request.response请求最大处理多少KB的数据!

hechenqingtian 2010-03-01 09:22:08
java 中的 request.response请求最大处理多少KB的数据!

求大家给个具体的数字 在此拜谢
...全文
3749 11 打赏 收藏 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
虾米 2010-03-02
  • 打赏
  • 举报
回复
引用 6 楼 fxyfxy 的回复:
楼主,这个你理解成以“一次”就不对了,服务器是一点一点获得数据的,客户端说“开始”然后彼此就一点一点传输数据,客户端说“停”然后服务器就接受完了,理论上在服务器内存大小范围内不会出现大问题,即使超出计算机也会调用“虚拟内存”(硬盘)来保持连接的。综上一次连接最大数据量就是你的硬盘空余大小 。。。。


学习了、、
exezdl 2010-03-02
  • 打赏
  • 举报
回复
当浏览器与WEB服务器之间使用持久(keep-alive)的HTTP连接,如果WEB服务器没有采用chunked传输编码方式,那么它必须在每一个应答中发送一个 Content-Length的响应头来表示各个实体内容的长度,以便客户端能够分辨出上一个响应内容的结束位置。一般来说,Servlet程序不必调用 setContentLength方法来设置Content-Length头字段,因为Servlet引擎在向客户端实际输出响应内容时,它可以自动设置 Content-Length头字段或采用chunked传输编码方式。


当不是keep-alive,就是常用短连接形式,会直接把连接关掉,不需要长度


水中影子 2010-03-02
  • 打赏
  • 举报
回复
引用 5 楼 chonganwang 的回复:
没有具体的要求吧 使用post方式提交表单 没有大小限制 get由于浏览器地址栏长度限制 最多提交1024字节


UP
qq513666573 2010-03-02
  • 打赏
  • 举报
回复
引用 6 楼 fxyfxy 的回复:
楼主,这个你理解成以“一次”就不对了,服务器是一点一点获得数据的,客户端说“开始”然后彼此就一点一点传输数据,客户端说“停”然后服务器就接受完了,理论上在服务器内存大小范围内不会出现大问题,即使超出计算机也会调用“虚拟内存”(硬盘)来保持连接的。综上一次连接最大数据量就是你的硬盘空余大小 。。。。



领会中。 。。
a419644695 2010-03-02
  • 打赏
  • 举报
回复
来学习的... 回复内容太短了!
回复内容太短了!
fxyfxy 2010-03-02
  • 打赏
  • 举报
回复
楼主,这个你理解成以“一次”就不对了,服务器是一点一点获得数据的,客户端说“开始”然后彼此就一点一点传输数据,客户端说“停”然后服务器就接受完了,理论上在服务器内存大小范围内不会出现大问题,即使超出计算机也会调用“虚拟内存”(硬盘)来保持连接的。综上一次连接最大数据量就是你的硬盘空余大小 。。。。
chonganwang 2010-03-02
  • 打赏
  • 举报
回复
没有具体的要求吧 使用post方式提交表单 没有大小限制 get由于浏览器地址栏长度限制 最多提交1024字节
ztomcat 2010-03-01
  • 打赏
  • 举报
回复
学习了
字数字数字数
JavaAlpha 2010-03-01
  • 打赏
  • 举报
回复

数据一般以POST发送,POST发送方式对数据量的大小没有限制
ljm19891118 2010-03-01
  • 打赏
  • 举报
回复
学习了
帮顶
回复内容太短了!
rumlee 2010-03-01
  • 打赏
  • 举报
回复
不懂什么意思,请求数据理论上好像没有大小限制吧,不过要看服务器是否能够处理过来了。比如下载文件,理论上讲一个几G的文件照样可以下载,也就是说response的大小可以支持几个G没有问题。
数据集可视化效果见下方。 【数据集概况】 · 检测类别(中文):[火(fire)] · 训练集:2565 张 · 验证集:244 张 · 测试集:122 张 · 总计:2931 张 该数据集针对夜间道路环境中的火情检测需求,精准捕捉火源特征,为道路安全监控系统提供可靠的数据支持,具有显著的安全预警价值和实际应用意义。该数据集的训练集、验证集和测试集分别包含2565张、244张和122张图像,分布比例合理,能够有效支持模型的训练、验证和测试过程,确保模型性能的稳定性和可靠性。该数据集的标注工作严谨细致,火目标的边界框标注精准,与实际火源位置高度吻合,标注规范符合行业标准,为模型... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 58 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9537** mAP50-95 | 0.6455 Precision | 0.9156 Recall | 0.9168 train/box_loss | 1.0237 train/cls_loss | 0.5109 val/box_loss | 1.1818 val/cls_loss | 0.5480 【训练过程分析】 58 轮训练后 mAP50 达到 0.9537,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6455,和 mAP50 差距 0.31,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9156、Recall 0.9168,精召双高,模型对火的检测能力强。 ...

81,108

社区成员

发帖
与我相关
我的任务
社区描述
Java Web 开发
社区管理员
  • Web 开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧