IP详解

  计算机与计算机的通讯三要素:
  1. IP地址
  2. 端口号
  3. 通讯协议
 
IP地址:   IP地址的本质是由32个二进制位数组成的, 为了方便人类记录,所以把一个ip地址分成了4段, 每段8个二进制数据。 2^8 = 0~255


192.168.1.10   
IP地址 = 网络号 + 主机号


IP的类别:
A类地址:  一个网络号 + 三个主机号     政府
B类地址: 两个网络号+ 两个主机号      学校、事业单位
C类地址: 三个网络号 + 一个主机号     




端口号: 端口号的范围:0-65535 ,  从0到1023,它们紧密绑定(binding)于一些服务。   1024 到 65535


常用端口
21    FTP        
80    HTTP
443  HTTPS


 
 通讯协议:
  Udp 协议
  tcp 协议


UDP
将数据极其源和目的封装为数据包,不需要建立连接。
每个数据包大小限制在64K中
因为无连接,所以不可靠,数据包会丢失。
效率高。


比如:物管的对讲机、 feiQ通讯、  cs 。 


TCP 
面向连接,有特有的通道
在连接中传输大数据量
通过三次握手机制连接,可靠协议
效率低

比如: 打电话、 FeiQ文件传输、 


基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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