对于互联网巨头的垄断行为，国家开始出手了！ 作者 | 来自镁客星球的家衡 据新华社报道，根据举报，市场监管总局依法对阿里巴巴集团控股有限公司实施“二选一”等涉嫌垄断行为立案调查。 而就在本月14日，市场监管总局发布了对阿里巴巴涉嫌垄断的处罚决定。 整顿互联网巨头垄断，国家开始出手了！ 屡见不鲜的“二选一” 在昨日全国人大常委会的执法检查报告中指出：在目前商品和服务网络平台发展迅速的背景下，部分平台利用优势地位和商家对其依赖性，强迫中小商家在平台间“二选一”。一旦发现商家在其他平台销售即对商家进行惩罚甚至直接下架在售产品。 对于阿里集团来说，“二选一”的现象屡见不鲜，不单是天猫、淘宝旗下网店，亦或是外卖平台，甚至在支付手段上都在强迫商家进行二选一。 近年来，阿里巴巴要求旗下入驻品牌、店铺不得在京东开设网店。这种情况下，京东损失不少品牌。 2017年11月28日，京东一纸诉状将天猫、阿里巴巴告上北京高院，并指控阿里方面滥用市场支配地位。 此案也被称为“二选一”第一案。 但由于法院对于相关事件很少判决，加之市场监管部门很少刚性执法，大多情况下多以双方约谈调整为主，至此该案件一拖再拖。2019年，阿里集团市场公关委员会主席王帅还表示，“二选一”是正常的市场行为，是“良币驱逐劣币”的行为。 在此之后，互联网巨头们的平台竞争愈演愈烈，而“二选一”的潜规则也更为常见。 当这类现象频频发生的时候，也正是国家出手的好时机。 近年来，国家持续快速推动反垄断工作，从反垄断法、反不正当竞争法再到电子商务法都进行完善修订。 11月10日，国家市场监管总局公布了《关于平台经济领域的反垄断指南（征求意见稿）》，对大数据杀熟以及“二选一”等行为均列出相关条例。 互联网处罚，反垄断第一枪 在最新的反垄断法公布之后，12月14日，国家市场监管总局正式开出“第一枪”，对阿里巴巴、阅文集团和丰巢网络分别处以行政处罚。 其中阿里巴巴被罚的主要原因是因为银泰商业被收购事件。 2014年，阿里集团出资53.7亿元港币对银泰商业进行战略投资，彼时阿里可将可转换债券转换为银泰商业的普通股股份，从而持有银泰商业27.82%的股份。 2017年，银泰商业启动私有化工作，阿里集团再次斥资177亿收购，并在2018年完成了对银泰产业的绝对控股。 按照规定，经营者在中国境内营业额超过20亿元人民币，必须向国务院反垄断执法机构申报。而这么重大的并购事项，阿里居然没有报备，直接“先斩后奏”。 这种无视国家《反垄断法》的行为，自然会遭致严厉的处罚！ 除了阿里集团以外，阅文集团和丰巢网络都因为未履行其依法申报股权收购的义务，被处以罚款。虽然50万的罚款对于三家巨头级的企业来说只是小数目，但从法律层面来讲，市场监管总局的意志可见一斑。 在刚刚过去的周末，中央政治局明确表态2021年经济工作将“加强反垄断，防止资本无序扩张”。 从全球范围来看，互联网行业面临反垄断监管已经成为常态化。 以美国为例，亚马逊、苹果、谷歌、Facebook等互联网平台企业都先后被美国司法部和联邦贸易委员会（FTC）进行过反垄断调查。 而我国互联网领域的反垄断法律制度也趋于完善。 对此，《人民日报》评论称，“加强反垄断监管是为了更好发展，有利于规范行业秩序、促进平台经济长远健康发展。此次立案调查，并不意味着国家对平台经济鼓励、支持的态度有所改变，恰恰是为了更好规范和发展平台经济。” END 来源：镁客网 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

作者：Java架构师历程 来源：cloud.tencent.com/developer/article/1346964 Tomcat性能调优 找到Tomcat根目录下的conf目录，修改server.xml文件的内容。对于这部分的调优，我所了解到的就是无非设置一下Tomcat服务器的最大并发数和Tomcat初始化时创建的线程数的 设置，当然还有其他一些性能调优的设置，下图是我根据我机子的性能设置的一些参数值，给各位详细解释一下吧： 1、URIEncoding=“UTF-8”：设置Tomcat的字符集。这种配置我们一般是不会设置的，因为关于乱码的转换我们会在具体项目中具体处理，直接修改Tomcat的字符集未免过于太死板。 2、maxThreads=“300”：设置当前Tomcat的最大并发数。Tomcat默认配置的最大请求数是150个，即同时能支持150个并发。但是在实际运用中，最大并发数与硬件性能和CPU数量都有很大关系的，更好的硬件、更高的处理器都会使Tomcat支持更多的并发数。如果一般在实际开发中，当某个应用拥有 250 个以上并发的时候，都会考虑到应用服务器的集群。 3、minSpareThreads=“50”：设置当前Tomcat初始化时创建的线程数，默认值为25。 4、acceptCount=“250”：当同时连接的人数达到maxThreads参数设置的值时，还可以接收排队的连接数量，超过这个连接的则直接返回拒绝连接。指定当任何能够使用的处理请求的线程数都被使用时，能够放到处理队列中的请求数，超过这个数的请求将不予处理。默认值为100。在实际应用中，如果想加大Tomcat的并发数 ，应该同时加大acceptCount和maxThreads的值。 5、enableLookups=“false”：是否开启域名反查，一般设置为false来提高处理能力，它的取值还有true，一般很少使用。 6、maxKeepAliveRequests=“1”：nginx动态的转给tomcat，nginx是不能keepalive的，而tomcat端默认开启了keepalive，会等待keepalive的timeout，默认不设置就是使用connectionTimeout。所以必须设置tomcat的超时时间，并关闭tomcat的keepalive。否则会产生大量tomcat的socket timewait。 maxKeepAliveRequests=”1”就可以避免tomcat产生大量的TIME_WAIT连接，从而从一定程度上避免tomcat假死。 JVM性能调优 Tomcat本身还是运行在JVM上的，通过对JVM参数的调整我们可以使Tomcat拥有更好的性能。目前针对JVM的调优主要有两个方面：内存调优和垃圾回收策略调优。 一、内存调优 找到Tomcat根目录下的bin目录，设置catalina.sh文件中JAVA_OPTS变量即可，因为后面的启动参数会把JAVA_OPTS作为JVM的启动参数来处理。再说Java虚拟机的内存结构是有点复杂的，相信很多人在理解上都是很抽象的，它主要分为堆、栈、方法区和垃圾回收系统等几个部分组成，下面是我从网上扒的内存结构图： 内存调优这块呢，无非就是通过修改它们各自的内存空间的大小，使应用能够更加合理的运用，下图是我根据我机子的性能设置的参数，给各位详细解释一下各个参数的含义吧： 1、-Xmx512m：设置Java虚拟机的堆的最大可用内存大小，单位：兆(m)，整个堆大小=年轻代大小 + 年老代大小 + 持久代大小。持久代一般固定大小为64m。堆的不同分布情况，对系统会产生一定的影响。尽可能将对象预留在新生代，减少老年代GC的次数（通常老年回收起来比较慢）。 实际工作中，通常将堆的初始值和最大值设置相等，这样可以减少程序运行时进行的垃圾回收次数和空间扩展，从而提高程序性能。 2、-Xms512m：设置Java虚拟机的堆的初始值内存大小，单位：兆(m)，此值可以设置与-Xmx相同，以避免每次垃圾回收完成后JVM重新分配内存。 3、-Xmn170m：设置年轻代内存大小，单位：兆(m)，此值对系统性能影响较大，Sun官方推荐配置为整个堆的3/8。一般在增大年轻代内存后，也会将会减小年老代大小。 4、-Xss128k：设置每个线程的栈大小。JDK5.0以后每个线程栈大小为1M，以前每个线程栈大小为256K。更具应用的线程所需内存大小进行调整。 在相同物理内存下，减小这个值能生成更多的线程。但是操作系统对一个进程内的线程数还是有限制的，不能无限生成，经验值在3000~5000左右。 5、-XX:NewRatio=4：设置年轻代（包括Eden和两个Survivor区）与年老代的比值（除去持久代）。设置为4，则年轻代与年老代所占比值为1：4，年轻代占整个堆栈的1/5 。 6、-XX:SurvivorRatio=4：设置年轻代中Eden区与Survivor区的大小比值。设置为4，则两个Survivor区与一个Eden区的比值为2:4，一个Survivor区占整个年轻代的1/6。 7、-XX:MaxPermSize=16m：设置持久代大小为16m，上面也说了，持久代一般固定的内存大小为64m。 8、-XX:MaxTenuringThreshold=0：设置垃圾最大年龄。 如果设置为0的话，则年轻代对象不经过Survivor区，直接进入年老代。对于年老代比较多的应用，可以提高效率。 如果将此值设置为一个较大值，则年轻代对象会在Survivor区进行多次复制，这样可以增加对象再年轻代的存活时间，增加在年轻代即被回收的概论。 二、垃圾回收策略调优 找到Tomcat根目录下的bin目录，也是设置catalina.sh文件中JAVA_OPTS变量即可。我们都知道Java虚拟机都有默认的垃圾回收机制，但是不同的垃圾回收机制的效率是不同的，正是因为这点我们才经常对Java虚拟机的垃圾回收策略进行相应的调整。下面也是通过我的一些需求来配置的垃圾回收策略： Java虚拟机的垃圾回收策略一般分为：串行收集器、并行收集器和并发收集器。 串行收集器： 1、-XX:+UseSerialGC：代表垃圾回收策略为串行收集器，即在整个扫描和复制过程采用单线程的方式来进行，适用于单CPU、新生代空间较小及对暂停时间要求不是非常高的应用上，是client级别默认的GC方式，主要在JDK1.5之前的垃圾回收方式。 并发收集器： 1、-XX:+UseParallelGC：代表垃圾回收策略为并行收集器(吞吐量优先)，即在整个扫描和复制过程采用多线程的方式来进行，适用于多CPU、对暂停时间要求较短的应用上，是server级别默认采用的GC方式。此配置仅对年轻代有效。该配置只能让年轻代使用并发收集，而年老代仍旧使用串行收集。 2、-XX:ParallelGCThreads=4：配置并行收集器的线程数，即：同时多少个线程一起进行垃圾回收。此值最好配置与处理器数目相等。 3、-XX:+UseParallelOldGC：配置年老代垃圾收集方式为并行收集。JDK6.0支持对年老代并行收集 。 4、-XX:MaxGCPauseMillis=100：设置每次年轻代垃圾回收的最长时间，如果无法满足此时间，JVM会自动调整年轻代大小，以满足此值。 5、-XX:+UseAdaptiveSizePolicy：设置此选项后，并行收集器会自动选择年轻代区大小和相应的Survivor区比例，以达到目标系统规定的最低相应时间或者收集频率等，此值建议使用并行收集器时，一直打开。 长按订阅更多精彩▼ 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

来源：https://www.cnblogs.com/tongye/p/10688941.html 字符串是一种非常重要的数据类型，但是C语言不存在显式的字符串类型，C语言中的字符串都以字符串常量的形式出现或存储在字符数组中。同时，C 语言提供了一系列库函数来对操作字符串，这些库函数都包含在头文件 string.h 中。 一、字符串常量和字符数组 1.1、什么是字符串常量 C 语言虽然没有字符串类型，但是 C语言提是存在字符串这个概念的，也就是字符串常量：以 NUL 字节结尾的 0 个或多个字符组成的序列。字符串常量是不可被修改的，一般用一对双引号(” “)括起的一串字符来表示字符串常量，如： “Hello!”、”\aWarning!\a”、”123abc\n”、”” 字符串常量可以为空，如””就是一个空的字符串常量，但是即使为空，还是存在一个终止符 NUL 的。（在 C 语言中，常用转义字符 \0 来表示 NUL）   1.2、字符串常量与指针 字符串常量与指针关系密切，因为字符串常量的值，实际上表示的是存储这些字符的内存空间的地址，更准确地说是字符串常量中第 1 个字符的地址，而不是这些字符本身。因此，在 C 语言中是不能直接进行字符串赋值的（因为没有字符串类型嘛）。在 C 语言中，常通过声明一个指向 char 类型的指针并将其初始化为一个字符串常量的方式来访问一个字符串： char *message = "Hello World!";// 上面的语句也可以拆分成下面两句char *message;message = "Hello World!";　　　　// 这句话看起来像是字符串复制，其实不是，只是涉及到指针操作 上述语句声明了一个指向 char 类型的指针，并用字符串常量中第 1 个字符的地址对该指针进行初始化。可以通过字符指针 message 来访问字符串常量： #include  int main(){　　char *message = "Hello World!";　　printf("%s\n",message);　　while(*message != '\0'){　　　　printf("%c ",*message++);　　}　　printf("\n");　　return 0;}/* output: * Hello World! * H e l l o   W o r l d ! */ 这段代码，使用字符指针遍历了字符串常量中的每一个字符。   1.3、字符数组 用于存放字符的数组称为字符数组。在 C 语言中，除了字符串常量外，其他所有字符串都必须存储于字符数组或动态分配的内存中。定义一个字符数组和定义一个普通数组一样，不同的是字符数组中存放的是字符数据而已： char charArray[] = {'H','e','l','l','o'};    // 声明并初始化一个字符数组   这句话定义并初始化了一个字符数组 charArray。这个数组的长度实际上为 6 ，因为会自动添加一个字符串结束符 ‘\0’。 C 语言提供了一种更简洁的方法来对字符数组进行初始化： char charArray[] = "Hello World!";    // 声明并初始化一个字符数组 上述两种声明方式等价。  可以对一个字符数组做出修改： #include  #include  int main(){        char str[] = "hello world!";        int len = strlen(str);        int i;        for(i = 0; i < len; i++){                if( str[i] <= 'z' && str[i] >= 'a'){                        str[i] = str[i] - 32;                }        }        printf("%s\n",str);} 这段代码可以将字符数组中的小写字母转换成大写字母后输出。   1.4、 字符串常量与字符数组的区别 1）字符串常量是一个字符数组，但是内容和长度在初始化时就已经固定了，不可更改；可以通过一个指向字符串常量第一个元素的指针来访问该字符串常量； 2）字符数组是一个用于存放字符的数组，字符数组的值是可以更改的。 二、获取字符串长度 字符串的长度就是这个字符串所包含字符的个数，但是这个长度是不包含 NUL 字符的。C 语言中使用库函数 strlen 来计算字符串长度： size_t strlen(char const *string);   需要注意的是 strlen 的返回值类型：size_t 类型，这是一个无符号整数类型。 #include  #include  #include  int main() {    char str1[] = "Hello World!";    printf("%d\n",strlen(str1));    return 0;}/* output: * 12 */ 三、复制字符串 C 语言中使用库函数 strcpy 来进行字符串复制操作： char *strcpy(char *dst , char const *src); 函数 strcpy 接收两个字符串参数，并将参数 src 字符串复制到 dst 参数。使用 strcpy 函数时需要注意的是，必须保证目标字符数组 dst 的长度足够存放源字符数组 src 的内容。如果 src 比 dst 长，则 src 剩余部分的字符仍会被复制，而且它们会覆盖 dst 后面的内存空间的值，如果这除内存空间原本就存放有值，则会导致原本的数据丢失，这样会造成很严重的后果。为了解决这个问题， C 语言中提供了一种更为安全的方式来进行字符串复制操作——strncpy 函数： char *strncpy(char *dst , char const *src , size_t len);…

要说近几年存储这条街最靓的仔，莫过于分布式存储了。 自诞生以来，分布式存储就被视为存储的未来，被万众期待。然而分布式存储起步于寒门，最早应用于互联网日志、企业备份归档、开发测试等场景，追求极致成本，性能和可靠性却不敢恭维。但它还算争气，凭借多年的打怪练级，越来越多地开始承载自动驾驶研发、超高清编辑、运营商5G网络云等企业的关键业务，走上变成高富帅、赢取白富美的道路。 正所谓人红是非多，存储领域也是一样，坊间一直流传着关于分布式存储的各种流言蜚语。好事的笔者今天就来探寻一番，揭开谎言背后的真相。 谎言一：分布式存储就是软件+服务器 目测分布式存储领域有两个派系，一派是SDS（软件定义存储），一派是软硬一体。前者以vSAN、Ceph为代表，以软件厂商为主在推广。分布式存储软件+通用服务器组合，打着重定义存储市场的旗帜，颇有“有王侯将相宁有种乎”的气势；另一派是存储老牌存储玩家的产品，他们以软硬一体为主，如Isilon、HCP等。 楚河汉界已然形成，未来谁主沉浮？ 谁主沉浮很难判断，不过我们不妨从产业动态窥见一斑。虽然用过的客户都诟病分布式存储软件+服务器的方式存在各种兼容性、可靠性、可维护性的问题，但笔者认为SDS这种模式会长期存在，尤其是在传统的低端领域，如备份归档、开发测试环境。而越往高端走，软硬一体越是占据主流。业界主流厂商也在持续推出软硬一体的产品： 国外，DELL&EMC的PowerScale（Isilon）、DDN的EXAScaler等产品； 国内XSKY、浪潮等Ceph系开源厂商也推出了软硬件一体产品如XScaler Express。尤其有趣的是XSKY，这可是国内Ceph系软件定义存储的旗帜啊，你品，你细品。 另一方面，笔者也注意到近些年运营商开展了大规模的分布式存储集采，有文件的有块的。以中国移动2019~2020年分布式块存储集采为例，3个标段中2个为软硬一体采购，占比超过了90%；电信集团2020年集采也放弃了分布式存储纯软件采购，首次全面转向软硬一体。从这个角度看，用户在尝试了多种采购模式之后，也开始逐步转变到软硬一体的道路上来，尤其是大型用户。 #真相#：分布式存储诞生初期主要是纯软形态，近十年来，随着分布式存储逐步进入企业市场，软硬一体的形成已经成为主流。 谎言二：分布式存储就是低价值存储 如文章开头讲到的，分布式存储早期主要用于互联网日志、企业备份归档、开发测试等场景，这些场景无疑是低价值场景，成本是第一诉求甚至唯一诉求。 然此一时彼一时，士别三日也当刮目相看。 首先是分布式存储产品能力已今非昔比，逐渐具备了承载企业高价值业务的关键能力，例如毫秒级时延、TB/s级带宽、双活/3DC业务级容灾、端到端DIF等，无论是结构化数据还是非结构化数据的承载，功能完备性的最大短板早已补齐。 其次，分布式存储已走入众多高价值关键业务，如运营商BOM业务、金融渠道类业务以及超算、油藏探测HPC等高价值业务，通过大规模应用实践来检验成色。（小道消息，某些高价值场景全闪出货价达到1000美金/TB以上啦） 看完当下还要看看未来，笔者认为未来高价值的非结构化数据场景，分布式存储的版图还会持续扩展。如自动驾驶训练、4K/8K超高清、5G日志留存等场景，对多协议访问、极致带宽、扩展性诉求强烈，分布式存储已然成为这些未来业务的首选架构。 #真相#：分布式存储早期主要用在备份归档等低价值、强成本诉求的场景，如今随着企业级能力的提升，分布式存储也逐步成为企业生产系统的承载平台，尤其是面向海量非结构数据场景，全面支撑文件资源池和HPC等高价值场景。 谎言三：开源架构是分布式存储的未来 笔者对开源从来是持开放、支持的态度，正是因为开源的存在，IT产业才能有今天的缤纷色彩；也正是因为开源，存储这个高大上的产品，才走进了更多的寻常百姓家。 但如果说存储的未来在开源，我不敢苟同。 开源分布式存储软件的出现，一定程度上降低了存储的门槛，小公司可快速包装出存储产品，带动服务器销售。但产品同质化问题是所有开源不得不面临的问题，由于架构限制，很难在不动架构的情况下，真正做出差异化竞争力。互联网类公司、部分科研机构，以及有技术情结和充足资金投入的客户可能选择开源，而对于金融、电信运营商、大企业商用HPC、政府等对可靠性、性能、安全合规有要求的企业，开源从来不是第一选择，因为数据太重要了。（听说，国内某知名银行曾经投入500人基于开源软件搭建分布式存储，投入巨大且无法达银行业务对性能、可靠性、易运维诉求，最终于2年后放弃。） 也有认为开源更自主可控的。笔者认为开源给了用户一定的自主权，但和自主可控是两个概念。据SNYK 2019 年开源安全状况报告说明，开源软件漏洞在两年时间内增加了88%，开源风险的解决强依赖于社区版本发布，不能及时规避。同时，近两年国际形势的大变化，给开放著称的开源蒙上了一层阴影。 此外，业界TOP主流分布式存储产品均是闭源架构，如PowerScale(Isilon)、Spectrum Scale、Nutanix、OceanStor Pacific、VSAN、HCP，翻看了一下三个月前发布的IDC市场份额报告，TOP5分布式存储厂商中，基于开源二次开发的厂商份额仅占18%。 #真相#：开源只是部分厂商的商业选择，分布式存储产业的主流还是非开源，并且开源并不代表更加自主可控。 谎言四：分布式存储可全面取代企业外置存储 这是一个在存储领域争论最大的问题。 正所谓长江后浪推前浪，分布式存储快速增长是不可否认的，这从各大厂商的业绩报告和分析师报告就能看出来，但想要把企业外置存储这个前浪拍死在沙滩上还是步子迈太大，不现实。 企业外置存储在相当长的一段时间内，仍然是主流。它主要面向企业传统应用如ERP/CRM/HIS等，数据量不大但对可靠性、性能有极致要求，如银行Core-Banking，从可靠性、生态层面，分布式存储都不是最佳选择。分布式存储主要面向海量数据、新兴业务场景，如HPC/EDA、大数据，这类场景以二进制文件、视频、图片等非结构化数据为主，数据量极大。所以从场景来看，二者场景是有明确区隔的，按场景并存是最好的选择。 从技术的角度，分布式存储的发力点在大规模的扩展性，基于此逐步优化性能、可靠性，让海量数据存得下、用得起；集中式存储的技术方向在于保持稳定性的基础上，利用更快的介质、更低时延的网络为核心业务提供加速，让业务更稳、效率更高。因此，从技术方向上来看，二者也是各有侧重的。 #真相#：分布式存储和企业外置存储并非取代关系，二者相辅相成、互为补充。企业外置存储主要面向结构化数据市场，分布式存储主要面对海量非结构化数据市场（高价值分布式文件、分布式对象）。 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

数字化仅仅是一个开始 许多公司都拥有关于工业物联网应用的基本知识，但它们通常缺乏独立运用的专业知识。因此，这些公司在最初获取和存储数据后往往不会进一步出于特定目的使用它们。然而，可衡量的特定价值首先需要通过所收集的数据进行逻辑关联和评估。工业物联网所带来的机会可用于许多不同的用途。魏德米勒工业物联网解决方案提供从模块化I/O系统u-remote到安全路由器直至垂直软件模块的完整产品线及解决方案，助力客户在现有数据中发现更多附加价值。 客户受益 Ø 端对端 从数据的获取、预处理、到数据通信和数据分析——我们提供从传感器到云端的一系列全面产品组合 Ø 基于需求的解决方案 我们能够开发契合客户需求的解决方案 Ø 绿色地带或棕色地带方法 您可以使用我们全面的工业物联网产品组合建造全新的数字化机器(设备)或以数字化方式改造现有机器(设备)。 构建数字化增值服务的基础 Ø 以可靠方式获取绿色地带和棕色地带应用中有价值的数据和信息 – 通过联接至多种控制器和机器的接口获取数字数据 – 通过 I/O 系统 u-remote(IP20 和 IP67)获取传感器数据 – 通过电能表或 PROtop 电源获取能源数据和流程信息 – 使用模拟信号转换器获取和复制模拟信号 Ø 使用物联网前沿技术在本地预处理数据以减少数据流和成本，同时在现场形成初步见解 – 用于预处理和可视化的统一网络工程工具软件 – 通过使用具有物联网功能(可选实时数据处理)的u-control 网络版获取数据并进行预处理 – 具备移动接口的工业物联网解决方案的物联网网关 – 通过 Intel® Core™ i3、i5 和 i7 处理器将高性能集成至紧凑型 IPC Ø 通过网络基础架构可靠地传输数据，为 IT 系统提供来自设备的有价值信息 – 通过安全路由器以高安全性级别进行跨网络通信 – 通过受控和非受控的开关与大范围的网络参与者进行高效联网 – 通过工业 WLAN 构建移动终端设备的无线网络联接 Ø 通过数据分析为您的应用创造附加价值 – 通过云端平台针对特定应用实现独立于平台的个性化服务 – 通过理想的资源管理方式巩固和分析您的资源和能源使用情况 – 使用工业分析从基于人工智能的数据中获取大量的附加价值 – 无需深厚的 IT 知识即可通过远程访问 u-link 使用全球快捷服务 在工业物联网中，相关部件通过数字化基础设施彼此联接，为发现数据附加价值创造了新的机会。魏德米勒超A的工业物联网解决方案则为客户在数字化转型升级中赋能增值。

摘要 模拟带宽的重要性高于其他一切在越来越多的应用中得到体现。随着GSPS或RF ADC的出现，奈奎斯特域在短短几年内增长了10倍，达到多GHz范围。这帮助上述应用进一步拓宽了视野，但为了达到X波段(12 GHz频率)，仍然需要更多带宽。在信号链中运用采样保持放大器(THA)，可以从根本上扩展带宽，使其远远超出ADC采样带宽，满足苛刻高带宽的应用的需求。本文将证明，针对RF市场开发的最新转换器前增加一个THA，便可实现超过10 GHz带宽。 简介 GSPS转换器是当下热门，其优势在于既能缩短RF信号链，又能在FPGA中创建更多资源结构以供使用，例如：减少前端的下变频以及后级的数字下变频器(DDC)。但相当多的应用仍然需要高频率的原始模拟带宽(BW)，其远远超出了RF转换器所能实现的水平。在此类应用中，特别是在国防与仪器仪表行业(无线基础设施也一样)，仍然有将带宽完全扩展到10 GHz或以上的需求，覆盖范围超出C波段，越来越多的应用需要覆盖到X波段。随着高速ADC技术的进步，人们对GHz区域内高速精确地分辨超高中频(IF)的需求也在提高，基带奈奎斯特域已超过1 GHz并迅速攀升。这一说法到本文发表的时候可能即已过时，因为这方面的发展非常迅猛。 这带来了两大挑战：一个是转换器设计本身，另一个是将信号耦合到转换器的前端设计，例如放大器、巴伦和PCB设计。转换器性能越出色，就对前端信号质量要求更高。越来越多的应用要求使用分辨率在8到14位的高速GSPS转换器，然而前端的信号质量成为了瓶颈-系统的短板决定了整个项目的指标。 本文定义的宽带是指使用大于数百MHz的信号带宽，其频率范围为DC附近至5 GHz-10 GHz区域。本文将讨论宽带THA或有源采样网络的使用，目的是实现直至无穷大的带宽(抱歉，现在还没有玩具总动员表情符号可用)，并着重介绍其背景理论，该理论支持扩展RF ADC的带宽，而RF ADC单凭自身可能没有此能力。最后，本文将说明一些考虑因素和优化技术，以帮助设计人员实现超宽带应用切实可行的宽带解决方案。 打好基础 对于雷达、仪器仪表和通信应用，高GSPS转换器应用得非常广泛，因为它能提供更宽的频谱以扩展系统频率范围。然而，更宽的频谱对ADC本身的内部采样保持器提出了更多挑战，因为它通常未针对超宽带操作进行优化，而且ADC一般带宽有限，在这些更高模拟带宽区域中其高频线性度/SFDR会下降。 因此，在ADC前面使用单独的THA来拓展模拟带宽成为了一个理想的解决方案，如此便可在某一精确时刻对频率非常高的模拟/RF输入信号进行采样。该过程通过一个低抖动采样器实现信号采样，并在更宽带宽范围内降低了ADC的动态线性度要求，因为采样率RF模数转换过程中保持不变。 这种方案带来的好处显而易见：模拟输入带宽从根本上得以扩展，高频线性度显著改善，并且与单独的RF ADC性能相比，THA-ADC组件的高频SNR得到改进。 THA特性及概述 ADI的THA系列产品可以在18 GHz带宽范围内提供精密信号采样，在DC至超过10 GHz的输入频率范围内具有9到10位线性度、1.05 mV噪声和<70 fs的随机孔径抖动性能。该器件可以4 GSPS工作，动态范围损失极小，具体型号包括HMC661和HMC1061。这些跟踪保持放大器可用于扩展高速模数转换和信号采集系统的带宽和/或高频线性度。 以单级THA HMC661为例，产生的输出由两段组成。在输出波形(正差分时钟电压)的采样模式间隔中，器件成为一个单位增益放大器，在输入带宽和输出放大器带宽的约束下，它将输入信号复制到输出级。在正时钟到负时钟跃迁时，器件以非常窄的采样时间孔径对输入信号采样，并且在负时钟间隔内，将输出保持在一个相对恒定的代表采样时刻信号的值。配合ADC进行前端采样时，常常优先使用单级器件(ADI 同时法布里了两级THA 的型号HMC1061)，原因是多数高速ADC已经在内部集成一个THA，其带宽通常要小得多。因此，在ADC之前增加一个THA便构成一个复合双级组件(或一个三级组件，如果使用的是双级HMC1061)，THA在转换器前面。采用同等技术和设计时，单级器件的线性度和噪声性能通常优于双级器件，原因是单级器件的级数更少。所以，单级器件常常是配合高速ADC进行前端采样的最佳选择。 延迟映射THA和ADC 开发采样保持器和ADC信号链的最困难任务之一，是在THA捕获采样事件的时刻与应将其移到ADC上以对该事件重新采样的时刻之间设置适当的时序延迟。设置两个高效采样系统之间的理想时间差的过程被称为延迟映射。 图1.采样保持拓扑结构：(1a)单列，(1b)双列。 图2.延迟映射电路。 在电路板上完成该过程可能冗长乏味，因为纸面分析可能不会考虑PCB板上时钟走线传播间隔造成的相应延迟，内部器件组延迟，ADC孔径延迟，以及将时钟分为两个不同段所涉及到的相关电路(一条时钟走线用于THA，另一条时钟走线用于ADC)。设置THA和ADC之间延迟的一种方法是使用可变延迟线。这些器件可以是有源或无源的，目的是正确对准THA采样过程的时间并将其交给ADC进行采样。这保证了ADC对THA输出波形的稳定保持模式部分进行采样，从而准确表示输入信号。 如图2所示，HMC856可用来启动该延迟。它是一款5位QFN封装，90 ps的固有延迟，步进为3 ps或25ps ，32位的高速延时器。它的缺点是要设定/遍历每个延迟设置。要使能新的延迟设置，HMC856上的每个位/引脚都需要拉至负电压。因此，通过焊接下拉电阻在32种组合中找到最佳延迟设置会是一项繁琐的任务，为了解决这个问题，ADI使用串行控制的SPST开关和板外微处理器来帮助更快完成延迟设置过程。 为了获得最佳延迟设置，将一个信号施加于THA和ADC组合，该信号应在ADC带宽范围之外。本例中，我们选择一个约10 GHz的信号，并施加-6 dBFS的电平(在FFT显示屏上捕获)。延迟设置现在以二进制步进方式扫描，信号的电平和频率保持恒定。在扫描过程中显示并捕获FFT，收集每个延迟设置对应的基波功率和无杂散动态范围(SFDR)数值。 结果如图3a所示，基波功率、SFDR和SNR将随所应用的每个设置而变化。如图所示，当把采样位置放在更好的地方(THA将样本送至ADC的过程之中)时，基波功率将处于最高水平，而SFDR应处于最佳性能(即最低)。图3b为延迟映射扫描的放大视图，延迟设定点为671，即延迟应该保持固定于此窗口/位置。请记住，延迟映射程序仅对系统的相关采样频率有效，如果设计需要不同的采样时钟，则需要重新扫描。本例中，采样频率为4 GHz，这是该信号链中使用的THA器件的最高采样频率。 图3a.每个延迟设置上信号幅度和SFDR性能的映射结果。 图3b.每个延迟设置上信号幅度和SFDR性能的映射结果(放大)。 针对大量原始模拟带宽的前端设计 首先，如果应用的关键目标是处理10 GHz的带宽，我们显然应考虑RF方式。请注意，ADC仍然是电压型器件，不会考虑功率。这种情况下，“匹配”这个词应该谨慎使用。我们发现，让一个转换器前端在每个频率都与100 MSPS转换器匹配几乎是不可能的;高频率带宽的RF ADC不会有太大的不同，但挑战依旧。术语“匹配”应表示在前端设计中能产生最佳结果的优化。这是一个无所不包的术语，其中，输入阻抗、交流性能(SNR/SFDR)、信号驱动强度或输入驱动、带宽以及通带平坦度，这些指标都能产生该特定应用的最佳结果。 最终，这些参数共同定义了系统应用的匹配性能。开始宽带前端设计时，布局可能是关键，同时应当最大限度地减少器件数量，以降低两个相邻IC之间的损耗。为了达到最佳性能，这两方面均非常重要。将模拟输入网络连接在一起时务必小心。走线长度以及匹配是最重要的，还应尽量减少过孔数量，如图4所示。 图4.THA和ADC布局。 图5.THA和ADC前端网络及信号链。 信号通过差分模式连接到THA输入(我们同时是也提供单端射频信号输入的参考设计链路)，形成单一前端网络。为了最大限度地减少过孔数量和总长度，我们在这里特别小心，让过孔不经过这两条模拟输入路径，并且帮助抵消走线连接中的任何线脚。 最终的设计相当简单，只需要注意几点，如图5所示。所使用的0.01 μF电容是宽带类型，有助于在较宽频率范围内保持阻抗平坦。典型的成品型0.1 μF电容无法提供平坦的阻抗响应，通常会在通带平坦度响应中引起较多纹波。THA输出端和ADC输入端的5Ω和10Ω串联电阻，有助于减少THA输出的峰化，并最大限度地降低ADC自身内部采样电容网络的残余电荷注入造成的失真。然而，这些值需要谨慎地选择，否则会增加信号衰减并迫使THA提高驱动强度，或者设计可能无法利用ADC的全部量程。 最后讨论差分分流端接。当将两个或更多转换器连接在一起时，这点至关重要。通常，轻型负载(例如输入端有1 kΩ负载)有助于保持线性并牵制混响频率。分流器的120 Ω分流负载也有此作用，但会产生更多实际负载，本例中为50 Ω，这正是THA希望看到并进行优化的负载。 现在看结果!检查图6中的信噪比或SNR，可以看出在15 GHz范围上可以实现8位的ENOB(有效位数)。这是相当不错的，想想对于相同性能的13 GHz示波器，您可能支付了12万美元。当频率向L、S、C和X波段移动时，集成带宽(即噪声)和抖动限制开始变得显著，因此我们看到性能出现滚降。 还应注意，为了保持THA和ADC之间的电平恒定，ADC的满量程输入通过SPI寄存器内部更改为1.0 V p-p。这有助于将THA保持在线性区域内，因为其最大输出为1.0 V p-p差分。 图6.–6 dBFS时的SNRFS/SFDR性能结果。 同时显示了线性度结果或SFRD。这里，到8 GHz为止的线性度超过50 dBc，到10 GHz为止的线性度超过40 dBc。为在如此宽的频率范围上达到最佳线性度，此处的设计利用AD9689模拟输入缓冲电流设置特性进行了优化(通过SPI控制寄存器)。 图7显示了通带平坦度，证明在RF ADC之前增加一个THA可以实现10 GHz的带宽，从而充分扩展AD9689的模拟带宽。 图7.THA和ADC网络及信号链——带宽结果。 对于那些需要在多GHz模拟带宽上实现最佳性能的应用，THA几乎是必不可少的，至少目前是如此!RF ADC正在迅速赶上。很容易明白，在对较宽带宽进行采样以覆盖多个目标频带时，GSPS转换器在理论上具有易用性优势，可以消除前端RF带上的一个或多个向下混频级。但是，实现更高范围的带宽可能会带来设计挑战和维护问题。 在系统中使用THA时，应确保采样点的位置在THA和ADC之间进行了优化。使用本文所述的延迟映射程序将产生总体上最佳的性能结果。了解程序是乏味的，但是非常重要。最后应记住，匹配前端实际上意味在应用的给定一组性能需求下实现最佳性能。在X波段频率进行采样时，乐高式方法(简单地将50 Ω阻抗模块连接在一起)可能不是最好的方法。

引 言 航 空瞬 变电磁 法（Airborne Transient Electromagnetic Method，ATEM）是 20 世纪中期问世的一种快速普查良导电金属矿的航空物探方法，其具有速度快，勘探成本低，探测范围广，可有效抑制复杂地形影响等优点，已成为国内外广泛使用的一种地质勘探方法[1]。但航空瞬变电磁勘探法主要观测的是二次场信号，其有效信号幅值弱，频带宽 [2]，因而测得的二次场信号的真实性或准确性难以保证。此外，航空瞬变电磁法在实际应用中受噪声干扰的影响更为严重，甚至得到的观测信号是已被噪声信号掩盖的无用信号 [3]，导致后期处理进入错误的方向。为保证实测信号的可靠性，对测得的数据必须先做滤波、去噪等预处理。 航空瞬变电磁信号的噪声类型分为天电噪声、仪器振动噪声、地质噪声以及人文噪声等[4]。由于平均滤波、中值滤波等滤波方法对天电噪声的滤除不够理想，本文提出运用LMS 自适应滤波方式滤除其高频范围内的天电干扰和地质噪声。 1 LMS自适应滤波原理 自适应滤波（adaptive filtering）是信号处理领域一个非常重要的分支。自1959 年 Widrow 提出自适应的概念以来， 自适应滤波理论一直受到普遍关注，并得到了不断发展与完善。信号处理理论和应用的发展为自适应滤波理论提供了必要的理论基础，其已在通信、雷达、自动控制、图像与语音处理等领域得到了广泛应用[5]。 顾名思义，自适应滤波器是一种能够根据输入信号自动调整自身性能并进行数字信号处理的数字滤波器，其最本质的特点在于具有自学习和自调整的能力，即自适应能力。与固定滤波器相比，自适应滤波器能够根据当前自身的状态和环境自动调整和校正当前滤波器的参数。由于信号与噪声的时变特性未知，因而其统计特性不确定，故可认为其是最优滤波方法。自适应滤波器具有可调整系数的滤波结构与可调整和校正滤波器系数的自适应算法[6]。 Widrow 等人提出的最小均方算法（Least Mean Square， LMS）是一种以期望响应和滤波器输出信号之间误差的均方值最小为准则，依据输入信号在迭代过程中估计梯度质量，并更新权系数以达到最优的自适应迭代算法。LMS 算法是一种梯度最速下降算法，其显著特点在于其简单性。这种算法无需计算相关矩阵及矩阵运算[5]。 LMS算法是一种线性自适应滤波算法，包括两个基本过程，即滤波过程与自适应过程。在滤波过程中，自适应滤波器计算其对输入的响应，并通过与期望响应比较，得到估计的误差信号。在自适应过程中，系统估计误差自动调整滤波器自身的参数。这两个过程共同组成一个反馈环，LMS自适应滤波原理如图 1所示。 该滤波器根据 e（k）和 s（k），通过自适应算法找到 E[e2（k）] 最小时滤波器的权值，从而找到滤波系数权值，实现自适应滤波。 LMS 算法系数的更新规则是通过迭代寻找极值，即最速下降法，该方法后一时刻的系数由前一时刻的系数通过一定的迭代运算得出： Wk+1=Wk+μ（－Uk）=Wk+2μεkXk（3） 式中，W为滤波系数，k为当前迭代值，Wk和 Wk+1分别代表 k时刻和 k+1时刻的自适应系数，X为待滤波数据，μ为放大系数，称为收敛因子，用于调整自适应迭代的步长，ε是误差信号（期望值与预测输出值之差），U为误差信号平方的梯度。假设当前为 k时刻，其后一时刻为 k+1时刻，则 k+1时刻的系数为 k 时刻系数加上归一化函数的负梯度。系数函数也称为性能函数， 等同于期望信号的均方误差。从（3）式可得出，LMS 算法与平方、平均、矩阵逆变换无关，但其收敛判断标准与最速下降方法确定的值相等。对 μ的标准由下式得出： 2 LMS自适应滤波实现流程 图 2 是运用LMS 自适应滤波算法对航空瞬变电磁去噪的实现流程[7]。由图可知，读入数据后，首先计算信号长度和功率， 然后计算出步长值并将该值作为初始步长存入算法中，设置好前两个抽头系数值后进入算法的自适应计算环节，首先计算前两个值，之后再计算误差与下一个抽头系数，依次循环，直到最后一个值为止，从而得到滤波后的信号。 3 LMS自适应滤波应用 1988 年，Spies 运用预测（非自适应）技术（或称局部噪声预测滤波）来估计垂直磁场的噪声 [8]。固定系数的消噪方 法在去除时不变（平稳）噪声时效果较好，但当前的电磁数据 噪声几乎都是非平稳噪声，因此这些滤波方法力不从心。本 文结合天然磁场的性质和 LMS 自适应滤波算法的特性，运用 LMS 自适应滤波算法对由模拟勘探模型计算得出的数据和实 测的航空电磁数据消噪 [9]。 3.1 LMS自适应滤波算法对模拟信号去噪 读入模拟数据后就可运用该滤波算法滤除噪声，为了更 好地滤波，将信号分为早期和后期两部分，分别进行 LMS 自 适应滤波，程序如下： 图 3 所示为 LMS 自适应滤波方法对含噪模拟数据的滤 波结果。 由图可知，该方法早期效果较好，但在早期向中期过渡时， 由于幅度变化太快，使得自适应滤波的效果不太理想，到了中 后期滤波后曲线比较光滑。LMS 滤波方法可以较好地去除干 扰信号，拟合曲线，可有效保证信号幅值不被削弱。 3.2 LMS自适应滤波算法对实测信号去噪 分两部分运用 LMS 自适应算法，滤波程序如下： 图 4 所示为 LMS 自适应滤波方法对实测数据滤波的结 果。从图中可知，50 ～100 点间发生了较大跳变，无法较好地 反映原始数据特性，但中后期处理效果较好，虽然曲线仍有 毛刺，但与原始数据相比曲线光滑很多，可认为已基本实现了 去噪效果。滤波后早期信号与原始早期信号拟合较好，但毛 刺较多，处理效果并不理想，但这由 LMS 自适应算法本身的 原因导致。LMS 自适应方法的关键步骤在于自适应算子的计 算。但从整体消噪效果和保幅性方面看，已基本去除干扰成分， 较好地保留了有用信号。 4 结 语 综上所述，LMS 自适应算法能够快速进行自学习和自调…

引 言 重铺机组用于公路的大面积连续翻修作业，具有就地加热、翻松（铣刨）、复拌、摊铺、整平功能，可一次成型新路面，旧路沥青混合料 100% 就地再生利用，具有节约资源、减少环境污染、作业时不封闭交通、经济和社会效益非常显著等特点[1]。但若想保证重铺机组的参数精确并提高生产效率， 对其进行在线监控是必要的，以便及时掌握重铺机组的运行状态和各种参数的变化[2]。 本文采用ZigBee 无线通信技术。随着通信技术快速发展，短距离无线通信技术已经成为通信技术中的一大热点。以无线局域网（WLAN）、蓝牙（Blue-Tooth）技术、WiFi 以及ZigBee 技术等为代表的各种热点技术相继出现 [3-6]。作为一种新兴的短距离无线通信技术，ZigBee 具有低功耗、低成本、使用便捷等显著的技术优势，广泛应用于工业控制、家庭自动化、智能农业和远程控制等领域，具有广阔的应用前景[7]。此外， 本文采用GPRS 技术进行远程数据传输。GPRS 网络具有网络覆盖率高，永久在线等优势，已经广泛应用于各个行业，而且这必将成为工业控制及远程监控等领域的发展趋势[7]。 1 总体方案设计 重铺机组远程监控系统总体方案设计如图 1 所示，系统 所需的组件如表 1所列。施工对象为由五辆重型铺路车组成的 机组，分别为 1# 加热机、2# 加热机、3# 加热机、铣刨机和 复拌机。每辆重型车上都安装有触摸屏。4 个 CIO100 模块分别安装在三台加热器和一台复拌机上，将一个从MAC310 模块安装在铣刨机上，通过串口连接分别取读五台机器的数据。同时每台机器上安装一个ZigBee 模块，分别与 4 台 CIO110 和 MAC310 的串口相连。由于三台加热机移动特性明显，所以主ZigBee 放在位置相对固定的铣刨机上，便于搭建机组近距离局域网。同时铣刨机上还安装GPRS 和GPS 模块，分别与另一块主MAC310 模块的串口相连。因此 4 台CIO100 上的数据通过 ZigBee 模块发送给从MAC310 模块，从MAC310 模块通过串口把数据发送给主MAC310 模块，主MAC310 把五台机器的数据和GPS 记录的机组位置信息通过GPRS 设备发送至云服务器，最后通过DView 界面显示。 2 系统结构 2.1 主控设计 主控由铣刨机、MAC310 模块、GPS 模块、GPRS 模块、ZigBee 模块组成，其结构如图 2 所示。由于系统需要 4 个串口进行数据传输，而每个MAC310 主控器有 3 个串口，故需要两个MAC310 模块。 2.1.1 MAC310 主控器 MAC310 是大连理工计算机控制工程有限公司自主研发 的冗余主控器的一个型号，该型号冗余主控器具备 2 路以太 网、3 路 RS 485 接口、4 路 DO（晶体管），其中 2 路高速脉冲 最大可达 300 kHz，5 路 IO 中断具备以太网、串口、设备等 多种冗余架构，内部资源丰富，适用于复杂冗余系统的主控。 MAC310 控制器获取的终端变量以及存放地址见表 2 所列。 2.1.1 MAC310 主控器 MAC310 是大连理工计算机控制工程有限公司自主研发 的冗余主控器的一个型号，该型号冗余主控器具备 2 路以太 网、3 路 RS 485 接口、4 路 DO（晶体管），其中 2 路高速脉冲 最大可达 300 kHz，5…

中国，2021 年 9 月 28 日–– 服务多重电子应用领域的全球半导体领导者意法半导体(STMicroelectronics，简称ST；纽约证券交易所代码:STM) 于线上发售 HYPERLINK 面向大众市场的机器对机器 (M2M) 嵌入式 SIM卡(eSIM)芯片。 意法半导体的工业用eSIM芯片提供物联网设备与蜂窝网络连接所需的全部服务，非常适用于机器 HYPERLINK ，以及资产跟踪、能源管理和联网的医疗保健等设备。此外，这些 eSIM芯片允许客户根据 GSMA 规范对 SIM 配置文件进行远程管理，无需访问设备即可更改网络服务提供商。 意法半导体安全微控制器部市场总监 Laurent Degauque 表示：“凭借内置丰富的功能和世界一流的网络配置服务，我们的 ST4SIM 系列为众多 M2M 应用提供了便捷的联网解决方案。现在这款芯片在大众市场上推出，可以让各地的开发者将安全灵活的蜂窝网络部署到更多的应用中，包括独立的 M2M开发、概念验证和原型开发项目。” 意法半导体还负责设备激活和服务部署，安排客户使用 ST 授权合作伙伴 Truphone 提供的设备注册和服务配置平台。通过使用意法半导体的ST4SIM 探索套件 HYPERLINK ，用户还可以评测在完整生态系统中预集成的全部产品功能。 HYPERLINK ” 已通过 GSMA 认证，并在意法半导体欧洲和东南亚GSMA SAS-UP 认证工厂制造，采用行业标准的 MFF2 5mm x 6mm DFN8 Wettable Flank封装。ST4SI2M0020TPIFW 现已在意法半导体 HYPERLINK 上架开售，其他类型封装客户可以订购，包括高度小型化的晶圆级芯片级封装 (WLCSP)。

9月25日，全国工商联发布了2021中国民营企业500强系列榜单及2021中国民营企业500强调研分析报告。 在2021中国民营企业500强榜单中，华为排名第一位。另外，前8强中5家企业来自广东，分别是华为、正威国际、碧桂园、腾讯、万科，其中碧桂园来自佛山；其余4家来自深圳。 报告显示，2020年民营企业500强纳税总额达1.36万亿元，占全国税收总额的8.84%。纳税额超过500亿元的企业共4家，分别是:华为投资控股有限公司（903.00亿元）、万科企业股份有限公司（867.29亿元）、碧桂园控股有限公司（653.00亿元）、阿里巴巴（中国）有限公司（507.50亿元）。 在技术创新方面，民营企业 500 强中，有 394 家企业的关键技术主要来源于自主开发与研制 ，409 家企业通过自筹资金完成科技成果转化。九成左右的民营企业 500 强已实施或计划实施数字化转型。民营企业 500 强有效专利数量较上年增长 3.64%， 国内有效商标注册量较上年增长 36.06%。 民营企业 500 强中，研发人员占员工总数超过 3% 的企业 229 家，超过 10% 的企业 120 家。研发经费投入强度超过 3% 的企业 62 家，超过 10% 的企业 7 家。华为投资控股有限公司以 1419.00 亿元的研发投入，继续位居首位。 完整榜单