很多前端伙伴問題有沒有體系的面試題？
今天為大家推薦一款刷題神奇哦 點擊鏈接訪問牛客網
各大互聯網大廠面試真題。從基礎到入階乃至原理刨析類面試題 應有盡有，趕快來裝備自己吧！助你面試穩操勝券，solo全場面試官

查詢緩存

其實從填寫上url按下回車后，我們就進入了第一步就是 DNS 解析過程，首先需要找到這個 url 域名的服務器 ip,為了尋找這個 ip，瀏覽器首先會尋找緩存，查看緩存中是否有記錄緩存的查找記錄為：瀏覽器緩存=》系統緩存=》路由 器緩存緩存中沒有則查找系統的 hosts 文件中是否有記錄，

DNS服務器

如果沒有緩存則查詢 DNS 服務器，得到服務器的 ip 地址后，瀏覽器根據這個 ip 以及相應的端口號發送連接請求；當然如果DNS服務器中沒有解析成功，他會向上一步獲得的頂級DNS服務器發送解析請求。

TCP三次握手

客戶端和服務端都需要直到各自可收發，因此需要三次握手。

從圖片可以得到三次握手可以簡化為：

1、瀏覽器發送連接請求；
2、服務器允許連接后并發送ACK報文給瀏覽器；
2、瀏覽器接受ACK后并向后端發送一個ACK，TCP連接建立成功

HTTP協議包

構造一個 http 請求，這個請求報文會包括這次請求的信息，主要是請求方法，請求說明和請求附帶的數據，并將這個 http 請求封裝在一個 tcp 包中；這個 tcp 包也就是會依次經過傳輸層，網絡層， 數據鏈路層，物理層到達服務器，服務器解析這個請求來作出響應；返回相應的 html 給瀏覽器；

瀏覽器處理HTML文檔

因為 html 是一個樹形結構，瀏覽器根據這個 html 來構建 DOM 樹，在 dom 樹的構建過程中如果遇到 JS 腳本和外部 JS 連接，則會停止構建 DOM 樹來執行和下載相應的代碼，這會造成阻塞，這就是為什么推薦 JS 代碼應該放在 html 代碼的后面；

渲染樹
之后根據外部樣式，內部樣式，內聯樣式構建一個 CSS 對象模型樹 CSSOM 樹，構建完成后和 DOM 樹合并為渲染樹，在排除非視覺節點，比如 script，meta 標簽和排除 display 為 none 的節點，之后進行布局，布局主要是確定各個元素的位置和尺寸，之后是渲染頁面，因為 html 文件中會含有圖片，視頻，音頻等資源，在解析 DOM 的過 程中，遇到這些都會進行并行下載，瀏覽器對每個域的并行下載數量有一定的限制，一 般是 4-6 個，當然在這些所有的請求中我們還需要關注的就是緩存，緩存一般通過 Cache-Control、Last-Modify、Expires 等首部字段控制。

Cache-Control 和 Expires 的區別
在于 Cache-Control 使用相對時間，Expires 使用的是基于服務器 端的絕對時間，因為存 在時差問題，一般采用 Cache-Control，在請求這些有設置了緩存的數據時，會先 查看 是否過期，如果沒有過期則直接使用本地緩存，過期則請求并在服務器校驗文件是否修 改，如果上一次 響應設置了 ETag 值會在這次請求的時候作為 If-None-Match 的值交給 服務器校驗，如果一致，繼續校驗 Last-Modified，沒有設置 ETag 則直接驗證 Last-Modified，再決定是否返回 304

到這里就結束了么？其實按照標題所說的到渲染頁面我們確實到此就說明完了，但是嚴格意義上其實我們后面還會有TCP的四次揮手斷開連接，這個我們就放到后面單獨出一篇為大家介紹吧！

TCP 和 UDP 的區別

1、TCP 是面向連接的，udp 是無連接的即發送數據前不需要先建立鏈接。
2、TCP 提供可靠的服務。也就是說，通過 TCP 連接傳送的數據，無差錯，不丟失， 不重復，且按序到達;UDP 盡最大努力交付，即不保證可靠交付。 并且因為 tcp 可靠， 面向連接，不會丟失數據因此適合大數據量的交換。
3、TCP 是面向字節流，UDP 面向報文，并且網絡出現擁塞不會使得發送速率降低（因 此會出現丟包，對實時的應用比如 IP 電話和視頻會議等）。
4、TCP 只能是 1 對 1 的，UDP 支持 1 對 1,1 對多。
5、TCP 的首部較大為 20 字節，而 UDP 只有 8 字節。
6、TCP 是面向連接的可靠性傳輸，而 UDP 是不可靠的。

很多前端伙伴問題有沒有體系的面試題？
今天為大家推薦一款刷題神奇哦 點擊鏈接訪問牛客網
各大互聯網大廠面試真題。從基礎到入階乃至原理刨析類面試題 應有盡有，趕快來裝備自己吧！助你面試穩操勝券，solo全場面試官

寫在最后

? $改變能改變的，接受不能改變的！$

👍 $點贊，你的認可是我創作的動力！$

?? $收藏，你的青睞是我努力的方向！$

?? $評論，你的意見是我進步的財富！$

本期圖書推薦
數學知識點經過系統梳理，能讓讀者快速入門并掌握實際應用。全書分為兩部分，第一部分從機器學習數學基礎的幾大體系入手，系統講解機器學習的相關數學知識，同時穿插了19個基于Python編程的“小試牛刀”實例，以及20個“專家點撥”的知識；第二部分安排了8個大型的基于Python編程的機器學習應用案例，包括數學建模和工業應用方面的典型案例。

本書是一本系統介紹機器學習所涉及的數學知識和相關Python編程的實例工具書，同時還介紹了非常經典的綜合案例，除了編寫機器學習的代碼，還編寫了深度學習的代碼。本書一共分為兩部分。
第一部分為數學基礎知識部分，包含 8個章節，介紹了微積分、線性代數、概率統計、信息論、模糊數學、隨機過程、凸優化和圖論的系統知識體系及幾個數學知識點對應的Python編程實例。通過這些實例，讀者能夠了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相應的庫函數的應用。
第二部分為案例部分，包含4個章節，介紹了微積分、線性代數和概率統計問題的建模方法、求解流程和編程實現，以及工業生產領域的Python實戰，包含了機器學習算法和深度學習PyTorch框架的應用。
在學習本書內容前，建議讀者先掌握基本的Python編程知識和數學基礎，然后將本書通讀一遍，了解本書的大概內容，最后再跟著實例進行操作。
本書既注重數學理論，又偏重編程實踐，實用性強，適用于對編程有一定基礎，對系統的數學知識非常渴望，想從事人工智能、大數據等方向研究的讀者。同時也適合作為廣大職業院校相關專業的教材或參考用書。