UDP头部
more >>可以看到UDP头部由(源端口)、(目的端口)、(长度)跟(校验和)组成，总共8字节。
源端口：发送方的端口号，16位，即2字节。
目的端口：接收方的端口号，16位，即2字节。
长度：头部+数据的字节数，16位，即2字节。
校验和：此字段用来校验数据是否出错。
这样讲Qos之令牌桶技术,不懂来打我
通俗易懂的路径搜索之A-star算法
A-star算法
搜索技术
搜索技术是一种通用的问题求解技术，可以将待解决的问题转化为可搜索的问题空间，然后在该空间中搜索求解。搜索技术在人工智能领域有着非常广泛的应用.
盲目搜索
盲目搜索是最简单的搜索方法，如宽度优先搜索和深度优先搜索，这种搜索方法效率非常低，只适用于非常简单的问题求解。
骑士旅行问题: 我们在6×6的棋盘上用国际象棋中的骑士遍历整个棋盘并回到出发点，这个看似并不复杂的问题如果用盲目搜索求解，可能需要好几天的时间。
启发式搜索
启发式搜索: 通过问题的特征信息引导搜索过程，减小搜索范围，从而提高搜索效率。还以上面提到的骑士旅行问题为例，使用启发式搜索方法，普通笔记本求解只需要20分钟，计算效率得到了几百倍的提升。
A-star算法
A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。
简单例子看启发式搜索
题目
- 绿色方块是起点，红色方块是终点，蓝色的方块是障碍物，求起点到终点的最短路径。
- 规则：每次只能移动一格，可以往8个方向移动.
- 移动水平或竖直方向移动代价为10，斜向移动代价为14.
- 从起点到终点总的移动代价最小的路径即为最短路径。
分析
- 盲目搜索的思路是遍历每一种可能的路径，显然绝大部分路径都是无用的，比如在这个例子中首先往左侧移动是肯定无法得到最短路径的。
- A*算法的思路是在所有可能的下一步子结点中进行试探性的搜索，寻找最佳结点。
- 判断最佳结点的公式：
F = G + H
G表示起点到子结点的代价。
H表示子结点到终点的预估代价。
注意这里H是预估代价，我们可以使用曼哈顿距离来计算:H = 10( |x1-x2| + |y1-y2| )
上图计算了起点的所有子节点的F值（左上角）、G值（左下角）、H值（右下角）.
- 显然右侧的子结点F值最小，我们把它作为最佳结点A.
- 继续下一步的搜索。对于当前节点来说，共有4个可能的子结点，右侧蓝色障碍物无法移动，左侧绿色结点为起点，不必走回头路。经过计算，上方（或下方）的结点的F值最小，可以当作最佳结点B.
- 此时我们发现：由结点A到结点B的F值要大于从起点到结点B的F值，我们需要重新选择从起点移动到结点B作为第一步，A*算法就是通过这种原理实现路径的不断优化。
Maven私有仓库Nexus搭建
背景
more >>每一个互联网公司都会有自己的开发团队。如果是JAVA团队，那么就会有公司里开发的jar包。怎么管理jar包是一个不可逃避的问题。
搭建Maven私有仓库Nexus是一个不错的解决方案。
增加或减少已挂载逻辑卷容量
场景
more >>有的时候，逻辑卷存储太满，系统不停报警，这个时候我们就要对逻辑卷进行扩容。这也是使用LVM的一个好处。
还有一种情况，已经挂载的逻辑卷由于某种原因，需要减少其容量。这个时候如果采用常规的方式会对逻辑卷里的数据造成破坏，这是不可挽回的数据损坏，所以一定要慎重。
Linux-swap管理
什么是Swap
more >>Swap：交换空间，即虚拟内存，用于解决内存不足的问题。
在内存不足的时候，会将内存中不常使用的部分存入硬盘，使得内存得以腾出空间供新的程序使用。
那么，虚拟内存即为硬盘中的部分。