理SQL写法是关键。 百万级分页：优先使用游标分页（基于有序唯一字段），其次采用延迟关联减少回表，或限制分页深度结合缓存。游标分页效率最优，与数据量无关。 SQL突然变慢：主要排查统计信息过期（执行计划突变）、参数类型/范围变化、锁竞争及资源瓶颈。
大模型面试题37：Scaling Law完全指南
叫好与叫座虽然不是对立面，但想在同一个作品中达到双重效果很难。
01-04 560
从“规模至上”到“效率优先”：Densing Law、ParScale等新定律将主导未来1-2年的AI发展从“三维扩展”到“多维协同”：上下文、模态、推理等新维度加入，形成更复杂的缩放网络从“经验规律”到“理论科学”：Scaling Law将与信息论、神经科学深度融合，建立坚实理论基础从“单一模型”到“系统工程”：Scaling Law将扩展到模型训练的全流程，包括数据治理、硬件优化、分布式系统设计“Scaling Law并未消亡，只是正在演变”。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

日 近 长 安 远

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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