IP,端口和域名对于专业的人来说并不陌生,但是对于非专业的同学可能并不熟悉,写这个文章的目的:
一是想装“砖家”(事实上我也不是很懂)“科普”一下计算机的知识,
二是想练习一下表达,把自己懂的知识梳理一下,转化成“人类的语言”。
首先提出一个对应关系:
1.简书-------》小明家
2.www.jianshu.com------》xxx路xxx号
3.180.150.186.235------》东经xxx度xxx分,北纬xxx度xxx分。
想象一下:
小明:我家在东经xxx度xxx分,北纬xxx度xxx分,过来找我玩吧! 我:……
再想象一下:
小明:我发现一个很棒的写作网站,地址是180.150.186.235,去看看吧! 我:……
正常人是这样子的:
小明:我家在xxx路xxx号,过来找我玩吧! 小明:我发现一个很棒的写作网站,地址是www.jianshu.com,去看看吧!
小总结:
地球上的每个地点“与生俱来”的是经纬度信息,而用语言描述的信息(比如xxx省xxx市xxx区xxx路xxx号)是别人给他加上去的。 网站的标识是IP地址,域名是拿来和IP地址绑定在一起的。
小跑偏,在windows下,如何获取一个网站的IP地址:
1.按win+R,输入CMD,回车,出现一个黑漆漆的窗口。 2.输入ping www.xxx.com
比如
然后在浏览器地址栏输入IP地址:
于是会有动手能力强的同学这样子:
接下来这样子:
!!!为什么不行呢?
这里就涉及到另一个概念,端口了。
我去小明家玩,是直接走大门的,这个叫做默认值,也就是大家都知道的,不用说的。 浏览器直接访问IP地址的时候,会默认访问一个端口,8080号端口,所以这个也是不显示的。
但是呢,现在不是路不拾遗,夜不闭户的时代了,大家也很少把大门打开,哎,世风日下啊,人与人之间最基本的信任呢?信任呢?信任呢?
所以我恶意地揣测,简书把他的大门也就是8080端口给关闭了,但是这不影响我们用域名访问,因为工程师在搞服务器的时候,把域名和IP地址+端口绑定在了一起了。
在一座房子中,有很多能和外界“通风”的地方,除了大门,还有窗户,空调口等等。 一台电脑里,有很多很多的端口,比如邮件服务的端口是25,可以把这个25号端口想象成信箱,我写信给小明,邮递员叔叔会帮我把信件放在信箱(25)里,而不是直接从大门(8080)丢进去。
最后再整理一下对应的关系:
1.简书-------》小明家 2.www.jianshu.com------》xxx路xxx号 3.180.150.186.235------》东经xxx度xxx分,北纬xxx度xxx分。 4.25号端口------》小明家的信箱 5.8080端口------》小明家的大门
写在前面:
今天发布了这篇文章之后,很多同学点了红心,这让我受宠若惊。(之前都在玩单机版简书,今天那种虚荣心膨胀的感觉真的很墙裂,别笑我……)
不过@EraseWoo 大大指出的意见让我cannot agree more,一时间起了修改全文的念头,但是类比这种东西,以我现在的学识,是怎么也难以表达清楚的,update还是不要了。
所以,这篇不是那么准确的文章大家当参考就好。
附上我整理的@EraseWoo 大大的意见,我觉得他这个对应关系更恰当。
1.www.jianshu.com-------》小明家 2.180.150.186.235------》xxx路xxx号 3.hh-hh-hh-hh-hh-hh------》东经xxx度xxx分,北纬xxx度xxx分。
第三个的一串hh表示的是12个16进制数,是网卡(每台要能上网的计算机都得有网卡)的MAC地址,也叫硬件地址,物理地址等等,是厂家指定的,没得更改的,对应无法更改的经纬度更为恰当。(简书)
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。