墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
3.3k累计阅读
3.4k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
网络协议的层次结构：
1. OSI七层模型：OSI（Open System Interconnect），即开放式系统互联
第一层：物理层
作用：透明地传输比特流。为数据端设备提供传送数据通路、传输数据
重要协议：RJ45, Ethernet, 802.3, 802.5
常见设备：集线器、发送器、接收器、电缆、连接器和中继器
数据单元：比特流
第二层：数据链路层
作用：建立逻辑连接、进行硬件地址寻址、差错效验。一方面接收来自网络层（第三层）的数据帧并为物理层封装这些帧；另一方面数据链路层把来自物理层的原始数据比特封装到网络层的帧中。起着重要的中介作用。
重要协议： PPP（Point-to-Point Protocal点到点）,Ethernet（以太网）, Frame Relay（帧中继），ATM（异步传输）
常见设备：网桥，交换机
数据单元：帧
第三层：网络层
大话网络协议：从OSI七层模型说开去
时至今日，互联网已经是大家日常生活中不可或缺的一部分，购物、点餐、刷剧、网课，已经融入了我们生活的方方面面。但网络具体是怎么工作的呢？特别是我们具体从事软件研发、ICT行业的同学，理解和掌握这个我们产品运行的基础设施尤为必要。我们先从OSI七层模型和TCP/IP四层模型谈起。
OSI七层网络模型、TCP/IP四层网络模型
物理层、数据链路层、网络层、传输层主要提供数据传输和交换功能---->点到点的通信其中传输层是上下部分的桥梁----整个网络中最关键的部分会话层、表示层、应用层提供用户与应用程序之间的信息和数据处理功能为主。
OSI七层网络协议（应用层：http协议、传输层：TCP协议、网络层：IP协议，数据链路层：ARP协议、网络下一跳，物理层：比特流）
一、C/S、B/S架构 C：Client端 B：Browse浏览器 S：Service端 C/S架构：基于客户端与服务端之间的通信 如：QQ、游戏 优点: 个性化设置、响应速度快, 缺点: 开发成本、维护成本高、占用空间、用户固定 B/S架构: 基于浏览器与服务端之间的通信 如：谷歌浏览器、火狐浏览器 优点: 开发维护成本低、占用空间相对低、用户不固定 缺点: 功能单一、没有个性化设置、响应速度相对慢一 些. 二、OSI七层网络协议（图来源于网络，应用层：http协议、
OSI七层网络参考模型
介绍 OSI七层网络模型是为了解决软硬件网络通讯协议标准兼容性的问题。70年代，计算机发展之初，计算机各个部件产商都制定了自己的网络协议，这些产商只兼容自己的设备，和其他产商的计算机设备无法兼容；但是现实的需求是需要不同产商的计算机设备协同工作，由于各自产商都有自己的网络协议，就导致了极差的网络兼容性，不同设备基本无法组网协同工作（设想一下，交通规则里面，靠右行驶和靠左行驶同时存在，那么处处都是逆行，处处都是堵车或者发生交通事故，道路通行率就会很差）。为了解决兼容性问题，OSI组织应运而生，制定了网络通信
Air780E模组AT指令实战：5分钟搞定MQTT连接EMQX服务器（附完整代码）
本文详细介绍了如何使用Air780E 4G模组通过AT指令快速连接MQTT服务器。从硬件接线、网络注册到MQTT连接配置，提供了完整的实战步骤和代码示例，帮助开发者快速实现物联网设备的数据上报与远程通信。
紫光同创国产FPGA学习之Fabric Debugger
文章从紫光同创参考书拷贝过来的。因为我用的时候，看了一下就会用了（纯粹只是会用了，默认和xilinx的一样），没有看教程。先更新点文本，后面在写程序。 一、 软件简介 Fabric Debugger是一款界面化的FPGA芯片调试工具，能够针对公司目前以及未来的FPGA芯片进行在线调试。本软件直接与JtagHub、DebugCore交互，能够实时的配置目标FPGA、设置触发条件并且观测结...
强化学习 之 Actor Critic
简介 Actor Critic是一种结合体算法： （1）Actor 的前生是 Policy Gradients，这能让它毫不费力地在连续动作中选取合适的动作，而 Q-learning 做这件事会瘫痪； （2）Critic 的前生是 Q-learning 或者其他的 以值为基础的学习法，能进行单步更新，而传统的 Policy Gradients 则是回合更新，这降低了学习效率。 算法思想 Actor...
第三章-python基础语法
有C语言基础应该这样学 Python。
Lammps不同亲疏水性粗糙表面的润湿行为模拟（包含in文件）
Lammps粗糙表面的润湿行为模拟（包含in文件）前言—润湿行为模拟一、物理模型构建二、具体in文件—in文件内循环亲疏水性三、具体in文件—分子模板构建初始模型以及平衡态模拟四、全部代码（基地粗糙表面只提供data文件） 前言—润湿行为模拟 润湿现象：当液体与固体接触时，液体的附着层将沿固体表面延伸。当接触角 θ\rm \thetaθ 为锐角时，液体润湿固体，若θ为零时，液体将展延到全部固体表面上。润湿现象的产生与液体和固体的性质有关。（来自百度百科） 润湿行为的本质是固液之间的相互作用，也就是分子间的范
图神经网络实战——总结 | 图神经网络展望
短短数年时间，图神经网络 (Graph Neural Networks, GNN) 已经成为一种重要的深度学习架构，并且已经广泛应用于各个行业。通过本专栏的学习，能够对图学习和 GNN 领域有一个全面的了解，并能为各种应用设计、构建GNN模型。
【单智能体】AI 数据分析智能体案例讲解（附完整源码）
本案例将引导您构建一个基于 AI 的数据分析智能体,让用户能够通过自然语言查询来分析 CSV 和 Excel 文件中的数据,无需掌握 SQL 知识。该智能体使用 Agno Agent 框架集成 OpenAI GPT-4o 模型,并利用 DuckDB 提供高效的数据处理能力。
YOLOv11改进 - C3k2融合 | C3k2 融合 ARConv 自适应矩形卷积：动态调整卷积核形状与采样点
本文介绍了将自适应矩形卷积（ARConv）模块与YOLOv11相结合的方法。ARConv是针对遥感图像全色锐化任务设计的创新卷积模块，可自适应调整卷积核形状与采样点数量，解决传统卷积刚性限制，实现高效特征提取。其工作流程包括学习卷积核高度和宽度、选择采样点数量、生成采样图、卷积实现与空间自适应增强。我们将集成ARConv的C3k2_ARConv模块引入YOLOv11，对相关代码进行修改和注册，并配置了yolov11 - C3k2_ARConv.yaml文件。实验脚本显示，该结合方式应用于目标检测任务。
efm32 入门.pdf
本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
Camera2Demo
在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作
TMS_WebGMaps_1.9.8.0_Full_Source
TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1600
扫一扫
