干货 | 常见PCIe接口形态（二）

最新推荐文章于 2024-11-11 12:05:28 发布
最新推荐文章于 2024-11-11 12:05:28 发布
阅读量1k 收藏 3
点赞数 6
分类专栏： 杂项 文章标签： stm32 嵌入式硬件 单片机 硬件架构 fpga开发
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_37120496/article/details/137844336
版权

 干货 | 常见PCIe接口形态（二）

干货 | 常见PCIe接口形态（二）PCIe AIC（Add-in-Card）这种形态的PCIe接口相信很多的朋友都见过，没错就是常出现在电脑主板上的接口，用于连接显卡、无线网卡、存储设备等。icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=Mzg2MjYwMTg3OQ==&mid=2247484608&idx=1&sn=f07e205d3bef885bfbe72ad6d60343b1&chksm=ce041338f9739a2eeec63c824784ebfc2155dee7a2e8dfa4175b957ae05dfde97079277e0ca4&token=70813733&lang=zh_CN#rd欢迎关注公众号！

技术干货 | Docker 容器逃逸案例汇集
08-02 2万+
当获得一个Webshell，我们的攻击点可能处于服务器的一个虚拟目录里，一台虚拟机或是一台物理机，甚至是在一个Docker容器里。 假设，我们获取的Webshell就处于Docker容器里，那么，我们该如何破局呢？ Docker 容器逃逸案例： 1、判断是否处于docker容器里 2、配置不当引起的逃逸 Docker Remote API 未授权访问 docker.s...
PCI、PCI-X、PCI-E、PCI-E Card、Mini PCI-E、M.2、Add-in Card 它们有啥区别？这些概念你搞清楚了吗？
“电源先生”的博客
01-14 4203
搞硬件或通信的“攻城狮”们，免不了要和各种通信协议及接口打交道。比如，专注于通信模组的移远人，我们经常接触PCI、PCI-X、PCI-E、PCI-E Card、Mini PCI-E、M.2(NGFF)、Add-in Card这些概念，作为“攻城狮”队伍中的一员，你搞清楚它们之间的关系了吗？搞不清楚？It Doesn't Matter，且看下文分解。
#PCIE# PCIe的接口形态之Add-in-Card(AIC)
那么菜的博客
01-14 5224
PCIe AIC 是最常见的PCIe接口形态，组装过电脑的同学可能比较清楚，电脑上的主板上都会有下面的几排插槽，这就是典型的PCIe AIC的插槽，比较常见的插槽位宽为x16和x1 链接自https://www.muycomputerpro.com/2019/06/01/pci-express-5-0 插在上面的卡就是PCIe AIC。PCIe AIC常见的有显卡，无线网卡，存储设备等等 链接自http://in.ali213.net/pingce/201607/2295_2.html 这个
PCIe5.0 AIC CTS测试简介（3）
m0_53559277的博客
01-16 1059
pcie5.0 aic cts
PCIe5.0 AIC CTS测试简介（1）
m0_53559277的博客
01-14 1551
PCIe5.0 CTS
PCIe和SATA接口统计
filthyfrank的博客
02-24 1836
PCIe和SATA接口统计
PCIe5.0的Add-in-Card(AIC)金手指layout建议（一）
小孟同学的博客
10-20 7281
CEM规范要求在金手指邻近区域布局GND孔。过孔需要分布在金手指的间隙，这些地孔可以抑制连接器接口中存在的接地谐振。PCIe 5.0 CEM规范要求在金手指pad之间的每个间隙上方放置一个接地过孔，就是沿AIC金手指pinfield（例如，x16连接器中的位置A12/B12到A82/B82）间隔1mm的均匀接地过孔阵列。
技术干货 | postman接口测试获取HTTP请求
阿里大叔说测试的博客
06-10 5045
对于Postman本机应用程序，如果网站启用了HSTS，则通过HTTPS捕获的请求将无法工作。大多数网站都有这个功能。 您可以使用以下两种方式捕获HTTP请求: l使用Postman内置代理 l使用拦截器
干货 | 4小时上线一个接口，高效统一的携程酒店数据服务平台实践
携程技术
07-07 2563
作者简介小丰，携程研发总监，专注于分布式数据库研究，大数据领域实时计算和大数据应用的系统架构设计。背景随着携程酒店数据的膨胀以及个性化需求的增多，每个数据接口个性化的排期开发，因为没有标准化，从需求讨论，数据准备、接口封装、上线调试到接口api说明，期间需要花费大量的时间。一个接口的实现到生产上线至少需要2天甚至更多时间，这个时间成本不得不依赖排期开发；随着历史接口的迭...
干货 | 携程动态表单DynamicForm的设计与实现
携程技术
03-10 5099
作者简介Daryl，携程高级研发经理，关注业界大前端及高并发应用解决方案。一、简介在很多软件系统中，表单开发都是很重要的一个部分。在表单开发中，往往会遇到重复开发的问题，例如在页面搭建系...
arcgis 空间交集 计算_干货|在arcgis常见的叠加分析情况汇总
weixin_42499332的博客
02-23 4788
在arcgis常见的叠加分析情况汇总。在矢量叠加，即将同一区域、同一比例尺的两组或两组以上的多边形要素的数据文件进行叠加产生一个新的数据层，其结果综合了原来图层所具有的属性。矢量叠加操作分为：交集(Intersect)、擦除(Erase)、标识叠加(又称交补集,Identify)、裁减(Clip)、更新叠加(Update)、对称差(Symmetrical Difference)、分割(Split)...
PCIe5.0的Add-in-Card(AIC)金手指layout建议（二）
小孟同学的博客
10-21 2805
AIC应该在靠近倒角位置布置间隔1mm的GND孔，这些地孔通过和内层的GND平面相连，进一步抑制金手指边缘区域的串扰。这些地孔仅应该分布在高速pin的区域，即A12/B12到A82/B82。
PCIe5.0的Add-in-Card(AIC)金手指layout建议（三）
小孟同学的博客
10-21 2876
AIC金手指区域必须设计内层GND平面，以屏蔽金手指两面的串扰，这些平面从金手指北侧向外延伸1.5mm到金手指下方区域，能够有效覆盖金手指的上方1.5mm长度，屏蔽了连接器接口Tx和Rx主要的近端串扰（NEXT）。对于信号完整性来说，GND平面必须距离金手指表面0.52mm（21mil），或者换句话说，GND平面必须在金手指1.57mm厚度的中间1/3位置。
硬盘专业名词：总线：SATA与PCIe；传输协议：NVMe与AHCI；接口：SATA（1.0、2.0、3.0）与PCIe（M.2、U.2、AIC）
最新发布
郝开的博客
11-11 3768
目前主流硬盘有3种，SATA3、SAS3、U2。在家用NAS上主要是SATA盘。SAS3可以向下兼容SATA3，但SATA3背板无法使用SAS3硬盘。U2是单独的一种规格，主要用于企业级U2固态硬盘。传输速度不同SATA接口的传输带宽为6Gbps,实际最高传输速度为560MB/s左右。PCI-E 3.0 ×4的传输带宽可达32Gbps,最高传输速度可达3GB/s以上，远超SATA接口固态硬盘。接口不同。
PCIe6.0 AIC金手指和板端CEM连接器信号完整性设计规范
小孟同学的博客
09-27 2281
金手指部分的SI设计，金手指部分最中间两层GND的延伸，这一点延续了PCIe5.0的要求。对于支持32GT/s及以上速率的AIC，最中间两层GND必须从板内走线区域延伸到整个金手指区域，而且金手指表面铜皮距离内层GND深度至少0.52mm，也就是叠层中从TOP层的铜皮到最中间GND层至少约20.5mil的距离。
密封容器泄漏检测控制系统设计
毕业作品网站
10-10 594
工作时，压缩空气经电磁阀被压入两腔之中，经过一段时间的平衡，此时，通过压差传感器采集两腔中的压力变化，即当被测腔出现了气体泄漏时，由于两腔的压力不平衡【4】，会导致压差传感器的示数发生转变，可获得实验腔中的气体泄漏情况。检测压差传感器的输出，可以将泄漏产生的压力降在泄漏点附近近似与时间成正比。在被测腔内容积为V1，测试压力为P1的情况下，若压差传感器测得压差为P0，则常压下气体泄漏的体积为V=P1*V1/P0. 待计算完结果后，打开电磁阀1，2，3.两腔内剩余气体排到大气中，结束检测过程。
基于μC/OS-Ⅱ微差压变送器的设计
qq_45601625的博客
07-26 753
随着工业的发展，越来越多的场合需要对液位、蒸汽、气体等微小压力的变化进行测量，因此有必要设计一款适应以上场合的微差压变送器。本文设计的检测装置主要用于检测环境的微差压，可进一步判断气体流动方向以及测量管道气体流量，然后将测量值转变成4～20mA电流信号输出。本装置可应用于医疗事业，例如保护性隔离、阻断空气中病菌传播、呼吸机压力检测等。 该系统以STM32作为中央处理器，采用SM5651作为压力传感器采集压力数据，采集的模拟量经过运放处理、AD采样、数字滤波后，通过RS485通信模块与PC机通信，将数据实时
PCIe4.0的Add-in-Card(AIC)金手指layout建议
小孟同学的博客
10-21 5741
对于支持16.0 GT/s的AIC，在金手指下方15mil以内，严禁有任何GND平面或电源平面，此区域的任何导体都会增加相对于高速信号线的电容，并且降低插损和增加回损。
干货 | spark streaming 和 flink 详细对比
06-28
### 回答1： Spark Streaming 和 Flink 都是流处理框架，但在一些方面有所不同。 1. 数据处理模型 Spark Streaming 基于批处理模型，将流数据分成一批批进行处理。而 Flink 则是基于流处理模型，可以实时处理数据流。 2. 窗口处理 Spark Streaming 的窗口处理是基于时间的，即将一段时间内的数据作为一个窗口进行处理。而 Flink 的窗口处理可以基于时间和数据量，可以更加灵活地进行窗口处理。 3. 状态管理 Spark Streaming 的状态管理是基于 RDD 的，需要将状态存储在内存中。而 Flink 的状态管理是基于内存和磁盘的，可以更加灵活地管理状态。 4. 容错性 Flink 的容错性比 Spark Streaming 更加强大，可以在节点故障时快速恢复，而 Spark Streaming 则需要重新计算整个批次的数据。 总的来说，Flink 在流处理方面更加强大和灵活，而 Spark Streaming 则更适合批处理和数据仓库等场景。 ### 回答2： Spark Streaming 和 Flink 都是流处理框架，它们都支持低延迟的流处理和高吞吐量的批处理。但是，它们在处理数据流的方式和性能上有许多不同之处。下面是它们的详细比较： 1. 处理模型 Spark Streaming 采用离散化流处理模型（DPM），将长周期的数据流划分为离散化的小批量，每个批次的数据被存储在 RDD 中进行处理，因此 Spark Streaming 具有较好的容错性和可靠性。而 Flink 采用连续流处理模型（CPM），能够在其流处理过程中进行事件时间处理和状态管理，因此 Flink 更适合处理需要精确时间戳和状态管理的应用场景。 2. 数据延迟 Spark Streaming 在处理数据流时会有一定的延迟，主要是由于对数据进行缓存和离散化处理的原因。而 Flink 的数据延迟比 Spark Streaming 更低，因为 Flink 的数据处理和计算过程是实时进行的，不需要缓存和离散化处理。 3. 机器资源和负载均衡 Spark Streaming 采用了 Spark 的机器资源调度和负载均衡机制，它们之间具有相同的容错和资源管理特性。而 Flink 使用 Yarn 和 Mesos 等分布式计算框架进行机器资源调度和负载均衡，因此 Flink 在大规模集群上的性能表现更好。 4. 数据窗口处理 Spark Streaming 提供了滑动、翻转和窗口操作等灵活的数据窗口处理功能，可以使用户更好地控制数据处理的逻辑。而 Flink 也提供了滚动窗口和滑动窗口处理功能，但相对于 Spark Streaming 更加灵活，可以在事件时间和处理时间上进行窗口处理，并且支持增量聚合和全量聚合两种方式。 5. 集成生态系统 Spark Streaming 作为 Apache Spark 的一部分，可以充分利用 Spark 的分布式计算和批处理生态系统，并且支持许多不同类型的数据源，包括Kafka、Flume和HDFS等。而 Flink 提供了完整的流处理生态系统，包括流SQL查询、流机器学习和流图形处理等功能，能够灵活地适应不同的业务场景。 总之，Spark Streaming 和 Flink 都是出色的流处理框架，在不同的场景下都能够发挥出很好的性能。选择哪种框架取决于实际需求和业务场景。 ### 回答3： Spark Streaming和Flink都是流处理引擎，但它们的设计和实现方式有所不同。在下面的对比中，我们将比较这两种流处理引擎的主要特点和差异。 1. 处理模型 Spark Streaming采用离散流处理模型，即将数据按时间间隔分割成一批一批数据进行处理。这种方式可以使得Spark Streaming具有高吞吐量和低延迟，但也会导致数据处理的粒度比较粗，难以应对大量实时事件的高吞吐量。 相比之下，Flink采用连续流处理模型，即数据的处理是连续的、实时的。与Spark Streaming不同，Flink的流处理引擎能够应对各种不同的实时场景。Flink的实时流处理能力更强，因此在某些特定的场景下，它的性能可能比Spark Streaming更好。 2. 窗口计算 Spark Streaming内置了许多的窗口计算支持，如滑动窗口、滚动窗口，但支持的窗口计算的灵活性较低，只适合于一些简单的窗口计算。而Flink的窗口计算支持非常灵活，可以支持任意窗口大小或滑动跨度。 3. 数据库支持 在处理大数据时，存储和读取数据是非常重要的。Spark Streaming通常使用HDFS作为其数据存储底层的系统。而Flink支持许多不同的数据存储形式，包括HDFS，以及许多其他开源和商业的数据存储，如Kafka、Cassandra和Elasticsearch等。 4. 处理性能 Spark Streaming的性能比Flink慢一些，尤其是在特定的情况下，例如在处理高吞吐量的数据时，在某些情况下可能受制于分批处理的架构。Flink通过其流处理模型和不同的调度器和优化器来支持更高效的实时数据处理。 5. 生态系统 Spark有着庞大的生态系统，具有成熟的ML库、图处理库、SQL框架等等。而Flink的生态系统相对较小，但它正在不断地发展壮大。 6. 规模性 Spark Streaming适用于规模小且不太复杂的项目。而Flink可扩展性更好，适用于更大、更复杂的项目。Flink也可以处理无限制的数据流。 综上所述，Spark Streaming和Flink都是流处理引擎，它们有各自的优缺点。在选择使用哪一个流处理引擎时，需要根据实际业务场景和需求进行选择。如果你的业务场景较为复杂，需要处理海量数据并且需要比较灵活的窗口计算支持，那么Flink可能是更好的选择；如果你只需要简单的流处理和一些通用的窗口计算，Spark Streaming是更为简单的选择。
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

一杯苦 Coffee

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