当前位置: 首页 > news >正文

设计看似完美却测不过? Intra-Pair Skew 是「讯号完整性(Signal Integrity)」里最隐形的杀手

各位不知道有没有遇过,一对很长的差分走线,看起来很正常,但是测试结果偶尔会fail偶尔会pass,不像是软件问题,也不像是制程问题。 看了一下Layout,发现阻抗匹配控制的非常好,TDR测试也显示阻抗好棒棒,虽然线是长了点,但是损耗还是有不少Margin。 那... 为什么会有问题?

如果您遇到过,那恭喜您,这应该是PCB玻璃纤维造成的Intra-Pair Skew,而导致差动对P/N两条线有着时间差。 在差动对的理论基础上,开宗明义就有提到,两条线必须等长,或说是相等时间差,才会是完美的差动讯号。 如果这个时间差,或说是delay,两两不一致,则所引起的讯号损耗会变的过大以及产生难以控制的共模效应(Common-mode)。

本周,我们来看看何谓Differential Pair Intra-Pair Skew,这个Skew到底是怎样影响我们的通道设计!

回顾一下差动对理论

在高速信号传输的设计中,差动对(Differential Pair)是一种非常常见的走线方式,这种走线方式虽然牺牲的一倍的走线面积,但是换来对于高速信号干扰的抵抗性。 而要达到一个良好的差动对设计,「等长」这件事几乎是SI与Layout两个团队的基本功。 那到底为什么差动对要等长? 原

 

 

Differential Intra-pair skew,指的就是在差动对里,正负讯号线之间出现的「延迟时间差」。 差动对是两条走线成对一起运作,传输同一组讯号,不过一条走的是正讯号,另一条则是相反方向的负讯号。 这两条信号必须保持高度同步,才能在接收端被正确还原回原始信号。 简单来说,原本应该同时到达的两条讯号线,却有人先跑、有人后到,这种「步调不一致」就叫做 skew。 在高速数据传输中,哪怕只是微小的延迟偏移或是讯号的「错开」,都可能左右讯号的完整性。

 

当Skew变大时,讯号波形的形变也会变得更严重!

 

当Skew越来越大时,眼图随之变差!

 

发生Intra-Pair Skew造成的状况

Intra-Pair Skew发生时,会有以下几个负面影响:

  • 损耗变大,产生高频谐振点
  • 产生共模效应,降低差动特性
  • 随着Data Rate上升,Skew对于UI占比越来越大,导致讯号严重失真

以下我们一个一个来解析!

Skew使得高频损耗变的更严重

Skew会带来高频谐振,如果要知道对于损耗的影响范围,我们可以来计算这个谐振点的发生频率:

首先,我们先假设一个复数传输函数H(f)

H(f)=|H(f)|ejθ(f)

其中,|H(f)|表示DUT的幅度响应,而θ(f)则为其相位响应。

相位响应可以进一步定义为:

θ(f)=−2π×f×Δt(f)

这里的Δt(f)是传输函数的相位延迟,因此可以根据相位响应直接反推得到相位延迟:

Δt(f)=−θ(f)2πf

而我们就可以得到这个谐振频率点:

f=12Δtpd

也就是说,Skew越小,谐振点就越高频,且这个谐振点会在奇数倍数频率出现,假设1GHz有谐振点,则3GHz、5GHz、7GHz也会出现谐振点。

 

接着我们可以通过这个公式,计算不同Skew时间下,谐振点的频率,并与实际SI模拟的频率点做比对看看这个公式有没有效。 可以发现,公式与模拟的谐振频率,大概差了7%,公式计算得到的频率会较低一些,但是整体而言还算可以接受!

 

从实测的结果我们也可以发现这不是纸上谈兵,一个10G-KR的通道,原本设计的Loss好好的,可以通过这条黑色的Spec,可是当我们刻意将skew调整至13ps(两条线大约差70mil),Loss在30GHz之后直接往下跑,超出Spec,以我们的计算12.7ps大约是42GHz,从这个实测结果来看,应该是可以对得上的对吧!

 

Skew导致Common-Mode Noise上升

我们在看系统级的差动对特性时,最先关注的通常是Differential Return Loss(Sdd11)和Differential Insertion Loss(Sdd21),再来可能根据Crosstalk是否严重而去关注Sdd31 and Sdd41,比较少会去关注共模特性。

P.S. 如果是Connector与Cable厂商则例外,这些零组件牵扯到对机台外部的连接,可能会有EMI的问题,因此对于共模很关注。 一些规范也都有针对这些零部件有Scd的要求。

可是其实Common-mode noise是非常重要的。 我们可以从Scd这个参数来判断,到底这个通道设计有多少的不平衡(unbalance)效应。 越大的Unbalance,表示越多的Common-mode noise,表示这个差动对设计越不好,通常表示的是Skew越大!

 

从这张图可以清楚地看出,Common-mode noise(ACCM)会随Skew变大而变大:

 

一样透过实测数据让大家对于Skew造成的负面性应更加明了,Skew越大则Common-mode noise越惨呀!

 

IEEE 802.3ck针对MTF(Mated Test Fixture)的Scd(与Sdc相同)的规范:

 

Skew的时间占比随着Data Rate变快,而越来越大

最后,我们简单讨论下时序方面的问题。

首先,我们来聊聊什么是 UI(Unit Interval)。 它是高速信号设计中最小的时间单位,意思就是:一个「0」或「1」所占据的时间长度,就叫做一个 UI。

这个单位要怎么算呢? 其实很简单,就是把 Data Rate 取倒数。 比如说,如果你设计的是一个 10G的通道,那它的 UI 就是 1 / 10G,也就是 100ps。 也就是说,在 10G 的速度下,每个 bit 的时间长度就是 100ps。 不管这个 bit 是 0 还是 1,都只会占用 100ps 的时间,不会更短了。

 

而一个UI内的波形不能失真过多,否则Receiver会无法判别此波形是0或1,这就是我们在探讨讯号完整性的初衷。

很多问题都会导致一个UI的波形变差,Loss、Reflection、Crosstalk、Jitter、还有我们今天要强调的“Skew”。 其实每个参数都会对信号质量有所贡献,当Data Rate还没有很高时,绝大多数都是Loss、Reflection、Jitter在搞鬼。 但随着传输速度越来越快,像是现在主流的 112G,甚至是最新的 224G,很多以往「可以忍耐的小问题」都开始变成「致命伤」。 举个例子来说,在224G的速度下,一个UI的长度大约只有8.9ps。 如果你的设计中出现 1ps 的 Skew,那就等于让整个 UI 失真了 11%! 这还只是Skew的贡献,还没加上材料损耗、阻抗不连续、反射等其他破坏因素。 所以呀,Skew这件事情真的很需要被放在心上!

 

通常会发生Intra-Pair Skew的情况

基本上,只要设计者不恶搞,例如故意把线长不等长,故意乱拉走线的话,Intra-Pair skew通常会发生在以下这些情况:

  • Trace Length Mismatch(发生机率低)
  • PCB玻璃纤维效应(Fiber Weave)
  • Cable

Trace Length Mismatch

我们最前面提到,差动对我们会在Layout上让两条线尽可能等长,拜现在Layout软件进步所赐,56G-PAM4的速度以上,物理长度的Skew已经可以控制在1mil以内。

这种线长的不匹配通常来自于转折处,由于外圈会比内圈走得还远,所以内圈的走线就得额外拉长,以匹配线长。

 

相信业界最有名的莫过于Intel在用的3W2S rule,也就是在差动对去做等长设计时,短的那条线进行绕线补偿时,补偿的高度和宽度的定义,3W指的是两个凸包的距离为3倍的线宽W(B=D=F=3W),2S是指凸包最远的位置与另外一条线距离为2倍的差动对间距S(S1=2S)。

 

我们在SI这条路上已经遇到太多人跟我们说,要照Intel这条设计准则走,人家是测试过的,一定要照这条做,不然会有问题。 恩... 讲真的,对于SI而言,我们对这个规则是不太关注的,不是说Intel的这条准则有问题,而是,我们相信一条规则是无法适用到全部的高速讯号设计上。 每个设计有不同的叠构、材料、线长、Data Rate等等,真的可以这么简单用一条准则来设计?

要知道当红炸子鸡,nVIDIA推崇的设计是完全不一样喔,那... 两者冲突,您要选谁?

各有门派,我们也不多做讨论,我们的做法是Case by Case,试着透过模拟方法找出最佳的设计,例如这个Case,我们讨论3W2S、3W2.5S、2W2.5S,发现2W2.5S有着较好的阻抗匹配,设计上我们当然选择它!

 

PCB Fiber Weave

PCB的玻璃纤维效应,这主要来自于CCL材料里头的玻璃纤维与树脂的介电常数(DK)不同所导致。 CCL材料里头的玻璃纤维主要强化材料的刚性,跟织衣服类似,会有经向(Warp)与纬向(Weft)。 像下图,编织成品会留下一个一个洞,这个洞就是树脂的位置。 而传统玻纤(E-Glass)的介电常数大约是6,树脂的介电常数是3.5,两者合起来就接近4.4,这样可以理解为什么传统FR4材料的DK是4.4了吧!

 

由于材料内的DK有落差,会使得差动对两条线“可能”参考到不同的DK,两条线的讯号传递速率会变得不一样,越大的DK则讯号传递速率会变慢,而导致两条线到Receiver时会有Skew产生。

v=cεr−−√

而且,很讨厌的是,因为Fiber weave产生的Skew,还是随机出现的。 因为,每张板子的每个位子的玻纤是不同的,所以就算是一样的走线,在每批料之间也是不一样的状况,所以文章开头我们才会说,各位有没有遇过随机发生的状况!

这边我们介绍一个常见的做法,以减少玻璃纤维造成的Skew效应。 透过将CCL叠两层,或称2ply,将树脂的孔洞变小,从数据来看可以很明显看到Skew会更加集中在较小的范围,不像1ply那样,会有一些离散数据落在较大的skew值。

 

 

 

Cable

我们在这边介绍过Cable已经成为现在机台内部连接一个重要的关键零组件,nVIDIA的GB200 NVL36/72都用了Flyover cable以减少PCB走线带来的损耗。

对于损耗控制上,Cable的确有着非常好的特性,可是在制造上,由于传统的Twinax cable除了两根讯号线外,还会再塞入GND pin,这个GND pin可以用来抑制EMI。 可是由于制造的tolerance,当这根GND pin位置偏掉,靠得离某根讯号线太近,则会引起PN unbalance,skew就会出现,common-mode noise也随之发生。 (有兴趣可以参考这里)

 

再加上,Cable绝对是需要弯折的,在弯折的时候,两条线的电磁场可能就没办法保持恒定,进而导致Skew的产生!

所以在高速信号SI分析上,我们就得分析不同的skew差异对于通道的影响是什么,尝试找出Worst-case,以满足大量量产的系统可靠度! 说实在话,真的是件大工程!

 

 

相关文章:

设计看似完美却测不过? Intra-Pair Skew 是「讯号完整性(Signal Integrity)」里最隐形的杀手

各位不知道有没有遇过,一对很长的差分走线,看起来很正常,但是测试结果偶尔会fail偶尔会pass,不像是软件问题,也不像是制程问题。 看了一下Layout,发现阻抗匹配控制的非常好,TDR测试也显示阻抗好…...

使用MyBatis注解方式的完整示例,涵盖CRUD、动态SQL、分页、事务管理等场景,并附详细注释和对比表格

以下是使用MyBatis注解方式的完整示例,涵盖CRUD、动态SQL、分页、事务管理等场景,并附详细注释和对比表格: 项目结构 mybatis-annotation-demo/ ├── src/ │ ├── main/ │ │ ├── java/ │ │ │ └── com.example/…...

【头脑风暴】加权平均

一些加权平均而不是算术平均的思路,启发来源:ACLS,WACLS。 简单平均假设所有样本的误差和噪声特性相同,但在实际电路中,不同阶段、不同时间点的样本价值(对最终精度的贡献)是不同的。​​加权平均的核心思想…...

DAM-3B,英伟达推出的多模态大语言模型

DAM-3B是什么 DAM-3B(Describe Anything 3B)是英伟达推出的一款多模态大语言模型,专门用于为图像和视频中的特定区域生成详细描述。用户可以通过点、边界框、涂鸦或掩码等方式来标识目标区域,从而得到精准且符合上下文的文本描述…...

2025年暨南大学 ACM校赛分析与题解

文章目录 C.最长公共前缀D.排列H.回文串 法不定法,在于因时因势AC不了就是还得加练! C.最长公共前缀 字典树模版题目,不了解字典树的同学,可以看我的另一篇博客 算法 之 字典树 class Node: # 和模版题目相似,但是多…...

图像处理——边缘检测

1 概述 边缘检测是图像处理和计算机视觉中的一项基本技术,用于识别图像中亮度变化剧烈的像素点,这些像素点通常对应于物体的边界。它通过检测图像中亮度或颜色变化显著的区域,提取出物体的轮廓,常用于计算机视觉、图像处理和模式识…...

认识哈希以及哈希表的模拟实现

文章目录 1.什么是哈希2.哈希函数2.1 除留余数法/除法散列法2.2 乘法散列法2.3 全域散列法 3.哈希冲突4.解决哈希冲突的方法4.1 开放定址法4.1.1 用除留余数法和线性探测模拟实现简单的哈希表 4.2 链地址法4.2.1 用除留余数法和链地址法模拟实现简单的哈希表 1.什么是哈希 概念…...

【Castle-X机器人】二、智能导览模块安装与调试

持续更新。。。。。。。。。。。。。。。 【Castle-X机器人】智能导览模块安装与调试 二、智能导览模块安装与调试2.1 智能导览模块安装2.2 智能导览模块调试2.2.1 红外测温传感器测试2.2.2 2D摄像头测试 二、智能导览模块安装与调试 2.1 智能导览模块安装 使用相应工具将智能…...

硬件须知的基本问题2

目录 1、典型电路 1. DC5V 转 DC3.3V 电路 2. 通信电路 2、STM32F103RCT6 最小系统如何设计搭建电路 1. 电源电路 2. 复位电路 3. 时钟电路 4. 下载电路 5. 单片机连接连接 3、请列举你所知道的二极管型号? 1. 整流二极管 2. 小信号二极管 3. 肖特基二极管 4. 超…...

Dify 使用 excel 或者 csv 文件创建知识库

Dify 使用 excel 或者 csv 文件创建知识库 1. 创建知识库2. 创建聊天助手3. 其他 1. 创建知识库 创建知识库,导入excel/csv文件, 文件内容, 单击 “预览块”,可以确认会生成多个键值对的块, 配置 Embedding 模型和检索…...

深入理解二叉树遍历:递归与栈的双重视角

二叉树的遍历前序遍历中序遍历后续遍历总结 二叉树的遍历 虽然用递归的方法遍历二叉树实现起来更简单,但是要想深入理解二叉树的遍历,我们还必须要掌握用栈遍历二叉树,递归其实就是利用了系统栈去遍历。特此记录一下如何用双重视角去看待二叉…...

通过gap看margin和padding在布局中的应用

在CSS布局中,控制元素之间的间距有多种方式:margin、padding,还有新晋的gap属性。虽然选择多了,但这也带来了不少头疼的问题。比如,你的自定义组件到底该不该加margin?如果加了,那在使用这个组件…...

图像畸变-径向切向畸变实时图像RTSP推流

实验环境 注意:ffmpeg进程stdin写入两张图片的时间间隔不能太长,否则mediamtx会出现对应的推流session超时退出。 实验效果 全部代码 my_util.py #进度条 import os import sys import time import shutil import logging import time from datetime i…...

2025最新Facefusion3.1.2使用Docker部署,保姆级教程,无需配置环境

Docker部署Facefusion 环境 windows10 Facefusion3.1.2 安装 拉取源代码 git clone https://github.com/facefusion/facefusion-docker.git 此处如果拉不下来,需要科学上网,不会的可以找我。 运行容器 将Dockerfile.cpu文件中的的From python:3.…...

区块链实战:Hyperledger Fabric多节点网络部署与高性能业务链码

一、联盟链架构设计与技术选型 1.1 架构设计原则 联盟链采用​​分层架构​​,包含应用层、共识层、网络层和数据层: ​​应用层​​:提供用户接口(Web/API)和智能合约交互入口​​共识层​​:采用PBFT或…...

C++学习笔记(四十)——STL之归约算法

STL 算法分类: 类别常见算法作用排序sort、stable_sort、partial_sort、nth_element等排序搜索find、find_if、count、count_if、binary_search等查找元素修改copy、replace、replace_if、swap、fill等修改容器内容删除remove、remove_if、unique等删除元素归约for…...

docker容器运维工具——ctop

概述 Github主页:https://github.com/bcicen/ctop 当服务器上运行多个容器时,迅速查看所有容器运行情况及指标将会大为提高工作效率。ctop工具可以像top命令一样,对所有容器进行总览,并实现简单的操作。 部署 下载(…...

RAG vs 微调:大模型知识更新的最优解之争

一、技术本质:知识注入的两条路径 在大模型应用落地的实践中,RAG(检索增强生成)与微调(Fine-tuning)已成为知识更新的两大核心技术路径。二者的本质差异在于是否对模型参数进行修改: 维度RAG微…...

FPGA前瞻篇-组合逻辑电路设计-多路复用器

多路选择器(MUX)简介 基本概念 多路选择器(MUX,Multiplexer)是一种多输入、单输出的组合逻辑电路。 它通过选择控制信号,在多个输入信号中选择一个连接到输出端。 可以理解为一个多路数字开关。 &…...

Day13(前缀和)——LeetCode2845.统计趣味子数组的数目

1 题目描述 给定一个下标从0开始的数组nums,以及整数modulo和k。找出并统计数组中趣味子数组的数目: 在范围[l,r]内,设cnt为满足nums[i]%modulok的索引i的数量,并且cnt%modulok。子数组是数组中的一个连续非空的元素序列。 其中一…...

WebcamJS中文文档

文章目录 WebcamJS针对Chrome 47及以上版本的重要说明浏览器支持演示示例开源协议快速入门指南配置初始化拍摄照片自定义图像大小裁剪图像翻转图像(镜像模式)冻结/预览图像设置备用SWF文件位置重置(关闭)API 参考自定义事件向服务器提交图像跟踪上传进度包含在现有表单中自…...

论文笔记(八十)π0.5: a Vision-Language-Action Model with Open-World Generalization

π0.5: a Vision-Language-Action Model with Open-World Generalization 文章概括摘要I. 引言II. 相关工作通用机器人操作策略。非机器人数据的协同训练。使用语言进行机器人推理和规划。具有开放世界泛化能力的机器人学习系统。 III. 序言IV. π 0.5 π_{0.5} π0.5​ 模型与…...

pymongo功能整理与基础操作类

以下是 Python 与 PyMongo 的完整功能整理,涵盖基础操作、高级功能、性能优化及常见应用场景: 1. 安装与连接 (1) 安装 PyMongo pip install pymongo(2) 连接 MongoDB from pymongo import MongoClient# 基础连接(默认本地,端口…...

硬件须知的基本问题1

目录 1. 电路表示中的电压源表示符号有哪些? 2.查找电路表示中的电流源表示符号有哪些? 3.上拉电阻和下拉电阻的作用是什么? 4.0 欧姆电阻在电路中有什么作用? 5.电容的耦合…...

LangChain 中的 Task(任务) 主要通过 生成器(Generator) 实现,而非传统的迭代器(Iterator)

LangChain 中的 Task(任务) 主要通过 生成器(Generator) 实现,而非传统的迭代器(Iterator)。以下是关键分析: 任务链的流程控制 LangChain 的 链式结构(Chains&#xff0…...

加里·基尔代尔:CP/M之父与个人计算时代的先驱

名人说:路漫漫其修远兮,吾将上下而求索。—— 屈原《离骚》 创作者:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 加里基尔代尔:CP/M之父与个人计算时代的先驱 一、早年生活与教育背景 1.…...

深入解析Spring Boot配置处理器:机制、架构与实践

深入解析Spring Boot配置处理器:机制、架构与实践 Spring Boot的配置处理器(spring-boot-configuration-processor)是支撑其智能配置体验的关键组件。本文结合实际开发需求,从使用方式、底层原理到性能优化与架构设计&#xff0c…...

Ragflow新建的知识库完成后刷新却没有显示,报错MethodNotAllowed: 405 Method Not Allowed:

环境: Ragflow17.2 debian12.8 问题描述: Ragflow新建的知识库完成后刷新却没有显示,报错MethodNotAllowed: 405 Method Not Allowed: The method is not allowed for the requested URL. 后台日志: 2025-04-25 13:54:25,988 ERROR 235204 405 Method Not Allowed:…...

Maven进阶知识

一、Maven 坐标 (一)概念 在 Maven 中坐标是构件的唯一标识,其元素包括 groupId、artifactId、version、packaging、classifier。其中 groupId、artifactId、version 是必定义项,packaging 默认为 jar。 (二&#x…...

通过门店销售明细表用SQL得到每月每个门店的销冠和按月的同比环比数据

假设我在Snowflake里有销售表,包含ID主键、门店ID、日期、销售员姓名和销售额,需要统计出每个月所有门店和各门店销售额最高的人,不一定是一个人,以及他所在的门店ID和月总销售额。 统计每个月份下,各门店内销售额最高…...

聊聊Spring AI Alibaba的YuQueDocumentReader

序 本文主要研究一下Spring AI Alibaba的YuQueDocumentReader YuQueDocumentReader community/document-readers/spring-ai-alibaba-starter-document-reader-yuque/src/main/java/com/alibaba/cloud/ai/reader/yuque/YuQueDocumentReader.java public class YuQueDocument…...

Tauri文件系统操作:桌面应用的核心能力(入门系列四)

今天我们来聊聊Tauri中一个超级重要的功能 - 文件系统操作。这可是Web应用和桌面应用最大的区别之一。在浏览器里,出于安全考虑,我们对文件系统的访问被限制得死死的。但在Tauri桌面应用中,我们可以安全地访问用户的文件系统,这简…...

网络流之最大流(Dinic)

正文 在了解了Ford-Fulkerson 和Edmonds-Karp之后,我们可以进一步学习更高效的算法——Dinic。 Dinic算法的时间复杂度是O(VE),实际运用过程中是比EK算法快的。 特性Ford-FulkersonEdmonds-Karp (EK)Dinic 增广路径选择 任意方式BFS找最短路径分层图多…...

LVGL模拟器:NXP GUIDER+VSCODE

1. 下载安装包 NXP GUIDER:GUI Guider | NXP 半导体 CMAKE:Download CMake MINGW:https://github.com/niXman/mingw-builds-binaries/releases SDL2:https://github.com/libsdl-org/SDL/releases/tag/release-2.30.8 VSCODE&…...

魔幻预言手游》:职业介绍!

在《魔幻预言》手游中,共有武玄、魔魅、剑仙三大核心职业,各具特色且定位鲜明,以下为具体介绍: 一、武玄(战士) 核心定位:近战物理输出与团队增益担当,兼具控制与防御能力。 战斗风…...

什么时候使用Python 虚拟环境(venv)而不用conda

是的!python3.9 -m venv rtdetr_env 是 Python 原生的虚拟环境(venv),而 conda 是另一个流行的虚拟环境管理工具(来自 Anaconda/Miniconda)。下面我会详细对比两者的区别,并讲解 venv 的基本用法…...

Vue3的内置组件 -实现过渡动画 TransitionGroup

Vue3的内置组件 -实现过渡动画 TransitionGroup 是一个内置组件,用于对 v-for 列表中的元素或组件的插入、移除和顺序改变添加动画效果 支持和 基本相同的 props、CSS 过渡 class 和 JavaScript 钩子监听器,但有以下几点区别: 默认情况下&…...

水果成篮--LeetCode

题目 你正在探访一家农场,农场从左到右种植了一排果树。这些树用一个整数数组 fruits 表示,其中 fruits[i] 是第 i 棵树上的水果 种类 。 你想要尽可能多地收集水果。然而,农场的主人设定了一些严格的规矩,你必须按照要求采摘水…...

ROS 快速入门教程05

15. IMU航向锁定的节点 编写锁定节点 打开vscode编写imu_node.cpp #include<ros/ros.h> #include<sensor_msgs/Imu.h> #include<tf/tf.h> #include<geometry_msgs/Twist.h>ros::Publisher vel_pub;void IMUCallback(sensor_msgs::Imu msg) {if(msg.o…...

用 C 语言实现通用的冒泡排序算法

在日常编程中&#xff0c;排序算法是一个非常常见且重要的工具。虽然有许多排序算法可以选择&#xff0c;但如果你需要一个能够处理不同数据类型的排序算法&#xff0c;如何设计一个通用的排序算法呢&#xff1f;今天我们将实现一个通用的冒泡排序算法&#xff0c;支持不同数据…...

Linux——进程间通信

目录 1. 进程间通信的介绍 1.1 概念 1.2 目的 1.3 进程间通信的本质 1.4 进程间通信的分类 2. 管道 2.1 概念 2.2 匿名管道 2.2.1 原理 2.2.2 pipe函数 2.2.3 匿名管道使用步骤 2.2.4 管道读写规则 2.2.5 管道的特点 2.2.6 管道的四种特殊情况 2.2.7 管道的…...

深入详解人工智能数学基础——微积分中拉格朗日乘数法在GAN训练中的应用

🧑 博主简介:CSDN博客专家、CSDN平台优质创作者,高级开发工程师,数学专业,10年以上C/C++, C#, Java等多种编程语言开发经验,拥有高级工程师证书;擅长C/C++、C#等开发语言,熟悉Java常用开发技术,能熟练应用常用数据库SQL server,Oracle,mysql,postgresql等进行开发应用…...

精益数据分析(26/126):依据商业模式确定关键指标

精益数据分析&#xff08;26/126&#xff09;&#xff1a;依据商业模式确定关键指标 在创业与数据分析的探索之路上&#xff0c;每一次的学习都像是为前行点亮一盏灯。今天&#xff0c;我们依旧怀揣着共同进步的期望&#xff0c;深入解读《精益数据分析》的相关内容&#xff0…...

前端面试宝典---vue原理

vue的Observer简化版 class Observer {constructor(value) {if (!value || typeof value ! object) returnthis.walk(value) // 对对象的所有属性进行遍历并定义响应式}walk (obj) {Object.keys(obj).forEach(key > defineReactive(obj, key, obj[key]))} } // 定义核心方法…...

Cribl 上传lookup 表,传入数据进event

cribl 插入lookup 表,来数据有针对性的插入字段,对event 的数据进行字段插入。灵活性强。 The Lookup At long last, were ready to configure the lookup. First, lets create the Lookup table wed like to use. Getting the goods 先下载一个lookup 表,然后上传到cri…...

使用 binlog2sql 闪回 MySQL8 数据

【说明】 MySQL服务器版本 8.0.26 mysql> SELECT version(); ----------- | version() | ----------- | 8.0.26 | -----------Python 版本 Python 3.8.10 [infuq ~]# python -V Python 3.8.10【安装】 binlog2sql 官方地址 1.安装 binlog2sql [infuq ~]# git clone …...

蓝桥杯赛场反思:技术与心态的双重修炼

蓝桥杯赛场反思&#xff1a;技术与心态的双重修炼 在刚刚结束的第十六届蓝桥杯大赛软件赛省赛第二场中&#xff0c;我经历了一场充满挑战与自我审视的旅程。走出赛场&#xff0c;内心既有些许成就感&#xff0c;也夹杂着对自身不足的深刻反思。这次比赛不仅是一次技术的较量&a…...

介绍常用的退烧与消炎药

每年春夏交替之季&#xff0c;是感冒发烧、咳嗽、咽喉肿痛、支气管炎、扁桃体炎的高发期。在家里或公司&#xff0c;常备几种预防感冒发烧、咳嗽、流鼻涕、咽喉发炎的药品&#xff0c;是非常必要的。下面介绍几款效果非常明显的中成药、西药&#xff0c;具体如下。 1 莲芝消炎…...

C++篇——继承

目录 引言 1.继承的概念及定义 1_1&#xff0c;继承的概念 1_2&#xff0c; 继承定义 1_2_1&#xff0c;继承关系和访问限定符 1_2_2&#xff0c;继承基类成员访问方式的变化 2.基类和派生类对象赋值转换 3.继承中的作用域 4.派生类的默认成员函数 构造函数 拷贝构造…...

C++ 基础综合练习案例01:联系人管理系统(Part01)

通讯录是一个可以记录亲人、好友信息的工具。 本教程主要利用C来实现一个通讯录管理系统 系统中需要实现的功能如下&#xff1a; * 添加联系人&#xff1a;向通讯录中添加新人&#xff0c;信息包括&#xff08;姓名、性别、年龄、联系电话、家庭住址&#xff09;最多记录1000人…...