当前位置: 首页 > news >正文

【25软考网工笔记】第三章 局域网(1)CSMA/CD、二进制指数退避算法、最小帧长计算

目录

一、CSMA/CD

1. 局域网架构概述

2. 局域网的拓扑结构

3. CSMA

1)CSMA的三种监听算法

1、1-坚持型监听算法(继续监听,不等待)

2、非坚持型监听算法(后退随机事件)

3、P-坚持型监听算法

2)例题1

2. 冲突检测原理CD

1)冲突检测概述

2)CSMA/CD协议适用拓扑

3)例题2

4)例题3

5)例题4

6)例题5

7)CSMA/CD与信道利用率

知识小结

 二、二进制指数退避算法

1. 工作原理

1)例题1

2)例题 2

3)例题 3

4)例题4

5)例题5

2. 总结

知识小结

三、最小帧长计算

1. 能检测到冲突条件

2. 最小帧长公式 (重点)

3. 应用案例

1)例题1:CSMA/CD协议计算

2)例题2:网络最小帧长计算

3)例题3:检测碰撞时间

4)例题4:距离计算

5)复习要点

知识小结


一、CSMA/CD

1. 局域网架构概述



标准代号:局域网的标准代号是IEEE 802,由电子电气工程师协会(IEEE)制定。

基本架构:局域网的基本架构可以分为两层,分别是MAC子层逻辑链路控制(LLC)子层。

  • MAC子层主要负责物理介质的访问控制
  • LLC子层主要向上对接网络层

常用协议:局域网协议众多,但大部分已被淘汰。现在广泛使用的有线协议是以太网(IEEE 802.3),无线协议是WIFI(IEEE 802.11)

2. 局域网的拓扑结构

局域网的主要特征由网络的拓扑结构所采用的协议类型,以及介质访问控制方法决定。

定义: 局域网的拓扑结构是指连接网络设备的传输介质的铺设形式。

主要类型:

  • 星型网络
  • 总线型网络
  • 环型网络
  • 树型网络
  • 全网状型网络
  • 部分网状网络
  • 混合型网络

特点说明:

  • 早期的总线型以太网使用同轴电缆互联,后来通过集线器或交换机互联,可以构成星型或树形网络。
  • 混合型网络在实际项目应用中常见,具有冗余性,可以看作树形结构,有树根和多个叶子节点。

3. CSMA

CSMA (Carrier Sense Multiple Access,载波监听多路访问

基本原理:发送数据之前,先监听信道上是否有人在发送。若有,说明信道正忙,否则说明信道是空闲的,然后根据预定的策略决定:

  • 若信道空闲,是否立即发送。
  • 若信道忙,是否继续监听。

1)CSMA的三种监听算法

1、1-坚持型监听算法(继续监听,不等待)
  • 原理: 只要信道变闲,就可立即发送数据。如果发生冲突,后退再试。
  • 特点: 冲突概率和利用率都比较高(双高),有利于抢占信道,减少信道空闲时间。
  • 以太网默认使用该监听算法
2、非坚持型监听算法(后退随机事件)
  • 原理: 如果信道空闲,则发送数据;如果信道忙,则后退随机时间再监听。
  • 特点: 由于随机时延后退,减少了冲突的概率,但信道利用率降低,增加了发送时延
3、P-坚持型监听算法
  • 原理:若信道空闲,以概率P发送,以概率(1-P)延迟一个时间单位,P大小可调整

2)例题1

审题过程: 题目描述了以太网介质访问控制策略中的一种监听算法,并询问该算法的名称和主要特点。

解题思路: 根据题目描述,“一旦介质空闲就发送数据,假如介质忙,继续监听,直到介质空闲后立即发送数据”,这与1-坚持型监听算法的原理相符。

选项分析:

  • A. 1-坚持型:符合题目描述,是正确答案。
  • B. 非坚持型:不符合题目描述,因为非坚持型在信道忙时会后退随机时间,而不是继续监听。
  • C. P-坚持型:不符合题目描述,因为P-坚持型在信道空闲时会以概率P发送,而不是立即发送。
  • D. 0-坚持型:不存在这种监听算法。

答案: A, B(介质利用率和冲突概率都比较高)

易错点: 容易误选非坚持型或P-坚持型,需要准确理解各种监听算法的原理和特点。

2. 冲突检测原理CD

1)冲突检测概述

载波监听限制: 载波监听只能减小冲突的概率,不能完全避免冲突

带宽浪费问题: 若帧比较长或两个帧发生冲突还继续发送,会浪费网络带宽。

边发边听方法: 发送站应采取边发边听的冲突检测方法,以减少带宽浪费。

  • 发送接收比较: 发送期间同时接收,并把接收的数据与站中存储的数据进行比较
  • 无冲突继续: 若比较结果一致,说明没有冲突,继续发送。
  • 冲突处理: 若比较结果不一致,说明发生了冲突,立即停止发送,并发送一个简短的干扰信号(Jamming),使所有站都停止发送。
  • 发送Jamming后等待:发送Jamming之后等待一段随机长的时间,重新监听,再试着发送。

2)CSMA/CD协议适用拓扑

适用拓扑: 对总线型、星型和树型拓扑,访问控制协议是CSMA/CD(Carrier Sense Multiple Access/Collision Detection,载波侦听多路访问/冲突检测)。

算法优势: 带冲突检测的监听算法把浪费带宽的时间减少到检测冲突的时间

3)例题2



选项A: 每个节点按照逻辑顺序占用一个时间片轮流发送。这是TDMA的特点,不是CSMA/CD,故A错误。

选项B: 每个节点检查介质是否空闲,如果空闲立即发送。这是CSMA/CD的基本行为,故B正确。

选项C: 每个节点想发就发,如果没有冲突则继续发送。CSMA/CD在发送前会检测信道是否空闲,故C错误。

选项D: 得到令牌的节点发送,没有得到令牌的节点等待。这是令牌环或令牌总线的特点,不是CSMA/CD,故D错误。

答案: B

4)例题3



选项A: 再次收到目标站的发送请求后。这不是CSMA/CD协议规定的重新发送条件,故A错误。

选项B: 在JAM信号停止并等待一段固定时间后。CSMA/CD协议规定等待的是随机时间,不是固定时间,故B错误。

选项C: 在JAM信号停止并等待一段随机时间后。这是CSMA/CD协议规定的重新发送条件,故C正确。

选项D: 当JAM信号指示冲突已经被清除后。JAM信号本身不指示冲突是否清除,只是通知所有站停止发送,故D错误。

答案: C

5)例题4



6)例题5

选项A: 用于检测网络中的冲突和碰撞。这是CSMA/CD的核心功能,故A正确。

选项B: 用于检查网络连接的状态。这不是CSMA/CD的功能,故B错误。

选项C: 用于监测网络带宽的利用率。虽然CSMA/CD有助于提升带宽利用率,但这不是其直接功能,故C错误。

选项D: 用于检查数据包的完整性。这不是CSMA/CD的功能,故D错误。

答案: A

7)CSMA/CD与信道利用率

传播时延与传输时延: CSMA/CD充分利用传播时延小于传输时延的特性,当检测到碰撞时,能够快速中止传输,减少信道时间的浪费。

信道利用率提升: 通过冲突检测机制,CSMA/CD能够在冲突发生时及时检测并处理,从而减少因碰撞带来的影响,提升信道利用率。

知识小结

知识点

核心内容

考试重点/易混淆点

难度系数

局域网架构

局域网标准代号、制定机构、基本架构分层

局域网的基本架构、制定机构名称

以太网和WIFI

以太网(802.3)、WIFI(802.11)是现用广泛的局域网协议

以太网和WIFI的标准代号

局域网拓扑结构

总线型、环形、树形、全网状、部分网状、混合型

各种拓扑结构的特征和应用场景

CSMA技术

载波侦听多路访问,发送前监听信道是否空闲

CSMA的基本原理和监听策略

监听算法

一杠坚持型、非坚持型、p杠坚持型

三种监听算法的特点和区别

一杠坚持型

信道空闲立即发送,冲突后退再监听

立即发送策略和高冲突概率

非坚持型

信道忙则后退随机时间再监听

后退策略和信道利用率降低

p杠坚持型

结合前两者,以p概率决定后退或发送

p值调整和信道使用控制

冲突检测原理

边发边听,比较发送和接收数据是否一致

冲突检测的核心原理和作用

冲突检测作用

减少冲突后信道浪费,提高带宽利用率

冲突检测对带宽利用率的影响

冲突后处理

发送干扰信号,等待随机时间后重新监听发送

冲突后的处理流程和再次发送策略

 二、二进制指数退避算法

1. 工作原理

二进制指数退避算法工作原理如下:

(1)检测到冲突后,马上停止发送数据,并等待随机时间再发送数据。

(2)等待的随机时间=t*Random[0,1, .. 2^k-1]

  • 等待随机时间: 等待的随机时间由公式t×Random[0,1,...,2k−1]决定,其中t是基本退避时间(固定值),Random表示随机函数,k=min⁡[重传次数,10]。
  • 重传次数与k的关系: 如果重传12次,则k=min⁡[12,10]=10,可能等待的时间是t×Random[0,1023],共有1024种可能。
  • 退避时间的随机性: 每次站点等待的时间都是随机数,后一次退避时间不一定比前一次长。
  • 冲突概率的降低: 重传次数越多,退避窗口(即Random取值范围)越大,从而降低冲突概率。但只能降低冲突概率,不能杜绝冲突。
  • 网络繁忙或故障的判断: 如果连续发生16次碰撞,认为网络繁忙或故障,不再尝试发送。

1)例题1



题目: 采用CSMA/CD进行介质访问,两个站点连续冲突3次后再次冲突的概率是多少?

  • 解法一: 常规解法,计算每次冲突后的k值及随机区间。冲突3次后,k=3,随机区间为[0,7],两个站点再次冲突的概率是两者随机到相同时间的概率,即1/8。
  • 解法二: 简化公式,冲突概率为1/2^n(n表示已经发生冲突的次数,n≤10)。冲突3次后,概率为1/2^3=1/8.

答案:C

2)例题 2



题目: 以太网采用CSMA/CD协议,当冲突发生时,关于二进制指数退避算法的错误论述是哪一个?

  • 选项A分析: 冲突次数越多,后退的时间越短。这是错误的,因为冲突次数越多,k值越大,后退的总体时间应该越长。:
  • B选项(平均后退次数与负载大小有关)是正确的。
  • C选项(后退时延的平均值与负载大小有关)也是正确的。
  • D选项(重发次数达到一定极限后放弃发送)同样是正确的。

答案:A

3)例题 3



题目: 以下关于二进制指数退避算法的描述中,正确的是哪一个?

  • 选项A分析: 每次站点等待的时间是固定的,这是错误的,因为等待时间是随机的。
  • 选项B分析: 后一次退避时间一定比前一次长,这也是错误的,因为每次等待时间都是随机数。
  • 选项C分析: 发生冲突不一定是站点发生了资源抢占,这是正确的,冲突也可能由线路故障等原因引起。
  • 选项D分析: 通过扩大退避窗口杜绝了再次冲突,这是错误的,因为扩大退避窗口只能降低冲突概率,不能杜绝冲突。

4)例题4



题目: 在CSMA/CD中,同一个冲突域中的主机连续经过3次冲突后,每个站点在接下来信道空闲的时候立即传输的概率是多少?

解析: 立即传输即等待时间为0,发生3次冲突后,随机区间为[0,7],立即传输(等待时间为0)的概率是1/8,即0.125。

答案:D

5)例题5



题目: 在100Base-T以太网中,若争用时间片为25.6us,某站点在发送帧时已经连续3次冲突,则基于二进制指数回退算法,该站点需等待的最短和最长时间分别是多少?

解析: 连续3次冲突后,k=3,随机区间为[0,7]。最短时间为随机到0,即0us;最长时间为7乘以争用时间片25.6us,即179.2us。

答案:A

2. 总结

二进制指数退避算法的核心: 通过随机等待时间来降低冲突概率,重传次数越多,等待时间可能越长。

重要参数: 基本退避时间τ,重传次数与k的关系,随机函数Random。

极限情况: 连续16次碰撞后认为网络繁忙或故障,不再尝试发送。

知识小结

知识点

核心内容

考试重点/易混淆点

难度系数

二进制指数退币算法工作原理

检测到冲突后停止发送数据,等待随机时间后再发送

工作原理两步:停止发送、等待随机时间

🌟

随机时间计算公式

等待时间=套×随机函数,套为基本退币时间,random为随机函数

套的值可能因教材不同而异,但为固定值

🌟

随机函数中的变量k

k=重传次数和10的最小值

k值影响随机区间范围

🌟🌟

随机区间范围

从0到2的k次方-1

如k=10,则区间为0到1023

🌟

后退时间特性

每次站点等待时间为随机数,后一次退避时间不一定比前一次长

随机性导致后退时间不确定

🌟

冲突与重传次数关系

重传次数越多,退避窗口值越大,降低冲突概率

不能杜绝冲突,只能降低概率

🌟🌟

极限重传次数

连续发生16次碰撞后认为网络繁忙或出现故障,不再尝试发送

16次是极限值,考试易出题

🌟

CSMA/CD协议中冲突后算法应用

以太网采用CSMA/CD协议,冲突时通过二进制指数后退算法计算后退时延

算法应用场景

🌟

错误论述识别

“冲突次数越多,后退时间越短”为错误论述

冲突次数多,k值大,后退时间应更长(平均而言)

🌟

后退时间与负载关系

平均后退次数与负载大小有关,负载高则冲突次数多

负载与冲突次数的关系

🌟

重发次数极限后的处理

重发次数达16次后放弃发送

极限处理机制

🌟

二进制指数退币算法描述判断

正确描述:发生冲突不一定是站点资源抢占,也可能是故障

错误描述:等待时间固定、后一次退避一定比前一次长、能杜绝冲突

🌟

立即传送概率计算

连续三次冲突后,立即传送(随机到0)的概率为1/8

理解“立即传送”即随机到0

🌟

具体计算题示例

给定征用时间和连续冲突次数,计算等待的最短和最长时间

套用公式计算,注意单位换算

🌟🌟

三、最小帧长计算

1. 能检测到冲突条件

检测原理: 能检测到冲突的条件是发送时间≥传送时间+确认时间,即L/R≥2×d/v,则推出最小帧长公式。其中确认帧传输时间t3通常忽略不计,因为以太网中确认帧(如64字节)很小。

时间关系: 传送时间(t2)和确认时间(t4)相等,都是信号在介质中的传播时间,因此简化为2倍传播时延。

也就是说满足t1>= 2t2才能检测到冲突,经过转换得到L/R>=2d/v。

2. 最小帧长公式 (重点)



最小帧长公式:Lmin=2R×d/v

参数说明:

  • R: 网络数据速率(如10Mbps)
  • d: 最大传输距离(单位:米)
  • v: 信号传播速度(电缆中约为2×108m/s)

记忆要点: 公式需考前重点记忆,同时明确各参数物理意义。

3. 应用案例

1)例题1:CSMA/CD协议计算

审题: 已知段长1000m,速率10Mbps,传播速度200m/μs(即2×10^8m/s)

  • 计算: 代入公式Lmin=2×10^7×1000/(2×10^8)=100bit
  • 技巧: 单位换算时注意1Mbps=10^6bps,1μs=10^-6s
  • 答案: B.100

2)例题2:网络最小帧长计算



  • 参数对应: R=100Mbps(10^8bps),d=2000m,v=2×10^8m/s
  • 简化计算: 公式约简后得Lmin=d,直接得2000 bit
  • 易错点: 距离单位必须统一为米,速率单位统一为bps
  • 答案: B.2000

3)例题3:检测碰撞时间



关键概念: 冲突窗口=2倍传播时延(往返时延)

极端情况: 最晚检测到碰撞发生在信号到达终点时,此时需等待碰撞信号返回

  • 计算: 已知往返时延100μs即最长检测时间
  • 答案: D.100微秒

4)例题4:距离计算

公式特性: 本题特殊条件下公式简化为Lmin=d

  • 逻辑推导: 帧长减少80位则距离同步减少80米
  • 验证: 代入R=10^8bps,v=2×10^8m/ss,验证简化关系
  • 答案: B.减少80米

5)复习要点

冲突检测的物理意义(发送时间≥2×传播时延

公式Lmin=2R×d/v的三种考法:计算帧长、计算距离、判断检测时间

单位换算的准确性(特别是Mbps与m/μs的转换)

知识小结

知识点

核心内容

考试重点/易混淆点

难度系数

最小增长公式

L = 2r × d / v<br>(r: 网络速率,d: 距离,v: 传播速度)

公式推导与字母含义对应

⭐⭐⭐

冲突检测条件

数据帧发送时间 ≥ 传播时间 + 确认时间<br>(t1 ≥ t2 + t4,通常简化为 t1 ≥ 2t2)

忽略确认帧时间(t3)的原因

⭐⭐

单位换算

1M = 10⁶,光速/电缆速度 = 2×10⁸ m/s

微秒与秒、千米与米的转换

⭐⭐⭐

典型考题解析

2017年网工题:10M速率,1km距离 → 最小帧长=100比特<br>2023年题:往返时延=100μs → 最长碰撞检测时间=100μs

极端情况分析(碰撞点位置)

⭐⭐⭐⭐

公式变形应用

最小帧长减少80位 → 距离同步减少80米(L=d时)

变量间的直接比例关系

⭐⭐⭐

相关文章:

【25软考网工笔记】第三章 局域网(1)CSMA/CD、二进制指数退避算法、最小帧长计算

目录 一、CSMA/CD 1. 局域网架构概述 2. 局域网的拓扑结构 3. CSMA 1&#xff09;CSMA的三种监听算法 1、1-坚持型监听算法&#xff08;继续监听&#xff0c;不等待&#xff09; 2、非坚持型监听算法&#xff08;后退随机事件&#xff09; 3、P-坚持型监听算法 2&#…...

Harbor对接非AWS对象存储

背景说明 项目的应用完全运行在一个离线环境中&#xff0c;同时通过K8S的方式进行容器编排。需要自建一个harbor的镜像仓库。并且通过私有云提供的S3服务进行容器镜像的持久化存储。我踩的其中的一个坑就是S3的region名字非AWS的标准名称。运行时抱错如下&#xff1a; 2025-04…...

实训Day-1 漏洞攻击实战

目录 实训任务1 漏洞攻击实战一 实训任务2 漏洞攻击实战二 实训任务3 白云新闻搜索 实训任务4 手速要快 实训任务5 包罗万象 总结 今天的实训目的是为了&#xff1a;了解漏洞攻击的一般步骤&#xff1b;掌握SQL注入的基本原理&#xff1b;掌握XSS攻击的基本原理&#xff…...

Linux-网络基础

一.网络背景 网络的起源与20世纪中期的冷战背景密切相关。美苏争霸期间&#xff0c;美国国防部担心传统集中式通信系统&#xff08;如电话网络&#xff09;在核战争中容易被摧毁&#xff0c;因此急需一种去中心化、高容错的通信方式。1969年&#xff0c;美国国防部高级研究计划…...

算法 | 鲸鱼优化算法(WOA)原理,公式,应用,算法改进研究综述,完整matlab代码

===================================================== github:https://github.com/MichaelBeechan CSDN:https://blog.csdn.net/u011344545 ===================================================== 鲸鱼优化算法 一、原理与公式二、应用领域三、算法改进研究四、完整MAT…...

[BJDCTF2020]EzPHP

这一道题里面的知识点实在是太多了&#xff0c;即使这道题是我最喜欢的RCE也有点大脑停转了&#xff0c;所以还是做个笔记&#xff0c;以后方便回忆 直接跳过打点&#xff0c;来到源码 <?php highlight_file(__FILE__); error_reporting(0); $file "1nD3x.php"…...

企业微信-自建应用

1. 创建自建应用 2. 配置小程序/H5入口 3. 准备 &#xff1a; CorpId&#xff08;企业id&#xff09;、 AgentID&#xff08;应用id&#xff09;、 CorpsecretID&#xff08;应用Secret&#xff09; 4. 配置企业可信IP 5. 如H5需要授权登录&#xff0c;那么需要配置网页授…...

[FPGA基础] 时钟篇

Xilinx FPGA 时钟管理详细文档 本文档详细介绍 Xilinx FPGA 中的时钟管理&#xff0c;包括时钟资源、时钟管理模块、设计注意事项以及最佳实践。适用于使用 Xilinx 7 系列、UltraScale 和 UltraScale 系列 FPGA 的开发者。 1. 时钟资源概述 Xilinx FPGA 提供丰富的时钟资源&a…...

高德火星坐标(GCJ-02)转WGS84坐标

高德火星坐标(GCJ-02)转WGS84坐标 1 转换算法 import mathdef gcj02_to_wgs84(lon, lat):"""高德火星坐标(GCJ-02)转WGS84坐标"""a 6378245.0 # 长半轴ee 0.00669342162296594323 # 扁率def transform_lon(x, y):ret 300.0 x 2.0 * y …...

基于opencv和PaddleOCR识别身份证信息

1、安装组件 pip install --upgrade paddlepaddle paddleocr 2、完整code import cv2 import numpy as np from paddleocr import PaddleOCR# 初始化 PaddleOCR use_angle_clsTrue, lang"ch", det_db_thresh0.1, det_db_box_thresh0.5)def preprocess_image(image…...

Day-1 漏洞攻击实战

实训任务1 漏洞攻击实战一 使用 御剑 得到网站后台地址 数据库登录与日志配置​​ 使用默认密码 root:root 登录phpMyAdmin&#xff0c;执行 SHOW VARIABLES LIKE general% 查看日志状态。 开启日志功能&#xff1a;set global general_log "ON";&#xff08;配图&…...

穿透数据迷雾:PR 曲线与 ROC 曲线的深度剖析+面试常见问题及解析

一、混淆矩阵与评价指标基础 混淆矩阵核心构成&#xff1a;混淆矩阵是分类模型性能评估的基石&#xff0c;以 22 矩阵形式呈现分类结果。其中&#xff0c;真正例&#xff08;TP&#xff09;表示实际为正类且被正确预测的样本&#xff1b;假正例&#xff08;FP&#xff09;是实…...

【Linux篇】轻松搭建命名管道通信:客户端与服务器的互动无缝连接

从零开始&#xff1a;基于命名管道实现客户端与服务器的实时通信 一. 命名管道1.1 基本概念1.2 创建命名管道1.2.1 创建方法1.2.2 示例代码&#xff1a;1.2.3 注意事项&#xff1a;1.3 与匿名管道区别 1.4 打开原则1.4.1 管道打开顺序1.4.2 阻塞行为1.4.3 管道的关闭1.4.4 关闭…...

快充协议芯片XSP04D支持使用一个Type-C与电脑传输数据和快充取电功能

快充是由充电器端的充电协议和设备端的取电协议进行握手通讯进行协议识别来完成的&#xff0c;当充电器端的充电协议和设备端的取电协议握手成功后&#xff0c;设备会向充电器发送电压请求&#xff0c;充电器会根据设备的需求发送合适的电压给设备快速供电。 设备如何选择快充…...

MySQL的窗口函数(Window Functions)

一、窗口函数核心概念 ​​窗口&#xff08;Window&#xff09;​​ 窗口是数据行的集合&#xff0c;由OVER()子句定义。它决定了函数计算的“数据范围”&#xff0c;可以是一个分区的全部行、当前行前后的行&#xff0c;或动态变化的子集。 ​​语法结构​​ SELECT window_f…...

一个很简单的机器学习任务

一个很简单的机器学习任务 前言 基于线上colab做的一个简单的案例&#xff0c;应用了线性回归算法&#xff0c;预测了大概加州3000多地区的房价中位数 过程 先导入了Pandas&#xff0c;这是一个常见的Python数据处理函数库 用Pandas的read_csv函数把网上一个共享数据集&…...

ORION:通过视觉-语言指令动作生成的一个整体端到端自动驾驶框架

25年3月来自华中科技和小米电动汽车的论文“ORION: A Holistic End-to-End Autonomous Driving Framework by Vision-Language Instructed Action Generation”。 由于因果推理能力有限&#xff0c;端到端 (E2E) 自动驾驶方法仍然难以在交互式闭环评估中做出正确决策。当前的方…...

python全栈-flask

python全栈-flask 文章目录 入门上手hello worldflask运行方式测试路由with app.test_request_context():debug模式配置flask参数动态路由数据类型自定义转换器to_pythonPostMan&#xff08;API测试查询参数的获取请求体参数上传文件其它参数url_for 函数重定向响应内容自定义响…...

Unity中的数字孪生项目:两种输入方式对观察物体的实现

在数字孪生项目中&#xff0c;精确的相机控制至关重要。相机不仅需要灵活地跟随目标&#xff0c;还要能够平滑地旋转和缩放&#xff0c;以便观察和分析物体的各个细节。今天&#xff0c;我将通过 TouchControlCamera 和 CameraRotate 两个脚本&#xff0c;展示如何实现一个适用…...

ECharts散点图-散点图14,附视频讲解与代码下载

引言&#xff1a; ECharts散点图是一种常见的数据可视化图表类型&#xff0c;它通过在二维坐标系或其它坐标系中绘制散乱的点来展示数据之间的关系。本文将详细介绍如何使用ECharts库实现一个散点图&#xff0c;包括图表效果预览、视频讲解及代码下载&#xff0c;让你轻松掌握…...

【教程】Digispark实现串口通信

转载请注明出处&#xff1a;小锋学长生活大爆炸[xfxuezhagn.cn] 如果本文帮助到了你&#xff0c;欢迎[点赞、收藏、关注]哦~ 没想到这么老&#xff0c;很多代码都不能用&#xff0c;修了好久。。。 TinySoftwareSerial.cpp #include <stdlib.h> #include <stdio.h&g…...

GPT-4.1 开启智能时代新纪元

GPT-4.1 全解析&#xff1a;开启智能时代新纪元&#xff08;含费用详解&#xff09; 2025年4月&#xff0c;OpenAI 正式推出全新一代语言模型——GPT-4.1 系列&#xff0c;包括 GPT-4.1、GPT-4.1 Mini 和 GPT-4.1 Nano。相比以往模型&#xff0c;它在代码生成、指令理解、长文本…...

4.21 spark和hadoop的区别与联系

一、Hadoop 1. 定义 Hadoop是一个由Apache基金会开发的分布式系统基础架构。它最初是为了解决大规模数据存储和处理的问题而设计的。Hadoop的核心组件包括HDFS&#xff08;Hadoop Distributed File System&#xff09;和MapReduce。 2. HDFS&#xff08;Hadoop Distributed Fi…...

Nacos 客户端 SDK 的核心功能是什么?是如何与服务端通信的?

Nacos 客户端 SDK 的核心功能 Nacos 客户端 SDK 是应用程序集成 Nacos 能力的桥梁&#xff0c;它封装了与 Nacos 服务端交互的复杂性&#xff0c;为开发者提供了简单易用的 API。其核心功能主要围绕两大方面&#xff1a;服务发现 和 配置管理。 服务发现 (Service Discovery) …...

servlet-保存作用域

保存作用域 保存作用域&#xff1a;原始情况下&#xff0c;保存作用域我们有四个&#xff1a;page(一般不用了) 、request&#xff08;一般请求响应范围&#xff09;、session(一次会话范围)、application(整个应用程序范围)1&#xff09;request&#xff1a;一般请求响应范围…...

从规则到大模型:知识图谱信息抽取实体NER与关系RE任务近10年演进发展详解

摘要&#xff1a; 本文回顾了关系抽取与实体抽取领域的经典与新兴模型&#xff0c;清晰地梳理了它们的出现时间与核心创新&#xff0c;并给出在 2025 年不同资源与场景下的最佳实践推荐。文章引用了 BiLSTM‑CRF、BiLSTM‑CNN‑CRF、SpanBERT、LUKE、KnowBERT、CasRel、REBEL、…...

【自然语言处理与大模型】模型压缩技术之蒸馏

知识蒸馏是一种模型压缩技术&#xff0c;主要用于将大型模型&#xff08;教师模型&#xff09;的知识转移到更小的模型&#xff08;学生模型&#xff09;中。在大语言模型领域&#xff0c;这一技术特别重要。 知识蒸馏的核心思想是利用教师模型的输出作为软标签&#xff08;sof…...

yum如果备份已经安装的软件?

在 CentOS 系统中&#xff0c;你可以通过以下步骤将 yum 下载的组件打包备份到本地&#xff1a; 方法 1&#xff1a;使用 yumdownloader 直接下载 RPM 包 1. 安装 yum-utils 工具 yum install -y yum-utils2. 下载指定软件包及其依赖 yumdownloader --resolve <package-n…...

室外摄像头异常自检指南+视频监控系统EasyCVR视频质量诊断黑科技

室外监控摄像头在安防监控系统运行中&#xff0c;常出现连接不畅、设备互认失败等问题。今天我们来介绍两类安防监控摄像头的典型问题及排查步骤。 问题1&#xff1a;同品牌新摄像头无法被老录像机识别 排查步骤&#xff1a; 1&#xff09;供电检查 确认摄像头供电线路连接正…...

从本地存档到协作开发的Git简单使用

概念 工作区 : 在本地实际进行文件操作的目录 .暂存区 : 类似于缓冲区 , 用于记录准备进行下一次提交的内容 .本地仓库 : 储存在本地的完整版本库 , 包含项目的提交历史 , 分支信息和标签等 .远程仓库 : 部署在远程服务器的版本库 , 通常用于协作开发 . 文件状态 Untracked …...

在 Android 中实现通话录音

在 Android 中实现通话录音需要处理系统权限、通话状态监听和音频录制等关键步骤。以下是详细实现代码及注释&#xff0c;注意不同 Android 版本和厂商设备的兼容性问题&#xff1a; 1. 添加权限声明&#xff08;AndroidManifest.xml&#xff09; <!-- 录制音频权限 -->…...

系统分析师知识点:访问控制模型OBAC、RBAC、TBAC与ABAC的对比与应用

在信息安全领域&#xff0c;访问控制是确保数据和资源安全的关键技术。随着信息系统复杂度的提高&#xff0c;访问控制技术也在不断演进&#xff0c;从早期简单的访问控制列表(ACL)发展到如今多种精细化的控制模型。本文将深入剖析四种主流的访问控制模型&#xff1a;基于对象的…...

网络原理(TCP协议—协议格式,性质(上),状态)

目录 1.TCP协议段格式。 2.TCP协议传输时候的性质。 2.1确认应答。 2.2超时重传。 2.3连接管理。 2.3.1 三次握手。 2.3.2四次挥手。 3.TCP常见的状态。 1.TCP协议段格式。 TCP协议段是由首部和数据两部分构成的。首部包含了TCP通信所需要的各种控制信息&#xff0c;而…...

用全新发布的ChatGPT-o3搜文献写综述、专业审稿、降重润色,四个步骤轻松搞定全部论文难题!

今天和大家聊聊OpenAI近期发布的o系列模型中的两个大成果:o3和o4-mini,这个系列的模型最大特点是经过训练,会在响应之前进行更长时间的思考,给出更深入的回答。 下面文章七哥会为大家深度讲解o3模型在学术研究和论文写作方面的四大优势,并附上实用有效的使用技巧和步骤供…...

多路由器通过RIP动态路由实现通讯(单臂路由)

多路由器通过RIP动态路由实现通讯&#xff08;单臂路由&#xff09; R1(开启端口并配置IP) Router>en Router#conf t Router(config)#int g0/0 Router(config-if)#no shu Router(config-if)#no shutdown Router(config-if)#ip add 192.168.10.254 255.255.255.0 Router(c…...

分数线降低,25西电马克思主义学院(考研录取情况)

1、马克思主义学院各个方向 2、马克思主义学院近三年复试分数线对比 学长、学姐分析 由表可看出&#xff1a; 1、马克思主义理论25年相较于24年下降10分&#xff0c;为355分 3、25vs24推免/统招人数对比 学长、学姐分析 由表可看出&#xff1a; 1、 马克思主义学院25年共接…...

反转字符串

344. 反转字符串 题目 思路 双指针 设 s 长度为 n。反转可以看成是交换 s[0] 和 s[n−1]&#xff0c;交换 s[1] 和 s[n−2]&#xff0c;交换 s[2] 和 s[n−3]&#xff0c;依此类推。 代码 class Solution:def reverseString(self, s: List[str]) -> None:""&q…...

乾元通渠道商中标舟山市自然灾害应急能力提升工程基层防灾项目

近日&#xff0c;乾元通渠道商中标舟山市自然灾害应急能力提升工程基层防灾项目&#xff08;结余资金&#xff09;装备采购项目&#xff0c;乾元通作为设备厂家&#xff0c;为项目提供通信指挥类装备&#xff08;多链路聚合设备&#xff09;QYT-X1。 青岛乾元通数码科技有限公司…...

‌信号调制与解调技术基础解析

调制解调技术是通信系统中实现基带信号与高频载波信号相互转换的主要技术&#xff0c;通过调整信号特性使其适应不同信道环境&#xff0c;保障信息传输的效率和可靠性。 调制与解调的基本概念 调制&#xff08;Modulation&#xff09;‌ 将低频基带信号&#xff08;如语音或数…...

多源异构网络安全数据(CAPEC、CPE、CVE、CVSS、CWE)的作用、数据内容及其相互联系的详细分析

1. CWE&#xff08;Common Weakness Enumeration&#xff09; 作用&#xff1a;CWE 是常见软件和硬件安全弱点的分类列表&#xff0c;用于描述漏洞的根本原因&#xff08;如代码缺陷、逻辑错误等&#xff09;&#xff0c;为漏洞的根源分析提供框架。数据内容&#xff1a; 弱点…...

02_Flask是什么?

一、视频教程 02_Flask是什么 二、Flask简介 Flask 框架诞生于2010 年&#xff0c;是由 Armin 使用 Python 语言基于 Werkzeug 工具箱编写的轻量级Web开发框架。Armin 是 Python 编程语言的核心开发者之一&#xff0c;同时也是 Flask 项目的主要贡献者。 Flask主要依赖于两个核…...

突破网页数据集获取难题:Web Unlocker API 助力 AI 训练与微调数据集全方位解决方案

突破网页数据集获取难题&#xff1a;Web Unlocker API 助力 AI 训练与微调数据集全方位解决方案 背景 随着AI技术的飞速发展&#xff0c;诸如DeepSeek R1、千问QWQ32、文小言、元宝等AI大模型迅速崛起。在AI大模型训练和微调、AI知识库建设中&#xff0c;数据集的获取已成为不…...

Spark-SQL与Hive集成及数据分析实践

一、Spark-SQL连接Hive的配置 Spark-SQL支持与Hive无缝集成&#xff0c;可通过以下方式操作Hive&#xff1a; 1. 内嵌Hive&#xff1a;无需额外配置&#xff0c;直接使用&#xff0c;但生产环境不推荐。 2. 外部Hive&#xff1a; 将hive-site.xml、core-site.xml、hdfs-site…...

CI/CD

CI/CD 是一种用于软件开发和交付的实践方法&#xff0c;由持续集成&#xff08;Continuous Integration&#xff09;、持续交付&#xff08;Continuous Delivery&#xff09;和持续部署&#xff08;Continuous Deployment&#xff09;三个关键环节组成&#xff0c;以下是具体介…...

【橘子大模型】Tools/Function call

一、简介 截止目前&#xff0c;我们对大模型的使用模式仅仅是简单的你问他答。即便是拥有rag&#xff0c;也只是让大模型的回答更加丰富。但是大模型目前为止并没有对外操作的能力&#xff0c;他只是局限于他自己的知识库。 举个例子&#xff0c;到今天4.21为止&#xff0c;你…...

解决Mac 安装 PyICU 依赖失败

失败日志&#xff1a; 解决办法 1、使用 homebrew 安装相关依赖 brew install icu4c 安装完成后&#xff0c;设置环境变量 echo export PATH"/opt/homebrew/opt/icu4c77/bin:$PATH" >> ~/.zshrcecho export PATH"/opt/homebrew/opt/icu4c77/sbin:$PATH…...

Kafka 生产者的幂等性与事务特性详解

在分布式消息系统中&#xff0c;消息的可靠性传输是一个核心问题。Kafka 通过幂等性&#xff08;Idempotence&#xff09;和事务&#xff08;Transaction&#xff09;两个重要特性来保证消息传输的可靠性。幂等性确保在生产者重试发送消息的情况下&#xff0c;不会在 Broker 端…...

ubuntu--汉字、中文输入

两种输入框架的安装 ibus 链接 (这种方式安装的中文输入法不是很智能&#xff0c;不好用)。 Fcitx 链接这种输入法要好用些。 简体中文检查 fcitx下载和配置 注意&#xff1a;第一次打开fcitx-config-qt或者fcitx configuration可能没有“简体中文”&#xff0c;需要把勾…...

LabVIEW 开发中数据滤波方式的选择

在 LabVIEW 数据处理开发中&#xff0c;滤波是去除噪声、提取有效信号的关键环节。不同的信号特性和应用场景需要匹配特定的滤波方法。本文结合典型工程案例&#xff0c;详细解析常用滤波方式的技术特点、适用场景及选型策略&#xff0c;为开发者提供系统性参考。 ​ 一、常用…...

【图像轮廓特征查找】图像处理(OpenCV) -part8

17 图像轮廓特征查找 图像轮廓特征查找其实就是他的外接轮廓。 应用&#xff1a; 图像分割 形状分析 物体检测与识别 根据轮廓点进行&#xff0c;所以要先找到轮廓。 先灰度化、二值化。目标物体白色&#xff0c;非目标物体黑色&#xff0c;选择合适的儿值化方式。 有了轮…...