dsr算法
dsr评分提升计算公式
dsr评分提升计算公式DSR（Delivery Service Rating）是一种常用于评估物流服务质量的指标，它能够为消费者提供对物流服务满意度的客观参考。
DSR评分提升对于物流企业来说，具有重要的指导意义。
首先，我们需要明确DSR评分的计算公式。
一般来说，DSR评分由多个维度的评价指标组成，包括物流时效、配送服务、包装质量等。
每个指标都会给出一个从1到5的评分，最终的DSR评分是这些指标的平均值。
例如，如果一个物流企业的物流时效得分为4.5，配送服务得分为4.2，包装质量得分为4.8，那么它的DSR评分为（4.5 + 4.2+ 4.8）/ 3 = 4.5。
那么如何提升DSR评分呢？首先，物流企业需要注重提高物流时效。
物流时效是消费者对物流服务最为关注的一个指标，它直接影响到商品能否按时到达消费者手中。
物流企业可以通过优化物流流程，增加运力，提高配送效率等手段来提高物流时效，从而提升DSR评分。
其次，配送服务也是影响DSR评分的重要因素之一。
配送服务包括配送员的服务态度、配送过程中的沟通交流等。
物流企业需要加强对配送人员的培训，提高他们的服务意识和沟通能力，确保消费者在配送过程中得到良好的体验，进而提高DSR评分。
此外，包装质量也是提升DSR评分的一个关键点。
消费者在收到商品时，包装质量直接影响到他们对商品的第一印象。
物流企业应该注重产品包装的细节，确保商品在运输过程中不受损，并且在包装设计上体现出时尚与品质，以提升消费者对物流服务的满意度，从而提高DSR评分。
值得一提的是，DSR评分提升不仅仅是通过优化物流服务来实现的，还需要物流企业建立健全的客户服务体系。
物流企业应该重视消费者的意见反馈，及时回应消费者的投诉与建议，并采取积极的改善措施。
通过积极回应消费者的问题，物流企业可以树立良好的企业形象，提升消费者对物流服务的信任度，最终提升DSR评分。
综上所述，DSR评分提升对于物流企业来说至关重要。
dsr 因数
DSR 因数1. 介绍DSR 因数（Distributed Source Routing Factor）是一种网络路由算法中用于选择最佳路径的因素。
在分布式源路由（DSR）算法中，每个节点都具有完整的路由信息，因此可以根据不同的因素选择最佳路径。
DSR 因数是其中的一种选择因素，它可以根据网络负载、节点拥塞程度、带宽等因素来评估路径的优劣，从而选择更高效的路径。
2. DSR 算法DSR 算法是一种基于请求-响应模式的自适应路由算法。
它适用于无线自组织网络（MANET），其中节点的位置和连接可能会频繁改变。
在 DSR 算法中，每个节点都维护一个路由缓存，用于存储其他节点的路由信息。
当节点需要发送数据时，它首先查找路由缓存中是否存在到目标节点的路由信息。
如果找到了路由信息，节点就可以直接发送数据；否则，节点将向周围节点发送路由请求，以获取目标节点的路径信息。
DSR 算法中的一个关键概念是源路由。
源路由是指数据包中包含完整路径信息的路由。
在发送数据时，源节点将源路由添加到数据包的头部。
每个中间节点在接收到数据包时，都会检查源路由，并根据路由信息选择下一跳节点。
这种方式能够避免节点之间的状态同步，并具有较低的开销。
3. DSR 因数的计算DSR 因数是用于评估路径质量的一个指标。
它可以根据多个因素进行计算，包括网络负载、节点拥塞程度、带宽等。
下面是一些常用的 DSR 因数计算方法：3.1. 传输延迟传输延迟是指数据从源节点到目标节点所需的时间。
在 DSR 算法中，传输延迟可以通过估算每个中间节点的传输时间来计算。
传输延迟越小，路径质量越高。
3.2. 负载均衡负载均衡是指将网络流量均匀地分布在各个节点之间，避免某些节点的负载过高而影响整体性能。
DSR 因数可以根据节点的负载程度来评估路径的质量，选择负载较低的路径。
3.3. 带宽带宽是指网络路径上的最大传输容量。
DSR 因数可以根据路径上的带宽来评估路径的质量，选择带宽较高的路径。
高分辨率修复 放大算法
算法介绍下面补充这些算法都是什么意思，方便理解：ESRGAN算法ESRGAN是Enhanced Super-Resolution Generative Adversarial Network的缩写，是一种基于生成对抗网络（GAN）的图像超分辨率算法。
其主要思想是通过学习低分辨率（LR）图像与其高分辨率（HR）对应物之间的映射，来实现从LR图像到HR图像的映射过程，从而实现图像的超分辨率。
相较于传统的基于插值的超分辨率算法，ESRGAN 可以生成更加清晰、细节更加丰富的高分辨率图像。
ESRGAN的训练数据集通常包括低分辨率图像及其对应的高分辨率图像，其训练过程中通过生成器网络（Generator）和判别器网络（Discriminator）相互对抗，以提高生成器的超分辨率效果。
ESRGAN_4x是一种基于超分辨率技术的图像增强算法。
它是ESRGAN 算法的一种改进版本，可以将低分辨率的图像通过神经网络模型增强到4倍的分辨率。
ESRGAN_4x算法主要利用超分辨率技术中的单图像超分辨率重建方法，通过对低分辨率图像进行学习和训练，学习到图像的高频细节信息，然后将这些信息用于重建高分辨率图像。
相比于传统的插值方法，ESRGAN_4x算法在增强图像的细节信息和保留图像质量方面有了明显的提升。
LDSR算法LDSR是一种用于图像超分辨率的深度学习算法，其全称为"Deep Laplacian Pyramid Super-Resolution"。
LDSR算法通过学习图像的低分辨率版本和高分辨率版本之间的关系来实现图像的超分辨率。
LDSR算法采用了一种名为"深度拉普拉斯金字塔"的方法，该方法可以将原始图像分解为多个图像金字塔，以便更好地捕捉图像的细节和结构。
LDSR算法的核心思想是使用深度学习网络来学习输入图像的低分辨率版本与高分辨率版本之间的映射关系。
具体来说，LDSR算法将输入图像的低分辨率版本作为网络的输入，将高分辨率版本作为网络的输出，并训练网络以最小化两者之间的差异。
如何计算店铺动态评分以及DSR计算公式详解
如何计算店铺动态评分以及DSR计算公式详解DSR动态评分是大家都和关注的东西，动态评分低了不能上活动，太低全店宝贝会被降权，还有间接的对客户的购买有影响，所以动态评分是很重要的，下面跟大家分享下淘宝有关动态评分的规则要点和淘宝DSR动态评分的计算方法以及公式详解淘宝规则：1、动态评分小于4.4分的，所有宝贝都搜索降权，小心啊!2、同一客户每月最多只能给出3次动态评分;给多了不计分;3、同一单号买再多商品只能给1次动态评分;你可以建议客户分单购买;4、动态评分在双方互评后半小时显示，有时候也要等24小时;看设备的反应;5、一旦评分任何人都无法修改;也不能查看是谁评的分;因为动态评分的分值显示是半年内的评分，所以有些老店会发现即使没有人评分，分数也在发生变化，那是因为时间在走，半年前的某个5分因为时间到期就没有计算在内，而比值恰好就差那一个5分的缘故，比如现在分是4.8001(小数点后面二位要计算才知道)，如果不计算那个5分，就会变成4.7999;最后只显示4.7分。
三项指标都能看见变化(当鼠标靠近时)，因物流速度不计算在内，就只有三项;我们来看看图片中的宝贝与描述相符的4.7分是怎么来的;很简单就是分数×比率5分×0.837+4分×0.113+3分×0.0278+2分×0.0037+1分×0.0185=4.7463后面的数不计，就只是4.7分。
那要上升到4.800分需要多少个全5分评价呢?公式(现在的分数×现在评价的人数+5×A)÷(现在评价的人数+A)=所希望的分数现在的分数就是 4.7463分现在评价的人数就是 540人A就是我们想找的答案所希望的分数就是 4.800分带入公式：(4.7463×540+5A)÷(540+A)=4.8最后得到结果 A=145次希望大家都能明白，请及时关注自己店铺的DSR动态评分，尽量不要触碰或者低于行业均值，有些评分例如发货速度如果很低的话还是可以用方法来补救的，例如加大成本发顺丰快递。
dsr路由算法
dsr路由算法
DSR路由算法是一种基于源路由的无线自组网路由算法。
通过将整个路由控制信息存储在数据包头部，DSR能够实现无需中心控制器的分布式路由。
在DSR算法中，每个数据包都包含了完整的路由信息，这些信息可以通过多个中间节点传输。
当数据包到达目的地时，目的节点可以通过解析数据包头部中的路由信息，从而获得数据包的源节点和路由路径，从而实现数据传输。
DSR算法的优点在于其高度的灵活性和可扩展性。
由于路由信息存储在数据包头部，每个节点都可以根据需要更新路由信息。
此外，DSR还具有很好的容错性，因为每个节点都可以根据需要重新路由数据包，从而避免网络中的单点故障。
然而，DSR算法也有一些缺点。
由于每个数据包都包含完整的路由信息，数据包的大小会相对较大，从而增加了网络的负载。
此外，在高度移动的无线网络中，DSR算法的效率可能会降低，因为需要频繁更新路由信息。
总的来说，DSR路由算法是一种简单而灵活的无线路由算法，可以用于各种不同的无线自组网场景。
需要权衡其优点和缺点，并根据具体情况选择最适合的路由算法。
- 1 -。
无线传感器网络的路由算法
AODV协议1. 概述Nokia研究中心开发，自组网路由协议的RFc标准，它是DSR和DSDV的综合，借用了DSR中路由发现和路由维护的基础程序，及DSDV的逐跳(Hop-by-HoP)路由、目的节点序列号和路由维护阶段的周期更新机制，以DSDV为基础，结合DSR中的按需路由思想并加以改进。
它应用于无线自组织网络中进行路由选择的路由协议, 它能够实现单播和多播路由。
该协议是自组织网络中按需生成路由方式的典型协议。
用于特定网络中的可移动节点。
它能在动态变化的点对点网络中确定一条到目的地的路由，并且具有接入速度快，计算量小，内存占用低，网络负荷轻等特点。
它采用目的序列号来确保在任何时候都不会出现回环，避免了传统的距离向量协议中会出现的很多问题。
AODV最初提出的目的是为了建立一个纯粹的按需路由的系统。
网络中的节点完全不依赖活动路径，既不维护任何路由信息，也不参与任何定期的路由表交换。
节点不需要发现和维护到其他节点的路由，除非两个节点需要通讯或者节点是作为中间转发节点提供特定的服务来维护另外两个节点的连接性。
提出：With the goals of minimizing broadcasts and transmission latency when new routes are needed, we designed a protocol to improve up on the performance characteristics of DSDV in the creation and maintenance of ad-hoc networks.2. 特点优点：（1）基本路由算法为距离向量算法，但有所改进，思路简单、易懂。
（2）按需路由协议，而且节点只存储需要的路由，减少了内存的需求和不必要的复制。
（3）采用UDP 封装，属于应用层协议。
（4）支持中间节点应答，能使源节点快速获得路由，有效减少了广播数，但存在过时路由问题。
区域化的DSR路由协议改进算法
现时延较长，没有实现多路径搜索等． 通过引入区域路由的概念，减少包头路由路径，并对 Ｄ Ｒ协议进行改进 Ｓ
和扩 充，使一次路 由发现 多路径 ，实现 负载 均衡 ，最终路 由协议开销 率和传输 时延得 到改善． 关键字 ：Ｄ Ｒ；区域 ； 由发现 ； Ｓ 路 无线 Ａ ｃ ｄｈ ｏ
中图分类号 ： Ｔ ３３ Ｐ ９ 文献标识码 ： Ａ
Ａｂ ｔ ａ ｔ Ｉ ｒ ｅ ｏ ｉ ｒ ｖ ｅ ｆ ｒ ｎ ｅｏ Ｒ， ｔ ｄ ｓ ｓ ｒ ｃ ： ｎ ｏ ｄ ｒｔ ｍｐ ｏ ｅ ｐ ｒ ｏ ｍａ ｃ ｆＤＳ ｓｕ ｙ ｉ ｒ ｎ ｎ ｕ ｓ ｓ ｏ ｔ ｏ ｎ ｓ ｓ ｃ ｓ ｔ ｅ ｔ ｗｏ ｋ ａ ｄ ｆ ｄ ｏ ｔｉ ｈ ｒｃ ｍｉ ｇ ， ｕ ｈ ａ ｈ ｉ ｔ ｐ ｃ ｅ ｅ ｄ ｒ ｏ ｅ ｈ ａ ， ｅ ｃ ｉ ｅ ｒ ｕ ｅ ｄ ｓ ｏ ｅ ｙ ｄ ｌｙ ｎ ｌｉ ａ ｈ ｓ ａ ｃ ．Ｂｙ ｔ ｅ ｃ ｎ ｅ ｔｏ ｈ ｏ ｅ ｒ ｕ ｅ ａ ｋ ｔｈ ａ ｅ ｖ ｒ ｅ ｄ ｒ ａ ｔｖ ｏ ｔ ｉｃ ｖ ｒ ｅａ ， ｏ ｍｕ ｔ— ｔ ｅ ｒ ｈ ｐ ｈ ｏ ｃ ｐ ｆｔ ｅ ｚ ｎ ｏ ｔ ，
第３ 期
林智华：区域化的 Ｄ Ｒ路由协议改进算法 Ｓ
１ ｓ
２ Ｄ Ｒ工作原理 Ｓ
２１路由发现机制 ． 当源节点需要与 目的节点进行通信时， 它首先在本节点路由缓存中查找是否有到达该目的节点的路由． 若路由缓存中已包含 了到达该 目的节点的有效路由，则使用此路由发送数据分组，否则它将向所有邻居广 播 Ｒ Ｅ （ ｏｔ Ｒ ｑ ｅ ） Ｒ Ｑ Ｒ ｕ ｅｕ ｓ分组，该分组包含唯一请求识 别码 Ｒ ｑｅｔＤ ｅ ｔ ｅｕｓ Ｉ ．如果接收 Ｒ Ｅ 的节点是目的节 ＲＱ 点，则向发起 Ｒ Ｅ 的源节点返回 Ｒ Ｅ ＲＱ Ｒ Ｐ分组，分组 中包含源节点到 目的节点的按顺序排列的完整路径． 否则，检查是否收到过该 Ｒ ｑｅｔＤ的请求，有则丢弃，无则检查本地路 由缓存中是否具有到达该目标节 ｅｕｓＩ 点的路径． 如果存在 ，则向源节点 发送一个包含完整路径信息的路由应答报文 Ｒ Ｅ ，若不存在则把 自己 ＲＰ
基于蚁群算法的DSR协议研究与仿真
处 理 。簇 首 负责 对 内管 理 和 对 外 交 流 。由于 分簇 算 法 较 好 的 解 决 了平 衡 网络 负 载 均 衡 和 能量 消 耗 问题 ，已 成 为 目前 无 线
路 由算法研 究的主流 。 在分簇路 由算法 中， 簇首的选择是至
关 重 要 的 问题 ， 决 定 整 个 簇 的运 行 效 率 和 运 行 模 式 。 它
Ｍ Ａ ｕｉ ｉ ＤＥＮＧ ｉ ｈ 。 Ⅵ ＮＧ ａ Ｒ — ｎ． ｘ Ｇｕ ． ｉ ｓ ． Ｘｉ ｏ
（ ．Ｓ ｈ ｏ ｆ ｏ ｗａｅ ＤａｉｎＵｎｖ ｒｉ ｆ ｅ ｈ ｏｏ ｙ Ｄａｉｎ ｌ６ ２ ， Ｃ ｉａ １ ｃ ｏ ｌ Ｓ ｆ ｒ， ｏ ｔ ｌ ｉｅｓｔ ｏ Ｔ ｃ ｎ ｌｇ ， ａ ｙ ｌ １ ６ １ ｈｎ ； ａ
于 战场、 谷等不便 架设有线 网络的地区 。 山 Ａ Ｈｏ 网络 路 由协 议 可 分 为 ３ ： 驱 动 路 由协 议 、 需 ｄ ｃ 种 表 按
个 簇 ， 取 “ 心 节 点 ” 为 簇 首 ， 首 指 导 簇 内各 成 员 之 间 选 中 作 簇
进 行 明 确 分 工 ， 证 网 络 高 效 稳 定 的 协 作 运 行 和 信 息 的 快 速 保
到 适 用 标 准 。分 簇 路 由算 法 将 具 有 一 定 关 联 的 节 点 划 分 为
一
有动态变 化的拓扑结构 ， 中心基站 ， 一个节点都兼备路 由 无 每 转 发 和 接 收 的 功 能 ， 目的 是 协 作 的感 知 、 集 和 处 理 网络 覆 其 采 盖 区域 中 被 感 知对 象 的 信 息 ， 发 送 给 观 察 者 “ 可 广 泛 应 用 并 。
０ 引 言
Ａ ｃ网 络 ， 称 为 多 跳 移 动 无 线 网 络 ， 一 种 由大 量 ｄＨｏ 又 是
万字干货—提升DSR(顾客满意度)最全的方法都在这了!
万字干货—提升DSR（顾客满意度）最全的方法都在这了！用户运营不仅仅做营销活动，用户体验更加重要；否则辛苦投入引来的顾客，因体验不好流失了岂不是得不偿失，作为用户运营，要有更广的眼界和视角，学会提升顾客满意度尤为重要！本文重点导读1、什么是DSR2、DSR的影响和价值3、影响DSR变化的常见因素4、如何提升DSR01什么是DSR？1、DSR的内容DSR是指淘系店铺的动态评分。
D=商品描述；S=服务态度；R=物流质量准确来说DSR应该分2个部分：评分和占比评分：即上图中的4.8分定义：是指在淘系店铺交易成功后，买家可以对本次交易的卖家进行如下三项评分：宝贝与描述相符、卖家服务、物流情况。
计算：每项店铺评分取近180天内所有买家给予评分的算术平均值。
高于行业占比：即上图中的3.76%；18.83%等定义：店铺dsr评分对于行业均值所处的地位计算：(店铺得分-行业均值得分) / (行业最高得分-行业均值得分)注：因行业最高值和行业均值都是不对外展示的，所以这个数据我们只能看，没办法精确计算，提升了评分，占比自然提升，因此我们重点讲评分。
2、DSR的计算要点①DSR 是三项值分别代表产品，服务，物流三方面的客户满意度，其中产品是根据订单里面每一个产品去打分，物流和服务则是对订单统一打分。
②dsr是滚动区间值例如：8月11日看到的值是，往前推180天，就是2月12日—8月11日这180天所有买家评分的算术平均值。
③DSR计算方法F=(5*n5+4*n4+3*n3+2*n2+1*n1)/(n1+n2+n3+n4+n5)F表示最终得分n5表示180天内打5分的人数n4表示180天内打4分的人数n3表示180天内打3分的人数n2表示180天内打2分的人数n1表示180天内打1分的人数公式也可简化为：F=5*5分占比人数+4*4分占比人数+3*3分占比人数+2*2分占比人数+1*1分占比人数如上图，描述评分的计算方法：F=5*94.16%+4*4*3.05%+3*1.43%+2*0.4%+1*0.96%=4.8905④一个1分差评的挽回成本是多少？假设现在店铺的服务评分是f，当前服务评分人数是n，增加了一个1分服务差评后，需要x个服务5分好评才能保证评分不下降：(f*n+1*1+5x)/(n+1+x)≥f(f*n+1*1+5x)：表示加了一个服务1分差评，x个服务五分好评后的总分数(n+1+x)：表示加了一个服务1分差评，x个服务五分好评后的总评分人数解题：fn+1+5x≥fn+f+fxx(5-f)≥f-1x≥(f-1)/(5-f)x≥6/(5-f)-1其中f为店铺当前评分，根据函数关系可知，f越大，x越大也就是当店铺评分越高时，一个差评挽回的成本就越高。
dsr 因数
dsr 因数DSR因数是一种新型的计算机算法，是为了解决大型RSA公钥密码系统的因数分解问题。
它通过利用多项式求值和同余性质在有限时间内找到大数的因子。
DSR因数分解算法使用了位运算和数学算法，可以在合理的时间内对大型RSA密钥进行因数分解。
对于一些现有的RSA密钥，它们的长度已经超过了2048位，如果采用传统的因数分解算法，计算机需要运行数十年才能得到正确的结果。
这是因为RSA公钥密码系统采用的是基于两个质数的乘积，因此对于密钥长度越长，就需要计算出更多长度相等的质数，而此时计算量指数级增长。
DSR因数分解算法通过一个被称为多项式求值的特殊技术，将计算成本从传统O(2^n/2)降低到了O(2^(n/3))。
这样，即使RSA密钥长度为2048位，计算复杂度也只需大约2^680次运算，即可找到质因数。
这种算法的快速性使得攻击者能够轻松地破解相对较短的RSA加密，因此，DSR因数分解算法还是很有潜力的。
DSR因子分解算法的核心思想是在一个大小为2B的值域上，构建一个具有B+1个整数的多项式。
该多项式将有B+1个零点，其中之一就是输入的整数的因子。
然后，利用Lagrange插值法，可以在值域上选择足够多的点，并通过插值计算方式获取该多项式的系数。
接下来，通过求解方程组，可以找出多项式中的零点。
DSR因子分解算法的一个重要应用是对RSA密钥的攻击。
因为许多现代密钥长度已经超过2048位，因此使用传统的因数分解算法需要相当大的计算资源。
而DSR算法，对于2048位和3072位的密钥来说，分别需要1-2年和100年的计算时间，使得RSA密码体系在某些方面有较大的弱点。
总之，DSR因数分解算法是一种非常强大的工具，可以帮助我们有效地攻击RSA密钥。
它通过多项式求值和同余性质，可以在有限的时间内找到大数的因子。
当然，在实际应用中，我们需要在保证计算效率的同时，确保数据安全性。
- 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)。
dsr算法
DSR算法是一种常用的分层移动Ad Hoc网络中的路由协议。
它的全称是Dynamic Source Routing，也就是动态源路由。
DSR算法可以
在没有统一的协议和中心路由器的情况下，利用网络中的节点信息来
实现数据的传输和路由选择。
在本文中，我们将详细探讨DSR算法的
实现原理、优缺点以及应用场景。
一、DSR算法的实现原理
DSR算法的实现原理可以简单地概括为“源路由”。
也就是说，
当一个节点要发送数据包时，它会在数据包的头部添加一些路由信息，这些路由信息可以指示数据包要经过哪些节点才能到达目的地。
对于
每一个节点，它都会根据数据包头部的路由信息来判断是否为当前节
点所需要处理的路由信息。
如果是，则当前节点会按照路由信息的指示，将数据包转发给下一跳节点，直到最终到达目的地。
二、DSR算法的优缺点
DSR算法相比其他路由协议具有以下优点：
1. 简单易实现：DSR算法不需要中心路由器，通过在数据包头部添加路由信息，即可完成数据包的路由选择。
因此，它具有很好的可
移植性和易扩展性。
2. 自组织能力强：由于DSR算法中所有节点都可以充当路由器，因此网络的拓扑结构可以持续地变化，使得网络具有很强的自组织能力。
3. 路由维护少：DSR算法中每个节点都只存储自己的路由表，因此相比其他路由协议，路由维护的压力较小。
DSR算法也存在一些缺点：
1. 传输效率：DSR算法中数据包头部需要添加一些路由信息，这会增加数据包的大小和传输时间，降低传输效率。
2. 安全性：DSR算法中所有节点都可以获得数据包传输的路由信息，这也就意味着存在安全性问题。
攻击者可以通过篡改数据包头部
中的路由信息来影响数据包的传输路径，从而危害网络的安全。
三、DSR算法的应用场景
DSR算法适用于分层移动Ad Hoc网络环境下的数据传输和路由选择。
例如，车辆间通信、无线传感器网络等领域都可以使用DSR算法。
由于它的自组织能力强，适用于节点拓扑结构经常变化的情况下，使
得应用场景更加广阔。
四、总结
DSR算法是一种在分层移动Ad Hoc网络中常用的路由协议。
在实现上，它通过源路由的方式来完成数据包的传输和路由选择。
相比其
他路由协议，DSR算法具有自组织能力强和路由维护少的优点，但也存在传输效率低和安全性差的缺点。
在应用上，DSR算法适用于节点拓扑结构经常变化的环境，如车辆间通信、无线传感器网络等领域。
因此，我们在选择路由协议时，需要根据具体的应用场景来进行选择。