Lecture 19
冯·诺依曼模型 (The von Neumann Model)
核心概念:
1. 冯·诺依曼模型的基本结构:
• 该模型描述了现代计算机的基本结构,包含以下关键组件:
• 输入设备 (Input device):
• 用于从用户向计算机传递信息,信息被存储到计算机的内存中。
• 例如:键盘、鼠标。
• 处理器 (Processor):
• 处理输入信息,执行指令,并进行计算和逻辑操作。
• 处理器直接与内存交互,以访问和存储数据。
• 内存 (Memory):
• 存储程序和数据。
• 内存分为主存储(RAM)和次级存储(如硬盘)。
• 输出设备 (Output device):
• 将处理后的结果展示给用户。
• 例如:显示器、打印机。
2. 数据流:
• 数据从输入设备进入计算机,经由处理器处理(需要访问内存中的程序和数据),最终通过输出设备展示结果。
数据存储概述 (Data Storage - Overview)
1. 数据存储的组成:
• 数据存储分为以下四个主要部分:
• 主存储 (Main memory):
• 计算机操作数据时的主要存储区域。
• 大容量存储 (Mass storage):
• 包括硬盘、固态硬盘等,用于长期存储大量数据。
• 存储层次结构 (Memory hierarchy):
• 描述了计算机中不同层次的存储器,从速度和容量的角度优化。
• 通常包括寄存器、缓存、主存储和辅助存储。
• 信息编码 (Coding of information):
• 描述数据在存储器中的编码方式,如二进制表示。
2. 存储的重要性:
• 数据存储是计算机功能的基础,主存储用于程序执行,大容量存储用于长期保存数据。
数据存储类型 (Data Storage)
1. 数据存储的定义:
• 数据存储是计算机设备保存和保留数据的能力。
2. 两种主要存储类型:
• 主存储 (Main memory):
• 用于存储正在运行的程序和当前操作的数据。
• 例如:RAM(随机存取存储器)。
• 大容量存储 (Mass storage):
• 用于长期存储程序和数据,通常容量大但访问速度慢。
• 例如:硬盘、固态硬盘。
主存储 (Main Memory)
1. 定义:
• 主存储是计算机内部的物理存储,用于支持处理器执行程序。
• 处理器只能操作加载到主存储中的数据。
2. 主存储的重要性:
• 决定程序的执行能力:
• 主存储容量决定了可以同时运行的程序数量。
• 影响数据存储分配:
• 数据量过大会导致内存不足,需要优化存储分配。
3. 主存储与性能的关系:
• 内存越大,程序运行效率越高,程序执行时不需要频繁从硬盘读取数据。
主存储中的 RAM (Random Access Memory)
核心概念:
1. RAM 的作用:
• RAM 是主存储的核心组成部分,支持处理器快速存取数据。
• 数据在计算机关机时从 RAM 中丢失(属于易失性存储器)。
2. 随机访问 (Random Access):
• RAM 可以以任何顺序访问存储单元,而不需要像磁带一样依次读取。
• 每个存储单元都有唯一的地址,处理器可以直接访问指定地址的数据。
3. 与串行存储的对比:
• 串行存储(如磁带)要求按顺序读取数据,而 RAM 支持快速随机访问。
4. RAM 的内存模型:
• 由一系列地址和内容组成。
1. RAM 的定义:
• RAM(随机存取存储器)是一种可直接访问的存储介质,每个存储单元都有唯一的地址,称为 地址。
• 这种存储器可以通过地址随机访问数据,而无需依赖数据的顺序存储。
2. 存储单元(Word):
• 内存可以看作一个由编号的存储单元组成的集合,每个单元叫做一个 字(Word),用来存储信息。
• 每个字都分配了一个唯一的 地址,如图中从 0 到 5 的地址。
3. 随机访问:
• 在 RAM 中,任何一个字都可以直接访问,而无需逐一访问前面的数据。这种特性被称为 随机访问(Random Access)。
• 这与磁带或光盘的顺序访问不同,后者需要按照特定顺序读取数据。
4. 访问时间:
• 在 RAM 中,访问任何一个存储单元所需的时间是相同的,即 访问时间(Access Time) 与存储位置无关。
Words, Bytes, 和 Bits 的定义
1. 存储单元的进一步细分:
• 一个存储单元(Word)可以进一步分解为更小的存储单元,称为 比特(Bits)。
• 比特是内存中最小的存储单位,存储 0 或 1 两种状态。
2. 比特的排列:
• 比特在存储单元内按照位置排列,每个比特都有一个编号,如图中从 31 到 0。
3. 不同计算机的字长:
The number of bits in a word may vary between
different computers; 32 bits in a word is common
4. 字节(Byte):
• 一个字节是一个由 8 位比特组成的存储单元。
• 字节是计算机中最常用的基本存储单位。
存储单位的换算
1. 存储单位的层次:
• 1 Byte = 8 bits,即 1 字节包含 8 个比特。
• 1 Kilobyte (KB) = 2^10 Bytes = 1024 Bytes。
• 1 Megabyte (MB) = 2^10 KB = 1024 KB。
• 1 Gigabyte (GB) = 2^10 MB = 1024 MB。
• 1 Terabyte (TB) = 2^10 GB = 1024 GB。
这些单位是存储器容量的基本衡量标准。
常见存储器大小
1. RAM 和常见存储器容量:
• RAM:典型的 RAM 模块大小为 512 MB 或 1 GB。
• 软盘(Floppy Disk):1.44 MB。
• CD(光盘):650 MB。
• Memory Disc(存储卡):通常为 1 GB 或更多。
• DVD:4.7 GB。
• 硬盘(Hard Drive):通常范围为 120–200–300 GB,现代硬盘可能更大。
2. 对比说明:
• 8 MB 大小足以存储莎士比亚的所有作品。
• 0.8 GB 大小可存储人类基因组的信息量。
RAM 的种类
1. 两种 RAM 的区别:
• 动态 RAM (DRAM):
• 使用电容器存储数据。
• 优点:便宜。
• 缺点:需要周期性刷新refreshed.(因为电容器capacitors会泄漏电荷)。
• 静态 RAM (SRAM):
• 使用触发器(flip-flops)存储数据。
• 优点:速度更快。
• 缺点:成本更高。
2. 两种 RAM 的共同点:
• (volatile)易失性:当电源关闭时,RAM 中的所有数据都会丢失。
DRAM 的刷新机制
1. 电容器泄漏(capacitors leak charge):
• DRAM 依赖电容器存储电荷来表示数据。
• 由于真实电容器会发生电荷泄漏,存储数据会逐渐消失。
2. 刷新过程:
• 为了保持数据的完整性,DRAM 需要周期性地刷新,即重新充电以恢复电容器的电荷。
以下是您上传的关于内存和存储的图示内容的详细逐页解析:
ROM Chips(只读存储器)
1. ROM 的定义:
• ROM(Read-Only Memory,只读存储器)是一种非易失性存储器。
• 数据一旦写入 ROM,通常是只读的,无法被修改。
2. ROM 的用途:
• ROM 中存储的软件称为 固件(Firmware)。
• 固件是一种嵌入在硬件中的特殊软件,用于控制硬件功能。
• 常见的用途是保存系统的引导程序(Bootstrap Software)和基本输入输出系统(BIOS)。
3. BIOS:
• BIOS 全称是 Basic Input Output System,是电脑启动过程中执行的第一个程序。
• 它负责初始化硬件、检测系统设备,并启动操作系统。
4. ROM 的特性:
• 因为数据不可更改,ROM 非常适合存储必须始终保持不变的重要数据,如 BIOS 和引导程序。
Other Forms of Memory(其他形式的内存)
1. 高速缓存(Cache Memory):
• Cache 是一种小型且快速的内存,用于加速处理器对内存数据的访问。
• 它可以是内置在处理器内部(L1 缓存)或外部的(L2/L3 缓存)。
• 缓存充当 处理器和主存(RAM)之间的桥梁,存储处理器最近或经常需要的数据。
• 特性:
• 快速读取和写入。
• 支持 同时读写(Simultaneous Read/Write)。
2. 视频内存(VRAM):
• VRAM(Video RAM)是专门为显卡设计的内存。
• 它用于存储与图形相关的数据,例如屏幕帧缓冲(Frame Buffer)。
Cache 与主存的关系
1. 层次结构:
• CPU(处理器):直接从缓存中读取数据,因为缓存比主存速度更快。
• Cache(缓存):保存主存中经常使用的数据块,以减少主存访问的延迟。
• Main Memory(主存):主要存储所有程序和数据。
2. 数据传输:
• 从主存到缓存的传输是按 块(Block) 进行的。
• 从缓存到 CPU 的传输是按 字(Word) 进行的。
• 这说明缓存效率更高且访问速度更快。
Mass Storage(大容量存储)
1. 定义:
• 大容量存储(Mass Storage)是指可以存储大量数据的设备。
• 不同于主存(RAM),大容量存储可以在设备断电后保留数据。
2. 特性:
• 非易失性:即使计算机断电,数据依然可以保留。
• 示例:硬盘、光盘、USB 设备等。
Types of Mass Storage(大容量存储的类型)
1. 常见类型:
• 硬盘(Hard Disks):存储容量大,速度快,是最常用的存储设备。
• 光盘(Optical Disks):
• CD-ROM(只读光盘)。
• CD-RW(可重写光盘)。
• DVD(数字多功能光盘)。
• 移动存储设备:
• USB 磁盘。
• 软盘(Floppy Disks)。
2. 其他存储设备:
• 包括磁带、固态硬盘(SSD)等,它们在不同场景下用于数据备份或快速存储。
Hard Disk Drives(硬盘驱动器,HDD)
1. 硬盘驱动器的作用:
• HDD 是计算机中最重要的永久性存储设备。
• 它存储操作系统、应用程序和用户数据。
2. 与其他大容量存储的区别:
• 容量:硬盘的存储容量通常比其他设备更大。
• 速度:硬盘的读写速度通常比光盘、软盘等设备更快。
• 固定性:硬盘通常安装在计算机内部,不像 USB 磁盘那样可随时拔插。
以下是对您上传的内容逐页详细解析:
RAM vs. Mass Storage (HDD)
1. RAM 和硬盘的区别:
• RAM 是易失性存储器:数据在断电时丢失。
• 硬盘是非易失性存储器:即使断电,数据也会被保留。
2. 速度比较:
• RAM 的访问时间是 10 纳秒(10^-8 秒)。
• 硬盘的寻址时间是 10 毫秒(10^-2 秒)。
• RAM 比硬盘快大约 一百万倍。
3. 成本比较:
• 例如,8 GB RAM 的成本约为 50 英镑,而 1 TB 硬盘的成本也是 50 英镑。
• 1 MB 的 RAM 比 1 MB 的硬盘大约贵 125 倍。
Storing Real-World Data in Digital
1. 从模拟到数字的转换:
• 模拟数据(Analog Data):连续的、自然界中的数据,如声音和光。
• 数字数据(Digital Data):离散的二进制表示形式,由 0 和 1 组成。
2. 原因:
• 数字化使得数据更容易存储、处理和传输。
• 数字数据更耐噪声干扰并且便于复制。
Converting Analog Signal to Digital: Sampling Rate
1. 采样的概念:
• 模拟信号是连续的,需要以一定的频率对其进行采样以转换为数字信号。
• 采样频率(Sampling Rate) 是每秒采样的次数。
2. 采样不足的风险:混叠(Aliasing):
• 图中显示:当采样频率低于信号变化的频率时,生成的数字信号不能准确表示原始信号,导致失真(混叠)。
Storage Requirements for Digital Audio
1. 音频存储需求计算:
• CD 质量音频:
• 采样率:44.1 KHz(每秒采样 44,100 次)。
• 每采样点位数:16 位。
• 数据速率:(比特每秒)。
2. 立体声音频(Stereo Audio):
• 每采样点位数加倍(左声道和右声道):。
• 数据速率:。
3. 存储需求:
• 存储高质量音频需要更高的采样率和分辨率,但同时增加了存储空间需求。
编码问题
问题 1:
• 问:计算机系统用哪种编码方案来表示字母、数字和特殊字符?
• 选项:
• a. Magnetic(磁性)。
• b. Analog(模拟)。
• c. Binary(二进制)。
• d. Optical(光学)。
• 正确答案:c. Binary(二进制)。
问题 2:
• 问:以下哪项是易失性存储器?
• 选项:
• A. ROM。
• B. RAM。
• C. DVD。
• D. Hard Disk。
• 正确答案:B. RAM。
问题:以下哪项具有最佳访问速度?
• A. Register(寄存器)
• B. Cache(缓存)
• C. DVD
• D. RAM
答案:A. Register(寄存器)
1. 寄存器(Register):
• 位于 CPU 内部,是最快的存储单元。
• 它的访问速度极快,因为数据直接存储在处理器核心中,不需要额外的访问路径。
• 主要用于临时存储 CPU 计算中需要的数据。
2. 缓存(Cache):
• 次于寄存器,位于 CPU 内部或非常接近处理器。
• 它的速度快于 RAM,但比寄存器慢。
• 存储频繁使用的数据,以减少对 RAM 的访问。
3. RAM:
• 相较于寄存器和缓存,RAM 速度较慢。
• 存储运行中的程序和数据,但它需要通过总线(bus)与 CPU 进行数据交换。
4. DVD:
• 属于外部存储设备,速度最慢。
• 用于数据存档或分发,无法直接参与高效计算。
总结: 在存储器层次中,寄存器具有最快的访问速度,其次是缓存、RAM,而 DVD 最慢。
相关文章:
Lecture 19
冯诺依曼模型 (The von Neumann Model) 核心概念: 1. 冯诺依曼模型的基本结构: • 该模型描述了现代计算机的基本结构,包含以下关键组件: • 输入设备 (Input device): • 用于从用户向计算机传递信息,…...
学习EDK2显示图片
原本想看看Logo是怎么显示的,但是发现可以通过EDK显示Logo的方式显示图片,因为我发现它并没有解码函数,就是写个Driver,代码会有点乱,我后面会整理后修改的。 在MdeModulePkg下,我们可以找到Logo此文件夹。 Logo.ibf中…...
MYSQL如何重置root密码
如果您从未为MySQL分配root密码,则服务器根本不需要以root身份连接的密码。但是,这是不安全的。建议一定要设置root密码。 如果您知道root密码并想要更改它,推荐使用ALTER USER user IDENTIFIED BY auth_string; 如果您之前分配了root密码但…...
基于Python实现车辆检测、机动车检测、识别位置标记、计数
目录 引言背景与应用场景车辆检测的研究意义相关工作车辆检测概述机动车检测方法分类基于传统计算机视觉的检测方法基于深度学习的检测方法技术与方法车辆检测技术概述基于Python的车辆检测方法图像处理与特征提取深度学习方法(如YOLO、SSD、Faster R-CNN等)数据集与标注常用…...
277-基于八路256Ksps 24bit AD生物电震动检测FMC子卡
一、板卡概述 板卡基于AD7768 AD芯片设计的八路低速采集的FMC 子卡,支持直流耦合,产品应用于生物电、脑电波、声音,震动等信号采集。 二、板卡参数及性能 板卡功能 参数 内容 ADC 芯片型号 AD7768 路数 8路ADC, 采样率 2…...
连接Milvus
连接到Milvus 验证Milvus服务器正在侦听哪个本地端口。将容器名称替换为您自己的名称。 docker port milvus-standalone 19530/tcp docker port milvus-standalone 2379/tcp docker port milvus-standalone 192.168.1.242:9091/api/v1/health 使用浏览器访问连接地址htt…...
GitHub 上排名前 11 的开源管理后台(Admin Dashboard)项目
如果你是一名开发者,经常处理数据或参与项目管理,那么这篇文章绝对值得收藏!当你需要一个高效、易用的管理后台(Admin Dashboard)项目时,本文会给你灵感。 在现代企业管理和业务运营中,管理后台…...
C++ 实现map容器从大到小排序
map容器默认从小到大排序 利用仿函数可以修改map容器的排序规则为从大到小 示例: #include<iostream> #include<string> #include<map> using namespace std; class MyCompare { public: bool operator()(const int v1, const int v2) co…...
vue项目利用webpack进行优化案例
使用 Webpack 优化 Vue 项目是提升性能和减少打包体积的关键步骤。以下是几个常见的优化案例及其详细实现方法: 1. 优化打包大小 1.1 按需加载 (Lazy Loading) Vue 提供了路由懒加载功能,可以将组件拆分成独立的块,按需加载,从而…...
centos双网卡不能上网
双网卡类型 ens33 仅主机 ens34 NAT 问题 window配置一切正常,虚拟机不能上网 解决 方案1:路由引起 查看路由 route结果如下: [rootdata-repository ~]# route Kernel IP routing table Destination Gateway Genmask …...
十个Scala的小知识
# 1. 与Java的互操作性 Scala与Java有很好的互操作性。可以在Scala项目中直接使用Java类库,也可以将Scala代码编译后供Java项目使用。例如,一个Java框架可以轻松地集成Scala编写的代码模块。 # 2. 强大的集合库 Scala拥有功能丰富的集合库。像List、Se…...
Redis Stream:实时数据处理的高效解决方案
Redis Stream:实时数据处理的高效解决方案 引言 在当今这个数据驱动的时代,实时数据处理对于各种应用场景都至关重要。Redis,作为一个高性能的键值存储系统,自然也紧跟这一趋势,推出了Redis Stream——一种用于处理实…...
Bert中文文本分类
这是一个经典的文本分类问题,使用google的预训练模型BERT中文版bert-base-chinese来做中文文本分类。可以先在Huggingface上下载预训练模型备用。https://huggingface.co/google-bert/bert-base-chinese/tree/main 我使用的训练环境是 pip install torch2.0.0; pi…...
【Rust自学】8.5. HashMap Pt.1:HashMap的定义、创建、合并与访问
8.5.0. 本章内容 第八章主要讲的是Rust中常见的集合。Rust中提供了很多集合类型的数据结构,这些集合可以包含很多值。但是第八章所讲的集合与数组和元组有所不同。 第八章中的集合是存储在堆内存上而非栈内存上的,这也意味着这些集合的数据大小无需在编…...
使用云计算开发App 有哪些坑需要避免
当我们在云计算环境下开发App时,往往会觉得一切都变得“轻松”了。毕竟,云计算提供了无限的计算资源、灵活的存储方案,还有自动化的服务,仿佛有了一个万能的工具箱,啥都能搞定。可是,别被这种“轻松”外表骗…...
arcgis模版空库怎么用(一)
这里以某个项目的数据为例: 可以看到,属性表中全部只有列标题,无数据内容 可能有些人会认为空库是用来往里面加入信息的,其实不是,正确的用法如下: 一、下图是我演示用的数据,我们可以看到其中…...
C#控件开发4—仪表盘
目录 思路(GDI绘图)1.定义属性2.绘制图形3.最后生成(自定义各种监控值显示)End 如何让温度、湿度、压力等有量程的监控值如仪表盘(DashBoard)一样显示? 思路(GDI绘图) 定…...
基于BiTCN双向时间卷积网络实现电力负荷多元时序预测(PyTorch版)
Bidirectional Temporal Convolutional Network \begin{aligned} &\text{\Large \color{#CDA59E}Bidirectional Temporal Convolutional Network}\\ \end{aligned} Bidirectional Temporal Convolutional Network Bidirectional Temporal Convolutional Network (BiTC…...
No.2十六届蓝桥杯备战|练习题4道|数据类型|字符型|整型|浮点型|布尔型|signed|unsigned(C++)
B2002 Hello,World! - 洛谷 #include <iostream> using namespace std; int main() { cout << "Hello,World!" << endl; return 0; }打印飞机 #include <iostream> using namespace std;int main() {cout << " …...
前端项目 npm报错解决记录
1.首先尝试解决思路 npm报错就切换yarn , yarn报错就先切换npm删除 node_modules 跟 package-lock.json文件重新下载依 2. 报错信息: Module build failed: Error: Missing binding D:\vue-element-admin\node_modules\node-sass\vendor\win32-x64-8…...
正弦函数解析(sin.rs)
sin.rs文件提供了sin函数的实现,它计算并返回一个浮点数(f64类型)的正弦值。这个函数首先处理了一些特殊情况,如极小的值、无穷大和NaN(非数字),然后使用rem_pio2函数将输入参数x归约到[-π/2, …...
python 归并排序(Merge Sort)
归并排序(Merge Sort) 归并排序是一种高效的排序算法,采用分治法(Divide and Conquer)策略。它的基本思想是:将数组递归地分成两半,分别对两半进行排序,然后将排序后的两半合并成一…...
Zeotero安装”translate for Zotero“插件
一、Zeotero6translate for Zotero 1.0.28 二、打开Zeotero官网,找到下面圈起来的 三、点击以上连接跳转,Releases windingwind/zotero-pdf-translate 下载 zotero-pdf-翻译.xpi 四、打开zeotero,工具>附加组件(或插件&am…...
python 选择排序(Selection Sort)
选择排序(Selection Sort) 选择排序是一种简单的排序算法。它的基本思想是:每次从未排序的部分中选择最小(或最大)的元素,将其放到已排序部分的末尾。重复这个过程,直到所有元素都被排序。 选…...
履约系统:应用层、领域层、集成关系设计
在这篇文章中,我们一起探讨订单履约系统的应用架构设计。 应用架构设计 我们前面讨论了系统的核心概念模型和拆单逻辑。接下来,让我们从应用架构的角度,深入了解系统的各个层次。这包括应用层、领域层,以及与其他系统的集成关系。…...
SpringBoot开发——整合 Elasticsearch 实现数据高效搜索
文章目录 一、Elasticsearch 简介二、Spring Boot 整合 Elasticsearch 的准备工作1. 安装 Elasticsearch2. 创建 Spring Boot 项目3. 添加 Maven 依赖三、配置 Elasticsearch 连接四、定义实体类和仓库接口1. 定义实体类2. 定义仓库接口五、实现业务逻辑和控制器1. 实现业务逻辑…...
风力涡轮机缺陷检测数据集,91.4%准确识别率,18912张图片,支持yolo,PASICAL VOC XML,COCO JSON格式的标注
风力涡轮机缺陷检测数据集,91.4%准确识别率,18912张图片,支持yolo,PASICAL VOC XML,COCO JSON格式的标注 数据集下载: yolo v&#…...
直观解读 JuiceFS 的数据和元数据设计(一)
大家读完觉得有意义和帮助记得关注和点赞!!! 1 JuiceFS 高层架构与组件2 搭建极简 JuiceFS 集群 2.1 搭建元数据集群2.2 搭建对象存储(MinIO) 2.2.1 启动 MinIO server2.2.2 创建 bucket2.3 下载 juicefs 客户端2.4 创…...
【数据结构】(Python)差分数组。差分数组与树状数组结合
差分数组: 基于原数组构造的辅助数组。用于区间修改、单点查询。区间修改的时间复杂度O(1)。单点查询的时间复杂度O(n)。差分数组的元素:第一个元素等于原数组第一个元素,从第二个元素开始是原数组对应下标的元素与前一个元素的差࿰…...
基于zynq在linux下的HDMI实战
ZYNQ系列文章目录 第一章:基于zynq在linux下的phy调试记录 第二章:qemu制作ubuntu文件系统 第三章:基于zynq在linux下的AXI-CAN实战 第四章:基于zynq在linux下的HDMI实战 文章目录 ZYNQ系列文章目录前言一、vivado中HDMI的配置1.…...
HT-HaiBOX边缘计算盒 智慧工厂方案,智慧医疗方案,智慧加油站方案,智慧安防方案,智慧城市方案;方案定制开发
背景介绍 在当今数字化时代,各个行业对于智能化视频监控设备的需求日益增长。无论是安防监控,还是智慧工厂、智慧城市等领域,都需要高效、智能的设备来保障安全和提高生产效率。然而,传统的视频监控设备存在诸多痛点:…...
【JMeter详解】
JMeter详解 Apache JMeter 是一个开源的、100%纯Java应用程序,设计用于负载测试和性能测量。它最初是为测试Web应用程序而设计的,但后来扩展到其他测试功能。JMeter可以用来对静态和动态资源(如静态文件、Servlets、Perl脚本、Java对象、数据…...
《PHP Switch》
《PHP Switch》 介绍 PHP 是一种广泛使用的服务器端编程语言,而 switch 语句是 PHP 中用于基于不同条件执行不同代码块的关键字。在本篇文章中,我们将详细介绍 PHP 中的 switch 语句,包括其语法、用法、以及在实际编程中的应用场景。 语法…...
如何确保涡度通量观测数据的准确性?涡度通量光敏感性分析、温度敏感性分析、数据风浪区分析等
确保涡度通量观测数据的准确性,可以采取以下几个步骤: 1.数据预处理:在进行数据分析之前,需要对原始的高频涡度通量数据进行预处理,包括剔除异常值和进行数据缺失插补。异常值剔除可以通过设定合理的阈值来识别并剔除数…...
linux自动化批量分发SSH密钥同时批量测试SSH连接教程(包含自动化脚本代码)
1、检查端口 检查分发对象22端口是否打开 nmap -p22 ip地址如果要批量检查端口可以参考我写的这篇文章:linux自动化一键批量检查主机端口 2、命令行分发密钥原理 Linux分发密钥原理主要涉及SSH(Secure Shell)协议,该协议用于…...
C++ 设计模式:命令模式(Command Pattern)
链接:C 设计模式 链接:C 设计模式 - 访问者模式 命令模式(Command Pattern)是一种行为型设计模式,它将请求封装成一个对象,从而使你可以用不同的请求对客户进行参数化,对请求排队或记录请求日志…...
Flink源码解析之:Flink On Yarn模式任务提交部署过程解析
Flink源码解析之:Flink On Yarn模式任务提交部署过程解析 一、Flink on Yarn部署模式概述 Apache Hadoop YARN 在许多数据处理框架中都很流行。 Flink 服务提交给 YARN 的 ResourceManager,后者会在 YARN NodeManagers 管理的机器上生成容器。 Flink 将…...
C++算法20例
1、求两个数的最大公约数 int gcd(int a, int b) { 2 return b 0 ? a : gcd(b, a % b); 3} 2、判断素数 bool isPrime(int n) {if (n < 1) return false; for (int i 2; i * i < n; i) {if (n % i 0) return false;}return true; } 3、冒泡排序 void bubbleSort…...
雷军:科技传奇的逐梦之旅
亲爱的小伙伴们😘,在求知的漫漫旅途中,若你对深度学习的奥秘、Java 与 Python 的奇妙世界,亦或是读研论文的撰写攻略有所探寻🧐,那不妨给我一个小小的关注吧🥰。我会精心筹备,在未来…...
python版本的Selenium的下载及chrome环境搭建和简单使用
针对Python版本的Selenium下载及Chrome环境搭建和使用,以下将详细阐述具体步骤: 一、Python版本的Selenium下载 安装Python环境: 确保系统上已经安装了Python 3.8及以上版本。可以从[Python官方网站]下载并安装最新版本的Python,…...
linux tar 文件解压压缩
文件压缩和解压 tar -c: 建立压缩档案 -x:解压 -t:查看内容 -r:向压缩归档文件末尾追加文件 -u:更新原压缩包中的文件 -z:有gzip属性的 -j:有bz2属性的 -v:显示所有过程 -O:…...
Razzashi Raptor
拉扎什迅猛龙 Razzashi Raptor 2024.12.24 无论是工作、游戏,除了坚持,还需要一点运气,2024年跨年啦。 World of Warcraft [CLASSIC]80猎人[Grandel][祖尔格拉布][血领主曼多基尔][拉扎什迅猛龙]20241231跨年回报_哔哩哔哩bilibili_魔兽 Ra…...
Fetch处理大模型流式数据请求与解析
为什么有的大模型可以一次返回多个 data? Server-Sent Events (SSE):允许服务器连续发送多个 data: 行,每个代表一个独立的数据块。 流式响应:大模型服务通常以流式响应方式返回数据,提高响应速度。 批量处理&#x…...
【网络安全实验室】脚本关实战详情
难道向上攀爬的那条路,不是比站在顶峰更让人热血澎湃吗 1.key又又找不到了 点击链接,burp抓包,发送到重放模块,点击go 得到key 2.快速口算 python3脚本 得到key 3.这个题目是空的 试了一圈最后发现是 4.怎么就是不弹出key呢…...
怎么配置每一次重启服务器后,自动启动Tocmat
前言 宝子们,今天来给大家详细讲讲服务器如何配置每次重启后自动启动 Tomcat,让你的服务器应用始终保持在线状态,高效运行! windows版本 在 Windows 系统下,有两种常用的方法可以实现这个目标。 第一种方法是利用服…...
《机器学习》——利用OpenCV库中的KNN算法进行图像识别
文章目录 KNN算法介绍下载OpenCV库实验内容实验结果完整代码手写数字传入模型训练 KNN算法介绍 一、KNN算法的基本要素 K值的选择:K值代表选择与新测试样本距离最近的前K个训练样本数,通常K是不大于20的整数。K值的选择对算法结果有重要影响,…...
D3.js
d3是用于数据可视化 可用于处理数据、创建图表、实现动画效果和交互功能应用场景: 数据可视:将复杂的数据以图表的形式展示出来,便于用户理解和分析。交互式图:支持事件处理和动画效果,提升用户体验。仪表盘和报:广泛…...
Windows onnxruntime编译openvino
理论上来说,可以直接访问 ONNXRuntime Releases 下载 dll 文件,然后从官方文档中下载缺少的头文件以直接调用,但我没有尝试过。 1. 下载 OpenVINO 包 从官网下载 OpenVINO 的安装包并放置在 C:\Program Files (x86) 路径下,例如…...
Python中的sqlite3模块:SQLite数据库接口详解
Python中的sqlite3模块:SQLite数据库接口详解 主要功能sqlite3.connect(database)connection.cursor()cursor.execute(sql)connection.commit()cursor.fetchall()connection.close() 使用示例执行结果总结 在Python中,sqlite3模块提供了一个与SQLite数据…...
Unity功能模块一对话系统(4)实现个性文本标签
本期我们将了解如何在TMPro中自定义我们的标签样式,并实现两种有趣的效果。 一.需求描述 1.定义<float>格式的标签,实现标签处延迟打印功能 2.定义<r" "></r>格式的标签,实现标签区间内文本片段的注释显示功能…...