当前位置: 首页 > article >正文

深入浅出计算机网络基石:详解 OSI 模型、TCP/IP 模型及数据通信全过程

前言大家好这里是程序员阿亮今天也是在公司里面当起黑奴了实习生大小周不包饭吃公司饭还要收钱。。。但是博客还是要写滴今天来给大家讲解一下OSI七层模型和TCP/IP模型这是计算机网络中的基础架构也是我们计算机网络通信的基本规则。在互联网时代我们在微信上发的一条消息、在浏览器里输入的一个网址只需毫秒之间就能跨越千山万水到达对方屏幕上。这一切看似变魔术般的背后隐藏着一套极其精密且严谨的规则。如果全世界的计算机没有统一的“语言”和“礼仪”它们就会像建巴别塔的人类一样因为无法沟通而陷入混乱。为了解决这个问题网络专家们制定了网络分层模型OSI 参考模型和TCP/IP 模型。一、理论上的完美教科书OSI 七层模型OSIOpen Systems Interconnection开放系统互连模型是由国际标准化组织ISO在 1984 年提出的。它将网络通信的工作分为 7 个层级。虽然在实际应用中它显得有些过于繁琐但它是理解网络通信逻辑的最佳“教科书”。但是不是最佳实践在常用的分层模型中一般是简化为五层或者四层的TCP/IP模型。我们就自顶向下从上到下第 7 层 - 第 1 层来拆解它第 7 层应用层 (Application Layer)职责这是最靠近用户的一层负责为计算机上的应用程序提供网络服务。它不指应用程序本身比如 Chrome 浏览器而是指应用程序所使用的通信协议。常见协议HTTP/HTTPS (网页浏览)、FTP (文件传输)、SMTP/POP3 (电子邮件)、DNS (域名解析)。也就是说应用层如其名是在应用层面的交互是我们应用程序与网络交互的协议栈第 6 层表示层 (Presentation Layer)职责负责数据的翻译、加密、解密和压缩。它确保发送方发送的数据接收方能够看得懂。工作内容将本地字符集转换为标准格式如 ASCII 或 UTF-8对图像视频流进行编解码JPEG, MPEG对敏感数据进行 TLS/SSL 加密。也就是说表示层一般是对数据进行加密、解密、格式转换等的层第 5 层会话层 (Session Layer)职责负责在网络中的两台设备之间建立、管理和终止会话。它可以在数据传输中断时提供恢复点检查点实现断点续传。常见协议RPC, NetBIOS。在现代开发中一般会话层是被整合到了应用层表示层也是现在会话的管理一般是基于Token/Cookie等来实现第 4 层传输层 (Transport Layer)职责负责端到端End-to-End的数据传输。它不仅将大块数据切割成小块分段还负责通过“端口号”区分这些数据是给哪个应用程序的比如 80 端口给网页22 端口给 SSH。它还决定了传输的可靠性要求。核心协议TCP传输控制协议可靠、需建立连接、保证数据不丢不乱像寄挂号信。UDP用户数据报协议速度快、不建立连接、不保证送达像寄明信片。需要注意的是传输层是端对端的是可以区分不同的应用程序的第 3 层网络层 (Network Layer)职责负责在不同的网络之间比如从你家局域网到国外的服务器寻找最佳路径并进行逻辑寻址。核心概念/协议IP 协议IPv4/IPv6、IP 地址、路由器。第 2 层数据链路层 (Data Link Layer)职责负责在同一个本地网络相邻节点内进行数据传输并将物理层的电信号组装成有意义的数据帧。它还负责物理寻址和错误检测。核心概念/协议MAC 地址、以太网Ethernet、Wi-Fi802.11、交换机。这里大家可能有疑惑网络层是逻辑寻址也就是逻辑寻址 路由选择区分不同网络/子网而数据链路层是物理寻址物理寻址区分同一局域网内不同设备简单说就是每经过一个路由器数据链路层的源/目的 MAC 地址都会重写但传输层的端口和网络层的 IPNAT 除外全程保持不变。第 1 层物理层 (Physical Layer)职责最底层负责传输原始的比特流0 和 1。它定义了硬件设备的机械、电子、功能和过程特性。核心概念网线双绞线、光纤、无线电波、中继器、集线器。二、TCP/IP模型我们会发现实际上OSI模型划分的很细看起来很完美但是在实践中并不多用在实践中我们基本上都是使用TCP/IP的五层或者四层模型。OSI 七层模型TCP/IP 四层模型TCP/IP 五层对等模型 (常用教学)核心协议应用层应用层 (Application)应用层HTTP, FTP, DNS, SMTP表示层会话层传输层传输层 (Transport)传输层TCP, UDP网络层网络层 / 互联网层 (Internet)网络层IP, ICMP, ARP数据链路层网络接口层 (Network Access)}数据链路层Ethernet, Wi-Fi, MAC物理层物理层光纤, 双绞线 (0101信号)为什么TCP/IP更受青睐呢因为它“重实效”。它把 OSI 中过于细化、很多时候用不到的表示层和会话层直接打包进了应用层并把关注点集中在了保证网络连通的核心IP找路和TCP保证送达上。三、数据通信全流程了解了层级接下来我们看看当我们在浏览器输入 www.example.com 并按下回车时数据到底经历了什么这个过程分为发送端的封装Encapsulation和接收端的解封装Decapsulation。阶段一发送端的“俄罗斯套娃”数据封装数据从顶层向下层传递每一层都会给数据加上一个自己的“头部”Header就像俄罗斯套娃一样包上一层又一层。应用层 (L7)浏览器生成一段 HTTP GET 请求数据“请给我 example.com 的首页”。此时的数据被称为消息 (Message / Data)。传输层 (L4)HTTP 消息来到传输层。TCP 协议接管它将大块消息切分并在前面加上TCP Header包含源端口如 54321目标端口 80/443。此时的数据包叫做数据段 (Segment)。网络层 (L3)TCP 数据段来到网络层。IP 协议在外面再加上IP Header包含你电脑的源 IP 地址和 DNS 解析出来的目标服务器 IP 地址。此时的数据包叫做数据包 (Packet)。数据链路层 (L2)IP 数据包来到链路层。以太网协议在前面加上MAC Header包含你网卡的源 MAC 地址以及你家路由器的目标 MAC 地址并在尾部加上 **FCS 校验码Trailer**以防数据损坏。此时的数据包叫做数据帧 (Frame)。物理层 (L1)庞大的数据帧最终被转换成二进制的比特流 (Bits)—— 01010101通过网线变成电脉冲或者通过路由器天线变成无线电波发射出去。阶段二网络中的接力跑路由转发你的请求离开家后会到达运营商的路由器。路由器主要在网络层 (L3)工作。它会拆开外层的 MAC 头部查看里面的IP 头部。路由器通过查找路由表发现“哦这个 IP 在美国”于是它修改 MAC 头部换成下一个路由器的 MAC然后再次打包成帧传给下一个节点。这个“拆 MAC - 看 IP - 换 MAC”的过程会在全球的海底光缆和无数路由器之间接力数十次直到到达目标服务器。阶段三接收端的“剥洋葱”数据解封装最终电信号到达了 example.com 的服务器网卡。服务器开始自底向上“剥洋葱”物理层 (L1)网卡接收到电信号还原成二进制比特流交给上一层。数据链路层 (L2)服务器检查MAC 头部确认“这是发给我的网卡的”然后拆掉 MAC 头部和尾部检查数据是否在传输中损坏。如果完好把里面的 IP 数据包交给上一层。网络层 (L3)服务器检查IP 头部确认“目标 IP 确实是我”拆掉 IP 头部把里面的 TCP 数据段交给上一层。传输层 (L4)服务器检查TCP 头部看到“目标端口是 443”。它知道 443 端口对应的是 Web 服务器软件如 Nginx 或 Apache。它剥离 TCP 头部把纯净的数据按照顺序拼装好交给 443 端口绑定的程序。应用层 (L7)Nginx 软件拿到了最初的那段HTTP GET 请求消息。它理解了请求的含义在硬盘里找到首页对应的 HTML 文件。随后服务器把 HTML 文件作为响应数据再次经历上述完整的封装过程顺着原路发送回你的电脑。你的浏览器拿到 HTML 并渲染网页就这么呈现在了你的眼前总结网络通信的本质就是分工与协作。OSI 模型提供了完美的理论框架TCP/IP 模型构筑了现实的互联网世界。每一层恪尽职守下层为上层提供服务上层无需关心下层的具体实现细节比如应用层的浏览器根本不需要管现在连的是 Wi-Fi 还是插的网线。正是这种严密的分层架构和封装/解封装机制支撑起了今天这个每秒传输着亿万字节、连接着全球几十亿人的庞大数字世界。理解了它们你就拿到了打开计算机网络大门最关键的那把钥匙。

相关文章:

深入浅出计算机网络基石:详解 OSI 模型、TCP/IP 模型及数据通信全过程

前言大家好,这里是程序员阿亮,今天也是在公司里面当起黑奴了,实习生,大小周,不包饭,吃公司饭还要收钱。。。但是博客还是要写滴今天来给大家讲解一下OSI七层模型和TCP/IP模型这是计算机网络中的基础架构&am…...

【“小白致命坑”】[特殊字符] 备战蓝桥杯C++:别再写嵌套循环了!一招掌握 STL 结构体多级排序

【“小白致命坑”】🚀 备战蓝桥杯C:别再写嵌套循环了!一招掌握 STL 结构体多级排序 在备战蓝桥杯的过程中,我们经常会遇到一类非常经典的排序题(比如历年真题中的“奖学金”问题): “先按总分从…...

C语言_指针函数double字面量运算符

1、/除法运算符 //printf( 1/3); 输出是0, 无打印 printf( 4/3); 报错 printf(“%d\n”, 4/3); 正常,输出1 确保printf的第一个参数是一个字符串字面量,即直接用双引号括起来的字符串。 2、指针: 地址运算符& 和间接运算符 * &nur…...

免费开源毕设:基于YOLO的道路缺陷检测系统

🛣️ 基于 YOLO 的道路缺陷检测系统 (Road Defect Detection System) 本项目是一个功能完整的道路缺陷(如路面坑洼 Pothole)智能检测系统。基于最新的 Ultralytics YOLO 系列模型构建,并提供了一个美观、易用的 Streamlit Web 交…...

Java必背45道

一、Java基础8道 1. 和 equals() 的区别是什么? 在java中 和 equals()主要的区别在于比较的内容不同。是一个运算符,对于基本数据类型来说,比较的是数值本身,比如比较两个int 数值是否相同;对于引用数据类型&#xf…...

Phi-3-vision-128k-instruct惊艳案例:宠物照片→品种识别+健康风险+喂养建议

Phi-3-vision-128k-instruct惊艳案例:宠物照片→品种识别健康风险喂养建议 1. 模型简介 Phi-3-Vision-128K-Instruct 是一款轻量级的多模态模型,专注于高质量的文本和视觉数据处理。作为 Phi-3 模型家族的一员,它支持长达128K的上下文长度&…...

【Docker 27集群调度优化终极指南】:20年SRE亲测的7大反模式与5个生产级调优阈值

第一章:Docker 27集群调度优化的认知跃迁Docker 27(即 Docker Engine v27.x)引入了调度器内核级重构与资源感知型调度策略,标志着从静态标签匹配向动态拓扑感知的范式转变。传统基于 docker service create --constraint 的硬性约…...

DeOldify图像上色服务MySQL数据管理实战:任务记录与结果存储

DeOldify图像上色服务MySQL数据管理实战:任务记录与结果存储 老照片修复和上色,听起来是个挺有情怀的事儿,但如果你是一家需要处理成千上万张历史照片的机构,比如档案馆、博物馆或者影视制作公司,这事儿立马就从“情怀…...

Alpamayo-R1-10B WebUI深度使用:调整Samples=3生成多候选轨迹并评估置信度排序

Alpamayo-R1-10B WebUI深度使用:调整Samples3生成多候选轨迹并评估置信度排序 1. 项目概述 Alpamayo-R1-10B是专为自动驾驶研发设计的开源视觉-语言-动作(VLA)模型,其核心能力在于通过类人因果推理生成车辆行驶轨迹。该模型基于100亿参数架构&#xff…...

StructBERT情感分类模型在科技产品评测分析中的实践

StructBERT情感分类模型在科技产品评测分析中的实践 1. 引言 科技产品评测和用户反馈中蕴含着大量有价值的情感信息,但人工分析海量文本既耗时又容易主观偏差。最近我们在实际项目中尝试了StructBERT情感分类模型,用它来自动分析科技产品的用户评价&am…...

无需编程基础!cv_resnet18_ocr-detection图形化界面操作全解析

无需编程基础!cv_resnet18_ocr-detection图形化界面操作全解析 1. 引言:OCR文字检测的零门槛解决方案 在日常工作和生活中,我们经常需要从图片中提取文字信息——可能是扫描的合同文档、产品包装上的说明文字,或是手机拍摄的会议…...

基于Git-RSCLIP的新闻图片自动标注系统

基于Git-RSCLIP的新闻图片自动标注系统 1. 引言 每天新闻编辑室都要处理成千上万的图片,每张图片都需要准确标注才能进入发布流程。传统的人工标注方式不仅耗时耗力,还容易出现标注不一致的问题。想象一下,一位编辑需要为几百张新闻图片逐一…...

lingbot-depth-pretrain-vitl-14开源可部署优势:无需GPU驱动重装,兼容主流云平台

lingbot-depth-pretrain-vitl-14开源可部署优势:无需GPU驱动重装,兼容主流云平台 想快速体验一个强大的深度估计模型,但被复杂的GPU环境配置、驱动版本冲突搞得头大?如果你也有过这种烦恼,那么今天介绍的lingbot-dept…...

RexUniNLU Docker镜像详解:3.11-slim基础镜像+加速推理配置,适配国产算力平台

RexUniNLU Docker镜像详解:3.11-slim基础镜像加速推理配置,适配国产算力平台 1. 镜像概览与核心价值 RexUniNLU是一个基于DeBERTa-v2架构的零样本通用自然语言理解模型,专门针对中文信息抽取任务进行了优化。这个Docker镜像将完整的推理环境…...

MedGemma-X开箱即用体验:预装环境,零配置快速体验智能诊断

MedGemma-X开箱即用体验:预装环境,零配置快速体验智能诊断 1. 为什么选择MedGemma-X进行智能影像诊断 在医疗影像诊断领域,传统CAD系统往往存在两个痛点:一是只能提供简单的二分类结果(阳性/阴性)&#x…...

Phi-3-vision-128k-instruct一文详解:Phi-3多模态家族中128K上下文的技术突破点

Phi-3-vision-128k-instruct一文详解:Phi-3多模态家族中128K上下文的技术突破点 1. 模型简介与技术亮点 Phi-3-Vision-128K-Instruct是微软Phi-3模型家族中的多模态成员,代表了当前轻量级开放模型的最先进水平。这个模型最引人注目的特点是支持128K的超…...

同态加密性能优化指南:如何让Go实现的Paillier算法快10倍

Go实现的Paillier同态加密性能优化实战:从理论到10倍加速 在金融科技、医疗数据共享和隐私计算领域,同态加密技术正成为解决数据"可用不可见"难题的关键方案。作为加法同态加密的经典实现,Paillier算法因其数学简洁性和实用价值&am…...

AD画板不想手绘封装?立创EDA封装库一键迁移保姆教程(含3D预览技巧)

AD画板不想手绘封装?立创EDA封装库一键迁移保姆教程(含3D预览技巧) 在PCB设计领域,Altium Designer(AD)用户经常面临一个棘手问题:官方库中找不到所需元器件的封装。传统解决方案是手动绘制封装…...

Qwen3-14b_int4_awq效果对比:在C-Eval、CMMLU等中文基准测试中的表现

Qwen3-14b_int4_awq效果对比:在C-Eval、CMMLU等中文基准测试中的表现 1. 模型简介 Qwen3-14b_int4_awq是基于Qwen3-14b模型的int4量化版本,采用AngelSlim技术进行压缩优化,专门针对文本生成任务进行了性能调优。该模型通过先进的量化技术&a…...

Java性能调优实战:为什么System.nanoTime()比currentTimeMillis()更适合高精度计时?

Java高精度计时实战:为何nanoTime()是性能调优的首选? 在游戏开发、算法性能测试等对时间精度要求极高的场景中,Java开发者常常面临一个关键选择:System.currentTimeMillis()还是System.nanoTime()?这个看似简单的选择…...

Proteus 8.0安装避坑指南:从下载到破解的完整流程(附百度网盘资源)

Proteus 8.0 高效安装与配置实战手册 在电子设计与仿真领域,Proteus 8.0 作为一款功能强大的EDA工具,其安装过程往往成为新手面临的第一个挑战。不同于普通软件的"下一步"式安装,Proteus 8.0 的部署涉及多个技术环节,从…...

ROS机器人导航优化:yocs_smoother_velocity平滑算法实战解析

1. 为什么你的机器人总是"抖抖病"? 每次看到机器人移动时那种卡顿、抖动的样子,就像看一个刚学会走路的小孩,心里总忍不住想:这货是不是该送去维修了?其实大多数情况下,问题并不出在硬件上。我在…...

逆向解析App中的Protobuf协议:从抓包到proto文件还原

1. 认识Protobuf协议逆向分析 第一次接触Protobuf协议逆向时,我和大多数人一样感到无从下手。这种高效的二进制传输协议在移动App中越来越常见,但抓包工具里看到的往往是一堆难以理解的二进制数据。经过多次实战,我发现逆向解析Protobuf协议其…...

差分隐私联邦学习:从理论基石到前沿突破

1. 差分隐私联邦学习的基础理论 差分隐私联邦学习是近年来隐私计算领域最受关注的技术方向之一。简单来说,它就像是一群医生在讨论病例时,既想分享医疗经验,又不想泄露具体病人的隐私信息。这种技术结合了差分隐私的数学严谨性和联邦学习的分…...

Cesium实战:地形贴合技术与Entity高级应用指南

1. 地形贴合技术基础与核心参数 在三维地理场景开发中,让各种实体完美贴合地形表面是个常见需求。想象一下,如果你要在数字地球上标注一座山峰的位置,肯定不希望这个标注点飘在空中,而是希望它稳稳地"站"在山顶上。这就…...

长尾关键词在推动SEO优化效果中的策略应用与实践探索

本文将探讨长尾关键词在SEO优化中的应用,强调其选择与使用方法。本段落将概述长尾关键词的定义及其在提升搜索引擎排名和网站流量方面的重要性,为后续深入讨论奠定基础。长尾关键词是较低竞争度但能精准满足用户意图的关键词,这使得它们在网站…...

【笔试真题】- 顺丰-2026.03.15

📌 点击直达笔试专栏 👉《大厂笔试突围》 💻 春秋招笔试突围在线OJ 👉 笔试突围在线刷题 bishipass.com 顺丰-2026.03.15 1. 等距货架 问题描述 LYA 正在整理一排长度为 n n n 的货架,第 i i...

CentOS 7下快速部署Easy Connect的完整指南

1. 环境准备:为什么需要桌面和依赖? 很多朋友第一次在CentOS 7上装Easy Connect时,可能会直接去下载那个rpm包,然后rpm -ivh命令一敲,结果发现要么装不上,要么装上了打不开。我刚开始也踩过这个坑&#xff…...

从模块开发到实时处理:解锁FreeSWITCH语音流的核心路径

1. FreeSWITCH语音流处理的核心逻辑 第一次接触FreeSWITCH语音流处理时,我被它强大的灵活性震撼到了。这个开源的软交换平台就像个乐高积木,允许开发者通过模块化方式扩展功能。在实际项目中,我们经常需要获取实时语音流进行ASR识别或质检分析…...

Thinkphp和Laravel框架微信小程序的 畅玩安阳旅游网站平台的景点门票民宿预订-

目录技术选型与框架整合数据库设计接口开发微信支付集成性能优化与安全测试与部署项目技术支持可定制开发之功能创新亮点源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作技术选型与框架整合 ThinkPHP和Laravel均可作为后端框架实现微信小程…...