当前位置：首页 > 无线WIFI连接 > 正文内容

原子路由器怎么限速

楷峰2023年01月16日 13:00无线WIFI连接134

今天给各位分享原子路由器怎么限速的知识，其中也会对普通路由器如何限速进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

1、求高人指点网速被限速的问题
2、如何实现支持数亿用户的长连消息系统
3、300M宽带如何选择路由器？路由器上的最大承载速率和宽带实际最大速率怎么换算？
4、我家里电信光纤20G,用无线网络,手机看微信会导致电脑游戏延迟瞬间爆表

求高人指点网速被限速的问题

多用户共用宽带，一直以来都是没良心的所谓的电脑高手占绝对的优势已经成为不争的事实，他们用各种手段来抢占宽带给别的用户带来极大的反感，而电脑菜鸟即成为交网费为别人上网悲哀者。真正的电脑高手是有良心的，他们一般都会避开上网高峰期或限速下载大容量文件，上网高峰期慢时才进行限速。

现在让我手把手教你限制和突破限制：

1、硬件限制方面：一般情况只有硬路由（软的除外）才有这个限速功能，而这种带限速功能的路由一盘都要比普通的要贵很多，(当然，也有一些路由可以通过升级固件来限速）所以房东不会花钱去买贵路由，从你发的信息看2M的宽带已经几乎被占用完，所以房东的路由是没有限速功能，所以说，硬件限制你就不要担心了，即使房东真的是用路由来限制,我们也没法突破。

2、现在就只有软件限制了，网上最流行的有聚生网管和P2P终结者这两款软件，两种软件的功能和用法几乎一样，可以限制和断开局域网中的任何用户的网速，通常来说，局域网只有有1人用上面两款软件其中一款在限你的网速，严重的话你的QQ都会掉线，杀伤力豪不逊色中国阅兵里见过的原子弹导弹（晕）。

突破的方法有很多，不过原理都是防ARP功击的，比如你可以开启360度安全士卫实时保护里的ARP防火墙功能，当别人用ARP限你的网速时，360度安全士卫就会发出预警信号，你就可以追踪他的IP，然后直接上门找到他，叫他以后不要开这个软件了，开这软件我的QQ就会掉线。如果他还在用这个软件来限速，你就用“局域网查看工具(LanSee) ”扫描全部IP地址，后找到攻击你的IP远程关闭他的电脑。（呵呵，这方法也太狠了）

祝你上网愉快。

如何实现支持数亿用户的长连消息系统

此文是根据周洋在【高可用架构群】中的分享内容整理而成，转发请注明出处。周洋，360手机助手技术经理及架构师，负责360长连接消息系统，360手机助手架构的开发与维护。不知道咱们群名什么时候改为“Python高可用架构群”了，所以不得不说，很荣幸能在接下来的一个小时里在Python群里讨论golang....360消息系统介绍 360消息系统更确切的说是长连接push系统，目前服务于360内部多个产品，开发平台数千款app，也支持部分聊天业务场景，单通道多app复用，支持上行数据，提供接入方不同粒度的上行数据和用户状态回调服务。目前整个系统按不同业务分成9个功能完整的集群，部署在多个idc上（每个集群覆盖不同的idc），实时在线数亿量级。通常情况下，pc，手机，甚至是智能硬件上的360产品的push消息，基本上是从我们系统发出的。关于push系统对比与性能指标的讨论很多同行比较关心go语言在实现push系统上的性能问题，单机性能究竟如何，能否和其他语言实现的类似系统做对比么？甚至问如果是创业,第三方云推送平台，推荐哪个? 其实各大厂都有类似的push系统，市场上也有类似功能的云服务。包括我们公司早期也有erlang，nodejs实现的类似系统，也一度被公司要求做类似的对比测试。我感觉在讨论对比数据的时候，很难保证大家环境和需求的统一，我只能说下我这里的体会，数据是有的，但这个数据前面估计会有很多定语~ 第一个重要指标：单机的连接数指标做过长连接的同行，应该有体会，如果在稳定连接情况下，连接数这个指标，在没有网络吞吐情况下对比，其实意义往往不大，维持连接消耗cpu资源很小，每条连接tcp协议栈会占约4k的内存开销，系统参数调整后，我们单机测试数据，最高也是可以达到单实例300w长连接。但做更高的测试，我个人感觉意义不大。因为实际网络环境下，单实例300w长连接，从理论上算压力就很大：实际弱网络环境下，移动客户端的断线率很高，假设每秒有1000分之一的用户断线重连。300w长连接，每秒新建连接达到3w，这同时连入的3w用户，要进行注册，加载离线存储等对内rpc调用，另外300w长连接的用户心跳需要维持,假设心跳300s一次，心跳包每秒需要1w tps。单播和多播数据的转发，广播数据的转发，本身也要响应内部的rpc调用，300w长连接情况下，gc带来的压力，内部接口的响应延迟能否稳定保障。这些集中在一个实例中，可用性是一个挑战。所以线上单实例不会hold很高的长连接,实际情况也要根据接入客户端网络状况来决定。第二个重要指标:消息系统的内存使用量指标这一点上，使用go语言情况下，由于协程的原因，会有一部分额外开销。但是要做两个推送系统的对比，也有些需要确定问题。比如系统从设计上是否需要全双工（即读写是否需要同时进行）如果半双工，理论上对一个用户的连接只需要使用一个协程即可（这种情况下，对用户的断线检测可能会有延时），如果是全双工，那读/写各一个协程。两种场景内存开销是有区别的。另外测试数据的大小往往决定我们对连接上设置的读写buffer是多大，是全局复用的，还是每个连接上独享的，还是动态申请的。另外是否全双工也决定buffer怎么开。不同的策略，可能在不同情况的测试中表现不一样。第三个重要指标：每秒消息下发量这一点上，也要看我们对消息到达的QoS级别(回复ack策略区别），另外看架构策略，每种策略有其更适用的场景，是纯粹推？还是推拉结合？甚至是否开启了消息日志？日志库的实现机制、以及缓冲开多大？flush策略……这些都影响整个系统的吞吐量。另外为了HA，增加了内部通信成本，为了避免一些小概率事件，提供闪断补偿策略，这些都要考虑进去。如果所有的都去掉，那就是比较基础库的性能了。所以我只能给出大概数据，24核，64G的服务器上，在QoS为message at least，纯粹推，消息体256B~1kB情况下，单个实例100w实际用户（200w+）协程，峰值可以达到2~5w的QPS...内存可以稳定在25G左右，gc时间在200~800ms左右（还有优化空间）。我们正常线上单实例用户控制在80w以内，单机最多两个实例。事实上，整个系统在推送的需求上，对高峰的输出不是提速，往往是进行限速，以防push系统瞬时的高吞吐量，转化成对接入方业务服务器的ddos攻击所以对于性能上，我感觉大家可以放心使用，至少在我们这个量级上，经受过考验，go1.5到来后，确实有之前投资又增值了的感觉。消息系统架构介绍下面是对消息系统的大概介绍，之前一些同学可能在gopher china上可以看到分享，这里简单讲解下架构和各个组件功能，额外补充一些当时遗漏的信息：架构图如下，所有的service都 written by golang.几个大概重要组件介绍如下： dispatcher service根据客户端请求信息，将应网络和区域的长连接服务器的，一组IP传送给客户端。客户端根据返回的IP，建立长连接，连接Room service. room Service，长连接网关，hold用户连接，并将用户注册进register service，本身也做一些接入安全策略、白名单、IP限制等。 register service是我们全局session存储组件，存储和索引用户的相关信息，以供获取和查询。 coordinator service用来转发用户的上行数据，包括接入方订阅的用户状态信息的回调，另外做需要协调各个组件的异步操作，比如kick用户操作,需要从register拿出其他用户做异步操作. saver service是存储访问层，承担了对redis和mysql的操作，另外也提供部分业务逻辑相关的内存缓存，比如广播信息的加载可以在saver中进行缓存。另外一些策略，比如客户端sdk由于被恶意或者意外修改，每次加载了消息，不回复ack，那服务端就不会删除消息，消息就会被反复加载，形成死循环，可以通过在saver中做策略和判断。（客户端总是不可信的）。 center service提供给接入方的内部api服务器，比如单播或者广播接口，状态查询接口等一系列api,包括运维和管理的api。举两个常见例子，了解工作机制：比如发一条单播给一个用户，center先请求Register获取这个用户之前注册的连接通道标识、room实例地址，通过room service下发给长连接 Center Service比较重的工作如全网广播，需要把所有的任务分解成一系列的子任务，分发给所有center，然后在所有的子任务里，分别获取在线和离线的所有用户，再批量推到Room Service。通常整个集群在那一瞬间压力很大。 deployd/agent service用于部署管理各个进程，收集各组件的状态和信息,zookeeper和keeper用于整个系统的配置文件管理和简单调度关于推送的服务端架构常见的推送模型有长轮训拉取，服务端直接推送（360消息系统目前主要是这种），推拉结合（推送只发通知，推送后根据通知去拉取消息）. 拉取的方式不说了，现在并不常用了，早期很多是nginx+lua+redis，长轮训，主要问题是开销比较大，时效性也不好，能做的优化策略不多。直接推送的系统，目前就是360消息系统这种，消息类型是消耗型的，并且对于同一个用户并不允许重复消耗,如果需要多终端重复消耗，需要抽象成不同用户。推的好处是实时性好，开销小，直接将消息下发给客户端，不需要客户端走从接入层到存储层主动拉取. 但纯推送模型，有个很大问题，由于系统是异步的，他的时序性无法精确保证。这对于push需求来说是够用的，但如果复用推送系统做im类型通信，可能并不合适。对于严格要求时序性，消息可以重复消耗的系统，目前也都是走推拉结合的模型，就是只使用我们的推送系统发通知，并附带id等给客户端做拉取的判断策略，客户端根据推送的key，主动从业务服务器拉取消息。并且当主从同步延迟的时候，跟进推送的key做延迟拉取策略。同时也可以通过消息本身的QoS，做纯粹的推送策略，比如一些“正在打字的”低优先级消息，不需要主动拉取了，通过推送直接消耗掉。哪些因素决定推送系统的效果？首先是sdk的完善程度，sdk策略和细节完善度，往往决定了弱网络环境下最终推送质量. SDK选路策略,最基本的一些策略如下：有些开源服务可能会针对用户hash一个该接入区域的固定ip，实际上在国内环境下不可行，最好分配器（dispatcher）是返回散列的一组，而且端口也要参开，必要时候，客户端告知是retry多组都连不上，返回不同idc的服务器。因为我们会经常检测到一些case，同一地区的不同用户，可能对同一idc内的不同ip连通性都不一样，也出现过同一ip不同端口连通性不同，所以用户的选路策略一定要灵活，策略要足够完善.另外在选路过程中，客户端要对不同网络情况下的长连接ip做缓存，当网络环境切换时候（wifi、2G、3G)，重新请求分配器，缓存不同网络环境的长连接ip。客户端对于数据心跳和读写超时设置,完善断线检测重连机制针对不同网络环境，或者客户端本身消息的活跃程度，心跳要自适应的进行调整并与服务端协商，来保证链路的连通性。并且在弱网络环境下，除了网络切换（wifi切3G）或者读写出错情况，什么时候重新建立链路也是一个问题。客户端发出的ping包，不同网络下，多久没有得到响应，认为网络出现问题，重新建立链路需要有个权衡。另外对于不同网络环境下，读取不同的消息长度，也要有不同的容忍时间，不能一刀切。好的心跳和读写超时设置，可以让客户端最快的检测到网络问题，重新建立链路，同时在网络抖动情况下也能完成大数据传输。结合服务端做策略另外系统可能结合服务端做一些特殊的策略，比如我们在选路时候，我们会将同一个用户尽量映射到同一个room service实例上。断线时，客户端尽量对上次连接成功的地址进行重试。主要是方便服务端做闪断情况下策略，会暂存用户闪断时实例上的信息，重新连入的时候，做单实例内的迁移，减少延时与加载开销. 客户端保活策略很多创业公司愿意重新搭建一套push系统，确实不难实现，其实在协议完备情况下（最简单就是客户端不回ack不清数据），服务端会保证消息是不丢的。但问题是为什么在消息有效期内,到达率上不去？往往因为自己app的push service存活能力不高。选用云平台或者大厂的，往往sdk会做一些保活策略，比如和其他app共生，互相唤醒，这也是云平台的push service更有保障原因。我相信很多云平台旗下的sdk，多个使用同样sdk的app，为了实现服务存活，是可以互相唤醒和保证活跃的。另外现在push sdk本身是单连接，多app复用的，这为sdk实现，增加了新的挑战。综上，对我来说，选择推送平台，优先会考虑客户端sdk的完善程度。对于服务端，选择条件稍微简单，要求部署接入点（IDC）越要多，配合精细的选路策略，效果越有保证，至于想知道哪些云服务有多少点，这个群里来自各地的小伙伴们，可以合伙测测。 go语言开发问题与解决方案下面讲下，go开发过程中遇到挑战和优化策略，给大家看下当年的一张图，在第一版优化方案上线前一天截图~可以看到，内存最高占用69G，GC时间单实例最高时候高达3~6s.这种情况下，试想一次悲剧的请求，经过了几个正在执行gc的组件，后果必然是超时... gc照成的接入方重试，又加重了系统的负担。遇到这种情况当时整个系统最差情况每隔2，3天就需要重启一次~ 当时出现问题，现在总结起来，大概以下几点 1.散落在协程里的I/O，Buffer和对象不复用。当时（12年）由于对go的gc效率理解有限，比较奔放，程序里大量short live的协程，对内通信的很多io操作，由于不想阻塞主循环逻辑或者需要及时响应的逻辑，通过单独go协程来实现异步。这回会gc带来很多负担。针对这个问题，应尽量控制协程创建，对于长连接这种应用，本身已经有几百万并发协程情况下，很多情况没必要在各个并发协程内部做异步io，因为程序的并行度是有限，理论上做协程内做阻塞操作是没问题。如果有些需要异步执行，比如如果不异步执行，影响对用户心跳或者等待response无法响应，最好通过一个任务池，和一组常驻协程，来消耗，处理结果，通过channel再传回调用方。使用任务池还有额外的好处，可以对请求进行打包处理，提高吞吐量，并且可以加入控量策略. 2.网络环境不好引起激增 go协程相比较以往高并发程序，如果做不好流控，会引起协程数量激增。早期的时候也会发现，时不时有部分主机内存会远远大于其他服务器，但发现时候，所有主要profiling参数都正常了。后来发现，通信较多系统中，网络抖动阻塞是不可免的(即使是内网)，对外不停accept接受新请求，但执行过程中，由于对内通信阻塞，大量协程被创建，业务协程等待通信结果没有释放，往往瞬时会迎来协程暴涨。但这些内存在系统稳定后，virt和res都并没能彻底释放，下降后，维持高位。处理这种情况，需要增加一些流控策略，流控策略可以选择在rpc库来做，或者上面说的任务池来做，其实我感觉放在任务池里做更合理些，毕竟rpc通信库可以做读写数据的限流，但它并不清楚具体的限流策略，到底是重试还是日志还是缓存到指定队列。任务池本身就是业务逻辑相关的，它清楚针对不同的接口需要的流控限制策略。 3.低效和开销大的rpc框架早期rpc通信框架比较简单，对内通信时候使用的也是短连接。这本来短连接开销和性能瓶颈超出我们预期，短连接io效率是低一些，但端口资源够，本身吞吐可以满足需要，用是没问题的，很多分层的系统，也有http短连接对内进行请求的但早期go版本，这样写程序，在一定量级情况，是支撑不住的。短连接大量临时对象和临时buffer创建，在本已经百万协程的程序中，是无法承受的。所以后续我们对我们的rpc框架作了两次调整。第二版的rpc框架，使用了连接池，通过长连接对内进行通信（复用的资源包括client和server的：编解码Buffer、Request/response），大大改善了性能。但这种在一次request和response还是占用连接的，如果网络状况ok情况下，这不是问题，足够满足需要了，但试想一个room实例要与后面的数百个的register，coordinator，saver，center，keeper实例进行通信，需要建立大量的常驻连接，每个目标机几十个连接，也有数千个连接被占用。非持续抖动时候（持续逗开多少无解），或者有延迟较高的请求时候，如果针对目标ip连接开少了，会有瞬时大量请求阻塞，连接无法得到充分利用。第三版增加了Pipeline操作，Pipeline会带来一些额外的开销，利用tcp的全双特性，以尽量少的连接完成对各个服务集群的rpc调用。 4.Gc时间过长 Go的Gc仍旧在持续改善中，大量对象和buffer创建，仍旧会给gc带来很大负担，尤其一个占用了25G左右的程序。之前go team的大咖邮件也告知我们，未来会让使用协程的成本更低，理论上不需要在应用层做更多的策略来缓解gc. 改善方式，一种是多实例的拆分，如果公司没有端口限制，可以很快部署大量实例，减少gc时长，最直接方法。不过对于360来说，外网通常只能使用80和433。因此常规上只能开启两个实例。当然很多人给我建议能否使用SO_REUSEPORT，不过我们内核版本确实比较低，并没有实践过。另外能否模仿nginx，fork多个进程监控同样端口，至少我们目前没有这样做，主要对于我们目前进程管理上，还是独立的运行的，对外监听不同端口程序，还有配套的内部通信和管理端口，实例管理和升级上要做调整。解决gc的另两个手段，是内存池和对象池,不过最好做仔细评估和测试，内存池、对象池使用，也需要对于代码可读性与整体效率进行权衡。这种程序一定情况下会降低并行度，因为用池内资源一定要加互斥锁或者原子操作做CAS，通常原子操作实测要更快一些。CAS可以理解为可操作的更细行为粒度的锁（可以做更多CAS策略，放弃运行，防止忙等）。这种方式带来的问题是，程序的可读性会越来越像C语言，每次要malloc，各地方用完后要free，对于对象池free之前要reset，我曾经在应用层尝试做了一个分层次结构的“无锁队列”上图左边的数组实际上是一个列表，这个列表按大小将内存分块，然后使用atomic操作进行CAS。但实际要看测试数据了，池技术可以明显减少临时对象和内存的申请和释放，gc时间会减少，但加锁带来的并行度的降低，是否能给一段时间内的整体吞吐量带来提升，要做测试和权衡… 在我们消息系统，实际上后续去除了部分这种黑科技，试想在百万个协程里面做自旋操作申请复用的buffer和对象，开销会很大，尤其在协程对线程多对多模型情况下，更依赖于golang本身调度策略，除非我对池增加更多的策略处理，减少忙等，感觉是在把runtime做的事情，在应用层非常不优雅的实现。普遍使用开销理论就大于收益。但对于rpc库或者codec库，任务池内部，这些开定量协程，集中处理数据的区域，可以尝试改造~ 对于有些固定对象复用，比如固定的心跳包什么的，可以考虑使用全局一些对象，进行复用，针对应用层数据，具体设计对象池，在部分环节去复用，可能比这种无差别的设计一个通用池更能进行效果评估. 消息系统的运维及测试下面介绍消息系统的架构迭代和一些迭代经验，由于之前在其他地方有过分享，后面的会给出相关链接，下面实际做个简单介绍，感兴趣可以去链接里面看架构迭代~根据业务和集群的拆分，能解决部分灰度部署上线测试，减少点对点通信和广播通信不同产品的相互影响，针对特定的功能做独立的优化. 消息系统架构和集群拆分，最基本的是拆分多实例，其次是按照业务类型对资源占用情况分类，按用户接入网络和对idc布点要求分类（目前没有条件，所有的产品都部署到全部idc）系统的测试go语言在并发测试上有独特优势。对于压力测试，目前主要针对指定的服务器，选定线上空闲的服务器做长连接压测。然后结合可视化，分析压测过程中的系统状态。但压测早期用的比较多，但实现的统计报表功能和我理想有一定差距。我觉得最近出的golang开源产品都符合这种场景，go写网络并发程序给大家带来的便利，让大家把以往为了降低复杂度，拆解或者分层协作的组件，又组合在了一起。 QA Q1:协议栈大小，超时时间定制原则？移动网络下超时时间按产品需求通常2g，3G情况下是5分钟，wifi情况下5~8分钟。但对于个别场景，要求响应非常迅速的场景，如果连接idle超过1分钟，都会有ping，pong，来校验是否断线检测，尽快做到重新连接。 Q2:消息是否持久化？消息持久化，通常是先存后发，存储用的redis，但落地用的mysql。mysql只做故障恢复使用。 Q3:消息风暴怎么解决的？如果是发送情况下，普通产品是不需要限速的，对于较大产品是有发送队列做控速度，按人数，按秒进行控速度发放，发送成功再发送下一条。 Q4:golang的工具链支持怎么样？我自己写过一些小程序千把行之内，确实很不错，但不知道代码量上去之后，配套的debug工具和profiling工具如何，我看上边有分享说golang自带的profiling工具还不错，那debug呢怎么样呢，官方一直没有出debug工具，gdb支持也不完善，不知你们用的什么？是这样的，我们正常就是println，我感觉基本上可以定位我所有问题，但也不排除由于并行性通过println无法复现的问题，目前来看只能靠经验了。只要常见并发尝试，经过分析是可以找到的。go很快会推出调试工具的~ Q5:协议栈是基于tcp吗？是否有协议拓展功能？协议栈是tcp，整个系统tcp长连接，没有考虑扩展其功能~如果有好的经验，可以分享~ Q6:问个问题，这个系统是接收上行数据的吧，系统接收上行数据后是转发给相应系统做处理么，是怎么转发呢，如果需要给客户端返回调用结果又是怎么处理呢？系统上行数据是根据协议头进行转发，协议头里面标记了产品和转发类型，在coordinator里面跟进产品和转发类型，回调用户，如果用户需要阻塞等待回复才能后续操作，那通过再发送消息，路由回用户。因为整个系统是全异步的。 Q7:问个pushsdk的问题。pushsdk的单连接，多app复用方式，这样的情况下以下几个问题是如何解决的：1）系统流量统计会把所有流量都算到启动连接的应用吧？而启动应用的连接是不固定的吧？2）同一个pushsdk在不同的应用中的版本号可能不一样，这样暴露出来的接口可能有版本问题，如果用单连接模式怎么解决？流量只能算在启动的app上了，但一般这种安装率很高的app承担可能性大，常用app本身被检测和杀死可能性较少，另外消息下发量是有严格控制的。整体上用户还是省电和省流量的。我们pushsdk尽量向上兼容，出于这个目的，push sdk本身做的工作非常有限，抽象出来一些常见的功能，纯推的系统，客户端策略目前做的很少，也有这个原因。 Q8:生产系统的profiling是一直打开的么？不是一直打开，每个集群都有采样，但需要开启哪个可以后台控制。这个profling是通过接口调用。 Q9:面前系统中的消息消费者可不可以分组？类似于Kafka。客户端可以订阅不同产品的消息，接受不同的分组。接入的时候进行bind或者unbind操作 Q10:为什么放弃erlang,而选择go，有什么特别原因吗？我们现在用的erlang？ erlang没有问题，原因是我们上线后，其他团队才做出来，经过qa一个部门对比测试，在没有显著性能提升下，选择继续使用go版本的push，作为公司基础服务。 Q11:流控问题有排查过网卡配置导致的idle问题吗？流控是业务级别的流控，我们上线前对于内网的极限通信量做了测试，后续将请求在rpc库内，控制在小于内部通信开销的上限以下.在到达上限前作流控。 Q12:服务的协调调度为什么选择zk有考虑过raft实现吗？golang的raft实现很多啊，比如Consul和ectd之类的。 3年前，还没有后两者或者后两者没听过应该。zk当时公司内部成熟方案，不过目前来看，我们不准备用zk作结合系统的定制开发，准备用自己写的keeper代替zk，完成配置文件自动转数据结构，数据结构自动同步指定进程，同时里面可以完成很多自定义的发现和控制策略，客户端包含keeper的sdk就可以实现以上的所有监控数据，profling数据收集，配置文件更新，启动关闭等回调。完全抽象成语keeper通信sdk，keeper之间考虑用raft。 Q13:负载策略是否同时在服务侧与CLIENT侧同时做的 (DISPATCHER 会返回一组IP)？另外，ROOM SERVER/REGISTER SERVER连接状态的一致性可用性如何保证? 服务侧保活有无特别关注的地方? 安全性方面是基于TLS再加上应用层加密? 会在server端做，比如重启操作前，会下发指令类型消息，让客户端进行主动行为。部分消息使用了加密策略，自定义的rsa+des，另外满足我们安全公司的需要，也定制开发很多安全加密策略。一致性是通过冷备解决的，早期考虑双写，但实时状态双写同步代价太高而且容易有脏数据，比如register挂了，调用所有room，通过重新刷入指定register来解决。 Q14:这个keeper有开源打算吗？还在写，如果没耦合我们系统太多功能，一定会开源的，主要这意味着，我们所有的bind在sdk的库也需要开源~ Q15:比较好奇lisence是哪个如果开源？

300M宽带如何选择路由器？路由器上的最大承载速率和宽带实际最大速率怎么换算？

如何选择一款适合自己的家用路由器？在当今这个数字化时代，科技化时代，快节奏时代、没有WIFI就“活不下去”的时代，就今年统计城镇宽带的安装率已经普及到了60%，就连农村宽带安装都达到了20%之多，路由器的诞生让大家在办理一条宽带的同时可以全家享受免费的无线信号，台式机、笔记本、平板电脑、手机、超级电视等等等等都可以借助路由器所带来的便捷功能得以畅享，如何选择一款适合自己的家用路由器呢？本文为您详细的解答其中的奥妙，当您了解了下面的内容，我想奸商再也无所遁形了。

首先给大家看一张图，这里详细的画出了路由器的各种您不知道的小秘密，随后我将详细的为大家解答其中技术性的问题。

（路由器参数图）

看花眼了吧，这一个个的文字、字母和数字组合到底是什么意思呢？还有这一圈圈的光圈又代表什么呢？不着急，且听我慢慢道来。

很多人在买路由器的时候会存在一些误区，首先是对路由器型号的不了解，其中还会闹出一些小笑话。这里小草就简单的介绍一下，大家常见的路由器上面都标注着150M和300M等型号，具体是什么意思呢？

路由器的M是Mbps的简称，比特率是用来描述数据传输速度快慢的一个单位，比特率越大，数据流速越快。理论上150Mbps的网速，每秒钟的传输速度就是18.75MB/S。300Mbps的网速，每秒钟的传输速度就是37.5MB/S。

很多朋友把这个M误解成了米的单位，有一次一个顾客来到我店里，说要买个300米的路由器，我当时就傻了，我问他是不是买300兆的，他说他也不懂，还有回一个客户来找我，说你的路由器不是300米的么？怎么隔了2个房间就没信号了，连20米都不到？这里我要着重说下路由器的这个M到底是什么意思，用行业术语讲或许大家听不明白，那我就讲通俗点其实这个M就是指的路由器对数据的吞吐量，数值越大吞吐量则越大，下回千万别把M再当成米来误读啦，不然要闹出笑话的。

再说下路由器的型号划分，很多人或许知道的路由器有无线和有线两种，无线是可以发射WIFI信号的同时大部分产品还可以链接有线的网线，而有线路由器则是只能通过网线来链接，这只是对路由器的基本划分。其实路由器还可分为家用路由器和企业级路由器两种，因为功能不同和适应环境的缘故所以大家对于企业级路由器可能知道的不多，具体怎样区分呢？

这里可能就有点麻烦了，一般家用路由器带动的设备相对较少，一般不会超过5-10台，且使用的时间多数非全天候的，链接的带宽和数据吞吐量也不大，但从型号和发射频率来区分是不科学的，这主要看厂家怎么定位啦，这不很多小企业和办公区域就有拿家用路由器来充当企业级路由来使用的，如果设备链接较少还可以，如果连接数过多，难免不会出现些小问题，例如网速慢、频繁掉线、设备死机等问题。企业级路由器和家用路由还有一个大的区别在于软件功能上，为了迎合办公和不同需求，企业路由本身会设计很多的软件管理功能，例如端口扫描、网络限速、网址筛选、数据监控、数据防毒等等功能。

（家用300M三天线TP-LINK路由器）

（企业级900M双拼VPN TP-LINK路由器）

这里还有个大家肉眼能看到且迷糊的问题，为什么有的路由器只有一根天线而有的路由器却有很多根天线呢？天线的多少是不是和接收信号的强度有关联呢？

这个问题其实大家也可以悟出来的，小频率的路由器例如最早一批的54M单天线路由器，它本身发射频率较小覆盖面积不大所以没比较用更多的天线来支撑他的数据发射，产品设计都是有规定和数据匹配的，你在一个54M的路由器上按上太多的天线也不能使其发射距离变的太多，举个通俗点的例子吧，抽水机抽水一条水管和多条水管同时分流的话你觉得推送距离是远了呢还是近了呢？其实距离不是答案，答案是传输的质量，本身54M的路由器最大承载量一根天线就可以搞定了，你装很多的天线只能让数据更不稳定且质量下降，如果你期望多天线发射距离覆盖死角更广的话，那则必须提升发射频率的数值来对称，这里有个小提示，发射频率越高电磁辐射的剂量则越大，所以选择合适您范围的路由器才是正道，反之则会对身体不利。

既然说到了辐射，那我们就简单的讲讲路由器到底有没有辐射，辐射数值是多少呢？

先不要担心，所有的电器设备都是有辐射的，这里说的不是核弹的那种原子辐射而是电器里常讲的电磁辐射，电磁辐射单位用 μ 来表示。

电磁辐射分两个级别，工频段辐射、射频电磁波。工频段的单位是μT，辐射在0.4μT以上属于较强辐射，属于危险值，对人体有一定危害；射频电磁波的单位是μW/㎝2，如果在20μW/㎝2 以上属于严重超标。

看到这个注释，大家开始心慌了，上面图片上54M的路由器就写着1 μ t那不是远远超过0.4了吗？首先我要向大家道歉，上面图片上画的辐射数值是在0距离最大数字的辐射剂量，每款路由器有的机械保护外壳来防止电磁辐射的溢出，一般30CM以上的距离接触到人体后，数值会不到最大剂量的20分之1，而人体可承受的最大辐射量是在10 μ T以上，所以对于辐射大小来说大家完全不用担心。

说完吓人的辐射，我们来轻松一下说一说大家比较关心的问题，当然了钱是很重要但我想还是让您认清楚路由器的其他奥妙再来告诉您选择什么价位的路由器符合您。

这里要说到一个名词，穿墙。是的我们中国的建筑设计多数都是水泥、钢筋、混凝土的组合，电磁波对于这些物质的穿透是有很大衰减的，一款300M的路由器在空旷的视野中可以传输上百米，而躲在建筑物中的路由器由于受到了很多物理阻挡所以变得穿透力锐减，且信号传输不稳定。那一款路由器到底能穿几堵墙呢？我该放到什么位置呢？

中国式的家庭格局，建筑面积在120平米-200平米的居多，所以家里窗户多墙体也是不少。一般来说在没有其他路由器干扰的情况下54M-300M的路由器穿墙力度几乎差不了多少，对于承重墙钢架结构的墙体来说，穿透2面已经是很大力度了，可能还会更远一些，但信号的回收则会减少甚至丢失一部分，所以照成不稳定。在无障碍下接收到的路由器信号可能是满的，每穿一面墙信号则降低很多，市面上卖的各种300M的穿墙王其实穿透效果也不尽然，除非它设计超标根本就不是300M的，你就算加10DB的天线也不会提升过度明显。选择频率过大的路由器则要承受经济上和身体辐射带来的利弊，所以我一般对用户解释，将路由器放在房屋的中间房间内这样即可以少穿几面墙，信号还稳定。

所以我的建议是家用路由器最好不要超过450M的范围，再大人身体还真是受不了，看小草我满头的白发就知道了，我可是承受了10几年电磁辐射的人……

综合以上文字和图片参数，小草来给大家做一个整合这样对于您选择起来或许会轻松很多。

54M路由器：一般是由1根天线组成适用于80平米以下的一居室或小两居室，辐射剂量较小价格呢一般不会超过60元，可选择的品牌很多绝大多数路由器都有生产，不过以现在的年份来算可能还真买不到……

150M的路由器：是现在市面上主流的小频率路由器，它也是有单天线组成，发射频率是54M的三倍，自然辐射剂量要大一些，但穿透力度并不理想，一般适用于80-100平米的两居室，价格因品牌差异不同一般购买到的价格不会超过80元，部分品牌可能会更低一些例如水星、磊科、腾达等国产品牌均价在50元左右。

300M路由器：正如雨后春笋般崛起，很多用户已不能满足150M路由所带来的发射频率和穿透力，对于大房间和上网设备多的家庭来说是不二首选，至于价格嘛，小草最近看了看网上的报价有些品牌竟然打出了59元的超低价，而且还是三天线的号称什么穿墙王……，小草试着买了一些销售实际测量后的结果显示根本没有广告说的那么玄乎穿透力还不如双天线的TP-LINK，至于返修率嘛是真不少啊，此款型号的路由器我最后给出的结论是直选对的不选忽悠人的，钱嘛自然是要超100了……（行家先别喷小弟不会水啊）。

450M-1750M的路由器：很大的跨度中间还有很多型号，例如600M、750M、900M、1000M、1250M、1750M等等等等……我的妈也都快赶上潜艇的长波台了，这些高频率的路由器依然不能针对家庭来使用了，辐射数值大、购买成本高、发热量也不小但总的来说它也有存在的道理，一个几百号公司员工的大楼你装个300M的也覆盖不过来不是嘛，像机房里这种频率的路由器还只是小儿科。一些高端大气上档次的企业级路由要卖到几十万人民币不等，岂是我这等工薪老百姓所能垂帘的呢？

原子路由器怎么限速