基础概念

Android 和 iOS 平台的主流开发语言及技术栈随着时间不断演进，目前的主要开发方式如下： 一、Android 开发 Kotlin（官方首选） 自 2019 年起，Kotlin 成为 Android 开发的官方首选语言，由 JetBrains 开发，与 Java 100% 互操作。 优势：语法简洁（减少样板代码）、空安全（降低空指针异常）、支持协程（简化异步操作）、与 Android SDK 深度集成，官方新 API（如 Jetpack Compose）优先支持 Kotlin。 应用场景：原生 Android 应用开发，尤其适合复杂业务逻辑和现代 UI 开发（如使用 Jetpack Compose 构建界面）。 Java 传统 Android 开发的主力语言，目前仍被广泛使用（大量 legacy 项目和第三方库基于 Java）。 优势：生态成熟、开发者基数大、兼容所有 Android 版本。 现状：虽然官方推荐 Kotlin，但 Java 仍是合法选择，两者可在同一项目中混用。 跨平台方案 Flutter（Dart 语言）：谷歌推出的跨平台框架，通过 Dart 语言编写，可同时生成 Android 和 iOS 原生应用，性能接近原生。 React Native（JavaScript/TypeScript）：基于 JavaScript 生态，通过组件化开发跨平台应用，适合快速迭代。 Kotlin Multiplatform Mobile（KMM）：使用 Kotlin 编写共享业务逻辑，UI 层仍用原生语言（Android 用 Kotlin，iOS 用 Swift），适合逻辑复用。 二、iOS 开发 Swift（官方首选） ...

Vue3介绍 Vue3 是 Vue.js 框架的第三个主要版本，于 2020 年正式发布，相比 Vue2 进行了全面重构，在性能、可维护性、扩展性等方面有显著提升。它保留了 Vue 一贯的“渐进式框架”理念，同时引入了诸多现代前端技术特性，以下从核心特性、架构变化、常用 API 等方面详细介绍： 一、核心特性与优势 性能大幅提升 响应式系统重构：从 Vue2 的 Object.defineProperty 改为基于 Proxy 的响应式系统，支持监听数组索引、对象新增属性等 Vue2 中难以处理的场景，且避免了递归遍历对象的性能损耗。 编译时优化：通过“静态标记”区分模板中的静态节点（如纯文本、无绑定的标签）和动态节点，减少虚拟 DOM Diff 时的对比开销；支持“按需更新”，仅重新渲染受影响的节点。 更小的体积：移除了 Vue2 中不常用的 API（如 filter），通过 Tree-Shaking 支持按需引入，核心库体积比 Vue2 减少约 40%。 更好的 TypeScript 支持 Vue3 源码采用 TypeScript 编写，原生支持类型定义，解决了 Vue2 中使用 TypeScript 时类型推断不足的问题。 组件、Props、生命周期等 API 均提供完整的类型提示，开发工具（如 VS Code + Volar）可实现更精准的代码补全和错误检查。 Composition API（组合式 API） 替代 Vue2 中 Options API（选项式 API）的核心创新，允许按逻辑功能组织代码，而非按 data、methods、computed 等选项拆分。 解决了 Vue2 中大型组件代码分散、复用困难的问题，通过 setup 函数或 <script setup> 语法实现更灵活的逻辑组合。 二、核心 API 与语法 1. Composition API 核心函数 setup 函数：组件初始化时执行，是 Composition API 的入口，返回值可直接在模板中使用。 ...

go web框架基础介绍 GoFrame框架 goframe 是一款基于 Go 语言的全栈开发框架，主打“简单、强大、易用”，提供了从 Web 服务、ORM、缓存、日志到微服务治理的一站式解决方案。其设计理念是“让开发者用最少的代码实现最复杂的功能”，同时兼顾性能与可扩展性。 一、核心特性与架构设计 goframe 的架构采用分层设计，核心模块包括： 基础层：提供类型转换、错误处理、配置管理等基础工具； 组件层：封装 ORM、缓存、日志、验证等核心组件； 服务层：支持 Web 服务、微服务、CLI 命令行等场景； 生态层：提供代码生成、文档工具、监控告警等周边支持。 整体架构强调“模块化”与“低耦合”，各组件可单独使用（如仅用其 ORM 模块），也可协同工作构建完整系统。 二、核心原理与实现机制 1. Web 服务核心原理 goframe 的 Web 服务基于标准库 net/http 封装，但做了深度优化： 路由机制：采用“树形路由”+“优先级匹配”设计，支持静态路由、参数路由（:name）、通配路由（*any）等，路由匹配效率接近 O(1)。 例如：/user/:id 和 /user/list 同时存在时，静态路由 /user/list 优先级更高，避免歧义。 中间件模型：基于“责任链模式”实现，支持全局中间件、分组中间件、路由中间件，中间件可通过 ctx.Next() 控制流程继续或终止。 上下文（Context）：自定义 gctx.Context 整合请求信息、响应控制、日志、错误处理等功能，替代标准库的 http.Request，提供更丰富的上下文能力。 性能优化：通过对象池（sync.Pool）复用上下文对象，减少内存分配；支持连接复用和协程池，降低高并发下的资源开销。 2. ORM 模块实现原理 goframe 的 ORM 是其核心组件之一，主打“零 SQL 编程”和“自动映射”： 数据映射：通过结构体标签（如 gorm:"column:user_id"）实现 Go 结构体与数据库表字段的自动映射，支持嵌套结构体、联合查询等复杂场景。 SQL 生成：基于“链式操作”构建查询（如 db.Model(&User{}).Where("age > 18").Limit(10).Select()），内部自动转换为 SQL 语句，避免手写 SQL 带来的风险。 连接管理：采用“连接池”模式管理数据库连接，支持主从分离、读写分离，可配置最大连接数、超时时间等参数，优化数据库访问性能。 事务支持：通过 db.Transaction() 实现分布式事务，支持嵌套事务和自动回滚，确保数据一致性。 3. 依赖注入与模块管理 goframe 引入了“依赖注入（DI）”思想，通过 g.Init() 初始化模块，自动管理组件间的依赖关系： ...

golang语言核心原理 一、Go 语言的 GMP 模型 Go 语言的 GMP 模型 是其并发调度的核心机制，全称为 Goroutine、Machine、Processor，用于高效管理和调度轻量级线程（Goroutine），实现高并发性能。它解决了传统线程调度的开销问题，让 Go 能轻松支持数万甚至数十万并发任务。 一、GMP 核心组件 GMP 模型包含三个核心角色，协同完成 Goroutine 的调度： 1. G（Goroutine） 含义：Go 语言的轻量级线程（协程），是并发任务的执行单元。 特点： 轻量：初始栈大小仅 2KB（可动态扩容至 GB 级），远小于操作系统线程（通常 1MB+）。 用户态：由 Go 运行时（runtime）管理，而非操作系统内核。 包含信息：执行栈、程序计数器（PC）、状态（如运行中、就绪、阻塞等）、绑定的 M 等。 stateDiagram-v2 [*] --> Ready Ready --> Running: M调度执行 Running --> Blocked: 遇到阻塞操作 Blocked --> Ready: 资源就绪 Running --> Ready: 时间片耗尽 Running --> Dead: 执行完成 Dead --> [*] 2. M（Machine） 含义：操作系统的内核线程（OS Thread），是 Goroutine 运行的“物理载体”。 作用：真正执行指令的线程，一个 M 同一时间只能绑定一个 P，运行该 P 管理的 G。 特点：由操作系统调度，数量通常与 CPU 核心数相关（但可动态创建，默认上限为 10000）。 3. P（Processor） 含义：逻辑处理器，是 G 和 M 之间的“中介”，负责管理 G 的队列并提供运行环境。 核心作用： 维护一个本地 Goroutine 队列（Local Run Queue，LRQ），存放待运行的 G。 持有 Go 运行时的资源（如内存分配缓存、调度器状态等），确保 G 在 M 上安全运行（避免多个 M 竞争资源）。 数量：默认等于 CPU 核心数（可通过 GOMAXPROCS 调整，如 runtime.GOMAXPROCS(4) 限制为 4 个 P），决定了 Go 程序同时运行的“逻辑并行度”。 二、GMP 调度流程核心逻辑 Go 调度器的核心目标是：让所有 P 的本地队列中的 G 被 M 高效执行，充分利用 CPU 资源。主要流程如下： ...

在算法中，数据结构的选择直接影响程序的效率，其核心是匹配具体场景的操作需求（如频繁查找、插入、排序等）。常见数据结构可分为线性结构、树形结构、图形结构等，每种结构因存储方式和操作特性的不同，适用于特定场景。 一、线性结构：一对一的数据关系 线性结构是最基础的数据结构，元素间呈线性排列，核心差异在于内存存储方式（连续或离散）和操作效率。 数据结构 核心特点 优点 缺点 典型使用场景 数组（Array） 元素连续存储，通过索引访问，长度固定（静态）或动态扩容 随机访问快（O(1)），内存连续利用率高 插入/删除效率低（需移动元素，O(n)）；动态扩容有性能损耗 需频繁随机访问场景：如存储用户列表、矩阵运算、滑动窗口算法 链表（Linked List） 元素离散存储，通过指针/引用连接（单链表、双链表、循环链表） 插入/删除快（O(1)，只需改指针）；长度灵活 随机访问慢（O(n)，需从头遍历）；额外存储指针，内存开销大 频繁插入/删除场景：如链表式队列、LRU缓存（双链表）、邻接表（图的存储） 栈（Stack） 遵循后进先出（LIFO），仅允许在栈顶操作（push/pop） 操作简单，时间复杂度O(1) 功能单一，仅支持栈顶操作 表达式求值（如括号匹配）、递归调用栈、深度优先搜索（DFS） 队列（Queue） 遵循先进先出（FIFO），允许在队尾插入、队头删除 顺序处理数据，操作效率O(1) 中间元素操作困难 任务调度（如线程池任务队列）、广度优先搜索（BFS）、消息队列 双端队列（Deque） 队列两端均可插入/删除，结合栈和队列特性 操作灵活，两端操作O(1) 实现较复杂（如基于链表或循环数组） 滑动窗口问题、缓存实现（如Java中的ArrayDeque） 二、树形结构：一对多的层级关系 树形结构通过“父节点-子节点”形成层级，适用于具有层级关系的数据，核心是优化查找和排序效率。 数据结构 核心特点 优点 缺点 典型使用场景 二叉树（Binary Tree） 每个节点最多2个子节点（左、右），无平衡要求 结构简单，适合递归操作 极端情况下退化为链表（如有序插入成单链），查找效率低（O(n)） 基础树形结构学习，表达式树（如编译器语法解析） 二叉搜索树（BST） 左子树节点值 < 根节点值 < 右子树节点值，支持快速查找 查找、插入、删除平均效率O(logn) 不平衡时退化为链表（如顺序插入） 动态数据的查找（如字典查询），但实际中多被平衡树替代 红黑树（Red-Black Tree） 自平衡二叉搜索树，通过颜色规则（红/黑）维持平衡，最长路径不超过最短路径2倍 查找、插入、删除稳定O(logn)，平衡性好 实现复杂，旋转操作耗时 TreeMap（Java）、C++ STL中的map/set，数据库索引（小型索引） B树/B+树 多路平衡查找树，B树节点存储数据，B+树数据仅在叶子节点，且叶子节点连成链表 减少IO次数（适合磁盘存储），支持范围查询 B+树非叶子节点不存数据，空间利用率更高 数据库索引（如MySQL InnoDB的聚簇索引）、文件系统（大量数据的磁盘存储） 堆（Heap） 完全二叉树，分为大顶堆（父>子）和小顶堆（父<子），支持优先操作 插入/删除O(logn)，获取最值O(1) 不支持随机访问，查找效率低（O(n)） 优先队列（如任务调度按优先级执行）、堆排序、Top K问题（如取最大的10个数） 三、哈希结构：通过哈希函数快速映射 哈希结构（Hash）的核心是键值对（Key-Value）映射，通过哈希函数将键转换为存储地址，实现快速查找。 ...

一 java基础 Java的跨平台性 Java可在不同操作系统上运行，原理是通过JVM（Java虚拟机）实现——Java代码编译为字节码（.class），由不同系统的JVM解释执行，即“一次编写，到处运行”。 抽象类 vs 接口比较 抽象类可包含具体方法和成员变量，接口仅定义方法签名（Java 8后支持默认方法）。 选择依据：若需共享代码或状态，用抽象类；若定义规范或回调机制，用接口。 volatile 关键字详解 一句话：Java中的volatile关键字通过内存屏障强制保证变量的可见性（修改后立即刷新主存）和禁止指令重排序，适用于状态标志、单例初始化等场景，但无法保证复合操作的原子性（如i++需配合锁或原子类）。 1. 核心特性 可见性 保证变量修改后立即刷新到主内存，其他线程读取时直接从主内存获取最新值，避免线程本地缓存导致的脏数据问题。 示例： volatile boolean flag = false; // 线程A修改flag后，线程B立即可见 禁止指令重排序 阻止编译器和处理器对指令进行重排序优化，确保代码执行顺序与编写顺序一致。 典型场景： volatile int a = 0; int b = 1; // 写操作不会被重排序到a的读操作之前 2. 底层实现原理 内存屏障（Memory Barrier） JVM通过插入内存屏障指令（如 StoreStore、StoreLoad）实现可见性和禁止重排序： 写操作：在写入 volatile 变量后插入 StoreLoad 屏障，强制刷写主存。 读操作：读取前插入 LoadLoad 屏障，确保后续操作基于最新值。 Happens-Before 关系 volatile 写操作先行发生于后续的读操作，形成线程间的同步约束。 3. 典型应用场景 场景 作用 示例代码片段 状态标志 线程协作终止条件（如中断信号） java volatile boolean running = true; 单例模式（DCL） 防止指令重排序导致半初始化对象泄漏 java volatile static Singleton instance; 配置参数 多线程共享的动态配置值（需配合锁或CAS保证原子性） java volatile int refreshInterval = 5000; 硬件寄存器操作 嵌入式开发中直接访问内存映射的硬件寄存器（确保每次操作直接访问物理内存） c volatile uint32_t *reg = (uint32_t*)0x1234; 4. 局限性 不保证原子性 ...

RocketMQ是阿里巴巴开源的分布式消息中间件，基于Java开发，专为高吞吐、高可靠的分布式系统设计。 核心特点 ①高吞吐量（支持千万级TPS）； ②低延迟（毫秒级响应）； ③支持多种消息模式（普通消息、顺序消息、事务消息等）； ④完善的重试和死信机制； ⑤分布式架构，支持水平扩展； ⑥提供丰富的监控和运维工具。 消息队列优势 系统解耦：解决不同重要程度、不同能力级别系统之间依赖导致一死全死；大多数MQ支撑多语言客户端，可兼容多语言发开发； 削峰填谷：主要解决瞬时写压力大于应用服务能力导致消息丢失、系统奔溃等问题 异步通信：很多时候，用户不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。 提升性能：当存在一对多调用时，可以发一条消息给消息系统，让消息系统通知相关系统 蓄流压测：线上有些链路不好压测，可以通过堆积一定量消息再放开来压测 数据冗余：有些情况下，处理数据的过程会失败。除非数据被持久化，否则将造成丢失。MQ把数据进行持久化直到它们已经被完全处理，通过这一方式规避了数据丢失风险。许多MQ所采用的"插入-获取-删除"范式中，在把一个消息从队列中删除之前，需要你的处理系统明确的指出该消息已经被处理完毕，从而确保你的数据被安全的保存直到你使用完毕。 核心组件 **生产者（Producer）：**Apache RocketMQ 中用于产生消息的运行实体，一般集成于业务调用链路的上游。生产者是轻量级匿名无身份的。 消息存储 主题（Topic）：Apache RocketMQ 消息传输和存储的分组容器，主题内部由多个队列组成，消息的存储和水平扩展实际是通过主题内的队列实现的。 队列（MessageQueue）：Apache RocketMQ 消息传输和存储的实际单元容器，类比于其他消息队列中的分区。 Apache RocketMQ 通过流式特性的无限队列结构来存储消息，消息在队列内具备顺序性存储特征。 消息（Message）：Apache RocketMQ 的最小传输单元。消息具备不可变性，在初始化发送和完成存储后即不可变。 消息消费 消费者分组（ConsumerGroup）：Apache RocketMQ 发布订阅模型中定义的独立的消费身份分组，用于统一管理底层运行的多个消费者（Consumer）。同一个消费组的多个消费者必须保持消费逻辑和配置一致，共同分担该消费组订阅的消息，实现消费能力的水平扩展。 消费者（Consumer）：Apache RocketMQ 消费消息的运行实体，一般集成在业务调用链路的下游。消费者必须被指定到某一个消费组中。 订阅关系（Subscription）： Apache RocketMQ 发布订阅模型中消息过滤、重试、消费进度的规则配置。订阅关系以消费组粒度进行管理，消费组通过定义订阅关系控制指定消费组下的消费者如何实现消息过滤、消费重试及消费进度恢复等。 Apache RocketMQ 的订阅关系除过滤表达式之外都是持久化的，即服务端重启或请求断开，订阅关系依然保留。 Broker：消息服务器，存储消息并处理收发请求，由多个节点组成集群，分为Master和Slave（Master负责读写，Slave同步数据并提供读服务）。 NameServer：轻量级注册中心，存储Broker的路由信息（如Topic与Broker的映射关系），支持动态扩容，无状态且节点间互不通信。 NameServer是RocketMQ的“路由中枢”，核心作用是存储和更新集群的路由信息，为生产者和消费者提供Broker的地址发现服务。 与Broker的交互机制： ①Broker启动时向所有NameServer注册自身信息（如IP、端口、Topic配置等）； ②Broker定期（默认30秒）向NameServer发送心跳包，维持在线状态； ③NameServer在120秒内未收到Broker心跳，则将其从路由信息中移除，保证路由的实时性。 保证消息的可靠性 RocketMQ的消息可靠性保证贯穿于消息生产、Broker存储、消息消费全链路，通过多层次机制确保消息不丢失、不重复，具体如下： 一、生产端：确保消息成功发送到Broker 生产者（Producer）发送消息时，通过“重试机制+确认机制”避免因网络波动、Broker临时故障导致的消息丢失。 发送确认机制 RocketMQ支持三种发送方式，均通过Broker的响应确认消息是否成功送达： 同步发送：Producer发送消息后，等待Broker返回“发送成功”确认（包含消息ID和存储位置），才视为发送完成；若超时未收到确认，触发重试。 异步发送：Producer发送消息后立即返回，通过回调函数接收Broker的确认结果；若失败，在回调中处理重试。 单向发送：仅发送消息不等待确认（适用于日志等非核心场景），但核心业务一般不使用，避免丢失。 失败重试机制 当发送失败（如网络超时、Broker繁忙）时，Producer会自动重试，可通过参数配置： retryTimesWhenSendFailed：同步发送失败重试次数（默认2次）。 retryTimesWhenSendAsyncFailed：异步发送失败重试次数（默认2次）。 重试时会选择其他Broker节点（通过NameServer获取路由信息），避免单节点故障影响。 二、Broker端：确保消息持久化与集群可靠性 Broker作为消息存储核心，通过“持久化存储+主从复制+故障转移”保证消息不丢失。 ...

Kafka基础架构介绍 Kafka 是一个分布式、高吞吐量、低延迟的流处理平台，核心用于消息传递、日志收集、实时数据管道等场景。其架构设计和底层原理围绕“高吞吐”“高可用”“持久化”三大目标展开，以下从核心架构和底层机制两方面解析。 主要应用场景： ①日志收集（如ELK架构中收集应用日志）； ②消息系统（解耦生产者和消费者）； ③流式数据处理（与Spark Streaming、Flink等结合）； ④事件溯源（记录系统状态变化的事件序列）； ⑤数据同步（跨系统数据实时同步）。 一、Kafka 核心架构 Kafka 的架构由四大核心组件和关键概念构成，整体呈现分布式集群形态： 1. 核心组件 Producer（生产者）：向 Kafka 集群发送消息的客户端（如应用程序、日志采集器等）。 Consumer（消费者）：从 Kafka 集群读取消息的客户端（如数据分析程序、下游服务等）。 Broker（ broker 节点）：Kafka 服务器实例，负责存储消息、处理生产/消费请求，多个 broker 组成集群。 ZooKeeper（协调服务）：早期版本（2.8 前）用于管理集群元数据（如 broker 注册、分区 leader 选举、配置存储等）；新版本（2.8+）引入 Self-Managed Metadata Quorum，逐步弱化对 ZooKeeper 的依赖。 2. 关键概念 Topic（主题）：消息的逻辑分类，生产者按 Topic 发送消息，消费者按 Topic 订阅消息（类似“消息队列名称”）。 Partition（分区）：每个 Topic 被拆分为多个分区（Partition），分区是 Kafka 并行处理的基本单位。 每个分区是有序、不可变的消息日志（仅支持追加写入），消息按发送顺序编号（Offset，从 0 开始递增）。 分区分布在不同 broker 上，实现数据分片存储和并行读写（吞吐量随分区数增加而提升）。 Replica（副本）：为保证数据高可用，每个分区可配置多个副本（Replica），其中一个为Leader 副本（处理读写请求），其余为Follower 副本（同步 Leader 数据，Leader 故障时替代）。 三者是描述Partition副本状态的术语： AR（Assigned Replicas）：Partition的所有副本集合（包括Leader和Follower）。 ISR（In-Sync Replicas，同步副本集）：与Leader副本保持同步的副本集合（包括Leader本身），满足两个条件：①与Leader保持网络连接；②同步滞后不超过replica.lag.time.max.ms（默认30秒）。 若 Follower 长时间未同步，会被踢出 ISR，仅 ISR 中的副本可参与 Leader 选举。 ...

MySQL是一个开放源代码的数据库管理系统（DBMS），是由MySQL AB公司开发、发布并支持的。MySQL是一个跨平台的开源关系型数据库管理系统，广泛地应用在Internet上的中小型网站开发中。 概念 SQL语句分类 数据定义语言DDL（Data Ddefinition Language）：CREATE，DROP，ALTER 主要为以上操作 即对逻辑结构等有操作的，其中包括表结构，视图和索引。 数据查询语言DQL（Data Query Language）：SELECT 这个较为好理解 即查询操作，以select关键字。各种简单查询，连接查询等 都属于DQL。 数据操纵语言DML（Data Manipulation Language）：INSERT，UPDATE，DELETE 主要为以上操作 即对数据进行操作的，对应上面所说的查询操作 DQL与DML共同构建了多数初级程序员常用的增删改查操作。而查询是较为特殊的一种 被划分到DQL中。 数据控制功能DCL（Data Control Language）：GRANT，REVOKE，COMMIT，ROLLBACK 主要为以上操作 即对数据库安全性完整性等有操作的，可以简单的理解为权限控制等。 数据库三大范式是什么 第一范式：每个列都不可以再拆分。 第二范式：在第一范式的基础上，非主键列完全依赖于主键，而不能是依赖于主键的一部分。 第三范式：在第二范式的基础上，非主键列只依赖于主键，不依赖于其他非主键。 在设计数据库结构的时候，要尽量遵守三范式，如果不遵守，必须有足够的理由。比如性能。事实上我们经常会为了性能而妥协数据库的设计。 一 存储引擎 1.1 存储引擎 MySQL 8.0支持的存储引擎有InnoDB、MyISAM、Memory、Merge、Archive、Federated、CSV、BLACKHOLE等。 MySQL常用存储引擎包括： InnoDB（默认）：支持事务、外键、行级锁，适合高并发场景。 MyISAM：不支持事务和外键，表级锁，读写性能较高（适合读多写少）。 Memory：数据存储在内存中，速度极快，适合临时表。 Archive：只支持INSERT和SELECT，压缩存储，适合历史数据归档。 核心区别： 特性 InnoDB MyISAM 事务支持 ✅ ❌ 外键 ✅ ❌ 锁机制 行级锁 表级锁 索引与数据 聚簇索引（索引和数据存储在一起） 非聚簇索引 崩溃恢复 支持 不支持 InnoDB与MyISAM对比： InnoDB主键索引直接存储数据，MyISAM索引只存储数据地址。 InnoDB的二级索引叶子节点存储主键值，MyISAM存储数据地址。 MyISAM：不支持事务和外键，支持表级锁，查询速度快，适合读多写少场景（如日志表），崩溃后恢复困难。 InnoDB：支持事务（ACID）、外键和行级锁，有崩溃恢复能力（依赖redo日志），适合写操作频繁的场景（如订单表），性能略低于MyISAM但安全性更高。 1.2 日志文件 常用的日志文件包括错误日志、二进制日志、查询日志、慢查询日志和InnoDB引擎在线Redo日志等。 ...

TCP三次握手&四次挥手 TCP 三次握手 客户端发送 SYN 包请求连接，服务端返回 SYN+ACK 确认并请求连接，客户端再返回 ACK 确认，双方进入 ESTABLISHED 状态。 graph LR A[客户端] -->|1、SYN=1, Seq=x| B[服务端] B -->|2、SYN=1, ACK=1, Seq=y, Ack=x+1| A A -->|3、ACK=1, Seq=x+1, Ack=y+1| B A -->|4、ESTABLISHED| C[连接建立完成] B -->|4、ESTABLISHED| C 作用：建立可靠的双向连接，确保通信双方确认彼此的接收和发送能力。 过程： 第一次握手（客户端 → 服务端）： 客户端发送带有 SYN=1，Seq=x 的报文，进入 SYN_SENT 状态，请求建立连接。 第二次握手（服务端 → 客户端）： 服务端收到后，发送 SYN=1，ACK=1，Seq=y，Ack=x+1 的报文，进入 SYN_RCVD 状态，确认客户端请求并发起自身连接请求。 第三次握手（客户端 → 服务端）： 客户端发送 ACK=1，Seq=x+1，Ack=y+1 的报文，进入 ESTABLISHED 状态。服务端收到后也进入 ESTABLISHED 状态，连接建立完成。 TCP 四次挥手 主动关闭方先发送 FIN 包请求关闭，被动关闭方返回 ACK 确认（此时仍可发送剩余数据）。 被动关闭方数据发送完毕后，再发送 FIN 包请求关闭，主动关闭方返回 ACK 确认，并进入 TIME_WAIT 状态（等待 2MSL 确保最后一个 ACK 到达），被动关闭方收到后立即关闭。 graph LR D[主动关闭方] -->|1、FIN=1, Seq=m| E[被动关闭方] E -->|2、ACK=1, Seq=n, Ack=m+1| D E -->|3、FIN=1, ACK=1, Seq=p, Ack=m+1| D D -->|4、ACK=1, Seq=m+1, Ack=p+1| E D -->|5、TIME_WAIT| F[等待超时后关闭] E -->|5、CLOSED| G[立即关闭] 作用：终止连接，确保双向数据传输都已完成，资源可安全释放。 过程： ...