android中dp和px的关系

news2025/4/17 1:09:22

关于android的dp和px的关系是我刚开始学习android的第一个知识点，不知不觉学安卓也有一年了，但是偶然间我发现我理解的dp和px的关系一直是错的，真的是有一点搞笑，今天特意写一篇博客纪念一下这个我理解错一年的知识点。
dp和px之间又有一个dpi作为桥梁，我们分别看看这三个属性：

px：

像素点，比如1080*1920的屏幕，就是宽1080个像素点和高1920个像素点。

ppi：

像素密度，这个概念挺好理解的就是屏幕每英寸的像素数量，关于他的计算方法（以1080 * 1920的5英寸屏幕为例）：屏幕的对角线像素数/屏幕的尺寸 √（1080 * 1080+1920 * 1920）/5=441ppi。这也就意味着即使是相同分辨率的手机尺寸不同ppi也会改变。

dpi：

dpi和ppi很容易搞混，其实他们是完全不同的两个东西，ppi有专门的公式计算，但是dpi没有，它往往是写在系统出厂配置文件的一个固定值，Android在规范中规定了不同的分辨率对应的dpi值，一般有120、160、240、320、480几个。比如，几部相同分辨率不同尺寸的手机的ppi可能分别是是430,440,450,那么在Android系统中，可能dpi会全部指定为480，该分辨率下1dp=3px。

dp（也叫dip）设备无关像素。

关于dp的官方叙述为当屏幕每英寸有160个像素时(也就是160dpi)，dp与px等价的，1dp=1px。那么当屏幕为240dpi时，1dp=(240/160)px=1.5px。也就是说dp和px的换算在于dpi这个值，计算的公式为：1dp=(屏幕的dpi/160)px。

关于dp和px的概念就这么多，还是很简单的（我这是在打脸吗），下面讲一下衍生出的几个问题：

1.系统根据dp计算像素值的过程

px = dp(dpi/160)，这个不难理解，如果一个20dp的Button，在dpi为480的设备占的像素值就是20(480/160)=60px，这个有一点要注意，px的计算完全依照dpi这个参数，而不同尺寸和分辨率的机型的dpi可能相同，这就会造成显示差异。

2.手机屏幕dp最大值是多少？

这个是根据手机的像素数和dpi计算得到，公式：dp=px/(dpi/160) 。也就是px = dp × (dpi / 160)
例如一个1080*1920的手机，他的宽度有1080个像素点，dpi为480，根据公式可得：1080/(480/160)=360dp
同理长度：1920/(440/160)=640dp

3.dp和px的互相转换？

这里会用到我们在代码中可以获取到的一个值：手机密度Density，其实他就是手机的像素密度与基准的比值。 即像素密度为160时Density为1，可以通过下面的方法获取这个值：

float scale = context.getResources().getDisplayMetrics().density;

dp值转换为px值得方法为：
假设手机密度 ：density = x，dp的值为y
由1dp = density px
可知ydp = yx px
所以结果为yx

px值转换为dp值得方法为：
假设手机密度 ：density = x，px的值为y
由1px = 1/density dp
可知 ypx = y/x dp
所以结果为y/x

public class DensityUtil {  
  
    /** 
     * 根据手机的分辨率从 dp 的单位 转成为 px(像素) 
     */  
    public static int dip2px(Context context, float dpValue) {  
        final float scale = context.getResources().getDisplayMetrics().density;  
        return (int) (dpValue * scale + 0.5f);  
    }  
  
    /** 
     * 根据手机的分辨率从 px(像素) 的单位 转成为 dp 
     */  
    public static int px2dip(Context context, float pxValue) {  
        final float scale = context.getResources().getDisplayMetrics().density;  
        return (int) (pxValue / scale + 0.5f);  
    }  
}

至于为什么要加0.5f？
因为在java中，强制转换符把float转换为int时，是直接丢掉小数部分的，加0.5f起到了四舍五入的作用，可以减小误差。

二 不同屏幕密度下的换算

在Android中，dp（密度无关像素）和px（像素）是常用的单位，它们之间的换算关系为：px = dp × (dpi / 160)，其中dpi是屏幕的像素密度。以下是具体介绍：

基本概念

  • dp（密度无关像素）：也叫dip，是一种与设备屏幕密度无关的抽象单位。使用dp作为单位可以确保在不同屏幕密度的设备上，界面元素的视觉大小保持一致。
  • px（像素）：是屏幕上实际的物理像素点。不同设备的屏幕像素密度不同，相同数量的px在不同屏幕上的实际显示大小可能会不同。

换算关系说明

  • 公式中的160dpi是Android系统定义的基准屏幕密度。当屏幕密度为160dpi时，1dp等于1px。如果屏幕密度高于160dpi，那么1dp对应的px数量就会大于1；反之，如果屏幕密度低于160dpi，1dp对应的px数量就会小于1。

不同屏幕密度下的换算示例

  • 低密度屏幕（ldpi，120dpi）：根据换算公式，1dp = 120 / 160 = 0.75px。例如，一个宽度为100dp的视图，在低密度屏幕上的宽度为100 × 0.75 = 75px。
  • 中密度屏幕（mdpi，160dpi）：这是Android系统的基准密度，此时1dp = 1px。所以一个50dp宽的视图，在中密度屏幕上的宽度就是50px。
  • 高密度屏幕（hdpi，240dpi）：按照公式计算，1dp = 240 / 160 = 1.5px。若有一个80dp宽的视图，在高密度屏幕上的宽度为80 × 1.5 = 120px。
  • 超高密度屏幕（xhdpi，320dpi）：通过换算可得1dp = 320 / 160 = 2px。比如一个60dp宽的视图，在超高密度屏幕上的宽度为60 × 2 = 120px。
  • 超超高密度屏幕（xxhdpi，480dpi）：经计算1dp = 480 / 160 = 3px。假设视图宽度为40dp，在超超高密度屏幕上的宽度为40 × 3 = 120px。

在代码中进行换算

在Android代码中，可以通过以下方法实现dp和px的相互转换：

import android.content.Context;

public class DensityUtil {

    // 将dp转换为px
    public static int dp2px(Context context, float dpValue) {
        final float scale = context.getResources().getDisplayMetrics().density;
        return (int) (dpValue * scale + 0.5f);
    }

    // 将px转换为dp
    public static int px2dp(Context context, float pxValue) {
        final float scale = context.getResources().getDisplayMetrics().density;
        return (int) (pxValue / scale + 0.5f);
    }
}

上述代码中，dp2px方法将dp值转换为px值，px2dp方法则将px值转换为dp值。在实际使用时，传入当前的Context对象和需要转换的值即可。例如：

// dp转px
int pxValue = DensityUtil.dp2px(context, 100);

// px转dp
int dpValue = DensityUtil.px2dp(context, 200);

三 设置模拟器

在开发适用于宽高为 5120 * 1600 的车载中控屏的 Android App 时，设置 Android 模拟器的宽高需要综合多方面因素考量，以下为介绍不同情况的设置建议：

直接模拟真实尺寸

若要精确模拟车载中控屏的实际显示效果，可将模拟器的宽高直接设置为 5120 * 1600。这种设置的优点是能最大程度还原真实的显示场景，让看到 App 在该屏幕上的实际布局和视觉效果。不过，其缺点也较为明显，由于分辨率过高，可能会对开发机器的性能造成较大压力，导致模拟器运行缓慢甚至卡顿。

根据设计稿尺寸模拟

  • 等比例缩放：如果设计稿是按照车载中控屏的实际尺寸设计的，可以对其进行等比例缩放，选择一个既能保证模拟效果又不会对性能造成过大压力的尺寸。例如，将宽高按比例缩小为 2560 * 800 ，这样既保持了与实际屏幕相同的宽高比，又降低了分辨率，使模拟器运行更加流畅。
  • 常见设计尺寸：在设计过程中，也可以参考一些常见的设计尺寸。如 1920 * 1080 这种全高清分辨率，是较为通用的设计尺寸，很多设计工具和素材资源都是基于此尺寸进行设计的。使用该尺寸可以方便获取和适配设计资源，同时也能在一定程度上模拟出 App 在大屏幕上的布局和显示效果。

考虑不同屏幕密度

除了宽高尺寸，还需要考虑屏幕密度（dpi）。屏幕密度会影响界面元素的实际显示大小，不同的屏幕密度可能会导致布局出现差异。在设置模拟器时，要根据车载中控屏的实际屏幕密度来设置模拟器的密度，以确保 App 在模拟器上的显示效果与实际设备一致。

以下是在 Android Studio 中设置模拟器的步骤：

  1. 打开 Android Studio，点击菜单栏中的 “Tools” -> “AVD Manager”。
  2. 在 AVD Manager 中，点击 “Create Virtual Device”。
  3. 选择合适的设备类型，如 “Tablet” 或自定义设备。
  4. 在 “System Image” 中选择合适的 Android 版本。
  5. 在 “Configure Device” 页面，设置 “Screen Resolution” 为需要的宽高尺寸，同时设置 “Density” 为合适的屏幕密度。
  6. 点击 “Finish” 完成模拟器的创建。

四 选择合适的DPI

💡 简单回答：

当然可以设置为 160、240 或其他 DPI，但每个 DPI 值代表的“屏幕物理密度（PPI）”不同，会直接影响：

  • 元素在屏幕上的实际显示大小
  • dp、sp 和 px 的换算关系
  • UI 是否拥挤、过大或过小

🔍 详细解释：为什么 5120×1600 适合 320 DPI？

在 Android 中，dp（density-independent pixels） 是跟 DPI 绑定的：

dp 到 px 的换算公式：  px = dp × (dpi / 160)
DPI 设置说明5120px 屏幕相当于多少 dp 宽度
160 dpimdpi，基础密度5120 px ÷ (160 / 160) = 5120 dp（UI 超大）
240 dpihdpi，高密度5120 ÷ (240 / 160) = 3413 dp
320 dpixhdpi，更高密度5120 ÷ (320 / 160) = 2560 dp ✅
480 dpixxhdpi5120 ÷ (480 / 160) = 1706 dp
640 dpixxxhdpi5120 ÷ (640 / 160) = 1280 dp

🔹 一般 App UI 设计稿是基于 360dp~411dp 宽度，车载系统为了“超宽显示”，设计时可能更接近 1920dp~2560dp 宽度范围。

因此：

  • 设置 320 DPI 👉 每个 dp 代表 2px，能获得约 2560dp 的逻辑宽度，适合超宽车载屏。
  • 设置 160 或 240 DPI 👉 dp 太多，所有控件看起来都大得离谱。

✅ 总结建议：

目标推荐 DPI
高仿真真实车载屏✅ 320 dpi
轻量测试不追求精度240 dpi
想看极致小 UI 效果480 dpi

五 设置320dpi是为了ui控件看起来小一点

模拟器设置为 320 dpi，就是为了让 UI 控件“看起来小一点”，更接近真实车载中控屏的视觉效果和布局密度。

🔍 举个例子对比：

我们假设一个按钮宽度是 200dp，如果设置不同的 dpi：

DPI 设置换算公式 px = 200dp × (dpi ÷ 160)实际宽度（px）显示效果
160 dpi200 × 1 = 200px200px🔍 特别大
240 dpi200 × 1.5 = 300px300px📏 偏大
320 dpi200 × 2 = 400px ✅400px👍 适中，接近真实效果
480 dpi200 × 3 = 600px600px🔎 非常小，UI很紧凑

🚗 为什么车载屏特别需要高 DPI？

车载中控屏分辨率极高（比如 5120×1600），但其实物理尺寸可能只有 29 英寸左右。DPI 越高，说明每英寸显示的像素越多，图像越细腻，UI 相对越小也越精致。

如果用 160 dpi，那屏幕上看起来就像一台超大平板：按钮像瓷砖一样大，完全不符合车载交互预期。

✅ 所以最终目的：

高 DPI = dp 单位对应的 px 少 = UI 显示小，空间多，接近真实车载效果

想做得更专业？

甚至可以去查车载屏的 实际尺寸（英寸） 和分辨率，然后计算真实 DPI ≈ √(宽²+高²) ÷ 屏幕对角线尺寸，然后设置模拟器 DPI 贴近真实值，那模拟效果就更准了！

六 DPI 和PPI的区别

✅ 的设备参数：

  • 分辨率：5120 x 1600 像素
  • 对角线尺寸：29.77 英寸

📐 第一步：计算 PPI（Pixels Per Inch）

PPI 是屏幕的像素密度，表示每英寸有多少个像素。
计算公式如下：

[
\text{PPI} = \frac{\sqrt{5120^2 + 1600^2}}{29.77}
]

我们来算一下：

[
\sqrt{5120^2 + 1600^2} = \sqrt{26214400 + 2560000} = \sqrt{28774400} \approx 5364.4
]

[
\text{PPI} = \frac{5364.4}{29.77} \approx \boxed{180.2}
]

✅ PPI ≈ 180

✅ DPI 是什么？它和 PPI 的区别？

项目说明
PPI (Pixels Per Inch)实际屏幕物理像素密度，是屏幕硬件参数
DPI (Density Per Inch)Android 使用的逻辑密度单位，用来计算 dp 转 px（决定 UI 缩放）

🧠 DPI 在 Android 上是怎么分的？

DPI 名称DPI 值
ldpi120
mdpi160 ← 基准密度（1dp = 1px）
hdpi240
xhdpi320
xxhdpi480
xxxhdpi640

✅ 应该设置多少 DPI？

的实际 PPI 是 180，非常接近 Android 的 mdpi=160 和 tvdpi=213 之间。

但如果希望在 5120×1600 的模拟器上，让 UI 元素更小一些、更接近真实车机体验，建议设置为：

✅ 推荐 DPI 设置：320 dpi（xhdpi）

  • 为什么？因为 Android 设计系统基于逻辑密度，320dpi 会让 UI 元素缩放适中，不会过大。
  • 即：UI 元素不会像平板那样大，贴近真实中控屏体验。

📌 总结：

参数值
实际 PPI180.2
推荐 DPI（模拟器设置）320 dpi
DPI 和 PPI 的关系理论上相关，但 DPI 更是 Android 的逻辑单位，决定 UI 元素大小
为什么设高 DPI？为了让控件更小、更精致，模拟真实车机视觉效果

七 是否可以使用2560 * 800 或者1920 * 1080 的模拟器

✅ 需求总结：

  • 目标设备分辨率大（5120×1600），模拟器运行起来会很卡；
  • 想在 低分辨率模拟器（比如 2560×800 或 1920×1080）上开发和预览；
  • 最终希望在实际车机（5120×1600）上也能完美适配；

✅ 结论：完全可行，而且推荐这么做

可以创建更小分辨率但等比例缩放的模拟器进行开发，前提是按照 Android 的规范来做 UI 适配（也就是使用 dp、ConstraintLayout、Guideline、权重布局等），就可以100%无痛迁移到高分辨率屏上。

✅ 推荐缩放模拟器分辨率方案：

方案宽高比例推荐理由
2560×800减半缩放32:10模拟真实宽高比例，轻量好跑，适合开发阶段
1920×600约等于 3:1更轻但比例有些偏差
1920×108016:9常规平板/电视比例，不太建议（比例与中控屏差异较大）

📐 比例验证（保持适配一致性）：

真实车机：5120 / 1600 = 3.2
缩放版（2560×800）：2560 / 800 = 3.2 ✅
这意味着缩放了屏幕，但保持了宽高比例，只要使用 dp 单位 + 相对布局方式，最终迁移到真机上不会有任何问题。

💡 开发时应该注意的几点：

建议说明
✅ 使用 dp 单位保证不同分辨率设备尺寸一致
✅ 使用 ConstraintLayout 或 LinearLayout + 权重避免绝对 px
✅ 使用模拟器缩放开发，但偶尔在高分模拟器或真机预览确保整体视觉合理
✅ 保持宽高比一致（3.2:1）保证控件不会被拉伸或压缩

✅ 创建缩小版模拟器示例（2560×800, DPI=320）

# Windows 命令行或 Git Bash 中运行
avdmanager create avd -n CarWideScreen2560x800 \
 -k "system-images;android-30;google_apis;x86" \
 --device "pixel" \
 --sdcard 512M \
 --force

# 然后编辑配置文件（路径示例）：
notepad "%USERPROFILE%\.android\avd\CarWideScreen2560x800.avd\config.ini"

# 修改其中的内容：
# 添加或修改如下字段：
hw.lcd.width=2560
hw.lcd.height=800
hw.lcd.density=320

创建后，用 emulator -avd CarWideScreen2560x800 启动模拟器。

✅ 总结

问题答案
能否缩小分辨率开发？✅ 完全可以，建议使用等比例缩放
2560×800 可以吗？✅ 非常合适，比例一致，性能更轻
最终能适配到 5120×1600 吗？✅ 100% 可以，只要布局写法正确（dp + 相对布局）
要注意什么？保持宽高比、使用 dp、避免硬编码 px

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2335352.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

‌DeepSeek模型在非图形智能体的应用中是否需要GPU

‌DeepSeek模型在非图形智能体的应用中是否需要GPU

答：不一定 概念 1、是否需要GPU与应用是否图形处理应用无关 2、文本内容智能体大多也需要GPU来提供更好的性能 3、‌DeepSeek模型在非图形智能体的应用中是否需要GPU取决于具体的模型版本和部署环境 不需要GPU的模型版本 ‌DeepSeek-R1-1.5B‌： 这…
阅读更多...
4.14代码随想录第四十三天打卡

4.14代码随想录第四十三天打卡

图论理论基础 https://www.programmercarl.com/kamacoder/%E5%9B%BE%E8%AE%BA%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html 98. 所有可达路径 (1)题目描述: (2)解题思路: #include <iostream> #include <vector> #include <list> using namespace std;vec…
阅读更多...
【视频目标分割论文集】Efficient Track Anything0000

【视频目标分割论文集】Efficient Track Anything0000

github 摘要 视频对象分割和追踪任意目标领域出现了强大的工具——分割任意模型 2&#xff08;SAM 2&#xff09;。SAM 2 实现令人印象深刻的视频对象分割性能的关键组成部分包括用于帧特征提取的大型多阶段图像编码器&#xff0c;以及存储过去帧记忆上下文以辅助当前帧分割的…
阅读更多...
码率自适应（ABR）决策的直播场景

码率自适应（ABR）决策的直播场景

直播场景 1. 直播场景的普遍框架与工作原理 主播端&#xff1a;即各类主播&#xff08;游戏、网红歌手、户外达人等&#xff09;&#xff0c;通过手机端或者个人电脑在线直播录制个人活动。 编码服务器&#xff1a;主播端上传视频流以后&#xff0c;编码服务器根据相应的编码转…
阅读更多...
SCP-Firmware安全通告：CVE-2024-11863和CVE-2024-11864

SCP-Firmware安全通告：CVE-2024-11863和CVE-2024-11864

安全之安全(security)博客目录导读 目录 一、概述 二、CVE详情 三、受影响产品 四、修复建议 五、致谢 六、版本历史 一、概述 在SCP固件(SCP-Firmware)中发现两处安全漏洞&#xff0c;可能允许普通世界特权软件&#xff08;normal world privileged software&#xff…
阅读更多...
双按键控制LED（中断优先级）

双按键控制LED（中断优先级）

1.启动时&#xff0c;两个LED灯熄灭&#xff0c;1秒钟后&#xff08;定时器实现&#xff09;&#xff0c;LED自动点亮&#xff1b; 2.按键1按下后&#xff0c;通过中断int0把两个LED熄灭5s时间&#xff0c;int0优先级设置为最高&#xff08;优先级必须设置&#xff0c;设置后才…
阅读更多...
（四）机器学习---逻辑回归及其Python实现

（四）机器学习---逻辑回归及其Python实现

之前我们提到了常见的任务和算法&#xff0c;本篇我们使用逻辑回归来进行分类 分类问题回归问题聚类问题各种复杂问题决策树√线性回归√K-means√神经网络√逻辑回归√岭回归密度聚类深度学习√集成学习√Lasso回归谱聚类条件随机场贝叶斯层次聚类隐马尔可夫模型支持向量机高…
阅读更多...
代码随想录第17天：二叉树

代码随想录第17天：二叉树

一、二叉搜索树的最近公共祖先&#xff08;Leetcode 235&#xff09; 由于是二叉搜索树&#xff0c;节点的值有严格的顺序关系&#xff1a;左子树的节点值都小于父节点&#xff0c;右子树的节点值都大于父节点。利用这一点&#xff0c;可以在树中更高效地找到最低公共祖先。 c…
阅读更多...
面试篇 - GPT-1（Generative Pre-Training 1）

面试篇 - GPT-1（Generative Pre-Training 1）

GPT-1&#xff08;Generative Pre-Training 1&#xff09; ⭐模型结构 Transformer only-decoder&#xff1a;GPT-1模型使用了一个12层的Transformer解码器。具体细节与标准的Transformer相同&#xff0c;但位置编码是可训练的。 注意力机制&#xff1a; 原始Transformer的解…
阅读更多...
【从零实现高并发内存池】内存池整体框架设计 及 thread cache实现

【从零实现高并发内存池】内存池整体框架设计 及 thread cache实现

&#x1f4e2;博客主页&#xff1a;https://blog.csdn.net/2301_779549673 &#x1f4e2;博客仓库&#xff1a;https://gitee.com/JohnKingW/linux_test/tree/master/lesson &#x1f4e2;欢迎点赞 &#x1f44d; 收藏 ⭐留言 &#x1f4dd; 如有错误敬请指正&#xff01; &…
阅读更多...
3.6 函数图像描绘

3.6 函数图像描绘

1.函数描图步骤 2.渐进性 2.1 水平渐进线 2.2 垂直渐进线 2.3 斜渐近线 3.作图
阅读更多...
电商中的订单支付（内网穿透）

电商中的订单支付（内网穿透）

支付页面 接口文档 Operation(summary"获取订单信息") GetMapping("auth/{orderId}") public Reuslt<OrderInfo> getOrderInfo(Parameter(name"orderId",description"订单id",requiredtrue) PathVaariable Long orderId){OrderI…
阅读更多...
ESP32开发之ubuntu环境搭建

ESP32开发之ubuntu环境搭建

1. 在Ubuntu官网下载Ubuntu server 20.04版本https://releases.ubuntu.com/20.04.6/ 2. 在vmware下安装Ubuntu 3. 改Ubuntu静态IP $ sudo vi /etc/netplan/00-installer-config.yaml# This is the network config written by ‘subiquity’ network: renderer: networkd eth…
阅读更多...
2025年，HarmonyOS认证学习及考试

2025年，HarmonyOS认证学习及考试

HarmonyOS应用开发者认证考试 基础认证 通过系统化的课程学习&#xff0c;熟练掌握 DevEco Studio&#xff0c;ArkTS&#xff0c;ArkUI&#xff0c;预览器&#xff0c;模拟器&#xff0c;SDK 等 HarmonyOS 应用开发的关键概念&#xff0c;具备基础的应用开发能力。 高级认证…
阅读更多...
空间信息可视化——WebGIS前端实例（一）

空间信息可视化——WebGIS前端实例（一）

技术栈&#xff1a;原生HTML 源代码&#xff1a;CUGLin/WebGIS: This is a project of Spatial information visualization 4 全国贫困县可视化系统 4.1 系统设计思想 党的十九大报告明确指出,要“确保到2020年我国现行标准下农村贫困人口实现脱贫,贫困县全部摘帽,解决区域…
阅读更多...
10.第二阶段x64游戏实战-添加计时器

10.第二阶段x64游戏实战-添加计时器

免责声明&#xff1a;内容仅供学习参考&#xff0c;请合法利用知识&#xff0c;禁止进行违法犯罪活动&#xff01; 本次游戏没法给 内容参考于&#xff1a;微尘网络安全 上一个内容&#xff1a;9.第二阶段x64游戏实战-创建项目代码获取人物属性 效果图&#xff1a; 当前游戏…
阅读更多...
【论文阅读】MOE奠基论文《Adaptive Mixtures of Local Experts》

【论文阅读】MOE奠基论文《Adaptive Mixtures of Local Experts》

《Adaptive Mixtures of Local Experts》 前言一、让协同学习竞争1.1 方案1.2 方案演变的由来 二、让竞争学习协同2.1 竞争学习2.2 竞争学习协同 三、案例验证3.1 任务背景3.2 实验结果3.3 后续工作 (Future Work) 前言 论文提出了一个基于多个分离网络的有监督学习方案,该方案…
阅读更多...
VM虚拟机安装及Ubuntu安装配置

VM虚拟机安装及Ubuntu安装配置

VM虚拟机安装及Ubuntu安装配置 1、VM虚拟机安装2、创建虚拟机3、Ubuntu系统安装4、编译环境配置4.1 、Ubuntu和 Windows文件互传 文件互传4.1.1、 开启Ubunt下的FTP服务 4.2、 Ubuntu下NFS和SSH服务开启4.2.1、 NFS服务开启4.2.2、 SSH服务开启 4.3、 交叉编译器安装4.3.1 安装…
阅读更多...
【C++ 进阶】泛型算法：概述

【C++ 进阶】泛型算法：概述

目录 一、泛型算法基础概念 1.1 什么是泛型算法&#xff1f; 1.2 核心设计原则 1.3 算法分类体系 1.4 与 STL 容器的关系 二、迭代器&#xff1a;泛型算法的 “钥匙” 2.1 迭代器类型 2.2 迭代器适配器 三、常用泛型算法分类与实战 3.1 非修改型算法&#xff08;只读…
阅读更多...
系统与网络安全------Windows系统安全（10）

系统与网络安全------Windows系统安全（10）

资料整理于网络资料、书本资料、AI&#xff0c;仅供个人学习参考。 域与活动目录 域相关概念 域和域控制器 域&#xff08;Domain&#xff09; 集中管理网络中多台计算机的一种逻辑模式 有别于工作组的对等式管理 是组织与存储资源的核心管理单元 域控制器&#xff08;D…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023