TCP

本文深入解析TCP协议的关键机制,包括三次握手、四次挥手的过程及目的,累计应答机制如何处理顺序与丢包问题,以及流量控制和拥塞控制的具体实现方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

TCP头

tcp_header

连接维护

三次握手

tcp_connect_workflow
三次握手的目的是让客户端和服务器端都知道对方的收、发是正常的。第一次:服务器知道客户端发正常。第二次:客户端知道服务器收、发都正常。第三次:服务器知道客户端收也正常。

四次挥手

tcp_disconnect_workflow
需要四次挥手是因为服务器知道客户端要断开连接后,不一定可以向建立连接时用一个包发送ACK和SYN一样也同时发ACK和FIN,因为服务器端可能还有数据包要发送,所以要等数据包发完之后才能再发FIN包。

累计应答机制

为了处理顺序问题以及丢包问题,首先每个TCP包都有一个编号,并用发送和接收缓存来记录。每一个包都需要接收方发送ACK包进行确认,如果发生丢包就会重发。有超时重传机制和快速重传机制(发送三个ACK包含下一个期望的包序号)。
send_buffer
receive_buffer

流量控制

接收方返回的ACK包中包含接收窗口大小,来通知发送方控制发送速度。

拥塞控制

通过拥塞窗口控制发送速度。拥塞窗口初始值为1,然后指数增长到ssthresh,变为线性增长。如果通过快速重传算法检测丢包,就将拥塞窗口变为当前值的一般,令ssthresh等于新的拥塞窗口,然后开始线性增长。

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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