电商运营和经营是一样的，都是需要把事情从头到尾做好。实际上，电商运营也就是管理电商的工作。优秀的电商运营管理者，必须将电商运营的框架和方向制定好，而且要把握好细节，因为框架也是有很多的细节构成的。通俗来说就是电商运营就是为电商制定战略、布局战术。
 
 
目前电商可以分为买卖模式和平台模式，所谓买卖模式也就是自买自卖的自营类目，平台模式是自己搭建平台，引入品牌商或者淘宝店家，包括B2C和C2C.买卖模式需要的是效率，
 包括选品以及成本控制，
 选取适合的品类切入，通过成本的压缩提高价格优势，这就要求选品团队以及从上游供货商的议价权、库存管理能力、运营效率、甚至到物流环节的控制能力要足够强悍，特点是要求平台比较重，对于以上团队的要求很高，同时在流程的控制上能力也更强。
 平台模式下按盈利模式又可以分为淘宝和天猫为代表的两种方式，淘宝通过广告位盈利，天猫依靠租金+提成盈利。平台模式成败的关键就在于流量，就像做商业地产，搭建起一个万达广场，招商入驻，收取租金+提成，只要有顾客来，剩下的就是营收。模式上比较轻。
 【一个判断，集市型电商（C2C）比如淘宝、代购性网站只是一个过渡态，最终更规范更优质的购物体验还是在商场型的B2C电商完成，这是趋势，因此目前的代购型海淘网站长远来看必然转型，所以也能看到很多这类C2C网站为什么希望向B2C类靠拢的原因。】
 
 比价网站（一淘类，略）
 导购网站
 
线上电商的引流，按CPS、CPC、或者纯粹的租金形式。【比如什么值得买、调调、折800、口袋购物】
 【用户画像：大二学生、职场新人，对价格较为敏感的3-8年的白领，三四线城镇青年（价格敏感，单价中等以上，足够覆盖物流成本的商品）】
 【一个判断，导购网站通过卖流量盈利，这种模式下，盈利的天花板不高，因此可以看到什么值得买类目的扩充，都开始卖机票卖住宿了，这是品类层级的横向拓展，而模式上的横向尝试目前并没看到有导购网站往自营类目靠，和商城战略合作是个不错的选项】
 
团购网站
 
【线下流量分发站，扩大线下实体的消费半径，线下引流方式的拓展。美团直接从消费入手，大众点评由点评切入消费】
 
特卖网站
 
由来：知名品牌的积存或者退货需要一个处理出口，但是这种处理又不能对原有的正品销售渠道、价格体系造成伤害，所以就必须和常规渠道区隔开来，表现在和常规商品不在同一个地方售卖，很可能需要资质授权，商品数量不一定大，售后服务和正常渠道不一样。就像线下的奥特莱斯。
 特卖网站的人群：追求潮流，对价格敏感，追求大品牌，但却不要求确定的某品牌。用户画像：没有收入的大学生、刚毕业收入较低的职场人士。
 【特卖网站初期可能确实采用的是这种做法，但一旦形成规模，就可以拓展网站的边界，比如横向拓展商品买卖方式，不再局限于特卖，也可以是促销的任何商品甚至是不促销的商品，纵向拓展商品品牌，可以由知名品牌向泛品牌、小品牌拓展】
 
奢侈品网站
 
作为线下渠道的补充，但很次要，并不看好奢侈品电商
 品牌方有很强的话语权
 拿到货源，注重产品和服务而非价格（不要破坏商品的稀缺性，满足用户的身份感、满足感），找到目标群体。
 【用户画像：工作若3-10年，手头有些富余，希望给女友或自己买一个；希望给自己买一个，但对价格】
 目前奢侈品电商很多销售假货，劣币驱逐良币，即使是正品其生存空间也被假货挤压，不管正品或是假货对于用户都会产生质疑，因此，如何解决假货问题，让用户信任是重点，而不依靠低价。
 
细分人群的电商
 
细分人群的电商之所以存在就是因为综合性网站淘宝京东品类、商品太多，用户找到目标商品的成本太高，导致了细分领域电商的存在。
 比如楚楚街，精准聚焦于年轻群体，按性别区隔展示，这类人群对于价格敏感度很高。
 
细分品类的电商
 
化妆品的聚美、乐蜂网，礼物说，优购网，主打母婴的…
 
 
【一个判断，细分需求始终存在，机会也还在，和其他类型的电商最大的不同是如何找到目标人群显得更为重要】
 什么品类适合垂直：非标准化、个性化、高毛利的商品，比如红酒、化妆品、家居。
 
2、电商运营管理者应该具备的能力
 
（1）学习能力。电商运营者应该具备极强的学习能力，这样才能让自己管理的团队不管进步。
 （2）分析能力。电商运营者要对竞争对手进行分析，对市场分析，对电商运营数据进行分析，这些都需要具有极强的分析能力。
 （3）管理能力。没有有效的管理，就算有好的团队也很难发挥出真正的价值。
 （4）执行能力，电商运营者的执行能力可以直接影响店铺的运营和发展以及团队的工作效率。
 （5）决策能力，电商运营者的最终的决策完全可以改变一个店铺的命运。所以电商运营者必须要具备有优秀的决策能力。
 3、电商运营的主要工作内容
 一般来说，电商运营要做的事，就是协调好客服、美工、推广、库房、售前售后等等的工作岗位。而运营体系包括有：
 （1）产品
 （2）消费者
 （3）流量（引流）
 （4）转化（优化）
 （5）消费者粘贴（营销）
 其中，产品和消费者是电商运营的两个断电，而流量、转化和消费者粘贴性是电商运营的三个要素。也就是说电商运营是用来解决从上游产品到下游消费者之间的流程线，而要保证这条流程线运转通畅，就要解决前期流量、中期转化以及后期的消费者粘贴性这三个要素方面的问题。
 4、电商运营过程中要注意的事项
 （1）分析、整理市场的需求。对一家公司的管理者来说，最重要的就是要了解市场需求，然后在这个基础上面提出相应的改善建议和方案，并且对这些建议和方案进行讨论、分析，以最终确定它们是否可行。另外在必要的时候，电商公司的管理者还应该进行一些调查取证以及分析统计，然后综合评出这些建议和方案的可行性。
 （2）营销策划。营销策划包括前期的市场调研、可行性分析、编辑策划文案，说明业务流程内容等等。通常来说，策划是运营前期的关键因素，因为只有策划好具体的营销方案，最终才可能会有很好的结果，而且前期的策划还会涉及很多线上、线下的市场因素，我们需要按照实际的需求来进行非常有效的规划。比如产品的标题和内容要怎么展示，功能键该如何摆放，框架如何，排版怎么排，文案怎么写，色彩怎么搭配，以及文字、广告等等方面如何展示，等等，都需要我们进行合理的规划。
 （3）做好每个岗位的沟通、协调工作。管理者的角色应该更多的体现在这一方面。所以运营总监要甚至电商的整个岗位的运营情况，那么他的知识面相来说也是要比较全面的。另外运营总监还要负责和店长、库房管理、设计、策划等等人员的沟通、协调工作。

 
 
现在是大三下，这篇文章是大一时，整理知乎青岛大学，某学姐的高赞回答。
 
 
咱这个专业，你可以根据你的学校进行选择，学校好，按部就班的学，以下几个方向都走得通。
 
 
学校不好，很普通，那么大概率也不学了什么，普通本科院校的学风啊，教学质量啊，与其都学个皮毛还不如，把一个学精，而这里面也就平面和程序是最好上手且网上资源最多的
 
 
多说一句： 考研，工作，早作打算。
 
 
然后最最重要的是，身体养好，咱们这行，别别天天熬夜。举个列子，本人就是因为上大学后，作息极度不规律，长期熬夜导致身体，神经，心脏都出了问题，因此而荒废的时间都长达一年半。
 
 
身体不好，什么都是虚的，你的学业也好，健康也好，事业也好，也好的家庭生活都将会是过眼云烟，一纸空文。
 
 
所以请作息规律，然后健康生活，学习
 
 

我们的专业课程通常一个专业课对应一个专门的软件。（简化版）
 
1.平面设计方向，这个是最简单的，也挺好就业但长期来看做这个工资不高，大一会开设ps和ai这两门课，想干平面设计的话这两门课一定要学好并且一直各种上手练习，还是挺多企业招的，我们
 
2.二维动画制作方向，这个方向相对来说也是比较简单因为不涉及到太多代码的部分，不过也需要一定c基础，大二第一个学期会开设这门课程，用的软件叫adobe flash，学好了就能一个人做出一集犬夜叉动画片……其实现在基本都淘汰了，就算三维动画，现在也
 
3.三维动画制作  这个很吃香，但是个人感觉比程序都难，入门的门槛高，然后后期就是熬时间，选这个方向，电脑一定要买好
 
4.软件开发方向 这个不用说也要涉及到代码了，大一一定会开设一门代码核心课程叫C语言程序设计，想做软件开发这块的话，c语言一定一定要学好，能受益一辈子，因为后期你会学到java javascript android html css c++ c#这些语言，c语言是核心，学会c语言再学其他语言就非常简单了，但c语言入门难所以一定不能怕苦，万事开头难。这个方向一听就是干程序员的，很多人望而却步，但是现在有句话对我们前前后后近10年的毕业生来说仍是真理，要想尽快发家致富，穷学IT富搞金融。多说一点，有条件的一定要参加acm
 
5.场景漫游方向 这样说只是一个代号，是我自己觉得可以作为一个方向来学，这块包涵室内设计和建筑设计，最后用到漫游技术。要学习的课程有autoCAD、3Dmax、unity3D，青大的这些课程真的很良心，老师也很用心教，大三两个学期会开设3Dmax和unity3D这两门课，因为数媒不属于工程制图方向所以不在必修课中开设autoCAD，但是这门制图课也必须要学好因为建筑设计和室内设计都要用到，大一大二大三三年学校都有任选课让你抢，可以抢五门，五次机会下来这个课就必须要抢到手。aotoCAD制图完成后导入3Dmax建模是必须的，建模是核心，很考验技术，最后把建好的模型导入unity3D，技术要求是必须掌握第一人称和第三人称漫游，unity3D是数媒专业的王牌课程，是整个数媒的核心，没学过它就等于白瞎了一个数媒，因为它是和现下越来越流行和普及的VR技术相接轨的。我系里一个很好的朋友毕设做的这个方向，就需要提交autoCAD软件索引格式的制图，3dmax中AB格式的建模，还有最后的unity3D输出的漫游动画。青大某学姐的真实感悟，事实上，现在基本数媒专业都有个虚拟现实方向，这个做出的作品挺有意思的。
 
6.游戏制作方向 这个数媒最难的方向没有之一，你要掌握建模，漫游，代码还得有一定的美学功底。最简单的纯代码游戏比方说五子棋、连连看、贪吃蛇用VC6.0、android stadio或者esclipe这些软件实现都可以，用到的语言就是c、c++和java，部分用到android语言，必须要学好的一门课叫计算机图形学。有没有觉得难度来了，但这只是能实现最基本的游戏。你要是想做比较大的比如大型枪战游戏，你还得使劲学unity3d，惊不惊喜意外不意外，上面我说的那个场景漫游方向需要掌握的unity3d里面的东西比较少，基本可以不涉及代码，但是用unity3d做游戏就必须得会代码了，而且必须得学会c#！！c#代码的难度比c和c++加起来都大哦，但是学好了你就是大神。如果你以此为方向一直学下去，毕业去公司企业做这一块，实习期起薪6500。我知道在青岛就是这个价，大四的各种招聘会都有公司来招这类人材，待遇非常好。我们系76个人基本都没有坚持下来学这个方向的，因为太难了，并且c#这门课不给我们开设，我们得自学，unity3d开设的时间也比较晚，大三下学期左右，而且老师重点不会给你讲代码而是讲unity3d软件的各种操作，那个时候我们意识到需要自学c#的时候却都静不下心去学一门程序语言了。
 
7.影视后期制作 我们系里选这个方向的宝宝也挺多的，相对简单一些，学好pr和ae就基本够用了，最好再学一些摄影方面的技术。工作不难找，可以进私企也可以考国企。芒果TV啊爱奇艺啊，都有招数媒专业影视后期方向的实习生，干的好的直接发放offer。但是这个学好，谁比较深，不是简简单单的会用软件就行，而且随着剪映等手机剪辑软件的兴起，普通人只有构思好，都能剪出特别炫酷的片子，入行门槛低，
 
前七个方向大多面向企业单位的，再说两个面向事业单位的。
 
8.可以考信息技术老师教师资格证，最好考初中的，以后想考编制当老师的一定要考这个科目的教资。因为之后的教师招聘都要求大学学的专业对口，有专业限制，而我们专业属于计算机大类，可以考信息技术老师，选这个方向的话大学四年一定要学好计算机组成原理、计算机网络原理数据库原理和操作系统，你会发现以后考教资和教师的时候，再去学专业课知识，是有绝大多数重合的知识，并且学起来很简单了。
 
9.公务员和事业单位，专业对口的就是广播电台，指名要数字媒体技术专业的技术员和工程师，但就是招的少。很多地方三五年也就招一次，一次也就招几个人。选这个方向要有心理准备，得考。当然，专业要求为计算机大类的事业单位招考我们能报考，其他不限专业的公务员职位我们也能报考。
 
学长一定要提醒一句，学弟学妹最好选其中一个方向使劲奋斗，最多最多选两个方向，建议准备面向一个企业单位方向和一个事业单位方向，可千万不要想不开准备三个及以上，到头来哪个都学不精。
 
有了明确的方向之后奋斗起来就省事多了，把自己的一技之长发展好，其余的课也要及格别挂科，四年下来就真心不浪费青春了，祝好！
 

多说一句，一路走来我也大四了，这个是大一参考知乎青大的一个学姐写的，不过，其实部分方向，一句彻底落后了，就删了，以上这些算是数媒专业目前的情况吧。再说一下，我的经历吧，大一，大二整算法竞赛，想着走程序开发方向，然后身体扛不住了，经常呼吸困难之类的。现在全力备考公务员，计算机类考公也是很香的。至于结果，一年后，再来更一波

今天的因特网无疑是有史以来由人类创造的、精心设计的最大系统、该系统由数以千计的计算机设备（计算机、平板电脑、智能手机）彼此相互连接构成，并且还有一批与因特网相互连接的物品比如游戏机、监控系统、汽车、医疗设备、智能眼镜、手表、运动手环等，随着5G时代的到来，万物互联也越来越称为可能，这里推荐一下 尤瓦尔·赫拉利 的《未来简史》，这个人的格局很高，他书中描述的未来也越来越成为现实，他写的文字能让你感觉到你更想变为计算机世界里的一片硅片。
 
但是，面对互联网如此巨大且迅速的变化，我们能做些什么？我在地铁站等车的时候经常被地铁广告洗脑，鼓吹人工智能发展的多么牛逼，鼓吹大家都成为人工智能的高端型人才，我不能否认这个操作，但是我认为人工智能并不适合每个人，而且人工智能需要的技术和知识储备是巨大的，所以，**与其憧憬成为人工智能的高端型人才，不如把眼下的计算机基础知识学好，你的未来才会有更多的可能性。**毕竟，一切计算力发展的源头都是计算机，也可以说现在互联网一切的衍生物都是计算机的儿子。
 
说到计算机基础，就不得不提计算机网络，就像人长大后是需要和外界进行交流一样，计算机网络也是计算机彼此通信的必要条件。如果计算机的创造好比新中国成立，那么计算机网络的出现就相当于是改革开放。并且计算机网络是每个软件工程师必须要学好的一门知识。扯了这么多，下面开始进入正题，一展计算机网络的宏图。
 
什么是因特网
 
首先来聊一下因特网是什么，wiki 对它的定义是：因特网是一个全球范围的互联网系统，它使用 TCP/IP 协议簇来链接全世界的设备。我们可以从两个方面来描述一下因特网
 
我们描述因特网可以通过基本硬件和软件组件来进行描述
我们能够根据为分布式应用提供服务的联网基础设施来描述因特网
 
我们先从第一条描述开始
 
因特网的描述
 
通过硬件和软件来描述
 
因特网是一个世界范围的计算机网络。说到因特网的构成，就不得不提构成因特网的组件是什么，还记得我们开头提到的因特网设备吗？智能手机、平板电脑，智能电视，智能家居，游戏机，手表，汽车，眼镜，温度调节系统，这些构件在因特网中有个专门的术语，所有的这些设备都被称为主机(host)或者端系统(end system)，一提到主机你是不是想到的是计算机的主机？这两个主机的领域虽然不同，但是它们的作用是相同的，都是系统的大脑。据保守性评估，2015年已经有大约50亿台设备接入了因特网。而到了2020年这个数字将会变为250亿。
 
 
那么这些主机或者端系统之间是如何进行通信的呢？实际上，端系统通过通信链路(communication link)和分组交换机(packet switch) 连接到一起。
 
 
 
通信链路：指的是因特网中两个节点之间的物理通道。通信链路的传输介质有双绞线、光纤 和 微波
 
 
分组交换机：网络交换设备，它主要包括三个基本部分：交换单元、接口单元和控制单元。
 
 
不同的链路能够以不同的速率进行传输数据，称为链路的传输速率(transmission type) ，以 比特/秒(bit/s,或 bps)进行度量。当一台端系统要向另一台端系统发送数据时，发送端系统将数据分段，并为每段加上首部字节。由此形成的信息包用计算机网络的术语称为分组(packet)，这个分组的概念非常重要，以后我们会经常提到。这些分组通过网络发送到目的端系统，在那里被装配成初始数据。
 
分组交换机从它的一条入通信链路接收到达的分组，并从它的一条出通信链路转发该分组。分组交换机的种类有很多种，最著名最常见的分组交换机就是路由器(router) 和 链路层交换机(link-layer switch)，一个分组所经历的一系列通信链路和分组交换机称为通过该网络的路径(route 或者 path)。
 
 
上面讲述的名词肯能比较晦涩，如果你不是很理解的话，就可以把分组在交换网络中的传输比作是 运输车在高速公路上的运输，分组类似于卡车，通信链路类似于高速公路，分组交换机类似于交叉口，端系统类似于建筑物，就像卡车需要从某一建筑物的起点经过高速公路和交叉口到达另外一个建筑物的过程。就像卡车需要选取一条路进行运输一样，分组也选取计算机网络的一条路径前行。
 
端系统通过因特网服务提供商(Internet Service Provider,ISP) 接入因特网，包括如本地电缆或电话公司那样的住宅区 ISP、公司 ISP、大学 ISP，在机场、咖啡馆或者公共场所所提供的 WiFi 接入的 ISP，以及为智能手机或者其他设备提供移动接入的蜂窝数据。
 
我们国家的 ISP 主要有三大基础运营商，中国电信、中国移动和中国联通。
 
端系统、分组交换机和其他因特网部件都要运行一系列的 协议(protocol)，这些协议控制因特网中信息的接收和发送。其中 TCP 和 IP 协议是因特网中最重要的两个协议。IP协议定义了在路由器和端系统之间发送和接收的分组格式。因特网中的协议统称为TCP/IP，而不单单指的是TCP 和 IP 两个协议。
 
那么这些协议是由谁制定的呢？实际上，这些因特网协议或者称为因特网标准是由因特网工程任务组(Internet Engineering Task Force)
 
通过分布式应用程序来描述
 
上面我们描述的因特网是从硬件和软件层面进行说明的，除此之外，我们还可以通过为分布式应用提供服务的联网基础设施来描述因特网，这个概念比较抽象，我们还是举例子说明一下。除了传统应用程序就像是电子邮件和web 冲浪外，因特网应用还包括智能手机和平板应用程序，这些应用程序中又包括像是即时通讯、来自云的音乐流、电影和电视流、在线社交网络、视频会议、多人游戏和基于位置的推荐系统。因为这些应用程序涉及多个相互交换的端系统，所以这些应用被称为分布式应用程序。重要的是，因特网应用程序运行在端系统上，而不是运行在网络核心的分组交换机中。
 
我们来深入的探究一下，因为应用程序可能会运行在端系统上，所以你需要编写使其运行在端系统上的程序，你可能会使用 C、Java、Python 来编写。现在，因为你开发了一个分布式应用程序，这个程序运行在不同的端系统需要彼此发送消息。此时我们遇见一个核心问题，那就是一个运行在端系统的应用程序如何让其他运行在端系统的应用程序收发数据呢？
 
接入因特网的端系统提供了一个套接字接口(socket Interface)用于和其他端系统的应用程序收发数据。这个因特网套接字是应用程序必须要遵守的约定。
 
协议是什么
 
既然我们已经对因特网有了一点概念了，下面我们就来探讨一下因特网又一个很重要的概念那就是协议，协议就相当于是人类活动所遵守的约定。
 
人类活动的比喻
 
理解计算机网络协议最简单的方式就是把它抽象为我们的生活，因为我们人类无时无刻都在执行协议。考虑一下当你想向其他人询问当前时间的时候你会怎样做？下面是一个典型的询问方式
 
 
上图是一个男女双方都比较友好的对话，那么假如女方回答:“请不要烦我”，或者说我不会说中文等等类似不合时宜的回答造成双方不再对话，那么此时就会造成中断。通常情况下，发问者就会放弃继续询问。那么造成上述中断的原因是什么呢？是不是男女双方没有就询问时间这个话题达成一致呢？也就是说，协议最重要的一点就是为了完成一项工作，需要两个(或多个)通信实体遵守相同的协议。
 
网络协议
 
网络协议非常类似于人类协议，除了通信双方由人类变为乐计算机载体，哦，协议也会不一样。以大家熟悉的一个计算机网络协议为例，考虑当你向一个 Web 服务器发送请求时(即你在 Web 浏览器中键入一个 Web 页面的 URL)所发生的情况。
 
 
首先，你的计算机会向 Web 服务器发送一条连接请求报文，并等待该服务器的响应，等到服务器发送响应到计算机之后，计算机会重新发送一条 GET 请求报文到服务器，最后，Web 服务器向计算机返回该 Web 页面(文件)。
 
根据上面两个例子你能给的出协议的定义了吗？也许下面这个定义会比较准确呢
 
协议（protocol）定义了在两个或多个通信实体之间交换报文的格式和顺序，以及报文发送和/或接受一条报文或其他事件所采取的动作。
 
因特网广泛的采取了各种各样的协议，不同的协议用于完成不同的通信任务。掌握计算机网络领域知识的过程就是理解网络协议的构成、原理和工作方式的过程。
 
接入网
 
回想上一节中计算机网络的术语，通常把与因特网相连的计算机和其他设备称为端系统。
 
 
如上图所示，因为它们位于因特网的边缘，故而被称为端系统。因特网的端系统包括了桌面计算机（桌面PC、Mac 和 Linux 设备）、服务器（Web 和电子邮件服务器）和移动计算机（便携机、智能手机和平板电脑）。
 
端系统也称为主机，即端系统 = 主机。后面一说主机也就指的就是端系统。主机进一步也可以划为两类：客户(client) 和 服务器(server)。客户通常是桌面 PC，移动 PC 和 智能手机等，而服务器通常是更为强大的机器，用于存储和发布 Web 页面、流视频、中继电子邮件等。
 
考虑了位于网络边缘的应用程序和端系统后，我们接下来考虑一下接入网，接入网指的是将端系统物理链接到边缘路由器(edge router)的网络。边缘路由器指的是端系统到任何其他远程端系统的路径上的第一台路由器。
 
家庭接入: DSL、电缆、光纤
 
DSL
 
我们一般家庭最常用的接入方式就是数字用户线(Digital Subscriber Line) 和 电缆。住户通常从提供本地电话接入的本地电话公司处获得 DSL 因特网接入。
 
 
先来看一下这幅图片吧，DSL 调制解调器是允许你的计算机通过 DSL 连接与 ISP 进行通信的硬件设备。每个用于的 DSL 调制解调器使用现有的电话线(双绞铜线)与位于电话公司的本地中心局(CO) 中的数字用户线接入复用器(DSLAM) 交换数据。
 
在计算机网络中，上游是指可以将数据从客户端传递到服务器(上载)的方向，上游的速度非常宝贵。下游是指从网络提供商发送给客户的数据。
 
上图中有三条电话线，它们使用不同的频率进行编码
 
高速下载通道，用于处理 50KHz - 1MHz的频段
中速上传通道，用于处理 4KHz - 50KHz的频段
普通的双向电话信道，位于 0 到 4KHz的频段
 
这种方法使得单根 DSL 线路看起来像拥有三根一样，因此一个电话通道和一个因特网连接能够共享 DSL 链路，在用户的一侧，一个分配器把到达家庭的数据信号和电话信号分开，并将数据信号转发给 DSL 调制解调器。在服务提供商一侧，在中心局中，DSLAM 把数据信号和电话信号分隔开，并将数字信号发送给因特网。数百上千的家庭与一个 DSLAM 相连。
 
DSL 中定义了多个传输速率，DSL 的传输速率由服务提供商来决定的，根据价位的的不同，会有不同的传输速率，并且实际的上传下载速率要比理论上的速率要慢很多，比如我家是 50M 光纤，实际也就是 30M 这样。
 
电缆
 
DSL 利用电话公司现有的本地电话基础设施，而 电缆因特网接入(cable Internet access) 利用了有线电视公司现有的有线电视基础设施。用户从有线电视公司获得了电缆因特网接入。如下图所示
 
 
这种接入方式使用了同轴电缆和 光纤两种接入方式，因此被称为混合光纤同轴接入系统。
 
电缆因特网接入需要特殊的调制解调器，这种调制解调器称为电缆调制解调器(cable modem)。和 DSL 相似，电缆调制解调器通常也是一个外部设备，通过一个以太网端口连接到家庭 PC，在电缆的头部具有和 DSLAM 相似的功能，即将来自许多下游用户中的电缆调制解调器发送的模拟信号转换为数字形式。
 
电缆因特网接入的一个重要特征是共享广播媒体，由头发送的每个分组向下行经每条链路到每个家庭；每个家庭发送的每个分组经上行信道向头部传输。因此，如果几个用户同时经下行信道下载一个视频文件，每个用户接受视频文件的实际速率将大大低于电缆总计的下行速率。
 
光纤
 
DSL 和 电缆网络在3年前还是提供网络接入的主流，但是现在却有一种更高速的新兴技术是光纤到户(FTTH)。最简单的光线分布网络称为直接光纤，从本地中心局到每户都设置一根光纤。还有一种是从本地中心局拉出来的光纤被每个家庭网络共享，光纤部署靠近用户的位置才会分为光纤网络为每个家庭接入。
 
光纤分布体系结构就值得是光纤遍布的光纤网络，分为两种：主动光纤网络(AON)和 被动光纤网络(PON)，AON 的本质是交换因特网，这个比较复杂，后面的文章会进行介绍，这里我们先介绍一下被动光纤网络 PON，下面是 PON 的因特网接入图
 
 
上图显示了使用 PON 分布体系结构的光纤网络。每个家庭具有一个光纤网络端连接器(Optical Network Terminator, ONT)，它由临近的光纤分配器进行分配。中心局有一个光纤线路端连接器(Optical Line Terminator, OLT)。 OLT 提供了光信号到电信号的转换，经本地电话公司路由器与因特网相连。在每个家庭中，通常使用路由器与 ONT 相连，并经过这台家庭路由器接入因特网。
 
光纤有潜力提供每秒千兆比特范围的因特网接入速率，然而，服务提供商根据不同的网络传输速率来收费，较高的速率当然花费更多。
 
企业和家庭接入：以太网和 WiFi
 
在公司和大学校园以及越来越多的家庭环境中，使用局域网(LAN)将端系统连接到边缘路由器。尽管有许多不同类型的局域网技术，但是以太网是目前为止公司、大学和家庭网络中用的最为流行的接入技术。
 
以太网
 
以太网是一种连接局域网的传统技术，它能够使设备通过协议(一组规则或通用网络语言)相互通信，以太网的接入设备可以相互识别对方。
 
我之前一直想了解以太网是怎样工作的，但是一直没有细致的了解，现在就来挖一下以太网的工作流程！下面是以太网的接入过程
 
 
之前的以太网用户使用双绞铜线与一台以太网交换机相连，以太网交换机或这样相连的交换机网络，则再与更大的因特网相连。使用以太网接入，用户通常以 100 Mbps 或 1 Gbps 速率接入以太网交换机，而服务器可能具有 1 Gbps 甚至 10 Gbps 的接入速率。
 
而最新的以太网用户可以使用双绞线和光纤线路以及交换机接入。以太网传输速率从 2.94 Mbit/s 提高到最新的 400 Gbit/s 。
 
有线和无线
 
在往下进行前，需要先讨论一下有线和无线的关系
 
有线 顾名思义就是使用电缆或者物理介质组成的，而有线网络是使用有线把电信号从一端传输到另一端的网络。通常在有线网络中，使用 T1线，电缆解调器或任何其他方式使用 Internet 连接。
 
无线 指的是由电磁波(即 EM 波)或红外波组成的介质。所有的无线设备都带有天线或者传感器。典型的无线设备包括蜂窝移动设备，无线传感器，电视遥控器，带有 WLAN 的笔记本电脑。无线网络不使用电线 进行数据通信。
 
它们之间的差别如下
 
技术指标
有线网络
无线网络
运作速度
更高
相比有线网络要低，但是先进的无线技术（例如LTE，LTE-A和WLAN-11ad）将有可能实现与有线网络相当的速度
系统带宽
高
低，因为频谱是非常稀缺的资源
成本
更少，因为电缆不贵
无线订户站，无线路由器，无线接入点和适配器价格昂贵
安装
有线网络安装麻烦，需要更多时间
无线网络安装简便，所需时间更少
流动性
受限制，因为它在有线网络连接的系统所覆盖的区域中运行
没有限制，因为它在整个无线网络覆盖范围内运行
传输介质
铜线，光缆，以太网
电磁波或无线电波或红外线
网络覆盖范围扩展
需要集线器和交换机来扩展网络覆盖范围
相互连接的无线基站覆盖了更多区域。
应用领域
局域网（以太网），城域网
WLAN，WPAN（Zigbee，蓝牙），红外，蜂窝（GSM，CDMA，LTE）
信道干扰和信号功率损耗
干扰较小，因为一个有线网络不会影响另一有线网络
由于无线发射器和接收器之间的障碍（例如天气条件，墙壁反射等），干扰会更高。
QoS（服务质量）
更好
由于抖动值高和连接设置延迟而导致的性能较差
可靠性
与无线同类产品相比，具有较高的优势，因为多年以来由于有线技术的存在，制成的电缆具有更高的性能。
合理高，这是由于路由器故障会影响整个网络。
WiFi
 
如果你配置过网络，那你一定见过 WLAN(Wireless LAN) 无线计算机网络，它使用无线通信连接两个或多个设备，用来形成一个 LAN。
 
现在，越来越多的人通过智能手机、平板电脑和其他物品无线接入因特网。基于 IEEE 802.11 技术的无线 LAN 接入，更通俗的称为 WiFi，现在WiFi 几乎无处不在，如大学、商业办公室、咖啡厅、机场、家庭甚至是在飞机上。
 
广域无线接入：3G 和 LTE
 
iPhone 和 安卓等设备越来越多的用于在移动中发信息、在社交网络中分享照片、观看视频和播放音乐等。这些设备应用了与蜂窝移动电话相同的无线基础设施，通过蜂窝网提供商运营的基站来发送和接收分组。与 WiFi 不用的是，蜂窝网提供的范围要比 WiFi 大太多了。
 
下面是使用 3G 无线技术进行接入的示意图
 
 
电信公司在第三代无线技术中进行了大量的投资，3G 为分组交换广域无线因特网接入提供了超过 1Mbps 的速率。甚至更高速率的广域接入即第四代 4G 广域无线网络也已经被部署了(咳咳，我们国家已经马上5G 了谢谢)。LTE(Long-Term Evolution) 来源于 3G 技术，它能够取得超过 10Mbps 的速率。
 
物理媒介
 
在前面的内容中，我们描述了互联网接入技术，那么要进行这些互联网必然是少不了传输媒介的，那么你考虑一下这个发送过程，一个比特数据包从一个端系统开始传输，经过一系列的链路和路由器，从而到达另外一个端系统。这个比特会被转发了很多次，那么这个比特经过传输的过程所跨越的媒介就被称为物理媒介(phhysical medium)，物理媒介有很多种，比如双绞铜线、同轴电缆、多模光纤榄、陆地无线电频谱和卫星无线电频谱。其实大致分为两种：引导性媒介和非引导性媒介。
 
双绞铜线
 
最便宜且最常用的引导性传输媒介就是双绞铜线，多年以来，它一直应用于电话网。从电话机到本地电话交换机的连线超过 99% 都是使用的双绞铜线，例如下面就是双绞铜线的实物图
 
 
双绞铜线由两根绝缘的铜线组成，每根大约 1cm 粗，以规则的螺旋形状排列，通常许多双绞线捆扎在一起形成电缆，并在双绞馅的外面套上保护层。一对电缆构成了一个通信链路。无屏蔽双绞线一般常用在局域网（LAN）中。
 
同轴电缆
 
与双绞线类似，同轴电缆也是由两个铜导体组成，下面是实物图
 
 
借助于这种结构以及特殊的绝缘体和保护层，同轴电缆能够达到较高的传输速率，同轴电缆普遍应用在在电缆电视系统中。同轴电缆常被用户引导型共享媒介。
 
光纤
 
光纤是一种细而柔软的、能够引导光脉冲的媒介，每个脉冲表示一个比特。一根光纤能够支持极高的比特率，高达数十甚至数百 Gbps。它们不受电磁干扰。光纤是一种引导型物理媒介，下面是光纤的实物图
 
 
一般长途电话网络全面使用光纤，光纤也广泛应用于因特网的主干。
 
陆地无线电信道
 
无线电信道承载电磁频谱中的信号。它不需要安装物理线路，并具有穿透墙壁、提供与移动用户的连接以及长距离承载信号的能力。
 
卫星无线电信道
 
一颗卫星电信道连接地球上的两个或多个微博发射器/接收器，它们称为地面站。通信中经常使用两类卫星：同步卫星和近地卫星。
 
文章参考：
 
https://en.wikipedia.org/wiki/Internet
 
《计算机网络：自顶向下方法》
 
https://baike.baidu.com/item/分组交换机/12661339?fr=aladdin
 
https://baike.baidu.com/item/ISP/10152?fr=aladdin
 
《Computer Networking A Top-Down Approach (7th Edition)》
 
https://baike.baidu.com/item/以太网/99684?fr=aladdin
 
https://searchnetworking.techtarget.com/definition/Ethernet
 
https://en.wikipedia.org/wiki/Ethernet
 
https://www.rfwireless-world.com/Terminology/wired-network-vs-wireless-network.html
 
https://www.androidauthority.com/worlds-fastest-networks-709140/
 
https://www.investopedia.com/articles/markets-economy/090916/5g-technology-which-country-will-be-first-adapt.asp
 
欢迎关注我的个人公众号
 

说明：文字方向校正(fft方式和放射变换方式)参考了网上的代码，只做了少量修改
 只针对医疗影像图像，自然场景下的另说
 因为处理的图像都很大很大，居然有11000*12000这种分辨率的，有90M大小，我也是醉了，绝大部分都是6000左右分辨率的图像，这种图像直接送到CTPN里的话，效果不是太好，太大了 而且效率感人，所以必须做一下预处理。大部分的X光图像很简单，直接缩放送CTPN即可，而CT和MRI图像虽然一张上有很多小图像，但好在要么有虚线分割要么中间都会留有空白的地方，于是就可以利用直线检测和投影检测来把图片分割成若干小图像了。(吐槽一下之前老外写的代码，不管三七二十一把所有图像都是分成上下两部分，然后上下再各分成上下两部分，四个部分再分别循环他的N个算法，搞的整个系统70%以上的资源都在跑OCR，一张很简单的图片最低也要几分钟才能出结果，复杂一点的都是10几分钟 真想知道这是怎么过验收的！)
 
图像分割，思想很简单 有虚线的直接做直线检测，有空白的做X、Y轴的投影，都没有的就是X光图像了，直接把整张图像当做ROI送CTPN
 
def _img_split_with_hough(img, min=100, max=220):
    """
    :param img: 读入的二值化图
    :param min: 边缘检测阈值
    :param max: 边缘检测阈值
    :return: 水平和垂直线的坐标集合
    """
    h = img.shape[0]
    w = img.shape[1]
    edges = cv2.Canny(img, min, max)
    lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 30, minLineLength=100, maxLineGap=10)
    lines1 = lines[:, 0, :]
    h_line = []
    v_line = []
    for x1, y1, x2, y2 in lines1[:]:
        if y2 == y1:
            flag = False
            for element in h_line:
                if abs(element[1] - y1) < 10:
                    flag = True
                    break
            if flag == False and abs(x1 - x2) > w * 0.5:
                h_line.append((x1, y1, x2, y2))
        elif x1 == x2:
            flag = False
            for element in v_line:
                if abs(element[0] - x1) < 10:
                    flag = True
                    break
            if flag == False and abs(y1 - y2) > h * 0.5:
                v_line.append((x1, y1, x2, y2))
    return h_line, v_line
    
def _img_split_with_shadow(gray_img, threshold_value=180):
    """
    :param binary_img: 读入的灰度图
    :param img_show:
    :return: 水平和垂直线的坐标集合
    """
    h = gray_img.shape[0]
    w = gray_img.shape[1]

    # 按行求和
    sum_x = np.sum(gray_img, axis=1)
    # 按列求和
    sum_y = np.sum(gray_img, axis=0)

    h_line_index = np.argwhere(sum_x < 10)
    v_line_index = np.argwhere(sum_y < 10)

    h_line_index = np.reshape(h_line_index, (h_line_index.shape[0],))
    v_line_index = np.reshape(v_line_index, (v_line_index.shape[0],))

    h_line = [(0, h_line_index[0], w - 1, h_line_index[0]), (0, h_line_index[-1], w - 1, h_line_index[-1])] if len(
        h_line_index) > 0 else []
    v_line = [(v_line_index[0], 0, v_line_index[0], h - 1), (v_line_index[-1], 0, v_line_index[-1], h - 1)] if len(
        v_line_index) > 0 else []

    for i in range(len(h_line_index) - 1):
        if h_line_index[i + 1] - h_line_index[i] > 2:
            h_line.append((0, h_line_index[i], w - 1, h_line_index[i]))

    for i in range(len(v_line_index) - 1):
        if v_line_index[i + 1] - v_line_index[i] > 2:
            v_line.append((v_line_index[i], 0, v_line_index[i], h - 1))

    return h_line, v_line


def _combine_rect(h_lines, v_lines, w, h):
    rects = []
    # 添加第一行(列)和最后一行(列)
    x_axis = sorted(set([0, w - 1] + [item[0] for item in v_lines]))
    y_axis = sorted(set([0, h - 1] + [item[1] for item in h_lines]))

    point_list = []
    for y in y_axis:
        point = []
        for x in x_axis:
            point.append((y, x))
        point_list.append(point)

    for y_index in range(len(y_axis) - 1):
        if y_axis[y_index + 1] - y_axis[y_index] <= 10:
            continue
        for x_index in range(len(x_axis) - 1):
            if x_axis[x_index + 1] - x_axis[x_index] <= 10:
                continue
            rects.append((y_axis[y_index], x_axis[x_index],
                          y_axis[y_index + 1], x_axis[x_index + 1]))
    return rects


def img_split(img_file, threshold_value=180, img_show=False):
    """

    :param img_file: 输入图片路径
    :param img_show: 是否显示
    :return: 分割后的子图像rect列表
    """
    img = cv2.imread(img_file, 1)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray = color_nomal(gray)
    # ret, binary = cv2.threshold(gray, threshold_value, 255, cv2.THRESH_BINARY)
    h = img.shape[0]
    w = img.shape[1]
    rate = h // w if h > w else w // h

    h_line, v_line = _img_split_with_shadow(gray)
    if len(h_line) < 1 and len(v_line) < 1:
        h_line, v_line = _img_split_with_hough(gray)

    rects = _combine_rect(h_line, v_line, w, h)
    split_imgs = []
    for rect in rects:
        split_imgs.append(img[rect[0]:rect[2], rect[1]:rect[3]])

    if img_show:
        for rect in rects:
            cv2.rectangle(img, (rect[1], rect[0]), (rect[3], rect[2]), (0, 255, 0), 2)        
        img = cv2.resize(img, (int(h * 0.7), int(h * 0.7 / rate)))
        cv2.imshow('cece', img)
        cv2.waitKey()
    return split_imgs
 
分割结果
 
 

 
 2. 文字方向校正，可以使用FFT变换后校正然后再逆变换回来，也可以直接使用查找包含文字区域的矩形，旋转这个矩形，但是这种方法对于垂直的图像就没效果了，因为会发现包含文字的矩形区域就是方方正正的 不用校正。在二值化的时候采用了自适应二值化，这样做的好处是能更精确的定位文字区域，全局二值化可能会造成有些地方一团黑。
 
def rotated_img_with_fft(gray):
    # 图像延扩
    h, w = gray.shape[:2]
    new_h = cv2.getOptimalDFTSize(h)
    new_w = cv2.getOptimalDFTSize(w)
    right = new_w - w
    bottom = new_h - h
    nimg = cv2.copyMakeBorder(gray, 0, bottom, 0, right, borderType=cv2.BORDER_CONSTANT, value=0)

    # 执行傅里叶变换，并过得频域图像
    f = np.fft.fft2(nimg)
    fshift = np.fft.fftshift(f)

    fft_img = np.log(np.abs(fshift))
    fft_img = (fft_img - np.amin(fft_img)) / (np.amax(fft_img) - np.amin(fft_img))

    fft_img *= 255
    ret, thresh = cv2.threshold(fft_img, 150, 255, cv2.THRESH_BINARY)

    # 霍夫直线变换
    thresh = thresh.astype(np.uint8)
    lines = cv2.HoughLinesP(thresh, 1, np.pi / 180, 30, minLineLength=40, maxLineGap=100)
    try:
        lines1 = lines[:, 0, :]
    except Exception as e:
        lines1 = []

    # 创建一个新图像，标注直线
    # lineimg = np.ones(nimg.shape,dtype=np.uint8)
    # lineimg = lineimg * 255

    piThresh = np.pi / 180
    pi2 = np.pi / 2
    angle = 0
    for line in lines1:
        # x1, y1, x2, y2 = line[0]
        x1, y1, x2, y2 = line
        # cv2.line(lineimg, (x1, y1), (x2, y2), (0, 255, 0), 2)
        if x2 - x1 == 0:
            continue
        else:
            theta = (y2 - y1) / (x2 - x1)
        if abs(theta) < piThresh or abs(theta - pi2) < piThresh:
            continue
        else:
            angle = abs(theta)
            break
    
    angle = math.atan(angle)
    angle = angle * (180 / np.pi)
    print(angle)
    # cv2.imshow("line image", lineimg)
    center = (w // 2, h // 2)
    height_1 = int(w * fabs(sin(radians(angle))) + h * fabs(cos(radians(angle))))
    width_1 = int(h * fabs(sin(radians(angle))) + w * fabs(cos(radians(angle))))
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    M[0, 2] += (width_1 - w) / 2
    M[1, 2] += (height_1 - h) / 2
    rotated = cv2.warpAffine(gray, M, (width_1, height_1), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)
    cv2.imshow('rotated', rotated)
    cv2.waitKey(0)
    return rotated


def rotated_img_with_radiation(gray, is_show=False):
    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
    if is_show:
        cv2.imshow('thresh', thresh)
    # 计算包含了旋转文本的最小边框
    coords = np.column_stack(np.where(thresh > 0))

    # 该函数给出包含着整个文字区域矩形边框，这个边框的旋转角度和图中文本的旋转角度一致
    angle = cv2.minAreaRect(coords)[-1]
    print(angle)
    # 调整角度
    if angle < -45:
        angle = -(90 + angle)
    else:
        angle = -angle
    # 仿射变换
    h, w = gray.shape[:2]
    center = (w // 2, h // 2)
    print(angle)
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    rotated = cv2.warpAffine(gray, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)
    if is_show:        
        cv2.putText(rotated, 'Angle: {:.2f} degrees'.format(angle), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7,
                    (0, 0, 255), 2)
        print('[INFO] angel :{:.3f}'.format(angle))
        cv2.imshow('Rotated', rotated)
        cv2.waitKey()
    return rotated
 

 放射校正结果：
 
 原图：
 
 放射校正：
 
 fft校正，计算的时候有大概2度的误差