BR 技术头条 技术链接、资讯与社区分享流

相关分享

cn www.cnblogs.com / 2025-01-19 23:59

WebSocket协议详解与c++&c#实现 - 知然

这篇文章详细介绍了 WebSocket 协议的工作原理，包括握手过程、数据帧格式以及如何在 C++ 和 C# 中实现 WebSocket 通信。作者提供了一个轻量级的 WebSocket 解析库，特点是仅包含一个头文件、逻辑清晰且不依赖特定的网络接口，方便集成。此外，文章还提供了一个在线的 WebSocket 模拟客户端，便于测试和理解 WebSocket 的通信过程。

适合人群：对网络编程感兴趣的开发者，尤其是使用 C++ 或 C# 进行服务器开发，并希望深入理解 WebSocket 协议及其实现的工程师。

查看详情
无图
ad www.addesp.com / 2024-01-13 23:25

BitTorrent 扩展协议（Extension Protocol）详解

BitTorrent 扩展协议（Extension Protocol）为 BitTorrent 协议簇提供了一个简单而轻量的扩展方式，可以在保证兼容性的同时为协议加入新的功能。比如基于 DHT 协议 的磁力链接就是使用扩展协议加入的新功能。

本文将介绍 BT 扩展协议的报文格式和时序。

查看详情
无图
ad www.addesp.com / 2023-12-26 22:36

分布式散列表协议 —— Kademlia 详解

散列表是一种由键值对组成的列表。你可以把它看作一部字典，只需要经过少数的几步就能通过某种信息找到需要的信息，查询速度很快。

分布式散列表就是由一个网络内所有的节点共同维护的一种散列表，这类散列表通常十分巨大，或者压根不可能由单个机器或者某机组机器维护。

Kademlia 协议由 Petar Maymounkov 和 David Mazières 设计。它可以在容易出错的环境（比如节点会毫无征兆地下线）中建立一张分布式散列表。

查看详情
无图
ad www.addesp.com / 2023-12-26 22:34

BitTorrent Tracker 协议详解

BitTorrent 网络内的主机依靠互相交换自身持有的资源来完成资源共享，而 Tracker 协议会告诉你哪些主机有你需要的资源。

本文将详细介绍 Tracker 协议。

查看详情
无图
is www.iszy.cc / 2023-11-29 23:36

textContent、innerText与innerHTML的区别

textContent、innerText 与 innerHTML 三个接口，在我们想要获取或改变一个 DOM 的内容时，经常会用到，有时候会搞混其中的用法，在此做个记录。

查看详情
无图
li linux.cn / 2023-10-24 23:57

技术 | Btrfs 详解：快照

想象一下，你长时间处理一个文件，反复添加和撤销修改。然后，在某个时刻你意识到：两小时前你撤销的部分修改，现在会非常有用。而昨天在你销毁那个设计之前，你也已经修改了这个特殊的部分。当然，由于你会定期保存文件，所以旧的改动会丢失。很多人可能都遇到过这样的情况。如果能恢复旧版本的文件，而无需定期手动复制，岂不美哉？

这是一个 Btrfs 快照可以帮助你的特别场景。当你使用正确的话，快照同时也为你的电脑提供了很好的备份方案。

查看详情
无图
bl blog.wixy.cn / 2023-07-30 17:38

Filebeat中log和filestream的区别

在Elastic Stack中，Filebeat是一个轻量级的日志收集器，用于将日志数据从服务器发送到Elasticsearch或Logstash进行索引和分析。在Filebeat中，有两个不同的输入模块：log和filestream，它们用于处理不同类型的日志数据。

查看详情
无图
so soulteary.com / 2022-12-18 20:46

Nginx 黑魔法：使用 NGX-PHP 模块低成本实现高性能应用

本篇文章分享一个和 Nginx 以及 PHP 有关的“黑魔法”：NGX-PHP 模块。通过这个方式，我们可以低成本的实现高性能应用，以及适合在服务器资源有限的情况下，同时体验到 Nginx 的高效以及 PHP 的灵活。如果你对 PHP 的印象还停留在“慢”，那么或许这篇文章可以帮助你打开新世界。

查看详情
无图
52 www.52nlp.cn / 2022-12-18 20:06

一文详解BERT模型实现NER命名实体抽取-王文广

在自然语言处理和知识图谱中，实体抽取、NER是一个基本任务，也是产业化应用NLP 和知识图谱的关键技术之一。BERT是一个大规模预训练模型，它通过精心设计的掩码语言模型（Masked Language Model，MLM）来模拟人类对语言的认知，并对数十亿个词所组成的语料进行预训练而形成强大的基础语义，形成了效果卓绝的模型。通过 BERT来进行实体抽取、NER的方法是当前在NLP和知识图谱的产业化应用中最常用的方法，是效果与成本权衡下的最佳选择。本文详细讲解使用BERT来进行实体抽取，看完本文就会用当前工业界最佳的模型了。

查看详情
无图