第5届D2前端技术论坛(上午)文字实录
社会公共安全视频图像信息系统技术规范标准
.. ..SICS社会公共安全视频图像信息系统技术规范Technical code of video picture information system for society public security重庆市质量技术监督局发布目次前言1 围 (1)2 规性引用文件 (1)3 术语和定义 (1)4 结构 (2)5技术要求 (2)5．1基本功能 (2)5．2基本技术要求 (3)5．3前端设备技术要求 (3)5．4传输要求 (4)5．5图像显示要求 (4)5．6视频图像的存储 (5)5．7视频图像信息系统的联网 (5)6系统的设计、建设、检测、验收及维护 (5)6．1系统的设计 (5)6．2系统建设 (6)6．3系统检测 (6)6．4系统验收 (9)6．5系统维护 (9)前言社会公共安全视频图像信息系统是以预防、打击犯罪为目的，在治安复杂场所、重点部位、主要街道、案件多发地段、重要路口、卡口等地点设立视频监控点，将监控图像实时传输到各级公安机关和其它相关部门，通过对图像信息的浏览、记录等方式，使各级公安机关和其它相关部门直观地了解和掌握监控区域的治安动态，有效提高社会治安管理水平的视频监控系统。
为规市社会公共安全视频图像信息系统建设，确保建设质量，特制订本标准。
本标准主要参照国家强制性标准《安全防工程技术规》（GB50348-2004），并结合的实际制订。
本标准中5.3.1、5.4.2、5.5.2、5.5.3、5.5.4、5.6.2 a)、c)、e)、j)以及第6条全部均为强制性条款，其它条款为推荐性条款。
本标准由市公安局提出。
本标准由市公安局科技通信处归口并解释。
本标准负责起草单位：市公安科学技术研究所、市计量质量检测研究院。
本标准主要起草人：王立、滨鸿、吴健、罗凌、祝贵军、黄庆忠、熊健、王彤。
社会公共安全视频图像信息系统技术规1 围本标准规定了社会公共安全视频图像信息系统的术语、定义、结构、技术要求、系统设计、建设、检测、验收及维护的要求。
第5章 软件包管理
5.2 项目分析
软件资源丰富及安装便捷是Windows操作系统的重大 优势，在Windows下安装软件时，只需用鼠标双击软 件的安装程序，或者用Zip等解压缩软件解压缩即可安 装。在Linux下安装软件对初学者来说，难度高于 Windows下软件安装。相对于Windows系统上的 软件安装，Linux系统中的软件安装方式较多，过程较 复杂，现在让我们来说一说在redhatLinux中软件的 安装。Linux中的软件安装主要分为三种 ，rpm软件 包的安装，源代码的安装和通过yum来安装，而如今 最常用及最简便的安装方式就是利用rpm软件包进行软 件的安装。
5.3.2 RPM方式安装软件
命令格式 rpm {-q|--query} [select-options] [query-options] 常用选项有： --install安装软件包需要制定具体的软件所在路径 -h 以#的方式来显示安装进度 --nodeps 无视依赖关系强行安装 --test 测试软件包 -e 卸载软件 -U升级软件包，如果软件包不存在则安装软件包 --force强行进行升级 -q 查询软件包 -l查询软件包安装完成后说安装的所有文件 -d用于显示软件包生成了那些文档 -script用于显示软件包安装时所使用的脚本 -a列出软件包内的所有文件 -v显示命令执行过程和详细的安装信息
5.4 项目实施
网络 工程师 小张 准备 在公司的服务 器上安装文字处 理 软 件、dhcp服务、以及配置一个YUM仓库。 一、安装文字处理软件永中office 永中Office 可以在 Windows 、Linux 和 MacOS 等多 个不同操作系统上运行。历经多个主要版本的演进，永中 Office的产品功能丰富，稳定可靠，可高度替代进口的同 类软件，且具备诸多创新功能，是一款自主创新的优秀国 产办 公 软 件。 该软 件可以在 中下 载到。
平面设计师实习自我(5篇)
平面设计师实习自我(5篇)平面设计师实习自我(5篇)平面设计师实习自我范文第1篇随着4G网络的成熟和智能手机的普及，网页设计师不仅能制作一般网页界面，更多是能设计艺术界面和交互界面的网页，能适应多平台等特点。
依据我学院每年对企业调研，目前企业对网页设计师的要求：（1）依据企业需求和定位能够设计符合当下交互技术的流行网页界面；（2）能够制作静态网页和网页前端javascript特效，较好协作后台程序员进行网站开发；（3）有较强的自学力量，是艺术与技术相结合的高素养技术技能型人才。
2高职网页设计课程的教学现状我院对福建省同类高职院校的网页设计人才培育进行广泛调研，很少院校能够培育符合企业需求的网页设计师，致使我省应届毕业生难于满意社会对网页设计人才需求。
高职网页设计课程的教学现状是：2.1开设课程不满意社会对网页设计师的要求网页设计课程是一门综合性的课程，是它包括构图、排版、特效制作等多种学问，打算了这门课程具有很强的综合性、实践性、融艺术性与技术性为一体的特点。
而高职院校教学虽然在开设网页设计课程体系上实行肯定改革措施，但针对性不强，如针对企业需要艺术与技术相结合的网页设计人才，特地开设了《网站颜色与构成》、《网页设计》、《网页设计实训》、《程序设计基础（java 方向）》相关专业技术课程，也特地开设了《设计素描》、《设计颜色》、《构成设计》等美术课程，但没有真正以企业工作过程为导向，开设艺术与技术相结合的网页综合项目课程，同学很难融会贯穿运用综合学问进行网页设计，另一方面由于网页设计技术的飞速进展，从最早的表格布局到现在DIV+CSS布局，网页语言从最早的HTML1.0到现在的HTML5，网页的设计风格也随着时代的变化而不断转变，社会对网页设计师的要求不断提高，而高职院校相关专业课程没有适时更新，同学也缺乏提升自我的学习力量，因此高职毕业生很难适应网页设计这一行业的人才需求。
2.2老师专业水平有限，团队意识不强有的高职院校虽然根据企业工作过程开设网页设计相关课程，但由于各个任课老师专业水平不同，团队意识不强，较难形成一个企业整体项目意识，通常每个老师依据自己方向选择各自企业项目进行网页设计相关课程的教学，有的老师自身受限专业水平与实践技能，无法与专业组老师达成共识，造成同学在学习网页设计专业课程体系无法形成专业整个学问技能体系，网页设计综合技能很难得到提高，只能满意于淘宝美工却无法胜任电商网页设计师。
Agile_Development_of_F2E
3个人--成长
• 喜悦：
– 看上去像前端开发了
• 悲伤：
– 工作压力大
10个人--规范
• 10前端
10个人--规范
• 配吅：
– 规范 – 流程 – 文档
10个人--规范
喜悦：
– 民兵向正规军发展 – 为用户体验提升供给能量
• 项目目标：
– 提高表单提交成功率5% – 降低表单提交等待时间 300%
项目流程
需求&UE
•需求文档 •线框图 •需求评审
分析
•UC •DEMO •UC评审
设计
•设计文档 •HTML •设计评审
开发
•功能程序
测试&发布
•上线
项目开始了
混乱的开场
BOSS：卖 萝卜丌赚钱
PD：做一 碗红烧肉
开发：红烧 肉我丌会做
• 问题描述：
– “有个紧急BUG，来帮忙修一下吧” – “有个方案，来帮忙评估一下吧” – “这个会讫很好重要，来参加吧”
• 原因
– 分工丌清晰 – 人员丌足 – 配吅部门能力丌全
解决具体问题—外界干扰
• 应对之策
– 细化分工，抽调资源做维护。 – 闭关，强制隔离 – 资源计划 – 培讪
解决具体问题—配置管理
• 问题：
– 需求变更 – UC颗粒度难以把握
UC评审
系统设计开始
需求
但是往往
被设计成了……
需要设计评审
统一实现方案
巧克力
面粉
鸡蛋
饼干
系统设计
• 产物：
– 整体方案描述 – 模块关系图 & 类图 & 接口& 数据结构 – 文件目录结构
PDF压缩_开篇词.从今天起，重新理解前端
开篇词 | 从今天起，重新理解前端2019-01-14 winter你好，我是winter。
接下来的3个月里，我将带你重新认识前端。
前端发展史：从青铜到黄金时代我自己是在2006年开始接触前端的。
现在回想起来，那会儿前端还处于史前的“青铜时代”，甚至网页的主要交互都还是依靠切换超链接来完成的。
1.前端的史前记忆：“青铜时代”那时候，谷歌刚刚基于Ajax发布的Gmail也没多久，虽然这项伟大的技术标志着Web 1.0（静态网页）到Web 2.0（动态网页）的迈进，但在国内依然少有人懂，如果当时谁可以对这项技术侃侃而谈，那简直就是大神的级别了。
当时我还是个学生，喜欢前端纯粹是兴趣使然。
那时我混黑白棋社区，想着给黑白棋界面写插件，但自己又不懂界面相关的知识，于是开始通过各种方式学习前端。
真想学的时候才发现网络上的前端资料很是稀缺，所以我基本上都是先从图书馆借书，然后再在电脑上跑案例验证这样的方式来学习的，现在想起来，还真是一段艰难的岁月。
当然，这段经历也为我日后的前端生涯悄悄埋下了一颗种子，我逐渐开始把自己的职业规划路线放在了前端上。
他岗位。
但是，我基于对技术发展趋势的判断，认为前端在未来会越来越重要。
2. 进入发展期的前端：“白银时代”2008年，我毕业了，也很幸运地得到了一个既能发挥我的C++长处，又能兼顾前端发展规划的职位：微软北京的软件开发工程师，恰好负责的是Windows CE上的IE浏览器开发，在这里，我接触到了当时最先进的软件工程体系，并且积累了很多UI架构经验。
两年后，我加入了盛大做电子书，负责电子书的文本排版工作，这个工作是一个既写底层又写JavaScript的岗位，同时排版引擎也是浏览器的重要组成部分，也让我对浏览器的工作原理有了更深入的理解。
在盛大后期，我加入了WebOS项目，负责前端框架，我开始基于移动的角度思考前端交互和框架，这份工作让我离前端又近了一步。
但是很遗憾，因为种种原因，我在微软和盛大的几个项目都不算成功，除了电子书实际上市但销量不高，Windows CE 7.0 和盛大的 WebOS 都在公司内部夭折。
基于强化学习的车辆服务迁移方法
第１３卷㊀第６期Ｖｏｌ．１３Ｎｏ．６㊀㊀智㊀能㊀计㊀算㊀机㊀与㊀应㊀用ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ㊀㊀２０２３年６月㊀Ｊｕｎ．２０２３㊀㊀㊀㊀㊀㊀文章编号：２０９５－２１６３（２０２３）０６－０００１－０７中图分类号：ＴＰ３９３．０９文献标志码：Ａ基于强化学习的车辆服务迁移方法周㊀率，韩㊀韧（上海理工大学光电信息与计算机工程学院，上海２０００９３）摘㊀要：近年来，随着中国对于车联网发展战略的落实，基础设施与车联应用服务规模不断增加，车联应用服务对于资源的需求越来越高，现有车辆配备的有限计算资源已无法满足需求，需要将服务迁移到路侧单元，以提供充足的计算资源并降低服务时延㊂本文在车辆边缘计算场景下，提出了一种基于强化学习的车辆服务迁移方法，以降低服务的延迟与能耗㊂首先为迁移过程中可能产生的成本建模，并把服务迁移问题规约为马尔可夫决策问题，通过应用深度强化学习算法以降低迁移产生的成本㊂实验结果表明，提出的算法优于基线算法，在高速环境下具有相对较强的鲁棒性㊂关键词：车联网；车辆边缘计算；服务迁移；强化学习ＶｅｈｉｃｕｌａｒｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎｂａｓｅｄｏｎｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇＺＨＯＵＬｖ，ＨＡＮＲｅｎ（ＳｃｈｏｏｌｏｆＯｐｔｉｃａｌ－ＥｌｅｃｔｒｉｃａｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３，Ｃｈｉｎａ）ʌＡｂｓｔｒａｃｔɔＩｎｒｅｃｅｎｔｙｅａｒｓ，ｗｉｔｈｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＣｈｉｎａᶄｓｖｅｈｉｃｌｅｔｏｅｖｅｒｙｔｈｉｎｇ（Ｖ２Ｘ）ｄｅｖｅｌｏｐｍｅｎｔｓｔｒａｔｅｇｙ，ｔｈｅｓｃａｌｅｏｆｉｎｆｒａｓｔｒｕｃｔｕｒｅａｎｄＶ２Ｘｓｅｒｖｉｃｅｓｈａｓｂｅｅｎｉｎｃｒｅａｓｉｎｇ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｄｅｍａｎｄｆｏｒｒｅｓｏｕｒｃｅｓｆｏｒＶ２Ｘｓｅｒｖｉｃｅｓｉｓｇｅｔｔｉｎｇｈｉｇｈｅｒ，ｗｈｉｌｅｔｈｅｌｉｍｉｔｅｄｃｏｍｐｕｔｉｎｇｒｅｓｏｕｒｃｅｓｅｑｕｉｐｐｅｄｗｉｔｈｅｘｉｓｔｉｎｇｖｅｈｉｃｌｅｓｃａｎｎｏｌｏｎｇｅｒｍｅｅｔｔｈｅｄｅｍａｎｄ．Ｔｈｅｒｅｆｏｒｅ，ｓｅｒｖｉｃｅｓｎｅｅｄｔｏｂｅｍｉｇｒａｔｅｄｔｏｒｏａｄｓｉｄｅｕｎｉｔｓｔｏｐｒｏｖｉｄｅｓｕｆｆｉｃｉｅｎｔｃｏｍｐｕｔｉｎｇｒｅｓｏｕｒｃｅｓａｎｄｌｏｗｅｒｓｅｒｖｉｃｅｌａｔｅｎｃｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｏｖｅｌｖｅｈｉｃｕｌａｒｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｔｏｄｅｃｒｅａｓｅｔｈｅｓｅｒｖｉｃｅｌａｔｅｎｃｙａｎｄｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｉｎｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｔｈｅｃｏｓｔｄｕｒｉｎｇｍｉｇｒａｔｉｏｎｉｓｍｏｄｅｌｅｄａｎｄｔｈｅｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎｐｒｏｂｌｅｍｉｓｆｏｒｍｕｌａｔｅｄａｓａＭａｒｋｏｖｄｅｃｉｓｉｏｎｐｒｏｂｌｅｍ．Ｔｈｅｎａｎｏｖｅｌａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｅｅｐｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｉｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｔｈｉｓｉｓｓｕｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｏｕｔｐｅｒｆｏｒｍｓｔｈｅｂａｓｅｌｉｎｅｓａｎｄｈａｓｓｔｒｏｎｇｒｏｂｕｓｔｎｅｓｓｉｎｄｉｆｆｅｒｅｎｔｄｒｉｖｉｎｇｓｃｅｎａｒｉｏｓ．ʌＫｅｙｗｏｒｄｓɔｖｅｈｉｃｌｅｔｏｅｖｅｒｙｔｈｉｎｇ；ｖｅｈｉｃｕｌａｒｅｄｇｅｃｏｍｐｕｔｉｎｇ；ｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎ；ｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ基金项目：软硬件协同设计技术与应用教育部工程研究中心（ＯＰ２０２２０２）㊂作者简介：周㊀率（１９９８－），男，硕士研究生，主要研究方向：边缘计算；韩㊀韧（１９８０－），男，博士，副教授，硕士生导师，主要研究方向：智能计算㊁物联网㊂通讯作者：韩㊀韧㊀㊀Ｅｍａｉｌ：ｒｅｎ．ｈａｎ＠ｕｓｓｔ．ｅｄｕ．ｃｎ收稿日期：２０２３－０３－１１０㊀引㊀言随着‘车联网（智能网联汽车）产业发展行动计划“通知的下发，中国车联网发展的战略目标已基本确定， 长三角三省一市统筹智能网联汽车产业发展规划 的签署进一步加快了中国车联网的发展㊂５Ｇ网络基础设施的不断完善以及国内外车联应用的涌现，使得车辆对计算资源和服务延迟的要求日益增加，现有车辆配备的计算资源已无法满足车联应用的需求，这种日益迫切的要求需要将车联应用服务迁移到具有更高计算能力的云端服务器上，但是传统的云计算不能满足车联网下的低延迟要求，因此需要考虑一种称为车载边缘计算（ＶｅｈｉｃｕｌａｒＥｄｇｅＣｏｍｐｕｔｉｎｇ，ＶＥＣ）的计算范式㊂在ＶＥＣ中，车辆将服务迁移到靠近车辆的路侧单元（ＲｏａｄＳｉｄｅＵｎｉｔ，ＲＳＵ）上，可以享受ＲＳＵ带来的低延迟㊁高带宽和充足的计算资源［１］㊂然而，盲目的迁移有时会影响服务性能，如：对于一个固定的车辆，将服务迁移到最近的ＲＳＵ在短期内可以带来良好的服务性能，但是考虑到车辆的移动性，该种策略可能会导致频繁迁移，进一步导致服务频繁中断，因此一个最佳的服务迁移策略应该考虑车辆的移动性㊂服务迁移也伴随着各种成本，包括计算成本㊁迁移成本和能源消耗，以全面评估迁移的效果㊂考虑到车辆的移动性，专注于短期的性能提升可能会导致频繁迁移因而带来巨大的成本，需要考虑迁移带来的长期累积回报，以权衡整体性能的提高㊂即当车辆远离ＲＳＵ时，如果服务性能仍然处于可接受的水平，一个最佳的迁移策略应该权衡服务迁移带来的收益与开销㊂为了提高服务迁移的性能表现，减少服务的延迟与开销，文献［２］研究了最小化移动设备和边缘服务器的总能量消耗，通过启发式算法产生了一个接近最优的解决方案；文献［３］提出在卸载比例和子载波分配时，必须考虑各种系统限制，包括延迟和子载波资源限制，以减少移动设备的能耗，并从混合整数规划（ＭｉｘｅｄＩｎｔｅｇｅｒＰｒｏｇｒａｍｍｉｎｇ，ＭＩＰ）问题中生成多对一匹配和线性编程的子问题，以解决子载波分配问题；文献［４］研究了下行链路资源分配㊁卸载决策和计算资源分配的联合优化，考虑了包括数据传输和任务计算的总成本，并建模为混合整数线性规划（ＭＩＬＰ）问题；文献［５］提出了李雅普诺夫优化的卸载决策，可以减少平均响应时间，同时降低移动设备的能耗；文献［６］评估了计算卸载的财务成本，并建模为决策和资源联合优化的ＭＩＬＰ问题；文献［７］以合作博弈理论为基础，通过终端设备和边缘云的协同合作来优化系统的性能，并提出了一种基于交易的计算卸载技术；文献［８］提出了Ｆｏｌｌｏｗ－ＭｅＣｈａｉｎ算法来解决服务功能链的问题；文献［９］研究了任务卸载，考虑了能耗和服务延迟的约束，并使用了二元卸载决策；文献［１０］提出了一个基于强化学习的离线无线接入网络分片解决方案和一个低复杂度的启发式算法，以满足不同分片的通信资源需求，使得资源利用率最大化；文献［１０］将迁移问题建模为一维马尔科夫决策过程（ＭａｒｋｏｖＤｅｃｉｓｉｏｎＰｒｏｃｅｓｓ，ＭＤＰ），并考虑了服务器和设备之间的欧氏距离；文献［１２］考虑了二维ＭＤＰ模型并提出了基于深度强化学习的迁移方案，使得时延与能耗最小㊂尽管现有的工作在服务迁移策略方面取得了很大的进展，但仍需要进一步探索，包括迁移过程中成本的建模以及车辆的移动性㊂本文将车辆的服务迁移过程建模为ＭＤＰ，同时考虑了包括计算成本㊁迁移成本和能耗的成本，此外，本文还使用行驶速度代表示车辆的运动状态，并提出了一种基于强化学习的迁移算法，该算法可以有效地解决传统ＭＤＰ中维度过高的问题，并利用Ａｃｔｏｒ－Ｃｒｉｔｉｃ网络和熵来确保收敛性和可探索性㊂最后，本文基于真实数据集进行实验并对算法进行评估㊂１㊀系统模型建立车辆行驶随机分布在城市区域的道路中，道路配备了若干通信范围相等的ＲＳＵ，并且每个ＲＳＵ都具有相同的计算能力㊂用Ｅ＝｛ｅ１，ｅ２， ，ｅｉ｝表示所有ＲＳＵ的集合，用Ｕ＝｛ｕ１，ｕ２， ，ｕｊ｝表示所有车辆的合集，每个车辆ｕɪＵ都有一个计算任务且可以选择在本地计算或者通过无线网络迁移到ＲＳＵ上㊂车辆移动时可以连接到任意一个路侧单元ｅɪＥ㊂为了保证车辆采取迁移决策时的满意程度，本文用迁移成本，计算成本，能源消耗等相关指标来衡量服务迁移过程中产生的开支㊂１．１㊀通信模型本文假定车辆通过Ｖ２Ｘ的蜂窝网络和毫米波与ＲＳＵ进行通讯㊂１．１．１㊀５Ｇ蜂窝网络根据香农公式，在假定被高斯白噪声干扰的信道中，理论的最大信息传输速率为公式（１）：Ｃ＝Ｂｌｏｇ２１＋ＳＮæèçöø÷（１）㊀㊀其中，Ｂ是信道带宽；Ｓ是信道内所传输信号的平均功率；Ｎ是信道内部的高斯噪声功率㊂因此，车辆ｕ和路侧单元ｅ之间的数据传输率可以表示为式（２）：Ｃｃｕ，ｅ＝Ｂｃｌｏｇ２１＋Ｈｕ，ｅｄｕ，ｅ｜ｈ｜２Ｎｃ２æèçöø÷（２）㊀㊀其中，Ｂｃ是信道带宽；Ｈｕ，ｅ是车辆ｕ的车载通信设备与其对应的路侧单元ｅ的传输功率；ｄｕ，ｅ表示车辆ｕ与路侧单元ｅ的距离；ｈ表示瑞利衰落因子；Ｎｃ是高斯噪声功率㊂１．１．２㊀毫米波模式ＮＲ－Ｖ２Ｘ采用毫米波模式，本文假定每辆车辆都配备有定向天线阵列，并且采用了定向波束形成来增强毫米波信号的传播㊂为了最大化提高毫米波天线的指向性增益，本文假定对发射器和接收器进行光束准直，因此可以将定向天线模式近似为理想的水平面上的扇形模型［１３］，天线增益可以建模为式（３）：ｇｕ，ｅη()＝ｇｍ，ηɤηᶄ２ｇｓ，η＞ηᶄ２ìîíïïïï（３）㊀㊀其中，η为当前天线的角度与当天线增益达到峰值时的角度之差，即天线转向方向的可容忍对准２智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀误差；ηᶄ是射束宽度；ｇｍ和ｇｓ分别是主瓣和旁瓣天线的定向增益㊂在上述条件下，本文将毫米波信道带宽表示为式（４）：Ｃｍｕ，ｅ＝Ｂｍｌｏｇ２１＋ＳＩＮＲｕ，ｅ()（４）㊀㊀其中，Ｂｍ是毫米波信号带宽㊂车辆天线与基站天线的信噪比为式（５）［１４］：ＳＩＮＲｕ，ｅ＝ｐｕ－Ｎｍ－１０ｌｏｇ１０Ｂｍ()＋２ｇｍ－１０αｌｏｇ１０ｄｕ，ｅ()－６９．６－ρ（５）其中，ｐｕ是车辆ｕ配备的毫米波收发器的传输功率；Ｎｍ是噪声功率谱密度；ｄｕ，ｅ表示车辆ｕ和路侧单元ｅ间的曼哈顿距离；ρ Ｎ０，σ２()是以分贝为单位的阴影衰落模型；而σ为标准偏差㊂１．１．３㊀通信模型车辆与ＲＳＵ的数据传输速率可以表示为式（６）：Ｃｕ，ｅ＝λｃＣｃｕ，ｅ＋λｍＣｍｕ，ｅｓ．ｔ．λｃ＝０，１{}，λｍ＝０，１{}，λｃ＋λｍ＝１（６）其中，λｃ，λｍ分别为代表是否使用５Ｇ蜂窝网络或ＮＲ模式进行通讯的二元变量㊂当λｃ＝１时，假设车辆ｕ使用５Ｇ蜂窝网络作为通讯方式，λｍ＝０；反之当λｃ＝０时，λｍ＝１认为车辆ｕ使用ＮＲ模式作为通讯方式㊂１．２㊀迁移成本模型本文使用了平台服务（ＰａａＳ）范式，并采用Ｄｏｃｋｅｒ技术，该技术具有增强应用程序可移植性的机制，可以让应用程序无环境差异地部署在各个地方，因此本文将服务迁移成本建模为Ｄｏｃｋｅｒ服务镜像迁移成本㊂假定每个车辆都包含计算任务，且任务定义为一个二元组：Ｔｕ＝ｐｕ，Ｓｕ{}，其中ｐｕ是完成任务Ｔｕ所需的计算资源，Ｓｕ代表车辆ｕ执行的服务镜像大小㊂本文采用了部分迁移而非二元迁移，并假定车辆ｕ卸载到远程路侧单元ｅ的服务比例为ωｖｅｃｕ，ｅ，表示为式（７）：ωｌｏｃｕ＝１－ωｖｅｃｕ，ｅ（７）㊀㊀其中，ωｖｅｃｕ，ｅ表示车辆ｕ卸在本地执行的服务比例㊂据服务镜像大小，可以得出在路侧单元ｅ执行的服务的镜像大小，式（８）：Ｓｖｅｃｕ，ｅ＝ωｌｏｃｕˑＳｕ（８）㊀㊀因此迁移成本如式（９）：Ｇｍｉｇｕ，ｅ＝Ｓｖｅｃｕ，ｅＣｕ，ｅ＝ωｌｏｃｕˑＳｕλｃＣｃｕ，ｅ＋λｍＣｍｕ，ｅ（９）㊀㊀其中，λｃ＝０，１{}，λｍ＝０，１{}，λｃ＋λｍ＝１１．３㊀计算成本模型１．３．１㊀本地车载计算当车辆ｕ在本地计算时，计算开销的时间取决于其可用资源㊂本文假设ｆｌｏｃｕ是车辆ｕ的车载计算资源，则本地计算时间ｔｌｏｃｕ的计算公式（１０）：ｔｌｏｃｕ＝ｐｕｆｌｏｃｕ（１０）１．３．２㊀远程ＶＥＣ计算当本地计算资源紧张或者计算负载过高时，可以将服务卸载到远程路侧单元上进行计算㊂在许多包括道路检测和智能制动在内的应用中，因为其镜像的大小远大于从路侧单元传输回来的数据大小，所以本文假定路侧单元返回的计算结果的接收时间忽略不计，则车辆ｕ的远程计算时间ｔｖｅｃｕ表示为公式（１１）：ｔｖｅｃｕ＝ｐｕｆｖｅｃｕ（１１）㊀㊀其中，ｆｖｅｃｕ表示路侧单元分配给车辆ｕ的计算资源，ｐｕ是完成任务Ｔｕ所需的计算资源㊂本文假定车辆ｕ卸载到远程路侧单元ｅ的服务比例为ωｖｅｃｕ，ｅ，车辆ｕ卸载本地执行的服务比例为ωｌｏｃｕ，因此计算成本可以表示为式（１２）：Ｇｃｏｍｐｕ，ｅ＝ωｌｏｃｕｐｕｆｌｏｃｕ＋ωｖｅｃｕ，ｅｐｕｆｖｅｃｕ（１２）１．４㊀能耗模型当本地计算资源紧张或者计算负载过高时，可以将服务卸载到路侧单元上㊂在这种情况下，传输能耗可以由公式（１３）计算：Ｐｖｅｃｕ，ｅ＝ϑｅˑＳｖｅｃｕ，ｅＣｕ，ｅ（１３）㊀㊀其中，ϑｅ表示车辆ｕ在卸载时的平均传输功率；Ｓｖｅｃｕ，ｅ是服务镜像的大小；Ｃｕ，ｅ是车辆ｕ可访问的数据传输速率㊂２㊀基于强化学习的车辆服务迁移２．１㊀马尔可夫决策问题服务迁移策略应该考虑若干成本，在服务迁移过程中对于成本的优化可以采用ＭＤＰ进行解决［１１］㊂ＭＤＰ由四元组构成＜Ａ，Ｓ，Ｒ，Ｐ＞，其中Ａ代表智能体的所有行动，Ｓ是智能体可以感知的环境状态，Ｐ是在时隙ｔ状态下的行动将导致下一个时隙ｔ＋１的状态的概率，Ｒ是一个实数，代表奖励３第６期周率，等：基于强化学习的车辆服务迁移方法或惩罚［１５］㊂２．１．１㊀动作空间本文将时隙ｔ的行动αｔɪＡ定义为αｔ＝｛ωｖｅｃｕ，ｅｔ()，Ｗｔ()｝，ωｖｅｃｕ，ｅｔ()表示时隙ｔ中车辆ｕ的服务迁移给路侧单元的比例，Ｗｔ()＝｛－１，０，１，２， ，Ｉ｝表示时隙ｔ中车辆ｕ迁移的目标路侧单元，若Ｗｔ()＝－１则表示时隙ｔ中车辆ｕ不进行迁移，若Ｗｔ()ȡ０表示时隙ｔ中车辆ｕ将服务迁移到序号为Ｗｔ()的路侧单元㊂２．１．２㊀奖励函数由于强化学习的根本目标在于提升智能体的长期累积回报，因此合理的奖励函数能够提升训练速度与性能表现㊂长期累积回报的定义如式（１４）：Ｇｔ()＝ð¥ｔ＝０γｔｒｔ()，０ɤγ＜１（１４）㊀㊀其中，ｒｓｔ()是时隙ｔ中获得的奖励值，γ表示折扣率，用于计算未来奖励值的现值㊂本文的奖励函数设计如式（１５）：ｒｔ()＝ΔＧｍｉｇｔ()＋ΔＧｃｏｍｐｔ()＋ΔＰｔ()（１５）㊀㊀其中，ΔＧｍｉｇｔ()㊁ΔＧｃｏｍｐｔ()和ΔＰｔ()分别表示时隙ｔ迁移成本㊁计算成本和能耗的下降百分比㊂以ΔＰｔ()为例，如式（１６）定义：ΔＰｔ()＝Ｐｔ－１()－Ｐｔ()Ｐｔ－１()（１６）２．２㊀算法描述本文采用基于ＳｏｆｔＡｃｔｏｒ－Ｃｒｉｔｉｃ的强化学习算法，该算法考虑了预期收益和熵之间的最大化效益，因此最优迁移策略定义为式（１７）：π∗＝ａｒｇｍａｘπðｔE ｓｔ，ａｔ()ρπγｔｒｓｔ，ａｔ()＋[αＨπ㊃∣ｓｔ()()]（１７）其中，ａｔ代表智能体在时隙ｔ采取的行动；ｓｔ代表智能体在时隙ｔ的状态；γ表示奖励值折扣率；温度参数α决定了熵值的相对重要性；Ｈ（π（㊃∣ｓｔ））代表熵㊂Ｖ值表示当前环境状态下开始，未来能获得奖励的期望值，用于表现当前环境状态的好坏程度；Ｑ值表示在选取某个行动后，未来能获得奖励的期望值，该值衡量的是当前选取的行动的好坏程度㊂Ｖ值和Ｑ值之间的关系如图１所示㊂㊀㊀根据贝尔曼方程，Ｖ值和Ｑ值可以表示为式（１８）和式（１９）：Ｖｓｔ()＝Eτ πð¥ｔ＝０γｔｒｓｔ，ａｔ()＋αＨπ㊃∣ｓｔ()()()[]（１８）Ｑｓｔ，ａｔ()＝Eτ πð¥ｔ＝０γｔｒｓｔ，ａｔ()＋αð¥ｔ＝０γｔＨπ㊃∣ｓｔ()()[]（１９）V 值QQ QS SSQ 值V SAA A图１㊀Ｑ值与Ｖ值关系图Ｆｉｇ．１㊀ＴｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＱｖａｌｕｅａｎｄＶｖａｌｕｅ２．２．１㊀Ｃｒｉｔｉｃ网络更新传统强化学习中，由于维度过高会引发训练困难的问题［１６］，因此引入神经网络进行近似，本文提出的算法网络由一个Ａｃｔｏｒ网络和两个Ｃｒｉｔｉｃ㊁目标Ｃｒｉｔｉｃ网络构成㊂Ｃｒｉｔｉｃ网络的损失函数可以表示为式（２０）：ＪＱθｋ()＝E （ｓｔ，ａｔ） ＤＱθｋｓｔ，ａｔ()－ｙ()２[]（２０）其中，θｋ为Ｃｒｉｔｉｃ网络参数；Ｄ表示重放缓冲区，可以通过ＤѳＤɣｓｔ，ａｔ，ｒｔ，ｓｔ＋１()更新；Ｑθｋｓｔ，ａｔ()是时隙ｔ的状态行动价值；ｙ表示目标网络的Ｑ值，可以表示为式（２１）：㊀ｙ＝ｒｓｔ，ａｔ()＋γＶｓｔ＋１()＝ｒｓｔ，ａｔ()＋γｍｉｎｋ＝１，２Ｑθ－ｋｓｔ＋１，ａｔ＋１()－(αｌｏｇπａｔ＋１∣ｓｔ＋１())（２１）其中，ｍｉｎｋ＝１，２Ｑθ－ｋｓｔ＋１，ａｔ＋１()表示取两个目标网络输出的最小值，能够有效防止过高估计㊂根据式（２０）和式（２１），Ｃｒｉｔｉｃ网络的更新公式为式（２２）：Ñθｋ１Ｄð（ｓｔ，ａｔ，ｒ（ｓｔ，ａｔ），ｓｔ＋１） Ｄ（Ｑθｋ（ｓｔ，ａｔ）－ｙ）２（２２）㊀㊀并根据式（２３）更新目标Ｃｒｉｔｉｃ网络：θｋ－＝λθｋ－－１－λ()θｋ（２３）㊀㊀其中，θｋ为目标Ｃｒｉｔｉｃ网络的参数，λ为网络的更新比例㊂２．２．２㊀Ａｃｔｏｒ网络更新Ａｃｔｏｒ网络的损失函数通过式（２４）计算：Ｊπϕ()＝E ｓｔ Ｄ，ɪｔ Ｎαｌｏｇπϕｆϕεｔ；ｓｔ()｜ｓｔ()－[Ｑθｓｔ，ｆϕεｔ；ｓｔ()()]（２４）其中，ｆϕεｔ；ｓｔ()采用了重参数化技巧，式（２５）：ａｔ＝ｆϕεｔ；ｓｔ()＝ｆμϕｓｔ()＋εｔ☉ｆσϕｓｔ()（２５）４智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀其中，ｆμϕ和ｆσϕ分别为均值和方差，ε Ｎ（ε）是正态分布下的噪声参数㊂策略参数可以通过式（２６）更新：ｍａｘϕEｓｔ Ｄ，εｔ Ｎｍｉｎｋ＝１，２Ｑθｋｓｔ，ａｔ()－αｌｏｇπａｔ∣ｓｔ()()[]（２６）其中，ａｔ是从策略π㊃∣ｓｔ()中采样得到的，因此可以将其微分㊂车辆服务迁移算法见表１㊂表１㊀车辆服务迁移算法Ｔａｂ．１㊀Ｖｅｈｉｃｕｌａｒｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎａｌｇｏｒｉｔｈｍ算法１㊀车辆服务迁移算法输入㊀初始策略参数ϕ，Ｑ函数网络参数θｋ，目标网络参数θｋ－，ｋ＝１，２输出㊀模型权重１㊀初始化重放缓冲区Ｄ２㊀ｆｏｒ每次迭代ｄｏ３㊀㊀ｆｏｒｔ＝１，最大时间步ｄｏ４㊀㊀㊀观察环境状态ｓｔ，根据策略选定动作ａｔ，观察执行后的环境状态ｓｔ＋１５㊀㊀㊀根据公式（１５）计算奖励值ｒｓｔ，ａｔ()６㊀㊀㊀更新重放缓冲区Ｄ＝ｓｔ，ａｔ，ｒｓｔ，ａｔ()，ｓｔ＋１()７㊀㊀结束ｆｏｒ循环８㊀㊀ｆｏｒ每次更新ｄｏ９㊀㊀㊀从重放缓冲区Ｄ中采样ｓｔ，ａｔ，ｒｓｔ，ａｔ()，ｓｔ＋１() Ｄ１０㊀㊀㊀根据公式（２０）计算ｙ，并根据公式（２２）更新θｋ１１㊀㊀㊀根据公式（２３）更新θｋ－１２㊀㊀㊀根据公式（２６）和梯度Ñθ１ＤðｓɪＤｍｉｎｋ＝１，２Ｑθｋｓｔ，ａｔ()－αｌｏｇπａｔ∣ｓｔ()()()更新ϕ１３㊀㊀结束ｆｏｒ循环１４㊀结束ｆｏｒ循环３㊀实验３．１㊀数据集介绍为了评估所提出的算法在真实场景中的性能，本文采用微软亚洲研究院在２００７年４月至２０１２年８月期间在Ｇｅｏｌｉｆｅ项目中收集的ＧＰＳ轨迹数据集，该数据集由一连串带有经度㊁纬度和高度的时间戳的点，包含的轨迹总距离为１２９２９５１ｋｍ，总时间为５０１７６ｈ㊂同时本文使用阿里巴巴集群数据来模拟真实场景中ＲＳＵ的负载，该数据集中包含每台机器的资源使用情况㊁容器的元信息和事件信息以及每个容器的资源使用情况㊂３．２㊀实验环境本文的仿真实验硬件平台配置：Ｉｎｔｅｌｉ５－１２５００，３２ＧＢＤＤＲ４内存和ＮＶＩＤＩＡＧＴＸ３０６０；软件平台基于Ｐｙｔｈｏｎ３．７．９，ＯｐｅｎＡＩ－ｇｙｍ和Ｍａｎｊａｒｏ㊂本文将通信范围设定为２００ｍ，实验参数设定见表２㊂表２㊀实验参数设置Ｔａｂ．２㊀Ｅｘｐｅｒｉｍｅｎｔｐａｒａｍｅｔｅｒｓｓｅｔｔｉｎｇ参数值重放缓冲区大小１００００优化器Ａｄａｍ学习率｛０．１，０．０１，０．００５，０．００１｝Ｍｉｎｉｂａｔｃｈｓｉｚｅ１２８折扣率０．９８５最大迭代次数６００００车辆数量２０车辆平均速度［１０－６０］ｋｍ／ｈＲＳＵ计算能力１６ＧＨｚ３．２．１㊀算法收敛性本文首先研究学习率对提出算法的影响，将学习率设置为：０．１㊁０．０１㊁０．０３㊁０．００１，采用在不同迭代次数的平均服务时延作为评价指标，平均服务时延越小，算法的表现也就越好㊂学习率对算法收敛性５第６期周率，等：基于强化学习的车辆服务迁移方法影响的实验结果如图２所示，当学习率为０．００５时，在经过９５００次迭代后收敛到最优值并能保持稳定状态；当学习率为０．００１时，在经过１５０００次迭代后收敛；当学习率为０．１㊁０．０１时，曲线变得极不稳定，而且很难收敛到稳定状态㊂因此，研究得出学习率对于算法的稳定程度具有较高影响，这是由于学习率决定了模型权重更新的速度和幅度，对模型的收敛性具有重要影响㊂过高的学习率会导致模型在训练过程中无法收敛并出现不稳定的训练行为，使得模型的性能反而变得更差；相反，如果学习率过低，模型的权重更新会变得缓慢㊂959085807570656055504506000120001800024000300003600042000480005400060000迭代次数平均服务时延学习率=0.001学习率=0.005学习率=0.1学习率=0.01图２㊀不同学习率对算法收敛性的影响Ｆｉｇ．２㊀Ｅｆｆｅｃｔｏｆｄｉｆｆｅｒｅｎｔｌｅａｒｎｉｎｇｒａｔｅｓｏｎｃｏｎｖｅｒｇｅｎｃｅ３．２．２㊀不同算法的服务时延对比为了进一步验证算法的可靠性，将本文采用的算法与就近迁移（ＡｌｗａｙｓＭｉｇｒａｔｅＣｌｏｓｅｌｙ，ＡＭＣ）㊁随机迁移（Ｒａｎｄｏｍ）和深度Ｑ学习（ＤｅｅｐＱ－Ｌｅａｒｎｉｎｇ，ＤＱＮ）算法进行对比，以验证不同移动性下算法的稳定性及其表现㊂算法的学习率设定为０．００５，实验结果如图３所示㊂随着平均车辆移动速度的增加，各算法的平均服务延迟都在上升，这是由于车辆行驶速度越快，离开ＲＳＵ通信范围的间隔也就越小，服务迁移的触发频率随之上升㊂本文和ＤＱＮ算法的平均服务延迟都处于较低的水准，同时其增长速率也较为缓慢㊂ＡＭＣ算法虽然每次都选择就近的ＲＳＵ，但是迁移服务时带来的额外开支并不能弥补其服务延迟㊂与ＤＱＮ算法相比，本文提出的算法在移动速度为２０ｋｍ／ｈ时有８．６％的优势，当移动速度达到６０ｋｍ／ｈ时有１５．３％的优势，这是由于本文提出的算法具有较高的探索率，相比ＤＱＮ算法可以探索更多的迁移决策，从而使得平均服务时延上升速度较为缓慢㊂３．２．３㊀不同算法的能耗对比对比各算法在不同车辆移动速度下的平均能耗，实验结果如图４所示，随着平均车辆移动速度的增加，各算法的能耗同步上升，其中ＡＭＣ算法的上升速率最快，这是由于车辆移动速度的上升导致车辆更快的离开ＲＳＵ通信范围，进而频繁触发迁移行动，ＡＭＣ算法的能耗因此远远高于其他算法㊂而Ｒａｎｄｏｍ算法在远离ＲＳＵ后并没有完全决定迁移，因此相比ＡＭＣ算法其能耗仍有一定优势㊂基于强化学习的ＤＱＮ和本文算法具有较大的优势，这是因为奖励函数中能耗带来的奖励值使得算法对于迁移决策较为慎重，频繁地触发服务迁移并不总是最优策略㊂与ＤＱＮ相比，本文提出的算法在６０ｋｍ／ｈ移动状态下有１４．４％的优势，这是由于该算法在训练过程中充分探索了可能的策略，因而与ＤＱＮ相比能使用更优的策略以降低能耗水平㊂本文D Q N R a n d o m A M C807570656055504540202530354045505560平均车辆移动速度/(k m ?h -1)平均服务延迟/m s图３㊀不同车辆移动速度下的平均服务延迟Ｆｉｇ．３㊀Ａｖｅｒａｇｅｓｅｒｖｉｃｅｄｅｌａｙｆｏｒｄｉｆｆｅｒｅｎｔｖｅｈｉｃｌｅｍｏｖｅｍｅｎｔｓｐｅｅｄｓ本文D Q N R a n d o m A M C55504540353025202530354045505560平均车辆移动速度/(k m ?h -1)平均能耗/J图４㊀不同车辆移动速度下的平均能耗Ｆｉｇ．４㊀Ａｖｅｒａｇｅｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｆｏｒｄｉｆｆｅｒｅｎｔｖｅｈｉｃｌｅｍｏｖｅｍｅｎｔｓｐｅｅｄｓ４㊀结束语针对中国目前重点发展方向之一的车联网，本（下转第１２页）４ 结束语本文设计了一种基于ＦＰＧＡ的ＵＤＰ＿ＩＰ协议栈，ＩＣＭＰ报文和ＵＤＰ报文数据部分在该协议栈内完成了正确的缓存和转发，当发送ＡＲＰ报文时，在该协议栈内能够及时进行ＡＲＰ列表的更新㊂本设计具有良好的稳定性和可靠性，为高速以太网通信提供了一个很好的解决方案，有着广泛的应用前景㊂参考文献［１］武朋，黄虎，王兴．基于ＦＰＧＡ的ＴＣＰ／ＩＰ协议设计与实现［Ｊ］．软件导刊，２０１３，１２（５）：２２－２３．［２］朱明辉，司斌，张从霞，等．ＦＰＧＡ与８８Ｅ１１１１的千兆以太网接口设计［Ｊ］．单片机与嵌入式系统应用，２０１７，１７（３）：６０－６３，６６．［３］李勋，刘文怡．基于ＦＰＧＡ的以太网接口设计与实现［Ｊ］．自动化与仪表，２０１４，２９（５）：５７－６０．［４］董永吉，王钰，袁征．基于ＦＰＧＡ的万兆以太网ＵＤＰ＿ＩＰ硬件协议栈设计与实现［Ｊ／ＯＬ］．计算机应用研究：１－４［２０２２－０４－２５］．［５］韩剑南，胡辽林．基于ＦＰＧＡ和ＵＤＰ／ＩＰ协议的千兆网络图传系统［Ｊ］．计算机系统应用，２０１８，２７（３）：９９－１０４．［６］刘源，张刚．可靠ＵＤＰ协议栈的ＦＰＧＡ实现［Ｊ］．火力与指挥控制，２０１７，４２（７）：１３９－１４３．（上接第６页）文研究了基于该环境下的服务迁移问题，并对服务迁移过程中产生的计算成本㊁迁移成本和能耗建模，将迁移决策规划为部分迁移而非二元迁移，同时考虑了车辆移动性带来的问题㊂本文将服务迁移建模为ＭＤＰ问题，并提出了基于深度强化学习的服务迁移算法来降低服务的平均时延和能耗㊂实验结果表明，本文提出的算法在学习率为０．００５时能够较快达到收敛，并且与其他算法相比在２０ｋｍ／ｈ和６０ｋｍ／ｈ时分别有８．６％和１５．３％的性能提升，同时当移动速度处于６０ｋｍ／ｈ时，在能耗方面有１４．４％的优势㊂在未来工作中，将车辆加速度引入以预测用户驾驶车辆的移动意图，从而进行更精确的迁移决策㊂参考文献［１］ＡＢＢＡＳＮ，ＺＨＡＮＧＹ，ＴＡＨＥＲＫＯＲＤＩＡ，ｅｔａｌ．Ｍｏｂｉｌｅｅｄｇｅｃｏｍｐｕｔｉｎｇ：Ａｓｕｒｖｅｙ［Ｊ］．ＩＥＥＥＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＪｏｕｒｎａｌ，２０１８，５（１）：４５０－４６５．［２］ＢＩＪ，ＹＵＡＮＨ，ＤＵＡＮＭＵＳ，ｅｔａｌ．Ｅｎｅｒｇｙ－ｏｐｔｉｍｉｚｅｄｐａｒｔｉａｌｃｏｍｐｕｔａｔｉｏｎｏｆｆｌｏａｄｉｎｇｉｎｍｏｂｉｌｅ－ｅｄｇｅｃｏｍｐｕｔｉｎｇｗｉｔｈｇｅｎｅｔｉｃｓｉｍｕｌａｔｅｄ－ａｎｎｅａｌｉｎｇ－ｂａｓｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＪｏｕｒｎａｌ，２０２０，８（５）：３７７４－３７８５．［３］ＺＨＡＮＧＱ，ＺＨＥＮＧＨ，ＺＨＯＮＧＺ，ｅｔａｌ．Ｅｎｅｒｇｙｍｉｎｉｍｉｚａｔｉｏｎｆｏｒｆｏｇｃｏｍｐｕｔｉｎｇ－ｅｎａｂｌｅｄｈｉｅｒａｒｃｈｉｃａｌｎｅｔｗｏｒｋｓｗｉｔｈｄｙｎａｍｉｃＴＤＤ［Ｃ］／／２０１９ＩＥＥＥ／ＣＩＣＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓｉｎＣｈｉｎａ（ＩＣＣＣ）．ＩＥＥＥ，２０１９：５９０－５９５．［４］ＷＡＮＧＫ，ＨＵＺ，ＡＩＱ，ｅｔａｌ．Ｊｏｉｎｔｏｆｆｌｏａｄｉｎｇａｎｄｃｈａｒｇｅｃｏｓｔｍｉｎｉｍｉｚａｔｉｏｎｉｎｍｏｂｉｌｅｅｄｇｅｃｏｍｐｕｔｉｎｇ［Ｊ］．ＩＥＥＥＯｐｅｎＪｏｕｒｎａｌｏｆｔｈｅＣｏｍｍｕｎｉｃａｔｉｏｎｓＳｏｃｉｅｔｙ，２０２０，１：２０５－２１６．［５］ＷＵＦ，ＬＩＸ，ＬＩＨ，ｅｔａｌ．Ｅｎｅｒｇｙ－ｔｉｍｅｅｆｆｉｃｉｅｎｔｔａｓｋｏｆｆｌｏａｄｉｎｇｆｏｒｍｏｂｉｌｅｅｄｇｅｃｏｍｐｕｔｉｎｇｉｎｈｏｔ－ｓｐｏｔｓｃｅｎａｒｉｏｓ［Ｃ］／／ＩＣＣ２０２１－ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ．ＩＥＥＥ，２０２１：１－６．［６］ＳＩＮＧＨＳ，ＫＩＭＤＨ．Ｐｒｏｆｉｔｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｍｏｂｉｌｅｅｄｇｅｃｏｍｐｕｔｉｎｇｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ［Ｃ］／／２０２１ＩＥＥＥＲｅｇｉｏｎ１０Ｓｙｍｐｏｓｉｕｍ（ＴＥＮＳＹＭＰ）．ＩＥＥＥ，２０２１：１－６．［７］ＫＩＭＳ．Ｂａｒｇａｉｎｉｎｇｇａｍｅｂａｓｅｄｏｆｆｌｏａｄｉｎｇｓｅｒｖｉｃｅａｌｇｏｒｉｔｈｍｆｏｒｅｄｇｅ－ａｓｓｉｓｔｅｄｄｉｓｔｒｉｂｕｔｅｄｃｏｍｐｕｔｉｎｇｍｏｄｅｌ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０２２，１０：６３６４８－６３６５７．［８］ＯＵＹＡＮＧＴ，ＺＨＯＵＺ，ＣＨＥＮＸ．Ｆｏｌｌｏｗｍｅａｔｔｈｅｅｄｇｅ：Ｍｏｂｉｌｉｔｙ－ａｗａｒｅｄｙｎａｍｉｃｓｅｒｖｉｃｅｐｌａｃｅｍｅｎｔｆｏｒｍｏｂｉｌｅｅｄｇｅｃｏｍｐｕｔｉｎｇ［Ｊ］．ＩＥＥＥＪｏｕｒｎａｌｏｎＳｅｌｅｃｔｅｄＡｒｅａｓｉｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１８，３６（１０）：２３３３－２３４５．［９］ＶＵＴＴ，ＮＧＵＹＥＮＤＮ，ＨＯＡＮＧＤＴ，ｅｔａｌ．Ｏｐｔｉｍａｌｅｎｅｒｇｙｅｆｆｉｃｉｅｎｃｙｗｉｔｈｄｅｌａｙｃｏｎｓｔｒａｉｎｔｓｆｏｒｍｕｌｔｉ－ｌａｙｅｒｃｏｏｐｅｒａｔｉｖｅｆｏｇｃｏｍｐｕｔｉｎｇｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２１，６９（６）：３９１１－３９２９．［１０］ＡＬＢＯＮＤＡＨＤＲ，ＰéＲＥＺ－ＲＯＭＥＲＯＪ．ＡｎｅｆｆｉｃｉｅｎｔＲＡＮｓｌｉｃｉｎｇｓｔｒａｔｅｇｙｆｏｒａｈｅｔｅｒｏｇｅｎｅｏｕｓｎｅｔｗｏｒｋｗｉｔｈｅＭＢＢａｎｄＶ２Ｘｓｅｒｖｉｃｅｓ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０１９，７：４４７７１－４４７８２．［１１］ＫＳＥＮＴＩＮＩＡ，ＴＡＬＥＢＴ，ＣＨＥＮＭ．ＡＭａｒｋｏｖｄｅｃｉｓｉｏｎｐｒｏｃｅｓｓ－ｂａｓｅｄｓｅｒｖｉｃｅｍｉｇｒａｔｉｏｎｐｒｏｃｅｄｕｒｅｆｏｒｆｏｌｌｏｗｍｅｃｌｏｕｄ［Ｃ］／／２０１４ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ（ＩＣＣ）．ＩＥＥＥ，２０１４：１３５０－１３５４．［１２］ＴＡＮＧＺ，ＺＨＯＵＸ，ＺＨＡＮＧＦ，ｅｔａｌ．Ｍｉｇｒａｔｉｏｎｍｏｄｅｌｉｎｇａｎｄｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓｆｏｒｃｏｎｔａｉｎｅｒｓｉｎｆｏｇｃｏｍｐｕｔｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｅｒｖｉｃｅｓＣｏｍｐｕｔｉｎｇ，２０１９，１２（５）：７１２－７２５．［１３］ＷＩＬＤＭＡＮＪ，ＮＡＲＤＥＬＬＩＰＨＪ，ＬＡＴＶＡ－ＡＨＯＭ，ｅｔａｌ．Ｏｎｔｈｅｊｏｉｎｔｉｍｐａｃｔｏｆｂｅａｍｗｉｄｔｈａｎｄｏｒｉｅｎｔａｔｉｏｎｅｒｒｏｒｏｎｔｈｒｏｕｇｈｐｕｔｉｎｄｉｒｅｃｔｉｏｎａｌｗｉｒｅｌｅｓｓｐｏｉｓｓｏｎｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１４，１３（１２）：７０７２－７０８５．［１４］ＬＩＺ，ＸＩＡＮＧＬ，ＧＥＸ，ｅｔａｌ．ＬａｔｅｎｃｙａｎｄＲｅｌｉａｂｉｌｉｔｙｏｆｍｍＷａｖｅＭｕｌｔｉ－ＨｏｐＶ２ＶＣｏｍｍｕｎｉｃａｔｉｏｎｓＵｎｄｅｒＲｅｌａｙＳｅｌｅｃｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ，２０２０，６９（９）：９８０７－９８２１．［１５］ＢＥＬＬＭＡＮＲ．Ａｍａｒｋｏｖｉａｎｄｅｃｉｓｉｏｎｐｒｏｃｅｓｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＭｅｃｈａｎｉｃｓ，１９５７，６（５）：６７９－６８４．［１６］ＳＵＴＴＯＮＲＳ，ＢＡＲＴＯＡＧ．Ｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ：Ａｎｉｎｔｒｏｄｕｃｔｉｏｎ［Ｍ］．ＭＩＴｐｒｅｓｓ，２０１８：４７２－４７５．。
网站前端优化的一些小经验
Ｓｏ ｐ ｎ ｔ ｅＷ ｅＴｉｓｏ ｈ ｂ ｉ Ｆ ｏ ｔ ｅ ｄ Ｏｐ ｉ ｚ ｔ ｅ ｍ ｏ
ＱｕＭ ｉｇ ｉ ｇ ｎ ｑａ ｎ
（ ｈｎ ｈｎ ｕ ｎ ｒｙＣ ｍｐｎ ｉ ｔｄ Ｓ ｅＳ ｎｒｙＢ ａｃ Ｘｉｎ ａｔ ２ ０ ） Ｃ ｉａ ｅｈ ａ ｅｇ ｏ ａｙＬｍｉ ， ｈ ｎ ｉ ｅｇ ｒ ｈ Ｓ Ｅ ｅ Ｅ ｎ ｌ ｈｏｅ ６ １ ｉ ０ ５
ｓｔ ｅｄｒ（ ａｈ — ｏｔ ｌ ” ａ— ｇ＝ ６ ０） 日 ｅＨ ａｅ ” ｃ ｅ Ｃ ｎｒ ” ｍ ｘ ａｅ ３０ ” Ｃ ｏ， 。女 果使用 了 Ｅ — ｘ ｐｒｓ ｉ 文件头 ，那么 当页面 内容 改变时就 必须改 变 内容 的文件 ｅ 名 ， 常是在文件 内容后加版本号 ， 通 这一点经常容易被忽 略。 之 前很多人在论 坛里发布 自己的小系统 ， 还有 Ｄ ｍ ， 是打开一 ｅ ｏ但 看， 出现 一堆 又一堆的 Ｊ ，Ｓ ， Ｓ Ｃ Ｓ 既没有恰 当的合并 ， 也没有设置 过 期时 间 ， 以每 次刷新 页面都 要重新 下载 ， 所 如此 多 的 ｈｔ ｔ ｐ请 求看着 都累 ， 无谓 的流量就这样产生 了。
Ｋ ｙ ｒ ｓ Ｆ ｏ ｔ ｅ ｄｏ ｔ ｚ ｔ ｎ ｃｉｔ ＣＳ Ｊ Ｒｅ ｉ ｃ Ｃ ｏ ｉ Ｂ ｏ ｅ ａ ｅ ｗｏ ｄ ｒｎ — ｎ ｐｉ ａｉ Ｓ ｒｐ — ｍｉ ｏ Ｓ Ｓ ｄｒ ｔ ｅ ｏ ｋｅ ｒｗｓｒｌ ｄ ｏ
开始之前先说说我们为什 么要进 行前端优化 。 因其 实很 合并在一起 时 ，ｔ 原 ｈｔ ｐ请求 的次数 就会 由多次变为一次 。 不过 文件
Ｅ ｔｓ ｘＪ 作为前端技 术 ， 大小有 ４ ０多 Ｋ， 打开一个页面都需 要 ０ 每 导 人一 次 ， 够无聊 的。 到这里有人可能要问 了， 说 静态文件为什
用JavaScript实现跨平台棋牌游戏
问题的一次探索。
并 戏在ｉ Ｏ Ｓ 和Ａ ｎ ｄ ｒ ｏ ｉ ｄ 系统下都能流畅运行 （ 游戏
／
二
． ： Ｊ — ■ ■ Ｉ 】 Ｊ １
． ：
看
銎 游戏的运行界面
固２ Ｃ ｏ ｃ ｏ ｓ ２ ｄ － ｘ Ｊ Ｓ Ｐ － ￣ Ｃ ｏ ｃ ｏ ｓ ２ ｄ － Ｈ Ｔ Ｎ Ｌ ５
“ｒ ｋ ｒ ｝
ａ Ｖ Ｖ
订阅 （ 注册）消息的Ｃ ｏ ｎ ｔ ｅ ｘ ｔ 。
，
可 以看 到 ，因为Ｊ ａ Ｖ ａ ｓ ｃ ｒ ｉ ｐ ｔ 可 以调 用ｃ＋＋ 方法 （ 通 在Ｃ ＋＋端 我 们通 过 Ｊ ｂ Ｎ Ｉ 来 接收 和 发送 消 息 。 ｎ “ ｜ 一 过Ｊ ａ ｖ ａ Ｓ ｃ ｒ ｉ ｐ ｔ Ｂ ｉ ｎ ｄ ｉ ｎ ｇ ）， 而 Ｃ ＋＋ ￣ Ｈ Ａ ｎ ｄ ｒ ｏ ｉ ｄ 之 间是 ：州 ｖ ｏ ｉ ｄ Ｎ ａ ｔ ｉ ｖ ｅ Ａ ｄ ａ ｐ ｔ ｅ ｃ ： ： ｐ ｏ ｓ ｔ Ｍ ｅ ｓ ｓ ａ ｇ ｅ ｉ ｃ ｏ ｎ ｓ ｔ ｃ ｈ ａ ｒ ｍ ｅ ￥ ｓ ａ ｇ ｅ・
由另外的一种技术角色承担 ， 还是 由现在这些前 端从业者们延续？ ＥＴ ＭＬ ５ 是否适合在移动平台担 负起 “ 前端开发 ” 的职能？嵌入应用的Ｗｅ ｂ Ｖ ｉ ｅ ｗ 在低端智能机的低效率是否能有效解决？这些都 是问题困扰移动平台前端应用开发的问题 ， 但这 些问题不会阻止我们的思考 和尝试 ， 相 反， 带着
ｉ ｆ （ ｔ ａ ｒ ｇ ｅ ｔ ． ｇ ｅ ｔ （ ）． ｉ ＝ｎ ｕ ｌ １ ） ｛ ｔ ａ ｒ ｇ ｅ ｔ ． ｇ ｅ ｔ 【 】 ． ｏ ｎ Ｍ ｅ ｓ ｓ ａ ｇ ｅ ｛ ｍ ｅ ｓ ｓ ａ ｇ ｅ ．ｄ ａ ｔ ａ ） ； ｝ ｅ ｌ ｓ ｅ （ ｓ ｕ ｂ ｓ ｃ ｒ ｉ ｂ ｅ ｒ ｓ ． ｒ ｅ ｍ ｏ ｖ ｅ （ ｉ ） ：／ ／ ｒ ｅ ｍ ｏ ｖ ｅ ｎ ｕ Ｉ ｓ ｕ ｂ ｓ ｃ ｒ ｉ ｂ ｅ ｒ ｓ ） ＇ ）
基于PHP和MySQL的车辆管理系统
万方数据
学位论文原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集 体，均已在文中以明确方式标明。本声明的法律责任由本人承担。
This design can save the cost of vehicle management, realized paperless office, reduced repetitive work, make quickly and accurately, improve the army information construction by a certain measure.
First, this thesis introduces the background of the project, the development of database technology and military applications, according to the actual needs make a concrete analysis for system function and realization method, determined the system uses the B/S（Browser/Server） structure, AMP（Apache+MySQL+PHP）platform， PHPmyadmin as a aid for design, Apache as the server, MySQL as the database, written by PHP(Hypertext Preprocessor), and completed the display interface by HTML+JAVAscripe. Secondly, constructed the develop environment for system, designed the database and tables, according the logic completed the programming achieved system function, including basic information management, sending, maintenance, fuel management, and then integration. At last, test the system by black-box testing, including system security, interface display, jump connection, tested practical of system.
网站建设实验报告
longtinghu
5
BBS 论坛试验设计报告
<hr size="1"noshade> <table width="100%" border="0" cellpadding="0" cellspacing="0" bgcolor=" # E7EBE0"> <tr> <td width="72%" height="16" align="center"> 选择页码:【 <% For i=1 To ttlPage % > <a href = "bbslist.asp? Page=<% =i%>"><% = i%></a> <% Next %> 】 </td> <td width="28%" align="right"> 【<a href="bbslist.asp? Page= < % =Page-1 %>">上一页</a>】 【<a href="bbslist.asp? Page= < % =Page+1 %>">下一页</a>】 </td> </tr> </table> <!-- # include virtual = "/ASPWeb/include/endconn.inc"-- > <!-- # include virtual = "/include/footer.inc"-- > </body> </html>
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
主持人：欢迎大家来到“第5届D2前端技术论坛”，相信你们当中也有相当一部分人已经认出来了，我曾经主持过第3届D2，我是今天上午的主持人，谢谢！除了我以外，今天还有很多往届嘉宾，小麦今天会是上午场的重头戏，圆心也会在上午讨论里面带来精彩内容，还有许湛，当然今天还有往届很多D2老面孔，到第五届的时候，我们终于可以回顾一下中国前端发展史这件事情了。
切页面、页面美化、美工，相信这是很多前端同学心中之痛，乃至他们看到这几个词都深感羞辱，但是中国前端工程师职位乃至这个职业就是从这几个词开始发展出来。
我们现在终于可以用骨灰级前端形容在座各位当中相当一部分人，当然小麦除外，他不是骨灰级前端，而是前端的骨灰，他现在不做前端了，而是做产品经理。
相信在座90%以上的人都是前端工程师，但是你们未必每个人都可以这样说“我对前端职位有非常深刻的理解”，所以首先我们要请出来另外一位骨灰级前端淘宝网小马分享对这个职业的理解。
小马：谢谢主持人，谢谢大家，看到这个会场坐的满满当当，欢迎大家来到“第5届D2前端技术论坛”会场，我先跟大家道歉，知道前天晚上我们做了一个艰难的决定，因为我们工作失误，需要临时更换会场，可能给大家出行、酒店住宿带来影响，这里说一声对不起。
我在网上搜索了很久，看看最早的前端招聘广告，但是搜索了很久没有搜索到，我从前雅虎前端架构师这里找到一个截图，这是想说明在2001年雅虎招聘第一名前端，大家知道前端这个岗位产生于雅虎，2001年可以说是前端诞生的年份。
（PPT）这是淘宝在2007年前端招聘广告，我们也自诩为业界最牛的招聘广告，也许这不是中国最早的前端招聘广告，但是最认真、最用心做的一次，前端在淘宝有一个岗位定义，岗位胜任度模型当中的定义给大家念一下“前端负责前端产品领域开发，保障提升产品代码质量、性能、可用性和可访问性”，这是前端在淘宝要具备的一个责任。
（PPT）我对前端的定义是“面向用户的程序员”，既然是程序员，要具备程序员的严谨、好学态度，还有追求骇客的精神，前面还有一个定语，“面向用户”，实际上我们代码直接被用户所用，点右键就可以看到我们的工作成果，我们需要掌握一些面向用户领域的用户体验知识，我们比其他工程师需要更加懂得在用户、技术、商业之间找到权衡，这是前端和其他工程师不同的地方。
（PPT）在淘宝前端的范畴是什么？以客户端网卡为界，客户端网卡到客户端屏幕之间的所有部分都是前端，从服务器数据通过互联网，通过客户端网卡到客户端终端所有部分都是属于前端工作范畴。
（PPT）这是淘宝前端团队发展规模，2006年淘宝还没有前端，我是2006年底入职，当时我的Job 还是JAVA工程师，到2007年初通过HR、公司组织结构改成“前端工程师”，2006年我们没有，2007年有五位同事，2008年是14位，2009年是30位，今年我们接近80人，明年按照今年招聘预计会到150人的规模，基本上都是以翻番速度在增长，说明大家在公司的重要性越来越凸显。
待会儿小麦会有非常精彩的分享，分享各个前端业态下的前端发展，我节约一点时间。
（PPT）最后我想说HTML5已经正在成为现实，前端在技术发展趋势当中拥有无限潜能，因为HTML5有时候做的事情可以超出我们想象，大家还记得第四届D2主题吗？“蜕变”是第四届D2的主题，我们不再是美工，不再是制作，不再是网站重构，我们已经有自己的价值，到第五届，随着HTML5，随着开放平台、随着云计算发展，前端创造的价值会更加大，我们潜能无限，谢谢大家！主持人：首先感谢主办方淘宝网，其次感谢协办方果壳网，特别致谢Google、腾讯网、Cisco WebX、图灵教育等，下面请出讨论板块主持人小麦。
小麦：今天Discuss主题是“前端的过去、现在和未来”，这是我和小马琢磨出来的，D2举办五年了，这五年D2成长也映射了前端职位成长，小马请了六位达人，我一一为大家介绍。
第一位是来自Google的UI Developer Hedger（王喜）同学，Hedger在Google工作，他是UI Developer，他现在做一个Google的ebook项目，今天主题是Closure Compiler。
第二位嘉宾是杜欢，他是前端架构师，在加入思科之前，杜欢在雅虎台湾前端团队担任Team Leader，有丰富的大型前端开发和架构管理经验，同时也是CSCN社区板块斑竹。
第三位同学是高程同学，来自雪橙网络，这是一个比较新兴的互联网公司，他们做Ipad 应用，也有移动端应用，主要负责时间管理软件Web版的，有一个博客叫前端观察的作者之一。
第四位是张克军，他来自豆瓣，05年到09年在雅虎中国，他是第一个建立起雅虎中国前端团队的人。
下一个是老面孔，圆心来自淘宝，圆心我觉得介绍你有点太罗嗦了，圆心是淘宝业务组前端负责人，是D2论坛发起者，目前是程序员杂志专栏特邀作者。
最后一位是今天的亮点，欧阳薇同学，她是我们在座唯一一位女生，另外一个亮点，她的本职工作并不是前端开发工程师，她是做运维的，前端对她来说是一个爱好，她把这个爱好发挥到极至，曾经编写过一个基于JavaScript的“植物大战僵尸”。
我是小麦，来自果壳网。
（PPT）这是我们的过去、现在与未来，我想让他们介绍一下当初你们这些页面仔怎么成长为现在的牛人，这是第一个话题。
到现在入行多少年了？Hedger：最早是2000年，当时中国有一个网站是中国网大，之后去当兵，退伍之后2004年来到台湾雅虎，一开始我完全没有所谓网页标准，公司雇佣网页设计师，但是大家都是用dreamweaver，美国有一个search这个东西，原代码来到台湾之后，翻译公司没有人懂，怎么去改变样式，因为CS跟系统是分开来的，通过那个东西，我们进行组建，形成可以维护的方式。
那时候公司没有Web Developer，然后我去做的。
杜欢：我是在2000年左右正式做Web开发，接触到的过程大概没有接触到页面仔，对于Dreamweaver这种东西接触比较少的，我学习的路线比较正确，我最早就是从Windows 的loadpad开始学HTML的SMS，我没有借助工具学到网页，而是真正从网页基础开始学起，这是我的一个学习过程。
成长过程的话，最早做ASP这种打杂，前后端都要做，做到后来公司开始切换到做BS 架构项目，这时候发现前端越来越吃力，比后端更累，客户不断要求在开源端软件里面可以有这么好的应用习惯，为什么我用BS架构用起来这么简陋，你要帮我保留原来的使用习惯、使用组件。
我们当时也有一个决定，也比较艰难，是不是要让一部分人研究这个东西，怎么在Web 端实现Client端。
小麦：他们说要把一个客户端软件放到Web上去，然后加了一个ActiveX。
杜欢：这是我们产品最早的卖点，这是我在Cisco WebX之前的经历，我大概这样进入到前端。
小麦：杜欢代表前端开发工程师的一个来源，他是比较偏重于后端程序设计这一块，他是从这一条路上过来的。
下一位高程同学。
高程：在座嘉宾中，应该说我资历最浅，我05年开始接触Web标准这一块，应该从喜欢这个东西走上职业道路，最初的时候喜欢这些东西，去进行Photoshop，写代码不同于底层，前端代码可以直接查看，作为我自己来说，比较关心几行代码完全可以改变网页展现形式，这是比较直观的一种感受，我就去研究、学习，后来决定走这条道路，算是职业化，现在慢慢想往专业化道路发展，基本上这样一个过程。
张克军：我应该从98年，那时候刚开始上网，没有记错的话，北京可以接入互联网那个时候还是96年，97年我在学校附近网吧上网，特别贵，一个小时二十多块钱，我在学校图书馆杂志上记了很多网址，然后去网吧访问这些网站，第一个网站就是雅虎，首先网页呈现在我的面前，这给我带来了很大的兴趣。
在2000年左右，国内特别流行个人网站，网易什么都提供个人网站空间，最早开始做网页是那个时期开始做的，那个时期应该是98年以后，当时最早还是用Frontpage，然后报纸上介绍用Dreamweaver可以很容易插一个图，做一个动画，我很好奇，它提供一个可视化界面，就像Flash似的。
小麦：我也用过，后来抛弃它了，没有去研究，不知道怎么实现的。
张克军：这是我最初接触Dreamweaver，差不多99年、2000年的时候，这个称呼“网页制作”2000年之前完全没有问题，因为都是基于一个工具去做网页，就是一个制作过程，不是一个开发过程，开发是编程，包括我个人经历也是这样，05年我基本上都是做网页方面开发，只是有一年转到了.net，然后去了一拍，当时是雅虎和新浪合资的一个网站，在一拍接触到雅虎前端开发一些东西，我大开眼界，9月份发生那次并购事件，阿里巴巴并购雅虎，然后就到雅虎中国。
05年对我来说是转折的一年，05年发生很多改变我想法，改变我对前端的理解，05年是真正意义上的分水点，05年之前只能说是页面仔。
小麦：因为05年之前还没有D2。
张克军：05年之前也不可能有D2。
小麦：是不可能，因为那时候小马还在做JAVA呢。
张克军：前端这个行业发展很有意思，各个阶段变化非常明显，05年之前跟05之后，我们发现05年之后是每年一个变化，05年之前是一个漫长黑夜，回顾以前挺有意思的。
圆心：我更正一下，说我是D2发起人，其实我只是之一，最初设想是小马，我们几个人有一些设想。
小麦：小马在Review的时候，为什么希望我花这么多时间介绍，D2不想依赖收几千块钱请牛人讲听都听不懂的技术，而是致力于培养前端这个行业，为更多不管是前端爱好者、前端初学者、前端熟练工、前端达人提供这样一个交流平台，他希望能够基于D2自己成长，帮助前端更多开发者成长，在这一点上，我需要借这个机会真的让大家好好为小马献上一次掌声。
圆心：可能我的经历跟下面很多人经历比较类似，我是01年开始，那时候大家还在建自己的个人网站，在263申请个人空间，然后后缀都是263，我跟大家一样有热情，申请一个个人网页，一开始我做设计，那时候还用Frontpage，然后切完了传上去，大家还可能会发现有很多免费程序下载，比如AS程序，我还去改一改。
到了03年，因为我要实习了，我相信很多人也经历过，到底我选择哪个职位，我要投什么，那时候我跟大家一样，设计投一下，然后网页制作投一下，AS开发工程师也投一下，可能发现这三个之中，设计来说还是在这三个里面比较好一点。
我03年在新浪实习，选择新浪美工职位，我发现他们用CSS，本来图片要多高，我去塞一个白图片在里面，但是他们用了CSS之后我感觉很神奇，就跟他们一块儿学CSS。
因为我走的是美工路线，因为美工也在发展，里面也会分出很多枝叶，我就做了两到三年视觉设计师，HTML和CSS还是我的乐趣，一直在学。
后来国内流行Web标准，我也用它们，也在捣腾w3C标准，过了一年以后我来到淘宝，那时候小马哥面试我的，第一次面试前端工程师这个职位，我心里面带着感觉不太自信，但是小马还是给了我机会，有人问我怎么就学了HTML和CSS就进了淘宝，我04年的时候学脚本，当时学的一本书非常好，不会感觉语言很难不想学了。