enternalstar的博客

这个公式可以累积展开，EWMA_n和之前的EWMA_0到WEMA_n-1皆有关系，第n到第0个数据的权重依次是alpha,alpha*(1-alpha),alpha *(1-alpha)^2,......,alpha * (1-alpha)^n。由于网络的复杂性，通过每个数据包计算出来的时延都不相等，为了得到一个确定的时延值，通常的做法是取过去数次的时延平均值作为当前的时延值。例如，在rtt计算中，数据的特征是越近的数据越有效，其权重应该更大，但与较远的数据不能差距过大，函数可以是指数、抛物线等。

统计压缩编码基于单个字符，字典编码基于单词；上下文变换基于具有联系的上下文，例如：RLE编码针对重复字符：AAAABCCC可以记为[A,4]B[C,3]

变长编码，统计压缩编码都是基于单个字符的编码，字典编码基于数个连续字符（也叫基于单词），例如ABCABD中AB可以替换成一个新的字符，其可能会减少字符数量，得到的新数据的熵比原来的小，可以对新的数据再用统计编码字典编码的困难之处在于如何选择最佳的单词，其会使得新数据集的熵变得更小。出于性能上的考虑，不可能去遍历整个数据集来寻找最佳的单词，通常会去寻找最长匹配的数据，通过偏移+长度的方式记录匹配数据。因此，字典编码适合有较多重复子串的情况。

VLC编码需要数据集中符号概率分布与对应的VLC算法匹配，这限制了其应用范围。而统计编码可以根据数据集符号的概率分布构建出相适应的码字表，尽管在特定数据集上比VLC编码的压缩效果差。哈夫曼编码在分配码字时巧妙利用了二叉树路径唯一的特点，给每个字符分配带有前缀性质的码字。解码就是编码的逆过程：0.83先在[0.4,0.9)，第一个字符为G，又在[0.6,0.85)，第二个字符为G，最后在[0.825,0.85)，第三个字符为B，合起来为GGB。

变长编码(VLC,variable-length codes)会给出现频率高的字符更短的码字，这样编码后数据集的整体长度就降低。，编码时将码字表写入，再一次写入每个字符的编码。难点在于如何从一个01的stream中区分码字，定长编码每次读取固定长度就行，变长编码不清楚每次需要读取的长度。其核心在于需要通过一套规则，给不同字符合适的码字，以确保频率高的字符有更短的码字，并使得不同码字可以互相区分。如果ASCII表上的大部分字符都出现过了，那么定长编码的压缩方式就很差，需要采用变长编码。

数据压缩存在于计算机、网络的各个地方，是很底层的技术支持，例如歌曲、图像、视频、网页、文本等的保存和传输都是用过数据压缩算法的。总的来说，我们常使用数据压缩来增多硬盘存储的内容、减少网络传输的流量。数据压缩研究的是，在可接受的信息恢复程度下，可以将信息变得有多紧凑。通常有两个思路：减少数据中不同符号的数据量；用更少的位数对更常见的符号进行编码。数据压缩的算法多种多样，没有万能的算法，通用算法能保证数据集经过压缩后会变小，但与数据特征相匹配的算法能将数据集压缩得更小。

这里说的是阻塞式读写文件，只说主要的流程，不包括每个流程中为了处理不同情况的更细节处理。

我们知道计算机上只会存储二进制的数据，无论文本、图片、音频、视频等，当我们将其保存在计算机上时，都会被转成二进制的。我们打开查看的时候，二进制数据又被转成我们看得懂的信息。如何将计算机上的二进制数据转为我们看得懂的文本、图片等，就涉及到编码规则，即二进制数据与我们看的懂的信息之间的映射关系。我们这里讨论的是文本编码规则，有ANSI、ASCII、UTF-8、Unicode等。

数据加密分为单向加密、对称加密和非对称加密。单向加密常用算法有MD5和SHA系列，对称加密常用算法有DES、3DES、AES，非对称加密常见算法有RSA、ECC这里的数据可以是用户名、密码、文本、图片、PDF，小到几百b，达到几十G。一般而言，如果不是搞信息安全的，了解这些加密方式的优缺点和适用场景即可，不用去看其实现原理。（更详细的直接看参考链接）

【前言】 数据在传输的过程中，会受到各种干扰的影响，如脉冲干扰，随机噪声干扰和人为干扰等，这会使数据产生差错。为了能够控制传输过程的差错，通信系统必须采用有效措施来控制差错的产生。 数据在传输过程中传输的都是0和1，传输时有最小的数据单位。A传给B一个数据单位时，B在接收了数据单位时面临两个问题：一是数据单位有没有错误（即检错），二是数据单位如果错了能不能纠正（即纠错）。所以，为了解决这个问题，数据单位中不能全部都是数据本身，还要包含其他帮助检错或纠错的东西，将这个数据单位称...

这块的概念很多，现在没时间整理，留到有空再整理。把一下几个链接都看一遍，基本能明白进程和线程是怎么回事。https://blog.csdn.net/Alexwym/article/details/83146459https://blog.csdn.net/Alexwym/article/details/83267864https://www.zhihu.com/question/2...