从长连接推送技术发出的一些思考

服务器推送技术,经过考虑,其实发现说白了,就是通过某种手段让服务器从后端主动将数据发送到前台,并且还直接调用js函数将数据呈现出来,传统web模式,包括ajax技术,都是通过客户端发送一个请求,就是说客户端告诉服务器,我需要某种数据了,然后服务器通过各种操作将数据发送给客户端,并显示。

 

知道了服务器推送技术和基本原理,再就看看,为什么要使用服务器推送技术,什么时候需要使用服务器推送技术

举个例子,现在很多WEBIM系统,比如webqq,右侧有个好友列表,那个列表可能很少有人主动点击,但是又需要随时更新哪些好友上线了,哪些好友下线了,这个怎么做到呢?

很多人能够想到,其实我只要用javascript的setinterval来定时请求服务器就行了,查看数据库里面的内容就可以解决问题了,确实,这是一种解决方法。也是很多地方现在采用的,但是这种方式的问题是,每次进行一次定时请求,客户端就必须和服务器建立一个连接,然后服务器上面程序又得和数据库建立连接并取出数据,然后服务器给前台输出一个页面。而服务器推送技术呢,利用服务器端语言进行定时器操作,或者sleep休眠,可以和服务器直接建立一个持久的连接,只需要定时的读取数据库。

大概用数字描述一下

如果用ajax,一秒钟查询一次数据库,如果进行1000次请求

那么发送了1000次http请求      服务器和数据库建立1000次连接     1000次查询

如果使用服务器推送,同样进行1000次请求的话

只发送了1次http请求,因为是一次性和服务器建立连接    服务器和数据库建立1次连接   1000次查询

 

服务器方面的东西我也不是很懂,不知道这些数据到底对性能的影响有多大,但是我知道http请求对客户端的显示影响很大,减少http请求对页面速度提升是非常大的帮助。

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值