当前位置: 首页 > news >正文

Linux 进程基础(一):冯诺依曼结构

文章目录

  • 一、冯诺依曼体系结构是什么?🧠
  • 二、冯诺依曼体系为何成为计算机组成的最终选择?
    • (一)三大核心优势奠定主流地位
    • (二)对比其他架构的不可替代性
  • 三、存储分级:速度与容量的平衡
    • 各级存储的核心特性与作用💾
  • 四、计算机设备的 "隐性存储":几乎所有设备都有数据存储能力
  • 五、从代码运行到社交软件:数据流动的两个典型案例🌰
    • 案例 1:代码文件的执行过程
    • 案例 2:社交软件的通信过程


一、冯诺依曼体系结构是什么?🧠

CPU内部结构
数据写入
数据读取
指令地址
操作数
数据/指令
运算结果
控制器
寄存器组
运算器
输入设备
内存
输出设备

冯诺依曼体系结构是现代计算机的基础架构,其核心在于定义了计算机的基本组成和工作方式。计算机主要由以下几个部分构成:

  1. 输入(Input):输入设备是计算机与外界交互的桥梁,用于将外部的信息(如数据、指令等)传递给计算机。常见的输入设备有键盘、鼠标、扫描仪、摄像头等。这些设备将各种形式的信息转换为计算机能够识别的二进制数据,以便计算机进行处理。
  2. 内存(Memory):内存是计算机中用于临时存储数据和程序的部件。它可以快速地读取和写入数据,为CPU提供运行时所需的指令和数据。内存的特点是访问速度快,但存储容量相对较小,且数据在断电后会丢失。当计算机运行程序时,程序和相关数据会被加载到内存中,以便CPU能够高效地访问。
  3. CPU(Central Processing Unit, 中央处理器):CPU是计算机的核心运算和控制部件,它负责执行计算机程序中的指令,进行数据的运算和逻辑判断,并控制计算机各个部件的协同工作。CPU内部包含运算器和控制器,运算器用于完成算术运算和逻辑运算,控制器则用于指挥和协调计算机的各个部件按照指令的要求进行工作。
  4. 输出(Output):输出设备用于将计算机处理后的结果以人们能够理解的形式(如文字、图像、声音等)输出到外部。常见的输出设备有显示器、打印机、音箱等。输出设备将计算机内部的二进制数据转换为相应的物理信号,供用户查看或使用。

CPU为何不直接与外设交互?

  • 接口协议复杂度
  • 效率与并行处理
  • 保护机制与兼容性

二、冯诺依曼体系为何成为计算机组成的最终选择?

(一)三大核心优势奠定主流地位

  1. 存储程序原理:冯诺依曼体系将数据与指令以二进制形式统一存储在内存中,CPU 通过地址访问内存获取指令和数据,实现了程序的动态加载与修改。这一设计彻底告别了早期 “专用计算机”(指令硬编码)的局限,使计算机通过运行不同程序即可处理多样化任务(如科学计算、文本处理、网络通信),奠定了通用计算机的基础。

  2. 模块化分层架构:划分为输入设备→内存→CPU→输出设备四大核心模块,各模块通过标准化接口交互(如内存总线、I/O 总线)。例如:

    • 输入设备(键盘、磁盘)仅需将数据写入内存,无需关心 CPU 如何处理;
    • CPU 仅需操作内存中的数据,无需适配不同外设的复杂协议。
  3. 数据流动的高效性:所有运算与控制均围绕内存展开:CPU 从内存取指令(Fetch)→解码执行(Execute)→结果写回内存(Store),形成 “内存为中心” 的数据流闭环。相比早期以 CPU 为中心的架构(外设直接与 CPU 交互),这种设计减少了 CPU 与外设的耦合,使外设可以异步工作(如磁盘读写时 CPU 仍可处理内存数据),大幅提升系统整体效率。

(二)对比其他架构的不可替代性

尽管现代出现了哈佛体系(指令与数据分存)、存算一体架构等,但冯诺依曼体系凭借通用性、易实现性、生态成熟度,在通用计算机领域(PC、服务器)仍占据绝对主导地位。

  • 哈佛体系多用于嵌入式设备(如单片机),因无需频繁切换程序,专用性更强;
  • 存算一体架构尚处实验室阶段,难以兼容现有软件生态.

三、存储分级:速度与容量的平衡

计算机存储按访问速度从快到慢、容量从小到大分为多级,形成典型的 “速度 - 容量倒挂” 结构。

外部存储
磁盘
主存储
高速存储
磁带, 光盘
速度:秒级以上
容量:百TB级以上
固态硬盘SSD
速度:微秒级
容量:TB级
机械硬盘HDD
速度:毫秒级
容量:数十TB级
内存RAM
速度:百纳秒级
容量:GB级
高速缓存
速度:十纳秒级
容量:MB级
寄存器
速度:纳秒级
容量:KB级

高速缓存是为弥补 CPU 与内存速度差异而设计的高速存储层,现代计算机的高速缓存(尤其是 L1、L2 缓存)大多属于 CPU 结构的一部分,是提升 CPU 数据访问效率的关键组件。

各级存储的核心特性与作用💾

  • 寄存器(CPU 内部)

    • 特性:集成在 CPU 芯片内,访问速度最快(约 1-5 纳秒),容量极小(每个 CPU 核心仅几十到几百个寄存器)。

    • 作用:临时存放 CPU 正在处理的指令和数据(如运算结果、地址指针),是 CPU 执行指令的 “直接操作台”。例:x86 架构中的eax、ebx等通用寄存器,用于暂存加减乘除运算的中间结果。

  • 内存(RAM,如 DDR4)

    • 特性:基于 DRAM(动态随机存取存储器),需持续供电维持数据,访问速度约 50-100 纳秒,容量通常为 8GB-128GB。

    • 作用:作为 CPU 与外部存储的 “桥梁”,临时存储正在运行的程序和数据(如操作系统、打开的文档、游戏进程)。关键机制:CPU 仅能直接访问内存,所有外设数据必须先加载到内存才能被处理(见下文 “CPU 为何不直接与外设交互”)。

  • 固态硬盘(Solid State Drive, SSD)

    • 特性:基于 NAND 闪存颗粒,无机械结构,访问速度约 10-100 微秒,容量从 256GB 到数十 TB,寿命受擦写次数限制(约 300-3000 次全盘擦写)。

    • 优势:相比机械硬盘(HDD),随机读写速度提升 100 倍以上,抗震性强,广泛用于操作系统启动盘、高频访问数据存储。

  • 机械硬盘(Hard Disk Drive, HDD)

    • 机械结构:由旋转盘片(表面涂覆磁性材料)、磁头臂(带动磁头读写)、主轴电机组成。访问速度依赖寻道时间(约 5-15 毫秒),容量可达 10TB 以上,成本低但易受物理震动影响。

    • 典型场景:用于冷数据存储(如备份文件、视频库),或作为 NAS(网络附加存储)的主力存储介质。

四、计算机设备的 “隐性存储”:几乎所有设备都有数据存储能力

外设存储的三大核心作用

  1. 缓冲数据传输:外设与 CPU/内存 的速度差异巨大,需通过设备缓存暂存数据。
  2. 存储设备状态与配置:外设需存储自身工作参数。
  3. 实现异步通信:外设通过本地存储实现与主机的异步交互。

典型设备的存储实例

  • 网卡:集成 RX/TX 队列缓存,暂存待发送 / 接收的网络数据包;

  • 显卡:显存(GB 级)存储待渲染的 3D 模型、纹理数据,GPU 直接访问显存进行并行计算;

  • U 盘:内置闪存颗粒(与 SSD 原理相同),存储用户数据并通过 USB 接口与内存交互。

五、从代码运行到社交软件:数据流动的两个典型案例🌰

冯诺依曼体系结构的本质:数据的流动

案例 1:代码文件的执行过程

返回
磁盘
低速存储, 长期保存代码
内存
高速缓存, 临时加载程序
CPU
运算核心, 处理指令
显示器
输出设备, 显示运行结果

案例 2:社交软件的通信过程

发送端

数据输入与发送流程
返回
内存
存储编码后的数据
键盘
输入设备, 输入文字
CPU
处理文字编码
网卡
输出设备, 将数据封装为网络数据包, 通过网线无线发送

接收端

数据接受与显示流程
返回
内存
暂存解包后的数据
网卡
输入设备, 接收网络数据包
CPU
解析数据, 如解密校验
显示器
输出设备, 显示消息内容

END

相关文章:

Linux 进程基础(一):冯诺依曼结构

文章目录 一、冯诺依曼体系结构是什么?🧠二、冯诺依曼体系为何成为计算机组成的最终选择?(一)三大核心优势奠定主流地位(二)对比其他架构的不可替代性 三、存储分级:速度与容量的平衡…...

向量存储(VectorStore)详解

一、向量存储的核心概念 向量存储(VectorStore)是一种用于存储和检索高维向量数据的数据库或存储解决方案,特别适用于处理经过嵌入模型转化后的数据。与传统关系数据库不同,VectorStore 执行的是相似性搜索,而非精确匹…...

HCIP(网络类型)

网络类型概述 网络类型主要基于数据链路层使用的协议不同,导致数据包封装方式不同,工作方式也有所区别。根据这些特点,网络可以被分类为以下几种类型: MA网络(多点接入网络):允许同时接入多台…...

MTCNN 人脸识别

前言 此处介绍强大的 MTCNN 模块,给出demo,展示MTCNN 的 OOP, 以及ROS利用 C 节点,命令行调用脚本执行实际工作的思路。 MTCNN Script import argparse import cv2 from mtcnn import MTCNN import osclass MTCNNProcessor:def…...

一文解析DeepSeek R1模型

1. DeepSeek R1-Zero 在训练DeepSeek R1之前,深度求索团队尝试做了一个DeepSeek R1-Zero的模型,只进行强化学习而不需要监督微调,以此来强化模型自我推理的能力。 通过下图回顾下ChatGPT的做法:首先SFT,然后训练奖励…...

SpringMVC基础三(json)

乱码处理 编写一个表单&#xff1a; 编写EncodingController控制类 测试&#xff1a; 此乱码是在从前端传送到test方法时就已经乱了。 采用过滤器解决乱码 在web.xml中配置SpringMVC的乱码过滤器 <filter><filter-name>encoding</filter-name><filter…...

spring boot大文件与多文件下载

一、简单大文件下载&#xff1a; /*** 下载大文件* param path 路径* param fileName 文件名* return* throws IOException*/ public static ResponseEntity<InputStreamResource> downloadFile(String path, String fileName) throws IOException {Path filePath Path…...

事务隔离级别和MVCC

事务隔离级别 mysql是一个客户端/服务器架构的软件&#xff0c;对于同一个服务器来说&#xff0c;可以有多个客户端与之连接。每个客户端与服务器连接后就形成了一个会话。每个客户端都可以在自己的会话中向服务器发出请求语句&#xff0c;一个请求语句可能是某个事务的一部分…...

Ubuntu 系统深度清理:彻底卸载 Redis 服务及残留配置

Ubuntu 系统深度清理&#xff1a;彻底卸载 Redis 服务及残留配置 在Ubuntu系统中&#xff0c;Redis是一种广泛使用的内存数据存储系统&#xff0c;用于缓存和消息传递等场景。然而&#xff0c;有时候我们需要彻底卸载Redis&#xff0c;以清理系统资源或为其他应用腾出空间。本…...

关于群晖安装tailscale后无法直链的问题

问题是我局域网的ipv6无法正确获取到ip, 通过命令可以看到ipv6没有ip tailscale netcheck C:\Users\Administrator>tailscale netcheck 2025/04/12 23:43:34 attempting to fetch a DERPMap from https://controlplane.tailscale.comReport:* Time: 2025-04-12T15:43:38.27…...

第十二章:FreeRTOS多任务创建与删除

FreeRTOS多任务创建与删除教程 概述 本教程介绍FreeRTOS多任务的创建与删除方法&#xff0c;主要涉及两个核心函数&#xff1a; 任务创建&#xff1a;xTaskCreate()任务删除&#xff1a;vTaskDelete() 实践步骤 1. 准备工程文件 复制005工程并重命名为006 2. 创建多个任务…...

JavaScript数组方法:`some()`的全面解析与应用

文章目录 JavaScript数组方法&#xff1a;some()的全面解析与应用一、some()方法的基本概念语法参数说明返回值 二、some()方法的核心特点三、基础用法示例示例1&#xff1a;检查数组中是否有大于10的元素示例2&#xff1a;检查字符串数组中是否包含特定子串 四、实际应用场景1…...

IntelliJ IDEA历史版本下载安装链接

IntelliJ IDEA | Other Versions 拿走&#xff0c;不谢O(∩_∩)O...

Rag实现流程

Rag实现流程 目录 Rag实现流程1. 加载问答链代码解释`chain_type="stuff"` 的含义其他 `chain_type` 参数选项及特点1. `map_reduce`2. `refine`3. `map_rerank`示例代码展示不同 `chain_type` 的使用其他参数类型2. 提出问题3. 检索相关文档代码解释其他参数类型4. …...

设计模式 --- 命令模式

命令模式是一种行为设计模式&#xff0c;它将请求封装成一个对象&#xff0c;从而允许你使用不同的请求、队列或日志来参数化其他对象&#xff0c;同时支持请求的撤销与恢复。 优点&#xff1a; 1.解耦调用者与接收者​​&#xff1a;输入处理无需直接调用角色方法 2.支持撤销…...

C# TCP与ip通信

一、获取本机的ip地址 // 获取本地主机名 string hostName Dns.GetHostName(); string ip "127.0.0.1"; //Console.WriteLine("本地主机名: " hostName);// 获取本地IP地址 IPAddress[] addresses Dns.GetHostAddresses(hostName); Console.WriteLine…...

如何使用 Grafana 连接 Easyearch

Grafana 介绍 Grafana 是一款开源的跨平台数据可视化与监控分析工具&#xff0c;专为时序数据&#xff08;如服务器性能指标、应用程序日志、业务数据等&#xff09;设计。它通过直观的仪表盘&#xff08;Dashboards&#xff09;帮助用户实时监控系统状态、分析趋势&#xff0…...

ubuntu20.04 openvino的yolov8推理(nncf量化)

1.环境配置&#xff1a; pip install openvino-dev(2023.0.1) pip install nncf(2.5.0) pip install ultralytics 2.模型转换及nncf量化&#xff1a; 1.pytorch->onnx: # Pytorch模型转换为Onnx模型 python from ultralytics import YOLO model YOLO(yolov8s.pt) # yo…...

《Python星球日记》第26天:Matplotlib 可视化

名人说&#xff1a;路漫漫其修远兮&#xff0c;吾将上下而求索。—— 屈原《离骚》 创作者&#xff1a;Code_流苏(CSDN)&#xff08;一个喜欢古诗词和编程的Coder&#x1f60a;&#xff09; 订阅专栏&#xff1a;《Python星球日记》 目录 一、Matplotlib 简介1. 什么是 Matplo…...

2025蓝桥杯python A组题解

真捐款去了&#xff0c;好长时间没练了&#xff0c;感觉脑子和手都不转悠了。 B F BF BF 赛时都写假了&#xff0c; G G G 也只写了爆搜。 题解其实队友都写好了&#xff0c;我就粘一下自己的代码&#xff0c;稍微提点个人的理解水一篇题解 队友题解 B 思路&#xff1a; 我…...

OpenHarmony - 小型系统内核(LiteOS-A)(一)

OpenHarmony - 小型系统内核&#xff08;LiteOS-A&#xff09;&#xff08;一&#xff09; 一、小型系统内核概述 简介 OpenHarmony 轻量级内核是基于IoT领域轻量级物联网操作系统Huawei LiteOS内核演进发展的新一代内核&#xff0c;包含LiteOS-M和LiteOS-A两类内核。LiteOS-…...

Neo4j GDS-13-neo4j GDS 库中节点插入算法实现

neo4j GDS 系列 Neo4j APOC-01-图数据库 apoc 插件介绍 Neo4j GDS-01-graph-data-science 图数据科学插件库概览 Neo4j GDS-02-graph-data-science 插件库安装实战笔记 Neo4j GDS-03-graph-data-science 简单聊一聊图数据科学插件库 Neo4j GDS-04-图的中心性分析介绍 Neo…...

js中this的指向问题

前言&#xff1a; 在js中&#xff0c;this出现的位置多种多样&#xff0c;你会不会迷糊呢&#xff1f;this到底指代的是哪个对象&#xff1f;这篇文章带你搞懂不同场景下this的指向问题。 this出现场景&#xff1a; 从作用域的角度来讲&#xff0c;this出现的位置无非就是两…...

【3dSwap】3D-Aware Face Swapping

文章目录 3D-Aware Face Swapping背景points贡献方法从2D图像推断3D先验通过潜在代码操纵进行人脸交换联合枢轴调整目标函数实验与二维人脸交换方法比较进一步分析3D感知人脸交换消融实验局限性3D-Aware Face Swapping 会议/期刊:CVPR 2023 作者: code:https://lyx0208.gi…...

基于STM32的智能门禁系统

2.1系统方案设计 本课题为基于STM32的智能门禁系统的设计&#xff0c;其系统架构如图2.1所示&#xff0c;整个系统由STM32F103单片机和MaixBit开发板两部分构成&#xff0c;其中MaixBit是基于K210芯片的开发板&#xff0c;在此主要负责人脸的录入&#xff0c;识别&#xff0c;…...

用链表、信号,实现简易MP3项目

链表实现MP3 #include <sys/types.h> #include <sys/stat.h> #include <fcntl.h> #include <unistd.h> #include <time.h> #include <dirent.h> #include <sys/stat.h> #include <sys/types.h> #include <glob.h> #inc…...

YOLO检测目标后实现距离测量

当我们使用YOLO检测器得到检测结果后&#xff0c;我们如何计算检测的物体距离相机的位置呢&#xff1f; 目前&#xff0c;有三种较为主流的距离计算方法&#xff0c;分别是单目测距、双目测距以及基于深度估计的测距方法。 单目测距 工作原理&#xff1a;单目测距使用一个摄像…...

js 效果展示 拿去练手

自学完整功能&#xff0c;拿去练手。 鼠标移动放大 通过网盘分享的文件&#xff1a;图片放大 链接: https://pan.baidu.com/s/1w8SjtKi4kUNDnZtRDfYMeQ?pwd95p6 提取码: 95p6 通过网盘分享的文件&#xff1a;图片动画效果 链接: https://pan.baidu.com/s/1Pjphx-Cc4HQQNNujr…...

【算法】 欧拉函数与欧拉降幂 python

欧拉函数 欧拉函数 ϕ ( n ) \phi(n) ϕ(n) 表示小于等于 n 的正整数中与 n 互质的数的个数。即&#xff1a; ϕ ( n ) ∣ { k ∈ Z ∣ 1 ≤ k ≤ n , gcd ⁡ ( k , n ) 1 } ∣ \phi(n) \left| \{ k \in \mathbb{Z}^ \mid 1 \leq k \leq n, \gcd(k, n) 1 \} \right| ϕ(n)…...

Qt触摸屏隐藏鼠标指针

Qt触摸屏隐藏鼠标指针 Chapter1 Qt触摸屏隐藏鼠标指针 Chapter1 Qt触摸屏隐藏鼠标指针 使用Qt开发的屏幕软件HMI不需要显示鼠标&#xff0c;qt设置&#xff0c;可以在只启动HMI的时候隐藏光标&#xff0c;退出时再显示。 1.如果只希望在某个 widget 中不显示鼠标指针&#xf…...

QT聊天项目DAY01

1.新建初始项目 2.修改UI格式 运行效果 3.创建登录界面 设计登录界面UI 设计布局 调整布局间距 往水平布局中拖入标签和文本输入框 更换控件名称并固定高度 添加窗口部件 往现有的资源文件中导入图片 添加水平布局 4.设置登陆界面为主窗口的核心组件 #pragma once#include &l…...

Stable Diffusion +双Contronet:从 ControlNet 边缘图到双条件融合:实现服装图像生成的技术演进——项目学习记录

前言 学习记录contronet优化&#xff1a;最近&#xff0c;我基于 diffusers 库的 ControlNet&#xff0c;探索了如何通过 Canny 边缘图控制服装图像生成&#xff0c;并逐步升级到融合颜色图的双条件模型。有不断的问题、解决和进步&#xff0c;从最初的边缘图生成到最终实现 2…...

【Hadoop入门】Hadoop生态之Spark简介

1 什么是Spark&#xff1f; Apache Spark 是一个开源的分布式计算框架&#xff0c;专为处理大规模数据而设计。它提供了高效、通用的集群计算能力&#xff0c;支持内存计算&#xff0c;能够显著提高数据处理和分析的速度。Spark 已经成为大数据处理领域的重要工具&#xff0c;广…...

深度学习学习笔记

目录 摘要 Abstracts 简介 Hourglass Module&#xff08;Hourglass 模块&#xff09; 网络结构 Intermediate Supervision&#xff08;中间监督&#xff09; 训练过程细节 评测结果 摘要 本周阅读了《Stacked Hourglass Networks for Human Pose Estimation》&#xf…...

小米运维面试题及参考答案(80道面试题)

请讲解一下 linux top 后进程的状态 在 Linux 系统中,使用top命令可以查看系统中正在运行的进程的相关信息,进程通常有以下几种状态: 运行(R):表示进程正在 CPU 上运行或者正在运行队列中等待运行。处于运行状态的进程正在积极地使用 CPU 资源来执行其任务。睡眠(S):进…...

动态多目标优化:基于可学习预测的动态多目标进化算法(DIP-DMOEA)求解CEC2018(DF1-DF14),提供MATLAB代码

一、DIP-DMOEA介绍 基于可学习预测的动态多目标进化算法&#xff08;Learning-Based Directional Improvement Prediction for Dynamic Multiobjective Optimization&#xff0c;DIP-DMOEA&#xff09;是2024年提出的一种动态多目标进化算法&#xff0c;核心在于利用神经网络学…...

第十六届蓝桥杯大赛软件赛省赛 C/C++ 大学B组

由于官方没有公布题目的数据, 所以代码仅供参考 1. 移动距离 题目链接&#xff1a;P12130 [蓝桥杯 2025 省 B] 移动距离 - 洛谷 【问题描述】 小明初始在二维平面的原点&#xff0c;他想前往坐标 (233, 666)。在移动过程中&#xff0c;他 只能采用以下两种移动方式&#xf…...

《Nature Methods》新算法|MARBLE利用几何深度学习解释神经群体动力学

一、写在前面 本次分享的是2025年2月发布于《Nature Methods》的题为"MARBLE:interpretable representations of neural population dynamics using geometric deep learning"的文章。在神经科学和机器学习领域交汇的今天&#xff0c;我们不断探索如何从复杂的神经活…...

【力扣hot100题】(093)最长公共子序列

还算是挺简单的一题。 维护二维数组代表截至至两个字符串的某个位置&#xff0c;前面的最长公共子序列长度。 状态转移方程就是当两字符相等是&#xff0c;取俩位置前一个的值加一&#xff0c;否则就直接等于俩位置前一个值。 class Solution { public:int longestCommonSub…...

(打卡)794. 高精度除法

C&#xff1a; Python&#xff1a; aint(input()) bint(input()) print(a//b) print(a%b)...

网络5 TCP/IP 虚拟机桥接模式、NAT、仅主机模式

TCP/IP模型 用于局域网和广域网&#xff1b;多个协议&#xff1b;每一层呼叫下一层&#xff1b;四层&#xff1b;通用标准 TCP/IP模型 OSI七层模型 应用层 应用层 表示层 会话层 传输层 传输层 网络层 网络层 链路层 数据链路层 物理层 链路层&#xff1a;传数据帧&#xff0…...

GPU虚拟化技术在深度学习集群中的应用实践

一、深度学习集群的算力困境 某些985高校AI实验室曾面临典型算力管理难题&#xff1a;其配备的4台8卡A100服务器&#xff08;总价值超300万元&#xff09;实际利用率仅38%。学生提交的PyTorch任务常因GPU抢占导致训练中断&#xff0c;而部分研究组独占显卡却仅运行Jupyter Not…...

从零实现基于扩散模型的文本到视频生成系统:技术详解与Pytorch代码实现

本文详细介绍了基于扩散模型构建的文本到视频生成系统&#xff0c;展示了在MSRV-TT和Shutterstock视频标注数据集上训练的模型输出结果。以下是模型在不同提示词下的生成示例。 首先展示一些模型生成效果展示 提示词&#xff1a;“A person holding a camera”&#xff08;训练…...

每天学一个 Linux 命令(14):cat

Linux 文件查看与合并命令:cat cat(全称 concatenate)是 Linux 中用于查看文件内容、合并文件或创建简单文件的基础命令。它操作简单但功能灵活,是日常文件处理的常用工具。 1. 命令作用 查看文件内容:直接输出文件内容到终端。合并文件:将多个文件内容合并输出或保存到…...

05--MQTT物联网协议

一、MQTT的概念 MQTT 协议快速入门 2025&#xff1a;基础知识和实用教程 | EMQ 1.MQTT&#xff08;Message Queuing Telemetry Transport&#xff09;是一种轻量级、基于发布-订阅模式的消息传输协议&#xff0c;适用于资源受限的设备和低带宽、高延迟或不稳定的网络环境。它…...

免费下载 | 2025天津大学:智能制造与数字孪生技术:面向可持续制造方向发展

一、新一代智能制造模式下的思考 当代智能制造的发展阶段 智能制造定义&#xff1a;智能制造是基于新一代信息通信技术与先进制造技术深度融合&#xff0c;贯穿于设计、生产、管理、服务等制造活动的各个环节&#xff0c;具有自感知、自学习、自决策、自执行、自适应等功能的新…...

考研单词笔记 2025.04.12

aware a知道的&#xff0c;意识到的&#xff0c;警觉的 awareness n意识&#xff0c;了解&#xff0c;觉察 conscious a有意识的&#xff0c;意识到的&#xff0c;有意的&#xff0c;刻意的&#xff0c;神志清醒的&#xff0c;慎重的&#xff0c;关注的 unconscious a无意识…...

八股总结(Java)持续更新!

八股总结&#xff08;java&#xff09; ArrayList和LinkedList有什么区别 ArrayList底层是动态数组&#xff0c;LinkedList底层是双向链表&#xff1b;前者利于随机访问&#xff0c;后者利于头尾插入&#xff1b;前者内存连续分配&#xff0c;后者通过指针连接多块不连续的内存…...

SpringBoot3快速入门笔记

springboot3简介 SpringBoot 帮我们简单、快速地创建一个独立的、生产级别的 Spring 应用&#xff08;说明&#xff1a;SpringBoot底层是Spring&#xff09; 大多数 SpringBoot 应用只需要编写少量配置即可快速整合 Spring 平台以及第三方技术 特性&#xff1a; ● 快速创建…...

vue3中,element-plus中el-input的v-model和value的用法示例

el-input的v-model&#xff0c;邦定响应式变量 <el-col :span"6"><el-form-item label"检验类别" prop"verifyType"><el-input v-model"applyAllInfo.applyBasicInfo.verifyTypeName" readonly /></el-form-item…...