tag 應用層

標籤
貢獻8
49
12:03 AM · Nov 25 ,2025

@應用層 / 博客 RSS 訂閱

mob64ca1416f1ef - ble 可以同時是write和write no response嗎

協議棧解析 對開發者來説,很簡單,他只需要調用send(0x53) GATT層定義數據的類型和分組,方便起見,我們用0x0013表示電量這種數據類型,這樣GATT層把數據打包成130053(小端模式!) ATT層用來選擇具體的通信命令,比如讀/寫/notify/indicate等,這裏選擇notify命令0x1B,這樣數據包變成了:1B130053

數據 , 應用層 , 協議棧 , 架構 , 後端開發

收藏 評論

架構魔法師 - higress 如何控制流量

視頻會議系統由於涉及到視頻的傳輸,而視頻的傳輸量相對其他的數據是大很多的,而這種視頻數據在公網上進行傳輸,如果控制不當,會造成網絡堵塞,音視頻不連續等其他問題,因此視頻會議的流量控制的好壞一定程度決定了視頻會議系統的質量。哪我們怎樣對視頻會議的流量進行控制呢?對視頻會議的流量控制通常有三種方案: 1. 對應用層進行流量控制 視頻會議的傳輸現在都

數據 , 雲計算 , higress 如何控制流量 , 應用層 , 流量控制 , 雲原生

收藏 評論

龔禮鵬AndroidOrOH - OpenHarmony 5.0 wifi開啓整個流程詳細分析

一.背景 本篇是介紹OpenHarmony5.0 wifi開啓的整體流程分析,主要是根據日誌和代碼進行跟蹤 二.整體流程圖 首先如下是我整理的整體流程 三.詳細分析 如下是從應用層到底層的詳細流程 應用層 點擊Settings開關,在WifiModel中調用wifi.enableWifi(); ———————————————— 版權聲明:本

流程圖 , 移動開發 , 應用層 , Android , .net

收藏 評論

學技術贏未來 - 蒙系統整機性能測試過程中怎麼長時間抓取trace?

在鴻蒙系統(HarmonyOS / OpenHarmony)整機性能測試過程中,長時間抓取 trace 是分析系統級性能瓶頸(如卡頓、調度延遲、功耗異常等)的關鍵手段。鴻蒙提供了 基於 ftrace 的 HiTrace + hitrace 命令行工具鏈,並支持長時間採集。 ✅ 一、核心工具:hitrace hitrace 是鴻蒙系統內置的 trace 採集命令行工具,底層基於 L

命令行 , 應用層 , bash , 前端開發 , Javascript

收藏 評論

archangle - 如何看懂UDS診斷報文

1、UDS(Unified Diagnosic Services 統一診斷服務)是ISO 15765ISO 14229定義的一種可以在不太的汽車總線(CANLIN)上的應用層診斷協議 UDS應用層是ISO 14229-1 2、UDS本質上是一種服務,通過請求響應對ECU進行測試、檢測、診斷 3、UDS位於應

code , 數據 , 應用層 , 後端開發 , harmonyos

收藏 評論

智慧編織者 - HTTP協議簡介_禿頭小框的技術博客

1.http是HyperText Transfer Protocol的縮寫 2.http的核心作用是定義客户端與服務器之間的通信規則,通過“請求-響應模型”實現數據傳輸 3.http應用場景: 網頁瀏覽、文件下載、API調用、數據上傳、狀態獲取 4.http請求方法 GET、POST、PUT、DELETE、HEAD、OPTIO

服務器 , 應用層 , 客户端 , Css , 前端開發 , HTML

收藏 評論

咕泡科技 - 代碼的未來:當AI學會創造,我們技術人的價值何在?

AI與大模型,已如電力和互聯網般融入我們工作和生活的方方面面。當技術從分析過去邁入生成未來,企業與技術人又該如何重塑自身價值?我們又該如何藉助這一波技術浪潮,實現能力的跨越與職業的突破? 11月16日,咕泡科技聯合創始人、AI大模型事業部負責人譚鋒(Mic)老師受邀參與“數有引力·Sure沙龍丨AI時代,個體機遇新選擇”深度沙龍進行分享,與眾多行業同行展開探討:大模型不僅改

應用層 , 人工智能 , 深度學習 , 生成式 , 迭代 , 大模型

收藏 評論

DeepSeaAI - 智能體開發框架選型決策樹V2

四大框架的技術架構和典型應用案例,通過結構化拆解讓選型邏輯更貼合實際開發場景,同時優化決策樹的實用性和參考價值。 智能體開發框架選型決策樹 各框架核心信息補充説明 LlamaIndex 架構亮點:核心優勢在索引優化,提供Llama Parse組件支持複雜文檔解析,Workflows引擎可編排多步驟異步流程,索引層支持增量更新和量化壓縮,兼顧精

應用層 , 技術架構 , pytorch , 人工智能 , 結構化

收藏 評論