粘包问题TCP协议在传输过程中会出现数据粘包问题讲一下TCP和UDP的区别,都是传数据的协议,没有好坏之说,只是不同的应用需求可能会更好选择哪一个协议TCP:适合传输数量大,需要建立连接,会出现粘包问题,粘包问题可以解决,确定传入的长度,接收同样长度就可以保证一次性传输完UDP:适合传输数据量小,没有粘包,不需要连接,一次性传输,下一次就是新的数据,弊端就是数据丢失,不安全QQ是用什么协议呢?按理应该可以用UDP协议,但是实际用的是TCP协议,这是历史遗留
系统 2019-09-27 17:53:03 2061
MongoDB:非关系型数据库文件管理阶段：优点：可以长期保存存储大量数据使用简单缺点：数据一致性差数据大的时候，查找修改不便随着时间增长，冗余度大数据库管理阶段：优点：降低冗余度提高增删改查效率易扩展方便调用和自动化处理缺点：上手相对复杂数据：能够输入到计算机中，并被识别处理的信息集合数据结构：计算机存储、组织数据的方式；数据库：按照一定数据结构存储管理数据的仓库。在数据库管理系统管理和控制下，在一定介质上的数据集合数据库管理系统：管理数据库的软件，用于
系统 2019-09-27 17:52:59 2061
queue介绍queue是python中的标准库，俗称队列。在python中，多个线程之间的数据是共享的，多个线程进行数据交换的时候，不能够保证数据的安全性和一致性，所以当多个线程需要进行数据交换的时候，队列就出现了，队列可以完美解决线程间的数据交换，保证线程间数据的安全性和一致性。注意：在python2.x中，模块名为Queuequeue模块有三种队列及构造函数Pythonqueue模块的FIFO队列先进先出。queue.Queue(maxsize)LI
系统 2019-09-27 17:52:43 2061
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。“入门”是良好的动机，但是可能作用缓慢。如果你手里或者脑子里有一个项目，那么实践起来你会被目标驱动，而不会像学习模块一样慢慢学习。另外如果说知识体系里的每一个知识点是图里的点，依赖关系是边的话，那么这个图一定不是一个有向无环图。因为学习A的经验可以帮助你学习B。因此，你不需要学习怎么样“入门”，因为这样的“入门”点根本不存在！你需要学习的是怎么样做一个比较大的东西，在这个过程中，你会很快地
系统 2019-09-27 17:51:52 2061
工作中用到了C/S模型，所做的也无非是给服务器发数据，但开发阶段会遇到程序自身的回环测试，需要用到简单的服务端以便验证数据发送的正确性。写软件用C++，跑测试用python，这段时间也刚好看go语言，所以都要有demo。以下三组程序实现的功能相同，这里一起做下总结。一、C++实现Boost.Asio是一个跨平台的C++库，它用现代C++方法为网络和底层I/O程序提供了一致的异步I/O模型。为了跨平台，我用boost库实现，具体如下。服务端代码：复制代码代码
系统 2019-09-27 17:51:43 2061
目录条件判断if循环for...in...whilebreakcontinue继"Python学习之路二"：条件判断if比如，输入用户年龄，根据年龄打印不同的内容，在Python程序中，用if语句实现：>>>age=18>>>ifage>=18:print("yourageis",age)print("adult")yourageis18adult>>>根据Python的缩进规则，如果if语句判断是True，就把缩进的两行print语句执行了，否则，什么也
系统 2019-09-27 17:51:22 2061
Python自带的pdb库，发现用pdb来调试程序还是很方便的，当然了，什么远程调试，多线程之类，pdb是搞不定的。用pdb调试有多种方式可选：1.命令行启动目标程序，加上-m参数，这样调用myscript.py的话断点就是程序的执行第一行之前复制代码代码如下:python-mpdbmyscript.py2.在Python交互环境中启用调试复制代码代码如下:>>>importpdb>>>importmymodule>>>pdb.run(‘mymodule.
系统 2019-09-27 17:51:04 2061
Python的虚拟环境极大地方便了人们的生活。本指南先介绍虚拟环境的基础知识以及使用方法，然后再深入介绍虚拟环境背后的工作原理。注意：本指南在macOSMojave系统上使用最新版本的Python3.7.x。1.为什么使用虚拟环境?虚拟环境为一系列潜在问题提供简单的解决方案，尤其是在以下几个方面：允许不同的项目使用不同版本的程序包，从而解决依赖性问题。例如，可以将ProjectAv2.7用于ProjectX，并将PackageAv1.3用于ProjectY
系统 2019-09-27 17:51:02 2061
数据集介绍使用数据集Wine，来自UCI。包括178条样本，13个特征。importpandasaspdimportnumpyasnpdf_wine=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data',header=None)df_wine.columns=['Classlabel','Alcohol','Malicacid','Ash
系统 2019-09-27 17:50:52 2061
本文通过将同一个数据集在三种不同的简便项窗口部件中显示。三个窗口的数据得到实时的同步,数据和视图分离。当添加或删除数据行，三个不同的视图均保持同步。数据将保存在本地文件中，而非数据库。对于小型和临时性数据集来说，这些简便窗口部件非常有用，可以用在非单独数据集中-数据自身的显示,编辑和存储。所使用的数据集：/home/yrd/eric_workspace/chap14/ships_conv/ships.py#!/usr/bin/envpython3impor
系统 2019-09-27 17:49:43 2061
