Cookie & Session

由于HTTP的无状态特性,即便我们与服务器连接并且成功登陆后,第二次发送请求服务器依然不知道当前的请求是属于哪个用户。为了使web应用有状态,因此引入了Cookie&Session的机制。


Cookie

由服务器发送给客户端的特殊信息,以文本的形式存放在客户端,客户端每次向服务器发送请求的时候都会带上这些特殊的信息。

例如:我们用浏览器访问一个支持Cookie的网站时,通过发送附带Cookie的请求,会给服务器提供包括用户名在内的信息(前提是本地存有该网站的Cookie)。

而服务器在给客户端回发响应报文的同时,也会附带用户信息,这些信息存放在HTTP响应头中,当客户端接收到来自服务器的响应时,浏览器会将这些信息存放在一个统一的位置。

客户端再向服务器发送请求的时候,会把Cookie放在请求头中一起发送。

服务器接收后,就能够分析请求头中的Cookie,以此得到客户端特有的信息,从而动态生成与该客户端相对应的内容。

一般我们在网站登陆后常见的"请记住我"的弹窗其本质就是:客户端向服务器发送附带登陆的请求,服务器收集这些请求信息,将其作为Cookie存放在HTTP响应头中回发给客户端,客户端浏览器收到响应后取出Cookie存放于本地。

该客户端下次访问该网站的时候,发送的请求中就会附带登陆信息的Cookie,服务器解析并回执响应后就不用进行登陆操作了。

Session

Session是一种服务器端机制,用于在服务器上保存用户信息。

实现方式:

  1. 通过Cookie:

    当服务端程序需要为某个客户端的请求创建Session时,首先会检查客户端请求里是否已经包含了JSESSIONID。若包含了,则表明已经为此客户端创建了session,服务器就会按照该JSESSIONID将对应的Session检索出来使用;如果通过JSESSIONID未能检索到,那么会在服务端重新为该客户端创建一个Session,并生成一个与此Session相对应的JSESSIONID,该JSESSIONID将会通过Cookie的形式存放在响应头中,回发给客户端进行保存。

客户端接收并存储了JSESSIONID,下次发送请求的时候,就会在请求头中携带包含JSESSIONID的Cookie发送给服务端,服务端接收后对其解析并进行相应的响应。

  1. 通过URL回写
    服务器在发送给浏览器的所有页面中都携带JSESSIONID的参数,客户端点击任何一个连接,都会把JSESSIONID带会给服务器。
    若通过在浏览器中输入服务端的URL来请求资源,则无法进行URL回写。

Tomcat对Session实现:一开始会同时使用Cookie和URL回写。如果发现客户端支持Cookie则会一直使用Cookie实现Session,若Cookie被禁用,则采取URL回写的方式实现Session。

二者区别

  1. Cookie存放在客户端浏览器上,Session存放在服务器

  2. Session相对于Cookie更安全,因为可以通过存放在本地的Cookie进行Cookie欺骗(虽然当今的Cookie都是通过了加密的,其参数中还夹带了ip等用于校验身份的信息)

  3. Session会在一定时间内保存在服务器上,若用户访问量增多则会占用服务器的性能,若考虑减轻服务器的开销,应当使用Cookie。(现如今,服务器的性能对于保存Session的性能还是绰绰有余的)

  • 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