前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇網(wǎng)絡的利和弊范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

網(wǎng)絡的利和弊范文第1篇

關(guān)鍵詞：生物分子網(wǎng)絡比對； 自適應； 混合算法； 并行化

中圖分類號：TP391； TP311 文獻標志碼：A

0引言

近年來，生物分子網(wǎng)絡比對受到越來越多的關(guān)注。通過對生物分子網(wǎng)絡比對結(jié)果的分析，小到生物分子的功能，生物分子相互作用的意義；大到組織器官的工作機理，生物物種進化，都可以得到更進一步的研究和探索[1]。目前已經(jīng)有一些研究小組進行了這方面的研究并提出了一些算法[2-6]。然而生物分子網(wǎng)絡大多是復雜網(wǎng)絡，其比對涉及到大量的計算，是一個相當困難的問題[7]。即使是針對較小的網(wǎng)絡，窮舉搜索也是不可實現(xiàn)的。目前已有的比對算法，在計算規(guī)模上都存在瓶頸。隨著生命科學的發(fā)展，特別是在人類基因計劃完成之后，生物數(shù)據(jù)呈爆炸式增長，生物分子網(wǎng)絡的規(guī)模也越來越大，而對計算效率的要求則是越來越高。因此，高效的并行生物分子網(wǎng)絡比對算法的實現(xiàn)成為了必然。

目前存在的并行方式有很多種，每種方法都各有其優(yōu)缺點。生物分子網(wǎng)絡具有生物背景，在對生物分子網(wǎng)絡比對算法進行并行化時，除了保證較好的計算效率之外，還需要和生物分子網(wǎng)絡的生物學意義相結(jié)合，通過實驗分析，發(fā)現(xiàn)不同并行方法在進行生物分子網(wǎng)絡比對算法并行時的優(yōu)劣性，選擇合適的并行方式。

1生物分子網(wǎng)絡比對

通過使用圖論的方法來研究生物分子網(wǎng)絡。對于一個給定的生物分子網(wǎng)絡，使用圖G（V，E）來表示，其中V和E分別表示節(jié)點集和邊集。圖中的節(jié)點表示一個生物分子，邊表示兩個生物分子間的某種特定關(guān)系。本文研究的主要是基于可以用無向圖來表示的蛋白質(zhì)相互作用網(wǎng)絡（ProteinProtein Interaction Network， PPIN）。

因此生物分子網(wǎng)絡的比對就是圖的比對，下面給出其形式化定義。

定義1

2自適應匈牙利貪心混合算法及其并行化

2.1自適應匈牙利貪心混合算法

自適應匈牙利貪心混合算法（Adaptive Hungary Greedy Algorithm，AHGA）[9]是筆者團隊提出的PPIN搜索比對算法。

比起其他生物分子網(wǎng)絡比對算法，該算法有以下明顯的特點：

1）綜合考慮生物分子網(wǎng)絡中生物分子間的生物序列相似性和生物分子網(wǎng)絡的拓撲結(jié)構(gòu)相似性；

2）在進行生物分子網(wǎng)絡比對時，結(jié)合匈牙利算法[10-11]和貪心算法在較短的時間內(nèi)找到較優(yōu)的比對；

3）比對結(jié)束后，根據(jù)鄰居優(yōu)先原則對相似性矩陣進行更新，然后進行迭代。

結(jié)合前面對于生物分子網(wǎng)絡比對的定義，對于節(jié)點數(shù)分別為n1和n2的網(wǎng)絡G1、G2比對，Algorithm1是其偽碼實現(xiàn)：

其中第一步是獲取需要比對的兩個物種的fasta文件，使用BLAST[12]工具計算得到G1和G2間的初始相似矩陣S0，其中的每一個元素S0（a，b）表示兩個網(wǎng)絡中一對節(jié)點a∈G1，b∈G2間的生物序列相似性，也是迭代第0步的相似矩陣。

在第二步的比對中，為找出滿足前面定義中要求的相似性最高的節(jié)點間映射，基于當前步得到的相似矩陣，結(jié)合使用貪心算法和匈牙利算法進行比對。匈牙利算法在此類問題的計算上是公認的優(yōu)秀算法，但是數(shù)據(jù)敏感性較強。生物分子網(wǎng)絡的相似性矩陣是稀疏矩陣，大部分不太適合使用匈牙利算法處理。貪心算法對這種數(shù)據(jù)的處理完全沒有問題，但是得到的結(jié)果不如匈牙利算法。為揚長避短，在算法中，首先對相似性矩陣進行預處理，把適合匈牙利算法的數(shù)據(jù)提取出來使用匈牙利算法進行處理，剩下的使用貪心算法進行處理。這樣既可以得到較好的結(jié)果，又避免了生物數(shù)據(jù)使用匈牙利算法無法處理的問題。

第三步在比對的結(jié)果上進行相似性得分Score和邊正確率EC值的計算，計算公式如下：

第四步更新相似矩陣，使用的是鄰居節(jié)點優(yōu)先原則，即匹配節(jié)點對的鄰居節(jié)點匹配的可能性更大。就是說，對于兩個網(wǎng)絡中的一對節(jié)點，如果它們的鄰居節(jié)點匹配上了，那么它們匹配上的可能性應該增加?；诖肃従觾?yōu)先原則，對第二步比對結(jié)果中匹配上的節(jié)點對的鄰居節(jié)點間的相似性進行調(diào)整，得到新的相似矩陣。

第五步結(jié)合網(wǎng)絡拓撲結(jié)構(gòu)，計算兩個網(wǎng)絡節(jié)點間的拓撲相似系數(shù)，綜合第四步得到的相似矩陣，迭代計算出下一次的相似矩陣。

其中α為0到1之間的值，由用戶輸入，用來調(diào)控序列相似性和拓撲相似性的比例。

第六步判斷是否收斂，收斂條件是連續(xù)三次得分不變，或者相似矩陣一致收斂或震蕩收斂。收斂則停止計算，從迭代結(jié)果中抽取最好結(jié)果作為最終結(jié)果；否則返回第二步。

2.2算法復雜度分析

對算法作并行處理的根本目的是降低算法的時間復雜度，而一個算法的時間復雜度取決于時間復雜度最高的部分，所以在并行處理之前先對算法時間復雜度進行分析。

算法的第一步使用工具進行計算，可以不進行考慮；

2.3算法并行化

2.3.1MPI并行

由于移植性好、功能強大、效率高等諸多優(yōu)點，MPI（Message Passing Interface）目前已經(jīng)成為國際上的一種并行程序標準。現(xiàn)行的MPI有多個發(fā)行版本，都是免費的，幾乎所有的并行計算機上都提供對它們的支持。MPI其實就是一個庫，具有上百個函數(shù)調(diào)用接口，目前主流的并行編程語言如Fortran、C/C++等都能夠直接對這些函數(shù)進行調(diào)用[13]。

通過前面的分析可知，并行化處理主要是在相似矩陣的迭代計算部分。而在這個部分中，算法有以下兩個很顯著的特點：

1）相似矩陣中每個元素的計算是相互獨立的，它們只需要上一步的相似矩陣的值和兩個網(wǎng)絡的鄰接信息，計算過程中不需要通信。

2）相似矩陣的每個元素（要比對的網(wǎng)絡中的每一對節(jié)點）的計算涉及到這一對節(jié)點的鄰居和非鄰居節(jié)點間的相似性，而隨著節(jié)點對的不同，鄰居節(jié)點和非鄰居節(jié)點也是不確定的，所以每個元素計算過程中需要上一步相似矩陣中的哪些元素也是隨著節(jié)點的變化而變化的，是不確定的。所以，G1的鄰接矩陣、G2的鄰接矩陣和上一步的相似矩陣這三個數(shù)據(jù)，在每一個元素的計算中都需要。

根據(jù)特點1）可以預見，MPI算法的大致思想將會是對要計算的相似矩陣進行劃分，然后每個計算節(jié)點獨立地計算劃分的一個部分；在所有可用的節(jié)點中，還需要一個節(jié)點作為主節(jié)點進行數(shù)據(jù)的劃分、分發(fā)和收集。如果任務劃分得太細，比如每個進程計算一個元素，那么計算次數(shù)將會大大增加。

而由特點2）可以看出，每個任務計算時都要把全部的三組數(shù)據(jù)發(fā)送過去，這樣將會大大增加通信量；而且主節(jié)點將會進行頻繁地數(shù)據(jù)發(fā)送和收集整理，這會使主節(jié)點成為計算的瓶頸，降低并行效率。

在并行程序中，降低通信量、平衡各個計算節(jié)點的負載，都是提高并行效率所需要注意的。所以可以選擇劃分粒度較大的按行劃分、按列劃分或者按塊劃分，而且由特點1）可以看到，劃分的方式對計算的影響并不大。但是按塊劃分需要進行的預處理遠多于簡單的按行或者是按列劃分，因此不考慮按塊劃分。

而需要計算的相似矩陣是一個n1行、n2列的二維矩陣，在正常情況下，二維矩陣在計算機中是按照行來存儲的，因此按行劃分對數(shù)據(jù)的讀取和修改都是比較有利的。所以在MPI并行處理中，最終選擇了按行劃分任務。

綜上所述，MPI版本并行程序的處理方式為：將矩陣按行分為塊，用p表示計算的進程數(shù)；然后主節(jié)點將計算所需的相似矩陣、鄰接矩陣發(fā)送給各個計算節(jié)點，由各個節(jié)點計算相應的行，如果不能整除，則前m%p個進程多處理一行。

圖2給出了MPI并行處理的流程，根據(jù)前面的分析可知，第一步獲取初始相似矩陣，第二步根據(jù)當前相似矩陣匹配，第三步根據(jù)匹配結(jié)果打分，以及第四步根據(jù)比對結(jié)果更新相似矩陣和最后一步的判斷收斂仍舊是串行處理，只有第五步的相似矩陣的迭代計算使用并行處理。并行部分有四步，如圖2中虛線框部分所示。

2.3.2統(tǒng)一計算架構(gòu)并行

圖形處理器（Graphic Processing Unit，GPU）原本是專門進行計算機圖形處理的部件。而現(xiàn)今GPU已經(jīng)不再局限于圖形處理，GPU通用技術(shù)的發(fā)展引起了不少的關(guān)注，而且事實也證明在浮點計算、并行計算等方面，GPU可以提供數(shù)十倍乃至于數(shù)百倍于CPU的性能。GPU通用計算方面的標準目前有OpenCL、統(tǒng)一計算架構(gòu)（Compute Unified Device Architecture，CUDA）、ATI流處理（ATI Stream）等。其中OpenCL是早期的開發(fā)環(huán)境，而CUDA由于平臺擴展性好、開發(fā)環(huán)境集成方便、開發(fā)程序簡單易懂、對C/C++等編程語言支持較好，目前已經(jīng)成為了GPU程序開發(fā)的首選[14]。

CUDA程序的核心思想大都是把數(shù)據(jù)從CPU傳到GPU，然后通過線程索引，使每個線程并行地執(zhí)行計算，最后把計算結(jié)果傳回給CPU作進一步的處理和使用。

AHGA程序CUDA版本的并行，其思路和MPI版本的程序一樣，只是在第五步作并行處理，而其余的步驟都在CPU中進行；

其程序流程和MPI版本也大體一致，只是每次到第五步需要進行相似矩陣迭代計算時，把需要計算的數(shù)據(jù)由CPU拷貝到GPU，然后在GPU上進行計算，計算完后再把結(jié)果從GPU傳回CPU。CUDA版本的并行程序設計同樣要結(jié)合算法和CUDA的特點。

圖3是CPU和GPU的體系結(jié)構(gòu)精簡模型對比。從圖3中可以看出，雖然CPU和GPU有著類似的結(jié)構(gòu)，但最大的一個不同點在于，GPU中的一組控制邏輯對應多組運算單元。所以在GPU中，計算節(jié)點數(shù)可以有成百上千個，但是這些計算節(jié)點相對于CPU來說計算能力比較弱。為了能夠充分利用GPU中大量的計算資源，進行較細粒度的劃分是十分必要的；而且由于這些計算節(jié)點計算能力相對較弱，所以如果劃分不夠細，使得部分計算節(jié)點負載較大，而其他一些計算節(jié)點沒有分配到任務，反而會造成資源浪費。

在CUDA程序中，可以在計算之前就把計算需要的數(shù)據(jù)整體存放在顯存中，這樣每個進程都可以訪問，不需要對每個進程都發(fā)送數(shù)據(jù)。所以每一次計算，數(shù)據(jù)的發(fā)送只需要在計算之前和計算結(jié)束后分別進行一次即可。而算法在計算過程中完全沒有通信，那么CUDA版本的并行程序就可以進行最大粒度的劃分。因此，CUDA版本的程序是每個計算節(jié)點計算相似矩陣中的一個元素。其思路為：在GPU上設置與計算的元素數(shù)相同的任務數(shù)，即n1個，每個線程處理一個任務。而且由于程序不需要進行塊分割，所以也不需要使用GPU的二維進程格（Grid）和二維進程塊（Block），只需要一維的索引即可。大致流程如下：

1）把需要計算的相似矩陣轉(zhuǎn)化為一維矩陣，從CPU傳到GPU；

2）通過threadIdx、blockIdx、blockDim等變量進行線程索引，把線程對應的線程號和塊號與需要計算的相似矩陣中的行和列號對應起來，使每個線程計算相似矩陣中不同位置的一個值；

3）把計算后的相似矩陣從GPU傳回的CPU；

4）CPU把計算后的矩陣轉(zhuǎn)回二維，繼續(xù)進行后續(xù)工作。

3實驗和結(jié)果分析

3.1數(shù)據(jù)和方法

MPI的軟件環(huán)境是Red Hat 3.4.5操作系統(tǒng)，編譯環(huán)境是GCC3.4.5，語言是C++和MPI；硬件環(huán)境是一個由14臺IBM HS21刀片服務器和2臺x3650服務器組成計算和管理節(jié)點的計算集群工作站；網(wǎng)絡連接采用千兆以太網(wǎng)和InfiniBand 2.5G網(wǎng)連接各個節(jié)點，每個節(jié)點配置雙核CPU和4GB內(nèi)存，CPU為Intel xeon 5120 2.66GHz主頻，每個刀片服務器計算節(jié)點配置73GB硬盤，2臺x3650分別配置4×300GB硬盤作為主存儲和管理節(jié)點，2臺圖形工作站作為前端機，可以進行科學數(shù)據(jù)可視化。

CUDA的軟件環(huán)境是centos6.4的操作系統(tǒng)，編譯環(huán)境是GCC4.4.6和CUDA5.0，使用語言是C++和CUDA；硬件環(huán)境是HP Z800工作站，其顯卡為NVIDIA Tesla C1060，擁有30多個流多處理器（multiprocessor），每個流多處理器擁有8個處理核心（core），一共有240個處理核心，共享256MB顯存。

MPI的加速比實驗使用的是38個節(jié)點164條邊、150個節(jié)點969條邊、300個節(jié)點2092條邊和500個節(jié)點7315條邊的酵母PPIN作為網(wǎng)絡A，9138個節(jié)點41456條邊的人類PPIN作為網(wǎng)絡B[6]，使用4、8、16個節(jié)點進行并行加速計算。

MPI和CUDA的比較則分別用28個節(jié)點194條邊、36個節(jié)點164條邊、60個節(jié)點407條邊、100個節(jié)點1338條邊的酵母PPIN作為網(wǎng)絡A，9138個節(jié)點41456條邊的人類PPIN作為網(wǎng)絡B；MPI程序中使用4個節(jié)點進行并行計算，而CUDA程序中的進程數(shù)與比對的兩個網(wǎng)絡的節(jié)點數(shù)的乘積相同。

3.2結(jié)果和分析

圖4是AHGA的MPI并行算法分別用4、8、16個節(jié)點計算38、150、300、500個節(jié)點的酵母PPIN與9138個節(jié)點的人類PPIN比對的計算加速比統(tǒng)計。從中可以看出，隨著網(wǎng)絡規(guī)模的增加，并行算法的加速效果越來越好，其中500個節(jié)點的酵母PPIN的比對結(jié)果，使用4個節(jié)點計算的加速比達到了3.4，8個節(jié)點的計算加速比達到了5.7，16個節(jié)點計算的加速比達到了9.1。所以，MPI并行算法非常適合處理數(shù)據(jù)規(guī)模較大的生物分子網(wǎng)絡比對問題。

圖5是使用4個計算節(jié)點的MPI版本和CUDA版本的并行AHGA算法分別計算28、36、60、100個節(jié)點的酵母PPIN與9138個節(jié)點的人類PPIN比對的加速比統(tǒng)計。由于GPU硬件環(huán)境的顯存上限問題，目前CUDA并行算法還只能處理較小的網(wǎng)絡，但是網(wǎng)絡B的規(guī)模較大（9138個節(jié)點41456條邊），所以也屬于大規(guī)模數(shù)據(jù)的處理。

從圖中可以看到，CUDA并行版本的加速比和使用4個計算節(jié)點的MPI并行版本的加速比相差不大。MPI并行版本的加速比一直在兩倍左右，但不是很穩(wěn)定，而CUDA版本的加速比一直處于上升的趨勢。由此可以推斷出，MPI版本的程序在網(wǎng)絡規(guī)模不是非常大且差別比較小時，會出現(xiàn)一定的浮動；而CUDA版本的程序雖然還不能處理更大規(guī)模的數(shù)據(jù)，但是在能處理的范圍內(nèi)，已經(jīng)體現(xiàn)出了加速比的上升趨勢。從趨勢中可以預測，CUDA版本的程序在去除了限制條件處理更大規(guī)模數(shù)據(jù)之后，也會獲得更大的加速比，也比較適合處理大規(guī)模的生物分子網(wǎng)絡比對問題，而且可能獲取比MPI更好的加速效果。

表2是28、36、60、100個節(jié)點的酵母PPIN平均同源節(jié)點數(shù)以及使用4個計算節(jié)點的MPI版本和CUDA版本的并行AHGA算法計算與9138個節(jié)點的人類PPIN比對的加速比。

對于網(wǎng)絡A中的每一個節(jié)點，在網(wǎng)絡B中都有一定數(shù)目的節(jié)點和它有生物同源性，這個數(shù)目就稱為這個節(jié)點的同源節(jié)點數(shù)，而網(wǎng)絡A中所有節(jié)點的這個數(shù)目的平均值即為平均同源節(jié)點數(shù)。

在表2中節(jié)點數(shù)為28和36的兩個網(wǎng)絡，其平均同源節(jié)點數(shù)都很高，MPI版本的加速比都高于CUDA版本的加速比；

而節(jié)點數(shù)為60的網(wǎng)絡的平均同源節(jié)點數(shù)減少，MPI版本和CUDA版本的加速比也較為接近；

而節(jié)點數(shù)為100的網(wǎng)絡的平均同源節(jié)點數(shù)更少時，CUDA版本的加速比高于了MPI版本。

在進行生物分子網(wǎng)絡比對時，需要考慮其生物學意義，經(jīng)過統(tǒng)計，酵母和人類整體的平均同源節(jié)點數(shù)約為9，與表中第四行網(wǎng)絡的情況最為接近，而此時的加速比也最好，

由此我們認為CUDA版本的程序會更合適處理具有生物背景的生物分子網(wǎng)絡。

4結(jié)語

本文提出使用MPI和CUDA兩種并行方式對自適應匈牙利貪心算法進行并行處理，并使用不同的數(shù)據(jù)對并行版本的程序進行了測試，結(jié)果顯示并行版本的程序?qū)τ谝?guī)模較大的生物分子網(wǎng)絡的比對有較好的結(jié)果，可以很好地提高運行效率；另外還對MPI和CUDA兩個版本的并行程序結(jié)果進行了對比，結(jié)果表明，MPI更適合處理大規(guī)模的數(shù)據(jù)，而CUDA程序在對生物分子網(wǎng)絡的生物學意義的處理上更有優(yōu)勢。

對并行版本的程序來說，處理規(guī)模問題可以通過硬件升級和算法優(yōu)化來提升對大數(shù)據(jù)的處理效果，而對網(wǎng)絡生物學意義方面則是很難改變的。所以總體來說，CUDA版本的程序更適合做生物分子網(wǎng)絡的比對，我們后續(xù)也會繼續(xù)優(yōu)化CUDA版本的程序，使其能更好地處理更大規(guī)模的數(shù)據(jù)。

參考文獻：

[1]CHINDELEVITCH L， LIAO CS， BERGER B. Local optimization for global alignment of protein interaction networks [C]// Proceedings of Pacific Symposium on Biocomputing 2010. Singapore： World Scientific Publishing， 2010： 123-132.http：//psb.stanford.edu/psb-online/proceedings/psb10/chindelevitch.pdf

[2]KEELEY B P， YUAN B， LEWITTER F， et al. PathBLAST： a tool for alignment of protein interaction networks [J]. Nucleic Acids Research， 2004， 32（WebServerIssue）： 83-88.

[3]LI Z P， ZHANG S H， WANG Y， et al. Alignment of molecular networks by integer quadratic programming [J]. Bioinformatics， 2007，23（13）：1631-1639.

[4]SINGH R， XU J B， BERGER B. Pairwise global alignment of protein interaction networks by matching neighborhood topology [C]// RECOMB07： Proceedings of the 11th Annual International Conference on Research in Computational Molecular Biology， LNCS 4453. Berlin： SpringerVerlag， 2007： 16-31.

[5]LIAO CS， LU K H， BAYM M， et al. IsoRankN： spectral methods for global alignment of multiple protein networks [J]. Biocomputing， 2009， 25（12）： 253-258.

[6]KUCHAIEV O， PRULJ N. Integrative network alignment reveals large regions of global network similarity in yeast and human [ J ]. Bioinformatics， 2011， 27（10）： 1390-1396.

[7]ATIAS N， SHARAN R. Comparative analysis of protein networks： hard problems， practical solutions [J]. Communications of the ACM， 2012， 55（5）： 88-97.

[8]郭杏莉，高琳，陳新.生物網(wǎng)絡比對的模型與算法[J].軟件學報，2010，21（9）：2089-2106.

[9]譚軍. 蛋白質(zhì)相互作用網(wǎng)絡比對的自適應混合并行算法研究[D].上海：上海大學，2013.

[10]KUHN H W. The Hungarian method for the assignment problem [M]// 50 Years of Integer Programming 1958—2008. Berlin： SpringerVerlag， 2010： 29-47.Naval Research Logistics （NRL）， 1955，2（1/2）： 83-97， http：//tom.host.cs.st-andrews.ac.uk/CS3052-CC/Practicals/Kuhn.pdf

[11]KUHN H W. A tale of three eras： the discovery and rediscovery of the hungarian method [J]. European Journal of Operational Research， 2012， 219（3）： 641-651.

[12]ALTSCHUL S F， GISH W， MILLER W， et al. Basic local alignment search tool [J]. Journal of Molecular Biology，1990， 215（3）： 403-410.

網(wǎng)絡的利和弊范文第2篇

網(wǎng)絡有利也有弊。利，就是讓我們增加知識面，學習更多的知識，探索全世界的奧秘，了解更多相關(guān)內(nèi)容。而弊就是網(wǎng)上有一些不良網(wǎng)站，影響人的身心健康。

可我相信兩句古話，第一句是：邪不壓正！第二句是：認證不怕影子歪。這些古話支撐著我們走向光明。我相信利大于弊。上網(wǎng)的好處有很多。比如可以增加知識面，開發(fā)智力、探索宇宙、環(huán)游世界、娛樂生活等等等等。上網(wǎng)的好處數(shù)不勝數(shù)，這是全世界人都知道的一個問題。

有些人說弊大于利，說網(wǎng)上不良信息多、騙錢，這些多寥寥無幾。不良信息只有少數(shù)人會這么做，都是一些游手好閑的人；正直有用的人都在用網(wǎng)絡幫助自己工作，沒有時間浪費在無用之地。

中國雖然人多，但是人才也多。人們正在用網(wǎng)絡和國外進行網(wǎng)上交易，為中國收入作出貢獻。有一句話說的好，祖國處處有親人，相助何必曾相識。這句話的意思是：祖國各地都有正義的人，遇到困難是他們都會幫助有困難的人。說明正義的人，都會做應該做的事，也說明了利大于弊。

負面就像一陣狂風暴雨，而正面就像一縷陽光，風雨在陽光的照射下，就會出現(xiàn)一道五彩繽紛彩虹。證明負面影響只是短暫的暴風雨，在正面的面前，它只是短暫的瞬間。

面對網(wǎng)絡我們應該合理安排時間，不上不良網(wǎng)站，不影響自己的學業(yè)，讓網(wǎng)絡成為你的好朋友！

網(wǎng)絡的利和弊范文第3篇

早就聽說網(wǎng)絡是一個迷人的世界，它包羅萬象、無奇不有，可以看見世界的每個角落，充滿了神秘與吸引力。上網(wǎng)，可以足不出戶卻日行萬里；可以交朋識友，增長見識；可以隨時了解國內(nèi)外時事，緊隨時尚潮流；網(wǎng)絡可以方便地查資料、收發(fā)電子郵件，可以學習更多的課內(nèi)外知識。我的很多書就是通過當當網(wǎng)購買的，我家的照相機也是通過綠森網(wǎng)購買的，出門買機票、定客房也可通過網(wǎng)絡，如果我們現(xiàn)在不去和網(wǎng)絡接觸，就會成為21世紀的“文盲”和“瞎子”。有了網(wǎng)絡，就像吃了靈丹妙藥，似乎想補什么，就補什么；想治什么，就治什么。

比如，有一次，老師讓我們自己做導游，介紹一些名勝古跡?？墒俏覐膩矶紱]有去過哪個地方旅游，所以什么也不知道?；氐郊?，上網(wǎng)查了查有關(guān)頤和園的資料，使我有了信心。老師讓我介紹，開始時我還有些心慌，還好我在網(wǎng)上查了一些資料，對頤和園就有所理解。當我把頤和園的概況詳細地介紹給同學們時，老師和同學們都對我刮目相看呢！

當然，凡事有利就有弊。雖然網(wǎng)絡的好處數(shù)不勝數(shù)，但是，上網(wǎng)如果沒有一個限度，就會對青少年造成身心上的傷害。

看看報紙，那些不健康網(wǎng)絡使青少年誤入歧途的報道數(shù)不勝數(shù)?？萍荚诓粩喟l(fā)展，電腦也隨著時代的變化漸漸地進入了人們的家庭，越來越多的學生都變成了“網(wǎng)蟲”。上網(wǎng)不是壞事，但是整天沉迷于網(wǎng)絡，那就是一件非常可怕的事情。而且，中學生的自控、辨別是非的能力還有待提高，如果被不健康的網(wǎng)站迷惑、被所謂的“網(wǎng)友”敲詐，做出中學生不該做的事情，那該怎么辦？過分上網(wǎng)，就會過分受到電磁輻射，患上高血壓、心臟病、電磁波過敏癥、癡呆癥、近視等，幾天幾夜上網(wǎng)，嚴重的還會導致死亡！這不僅傷害了身體，還影響了學業(yè)，豈不是得不償失？

我也經(jīng)常上網(wǎng)，但我聊天和玩游戲時間都不會超過30分鐘。我上網(wǎng)的大部分時間都是與同學交流作業(yè)、查資料和學習英語，用網(wǎng)絡來鍛煉我的對話能力；在周六、周日，我還會看看平時沒時間看的電視和電影。

網(wǎng)絡的利和弊范文第4篇

一、上網(wǎng)可以開闊視野，及時了解時事新聞，獲取各種最新的知識和信息，對學習和生活都有很好的指導作用。上網(wǎng)可以充實頭腦，只要留心就可以學到許多在學校里學不到的知識，擴大自己的知識面，鼠標一點大千世界盡收眼底。

二、可以對外交流，學生的一個經(jīng)常被人提及的缺點就是缺乏信心，不敢與外界對話、交流?，F(xiàn)在有了互聯(lián)網(wǎng)，他們可以徹底的克服心理障礙，并且在對外交流的過程中，又開闊了自己的視野，網(wǎng)絡為教育資源的交流提供了便捷的方式；不管老師，還是學生都可以登錄各類教育網(wǎng)站獲取學習資訊。

三、可以促進學生的個性化發(fā)展，學生可以在QQ上交友，訴說困難，尋求幫助，還可以在BBS上灌水，幫助他人解決困難。

網(wǎng)絡的利和弊范文第5篇

小議青少年上網(wǎng)

近幾年來，電腦在中國越來越普及，幾乎家家都有一臺，而關(guān)于青少年上網(wǎng)的問題，也成為一個焦點。對于上網(wǎng)的利弊，也是眾說紛紜。

網(wǎng)絡，是國際信息技術(shù)發(fā)展的重要標志，也是國家進步的成果。從網(wǎng)絡上，我們可以獲取許多信息，可以“足不出戶而知天下”。網(wǎng)絡中的知識應有盡有，為人類提供了方便。通過上網(wǎng)，我們能夠了解到國家大事；通過上網(wǎng)，我們可以隨時隨地和朋友們交流；通過上網(wǎng)，我們還可以買到想要的東西，不必因為路程遙遠而擔心。所以，從這一點看，利用電腦上網(wǎng)是有利的，不管是對一個人還是一個國家。

可凡事都有個度，上網(wǎng)也是如此，正因為網(wǎng)上的知識太過豐富，才有了巨大的吸引力，如果長時間上網(wǎng)，會陷入其中無法自拔。它就像蜘蛛的網(wǎng)，一旦進入，便會纏住你。實際上生活中已經(jīng)有很多地例子發(fā)生了。有的青少年，因為過度上網(wǎng)，導致視力下降；有的因為上網(wǎng)學了許多不良的信息，從而走上犯罪道路；更有甚者為了上網(wǎng)吧，曠課逃學，錢花光了就去偷、槍，最終的下場是害人害己?。≡谒麄兛磥?，上網(wǎng)有一種，可誰又知道，這等于針尖上的舞蹈，危險重重?，F(xiàn)在，人們管這種狀態(tài)叫做“犯網(wǎng)癮”，它如同煙癮、酒癮般令人膽戰(zhàn)心驚。

總而言之，上網(wǎng)有利也有弊，我們不能片面地說“利大于弊”或者“弊大于利”，關(guān)鍵在于我們自身，因為使用它的就是人啊。電腦是發(fā)明出來方便人們的，如果因使用不當而否決 它，確實是一種浪費。只有控制好上網(wǎng)的時間，合理安排生活，對于信息有好壞之分，舍次求好，才能發(fā)揮網(wǎng)絡的最大永途！