METANIT.COM

Объяснение структуры пакета TCP/IP к предыдущему рисунку

Заголовок IP (IPv4) и заголовок TCP взаимодействуют, обеспечивая надежную доставку данных по назначению.

Начиная с заголовка IPv4, начального сегмента пакета, он охватывает ширину 32 бита, при этом каждая строка отображает 32-битный сегмент. Ключевые поля включают версию (установленную на 4 для IPv4), длину (указывающую размер заголовка) и тип обслуживания (для приоритизации пакетов).

Другие важные компоненты включают в себя общую длину (размер пакета), идентификацию (отслеживание фрагментов пакета), флаги (управление фрагментацией), смещение фрагмента (помощь в повторной сборке), время жизни (определение предела прыжков пакета), протокол (идентификация следующего шага, например TCP) и контрольную сумму заголовка (проверка целостности заголовка).

Кроме того, адреса источника и назначения представляют собой IP-адреса отправителя и получателя, а параметры предлагают дополнительную информацию при необходимости.

Переходя к заголовку TCP после заголовка IP, TCP фокусируется на обеспечении точной и последовательной доставки данных. Поля исходного порта и порта назначения (по 16 бит каждое) идентифицируют приложения, отправляющие и получающие данные, аналогично порту 80 для HTTP.

Порядковый номер контролирует порядок байтов данных, номер подтверждения проверяет полученные данные, а зарезервированные биты вместе с флагами TCP (например, SYN, FIN) управляют инициированием/завершением соединения и передачей данных.

Размер окна регулирует объем передачи данных до ожидания подтверждения, контрольная сумма защищает заголовок и целостность данных, а Urgent Pointer отдает приоритет критически важным данным. Параметры TCP, схожие с параметрами IP, вводят дополнительные конфигурации при необходимости.

Наконец, раздел «Данные» завершает процесс, охватывая фактически передаваемый контент, такой как веб-страницы или электронные письма. Многоуровневый подход TCP/IP обеспечивает эффективную доставку данных: IP направляет пакеты на правильное устройство, в то время как TCP гарантирует точную передачу контента.
#tcp

Структура пакета TCP/IP вкратце

Наглядное видео о том, как исходный код компилируется в исполняемый файл

Алгоритмическая сложность 10 наиболее распространенных ML-алгоритмов

Вкратце про свой опыт использования ИИ. Честно говоря, у меня действительно разочарование, но не только от вчерашнего контрпродуктивного общения с Гигачатом, а вообще из-за развития ИИ в целом. Не думаю, что ИИ когда-нибудь сможет заменить даже разработчика уровня Junior

Как использовать rest-оператор в JavaScript наглядно #javascript #js

Все способы центрирования блоков div в CSS

Добавил мобильную версию для руководства по языку программирования Си
https://www.rustore.ru/catalog/app/com.metanit.c_tutorial_full
#c_ansi

Как искать в Google с помощью Python #python

(Иллюстрация к предыдущему посту - Типы индексов базы данных)

Типы индексов базы данных

Индекс базы данных обычно представляет пару ключ-значение, где ключ используется для поиска данных вместо соответствующих индексированных столбцов, а значение — указатель на соответствующую строку в таблице.
Большинству баз данных требуется некоторая форма индексации, чтобы соответствовать показателям производительности. Чтобы получить максимальную отдачу от базы данных, следует использовать правильный тип индекса.

𝗕-𝘁𝗿𝗲𝗲 (B-дерево) — одна из наиболее часто используемых структур индексации, в которой ключи иерархически сортируются. При поиске данных дерево просматривается до конечного узла, который содержит соответствующий ключ и указатель на соответствующие строки в таблице. B-дерево чаще всего используется из-за его эффективности при хранении и поиске по упорядоченным данным. Их сбалансированная структура означает, что ко всем ключам можно получить доступ за одинаковое количество шагов, что обеспечивает постоянную производительность.

𝗛𝗮𝘀𝗵 𝗶𝗻𝗱𝗲𝘅𝗲𝘀 (хеш-индексы) лучше всего использовать при поиске точного соответствия значений. Ключевым компонентом хэш-индекса является хэш-функция. При поиске определенного значения искомое значение передается через хэш-функцию, которая возвращает хэш-значение. Это хэш-значение сообщает базе данных, где в хэш-таблице находятся ключ и указатели.

𝗕𝗶𝘁𝗺𝗮𝗽 𝗶𝗻𝗱𝗲𝘅𝗶𝗻𝗴 (индексы на основе битовых карт) используется для столбцов с несколькими уникальными значениями. Каждое битовое изображение представляет уникальное значение. Битовая карта указывает на наличие или отсутствие значения в наборе данных с помощью 1 и 0. Для существующих значений позиция 1 в битовой карте показывает местоположение строки в таблице. Индексы битовой карты очень эффективны при обработке сложных запросов, в которых используется несколько столбцов.
При индексировании таблицы обязательно тщательно выбирайте столбцы для индексации на основе наиболее часто используемых столбцов в предложениях WHERE.

𝗰𝗼𝗺𝗽𝗼𝘀𝗶𝘁𝗲 𝗶𝗻𝗱𝗲𝘅 (составной индекс) можно использовать, когда несколько столбцов часто используются вместе в предложении WHERE. С составным индексом комбинация двух или более столбцов используется для создания объединенного ключа. Затем ключи сохраняются на основе стратегии индекса, например, указанных выше параметров.

Обновлено руководство по фреймворку Angular до версии Angular 20
https://metanit.com/web/angular2/
#angular

Порядок выполнения SQL-запросов #sql #database

В руководство по Android на Kotlin добавлены материалы по работе с классами Activity в Jetpack Compose

Activity и жизненный цикл приложения
https://metanit.com/kotlin/jetpack/19.1.php

Управление жизненным циклом Activity в компонентах Compose
https://metanit.com/kotlin/jetpack/19.2.php

Введение в Intent. Запуск Activity
https://metanit.com/kotlin/jetpack/19.3.php

Передача данных между Activity
https://metanit.com/kotlin/jetpack/19.4.php

Файл манифеста AndroidManifest.xml
https://metanit.com/kotlin/jetpack/1.8.php

#android #kotlin #compose

(Иллюстрация к предыдущему посту - 20 ключевых структур для использования в базах данных)

20 структур, которые являются основой различных систем, обеспечивают работу поисковых систем, хранилищ временных рядов, блокчейна и многого другого.

1. Структуры с индексаторами (Indexing Structures)
Hash Index, B-Tree, Skiplist, Bitmap Index, Trie
Это структуры, к которым можно обратиться для быстрого доступа к данным. Будь то быстрый поиск по ключам и значениям в памяти или сортированные обходы на диске, эти структуры формируют ядро ​​производительности запросов в большинстве баз данных.

2. Поиск и сопоставление с образцом
Inverted Index (Инвертированный индекс), Suffix Tree (суффиксное дерево), Segment Tree (сегментное дерево), R-Tree(R-дерево)
Предназначены для глубокого поиска — от документов и строк до пространственных запросов, поддерживают полнотекстовый поиск, многомерные поиски и аналитику в реальном времени.

3. Хранилище, оптимизированное для записи
LSM-дерево, SSTable, фильтр Блума (Bloom Filter)
Базы данных с высоким уровнем загрузки, такие как Cassandra и RocksDB, используют их для оптимизации скорости записи, управления сжатием данных и быстрым приблизительным поиском с минимальными затратами памяти.

4. Пространственная и диапазонная индексация (Spatial & Range Indexing)
Quad Tree (Дерево квадрантов), Z-order Curve (кривая Z-порядка), Segment Tree (сегментное дерево)
Используются в таких приложениях, как карты, игровые движки и системы временных рядов, помогают эффективно разделять и получать доступ к многомерным или последовательным данным.

5. Расширенные варианты использования
Дерево Меркла (Merkle Tree), Suffix Tree (суффиксное дерево), фильтр Блума
От проверки транзакций в блокчейне до биоинформатики и дедупликации в распределенных системах — эти структуры данных созданы для обеспечения надежности и целостности в любом масштабе.

Минцифры планирует в ближайшие полгода определиться с единой политикой использования VPN-сервисов в России, сообщил руководитель министерства Максут Шадаев.

"Я думаю, что в ближайшие полгода мы определимся с контурами политики в этой части. Доля трафика VPN сейчас увеличивается. При этом понятно, что с недружественными VPN, которые не выполняют требования российского законодательства, Роскомнадзор борется. При этом зачастую попадают, так сказать, в замес и корпоративные VPN, которые нужны (компаниям - ИФ)", - сказал он

"Мы сейчас будем вырабатывать четкую политику в этой части. Потому что настало время договориться о единых правилах по VPN", - добавил министр.

Глава Минцифры пообещал поделиться конкретными деталями "ближе к осени".
https://www.interfax.ru/russia/1028468

Число IT-специалистов в РФ составляет более 1 млн человек, спрос на них сохраняется, но в настоящее время востребованы более опытные кадры, заявил министр цифрового развития связи и массовых коммуникаций Максут Шадаев.

"Пока мы не видим таких тенденций в явном виде. Пока мы не видим тотальной какой-то заморозки найма и того, что компании, условно, увольняют айтишников, потому что искусственный интеллект код пишет и они больше не нужны. Нам кажется, что здесь такой ажиотаж - он немножко раздутый. За пять лет количество сотрудников IT-компаний увеличилось на 50%. Их было 990 тыс. на конец 2024 года. Сейчас мы, очевидно, за миллион перешагнули. И в целом, я считаю, спрос остаётся", - сказал Шадаев в четверг, выступая на форуме на TAdviser Summit.

"Другое дело, что ажиотаж привел к тому, что очень многие пошли в эту профессию, прошли курсы онлайн, сейчас они джуны (IT-специалисты начального уровня - ИФ), которые говорят, что они все умеют, а компаниям нужны мидлы, нужны сильные разработчики. В этом есть проблема", - добавил он.

По его словам, в настоящее время "людей больше хочет устроиться в индустрию, но качество их подготовки пока не соответствует ожиданиям наших крупных компаний, потому что они как раз идут в сторону все более и более сложных разработок".

"Но потребность в кадрах в моем понимании остаётся. И я призываю молодое поколение связывать свою судьбу с IT. Только чуть-чуть надо смещаться в сторону робототехники, ИИ - это более сложные специальности, но прогресс не остановим", - заключил глава Минцифры.
https://www.interfax.ru/russia/1028484

(Иллюстрация к предыдущему посту - 10 типов баз данных для проектирования систем)

10 типов баз данных для проектирования систем:

1) 𝐑𝐞𝐥𝐚𝐭𝐢𝐨𝐧𝐚𝐥:
- Хранит данные в таблицах с предопределенными схемами и связями.
- Полезен для приложений, требующих структурированных данных, сложных запросов и транзакций ACID.
- Примеры: PostgreSQL, MySQL

2) 𝐈𝐧-𝐌𝐞𝐦𝐨𝐫𝐲:
- Сохраняет все данные в оперативной памяти для чрезвычайно быстрого доступа.
- Полезно для приложений, требующих сверхнизкой задержки и высокоскоростного кэширования.
- Примеры: Redis, Memcached

3) 𝐊𝐞𝐲-𝐕𝐚𝐥𝐮𝐞 𝐒𝐭𝐨𝐫𝐞:
- Хранит данные в виде пар «ключ-значение» для быстрого извлечения и высокой масштабируемости.
- Идеально подходит для приложений, работающих с большими объемами данных и требующих быстрого поиска по ключу.
- Примеры: Redis, Amazon DynamoDB

4) 𝐃𝐨𝐜𝐮𝐦𝐞𝐧𝐭:
- Хранит данные в гибких, полуструктурированных форматах документов, таких как JSON или BSON.
- Полезно для неструктурированных, иерархических или быстро меняющихся данных.
- Примеры: MongoDB, Couchbase

5) 𝐆𝐫𝐚𝐩𝐡:
- Хранит данные в виде узлов и ребер.
- Используется для представления сложных взаимосвязей, таких как рекомендательные системы и социальные сети.
- Примеры: Neo4j, Amazon Neptune

6) 𝐖𝐢𝐝𝐞-𝐂𝐨𝐥𝐮𝐦𝐧 𝐒𝐭𝐨𝐫𝐞:
- Сохраняет данные в гибких столбцах для оптимизации чтения определенного атрибута.
- Полезно для приложений, работающих с высокой пропускной способностью записи и выполняющих аналитические запросы.
- Примеры: Cassandra, Google Bigtable

7) 𝐓𝐢𝐦𝐞-𝐒𝐞𝐫𝐢𝐞𝐬:
- Оптимизирован для хранения и запроса данных с меткой времени.
- Полезно, когда данные генерируются в хронологическом порядке, например, данные систем мониторинга и финансовые данные.
- Примеры: InfluxDB, Prometheus

8) 𝐓𝐞𝐱𝐭 𝐒𝐞𝐚𝐫𝐜𝐡:
- Оптимизирован для хранения, индексации и поиска текстовых данных.
- Используется для приложений с большим объемом контента, требующих текстового поиска, фильтрации и ранжирования, таких как поисковые системы.
- Примеры: Elasticsearch, Solr

9) 𝐒𝐩𝐚𝐭𝐢𝐚𝐥:
- Предназначен для хранения и запроса данных о местоположении.
- Идеально подходит для поддержки функций, основанных на местоположении, например, в службах заказа поездок и картографических приложениях.
- Примеры: PostGIS, Oracle Spatial

10) 𝐁𝐥𝐨𝐛 𝐒𝐭𝐨𝐫𝐞:
- Оптимизирован для хранения и извлечения больших объектов, таких как изображения и видео.
- Полезно, когда вам нужно масштабируемое и недорогое хранилище для редко используемых данных. Обычно используется в паре с CDN для уменьшения задержки для конечных пользователей.
- Примеры: Amazon S3, Google Cloud Storage, Azure Blob Storage