IELAB-网络工程师的路由答疑10问(1)
各位同学,我相信对于许多新学习的同学而言,在刚接触该的时候总会产生许多问题,今天
我们就简单讲解一下常见的几种问题:
-
什么是路由? 简单来讲,路由通常发生在网络层,为什么呢?首先,网络层的作用之一是进行了网络划分,而IP地址的构成也分为网络位以及主机位,网络位的不同,就好比在互联网进行的行政区域划分一样。 那么,路由是什么呢? 事实上,将数据从数据源转发到目标网络的过程,或者将数据在不同网络中传递的过程,就可以称之为路由。这点有些类似于快递,快递,不就是将货品从卖方邮递到买方的过程吗? 不同的是,这个数据转发的过程是通过网络层的设备通过IP地址进行寻址转发的。那么,以此类推,大家应该能知道什么叫做交换了吧!!
-
路由器是怎么工作的呢?
路由器基本工作原理为,根据路由表进行数据转发,基本的查表原则为:
-
分级查找:先查找目标网络所在的主类信息,再根据主类信息查找目标主机所在的子网信息是否存在
-
最长匹配:当目标地址能够匹配多个目标网络的时候,选择地址掩码最长的选项进行匹配
-
递归查找:当根据下一跳进行数据转发的时候,需要在此进行路由表查表,寻找到达下一跳的正确出口,然后从相应出口转发到达下一跳位置,进而到达目标。

添加图片注释,不超过 140 字(可选)
-
路由表里写了啥?

添加图片注释,不超过 140 字(可选)
路由表里道理写了什么呢?
-
首先,指明了该路由设备所能前往的目标网络有哪些,也就是目标网络/掩码这个部分
-
将数据转发到目标网络的方式,指定从本地某个接口转发出去,或者通过某个下一跳到达目标网络,也就是常说的出接口,下一跳,两种方式。
-
获取路径的方式: D - EIGRP, O - OSPF, R – RIP,S – 静态 C – 直连, i - IS-IS
-
AD 管理距离,metric 度量值,(华为设备中称之为preference 优先级值,cost 值)
AD(preference) 用于评比多种方式(直连、静态、不同动态路由协议)获得的路径中,通过哪种方式获得的路径是最值得信赖和可靠的。
Metric (cost 值),适用于评比同种方式(RIP/OSPF/EIGRP等)获得到达统一目标多条路径中,那一条路径是最合适的。
-
路由表项哪来的呢?
-
设备直接连接的网络,也就是直连网络
-
静态路由,通过管理员手工指定的路径,通常来讲,叫做”千金难买我愿意”,不过有节操的管理员,一般都会根据实际情况去部署,而不会随意书写。呵呵呵!
-
通过动态路由协议获得路径信息
-
动态路由怎么学? 动态路由协议,一般而言,大部分的同学刚开始学习的时候总是觉得很难理解,学习过程中我们可以先尝试理解动态路由协议基本框架。强伟老师这里有一句简单口诀,大家可以记下来,具体怎么使用,咱们后面再侃侃: 路由协议三大步,度量邻居数据库,莫忘最后一下步,更新安全和环路。
-
什么是路由重发布?
简单来讲,就是将一种路由协议导入进另一种协议。由于不同路由协议拥有不同的算法、度量,最终在不同路由协议之间进行路由传递将很难进行。这个有点类似两个不同语种的人,要想交流信息比较困难一样。将路由进行重发布,就像是进行不同语言进行翻译一般。
相关文章:
IELAB-网络工程师的路由答疑10问(1)
各位同学,我相信对于许多新学习的同学而言,在刚接触该的时候总会产生许多问题,今天 我们就简单讲解一下常见的几种问题: 什么是路由? 简单来讲,路由通常发生在网络层,为什么呢?首先…...
OpenLayers入门,OpenLayers加载TopoJson数据,使用行政区划边界作为示例
专栏目录: OpenLayers入门教程汇总目录 前言 本章讲解一下OpenLayers如何加载解析TopoJson格式的数据。 TopoJson介绍 TopoJson是用于表示地理空间数据的格式。是GeoJson格式的改进版,相比 GeoJSON 直接使用 Polygon、Point 之类的几何体来表示图形的方法,TopoJSON 中的…...
【图像去噪】基于原始对偶算法优化的TV-L1模型进行图像去噪研究(Matlab代码实现)
💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…...
RISC-V基础之函数调用(五)函数递归调用及函数参数数量溢出(超出现有寄存器个数)约定(包含实例)
首先先解释一下栈在函数调用中的作用,更详细的部分请参照考研复习之数据结构笔记(五)栈和队列(上)(包含栈的相关内容)_管二狗赶快去工作!的博客-CSDN博客 函数嵌套调用栈的作用是用…...
力扣:48. 旋转图像(Python3)
题目: 给定一个 n n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。 你必须在 原地 旋转图像,这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。 来源:力扣(LeetCode) 链接&…...
HarmonyOS应用开发者基础与高级认证题库——中级篇
系列文章目录 HarmonyOS应用开发者基础与高级认证题库——基础篇 HarmonyOS应用开发者基础与高级认证题库——中级篇 文章目录 系列文章目录前言一、判断二、单选三、多选 前言 今天刚换了台果子手机就收到了华子鸿蒙开发认证邀请(认证链接)࿰…...
Python中实现多个列表、字典、元组、集合的连接
目录 目录 前言 一、列表 1、运算符 2、extend()方法 3、解包操作 * 二、字典 1、update()方法 2、解包操作 ** 三、元组 1、 运算符 2、解包操作 * 四、集合 1、union方法 2、| 运算符 3、解包操作 * 五、不同类…...
1005 继续(3n+1)猜想
描述 卡拉兹(Callatz)猜想已经在1001中给出了描述。在这个题目里,情况稍微有些复杂。 当我们验证卡拉兹猜想的时候,为了避免重复计算,可以记录下递推过程中遇到的每一个数。例如对 n3 进行验证的时候,我们需要计算 3、5、8、4、…...
基于图片、无人机、摄像头拍摄进行智能检测功能
根据要求进行无人机拍摄的视频或图片进行智能识别,开发过程需要事项 1、根据图片案例进行标记,进行模型训练 2、视频模型训练 开发语言为python 根据需求功能进行测试结果如下 根据车辆识别标记进行的测试结果截图 测经过查看视频 8月1日...
Boost开发指南-4.2ignore_unused
ignore_unused 编写代码的过程中有时会出现一些暂时用不到但又必须保留的变量,GCC等编译器会对此发出警告,使用-Wunused可以关闭这些警告消息,不过这也有可能导致潜在的隐患。古老的办法是使用(void)var的形式来“使用”一下变量,…...
【Mybatis】XML映射文件
目录 11.3XML映射文件 1.select 2.insert、update、delete 3.Sql 4.parameters(参数) 5.resultMap 6.resultMap 使用示例 (1)在先前创建的数据库stu中创建表student 2,并插入若干条数据,代码如下: (2)创建工程mybatis_ResultMap_demo。 (…...
11.2【MyBatis】主配置文件
目录 11.2【MyBatis】主配置文件 1.properties(属性) 2.settings(设置) 3.typeAliases(别名) 4.typeHandlers类型处理器 5.objectFactory 对象工厂 6.plugins(插件) 7.environments (配置环境) 8.mappers (映射器) 11.2【MyBatis】主配置文件 MyBatis的 …...
linuxARM裸机学习笔记(2)----汇编LED灯实验
MX6ULL 的 IO IO的复用功能 这里的只使用了低五位,用来配置io口,其中bit0~bit3(MUX_MODE)就是设置 GPIO1_IO00 的复用功能的,GPIO1_IO00 一共可以复用为 9种功能 IO,分别对应 ALT0~ALT8。每种对应了不同的功能 io的属性配置 HY…...
用C语言实现插入排序算法
1.设计思路 用插入排序对长度为n的待排序数组A进行排序的伪代码(在代码中,A中元素的数目n用A.length来表示)。 伪代码如下: INSERTION-SORT(A) for j2 to A.length:keyA[j] //将A[j]插入已排序序列A[1..j-1]ij-1while i>0…...
2023 电赛E题--可能会出现的问题以及解决方法
2023年电赛E题报告模板(K210版)--可直接使用 本文链接:2023年电赛E题报告模板(K210版)--可直接使用_皓悦编程记的博客-CSDN博客 解决激光笔在黑色区域无法识别 本文链接: 2023 电赛 E 题 激光笔识别有误-…...
Demystifying Prompts in Language Models via Perplexity Estimation
Demystifying Prompts in Language Models via Perplexity Estimation 原文链接 Gonen H, Iyer S, Blevins T, et al. Demystifying prompts in language models via perplexity estimation[J]. arXiv preprint arXiv:2212.04037, 2022. 简单来说就是作者通过在不同LLM和不同…...
WEB集群——http、tomcat
1. 简述静态网页和动态网页的区别。 2. 简述 Webl.0 和 Web2.0 的区别。 3. 安装tomcat8,配置服务启动脚本,部署jpress应用。 1. 简述静态网页和动态网页的区别。 1)、静态网页 (1)、什么是静态网页 请求响应信息&…...
Socks5代理:网络安全与爬虫之利器
一、Socks5代理:简介与工作原理 Socks5代理,全称为Socket Secure 5代理,是一种允许用户通过代理服务器进行网络连接的技术。它是Socks协议的最新版本,在网络安全和数据传输方面有着显著的优势。 Socks5代理与其他代理的不同之处在…...
如何兼容低版本浏览器
如何兼容低版本浏览器 分为三个部分来说 HTML 低版本浏览器无法识别新增的HTML5元素,如果要兼容这部分浏览器,需要做以下处理: 对于非可替换元素,比如article、section、header、footer等,这种元素虽然低版本浏览器不识…...
【雕爷学编程】MicroPython动手做(39)——机器视觉之图像基础2
MixPY——让爱(AI)触手可及 MixPY布局 主控芯片:K210(64位双核带硬件FPU和卷积加速器的 RISC-V CPU) 显示屏:LCD_2.8寸 320*240分辨率,支持电阻触摸 摄像头:OV2640,200W像素 扬声器&#…...
AI Agent开发实战系列 - LangGraph(8): 构建基于状态路由的动态决策图
1. 动态决策图的核心价值 想象一下你正在设计一个智能客服系统。当用户输入"我的订单怎么还没到?"时,系统需要自动识别这是物流查询问题,然后路由到物流处理模块;而当用户说"我要投诉产品质量"时,…...
Linux环境下高效获取SRA数据的四种方法及实战技巧
1. SRA数据库基础与数据获取逻辑 在生物信息学研究中,SRA(Sequence Read Archive)数据库堪称原始测序数据的宝库。这个由NCBI维护的数据库,就像是一个全球共享的测序数据图书馆,里面存放着来自各种测序平台(…...
从零规划一个高校新校区网络:除了技术选型,这些坑你绕过去了吗?
高校新校区网络规划实战指南:从技术选型到避坑全解析 当清晨的第一缕阳光洒在新校区的建筑群上,网络架构师手中的拓扑图正决定着未来数万师生能否流畅开展在线教学、科研协作和校园生活。不同于传统企业网络,高校环境具有用户密度高、业务类型…...
RISC-V指令集实战:从考研408真题看数据通路设计与控制信号优化
1. RISC-V指令集与考研408真题的实战结合 第一次看到2024年考研408真题中那道RISC处理器题目时,我仿佛回到了大学实验室调试处理器的日子。这道题完美展现了RISC-V指令集在实际数据通路设计中的应用,特别是控制信号的精确控制对处理器性能的影响。很多同…...
InvenTree:企业级开源库存管理系统 - 现代化供应链管理的技术解决方案
InvenTree:企业级开源库存管理系统 - 现代化供应链管理的技术解决方案 【免费下载链接】InvenTree Open Source Inventory Management System 项目地址: https://gitcode.com/GitHub_Trending/in/InvenTree InvenTree是一款功能强大的开源库存管理系统&#…...
Cesium中Polylines的3种路径类型详解:直线、球面线与恒向线
Cesium中Polylines的3种路径类型详解:直线、球面线与恒向线 在三维地理可视化领域,Cesium作为领先的开源引擎,其Polylines图元功能为开发者提供了强大的路径绘制能力。今天我们将深入探讨三种核心路径类型——NONE(直线࿰…...
Fish Speech-1.5多语种TTS部署案例:国际学校双语教学音频批量生成实践
Fish Speech-1.5多语种TTS部署案例:国际学校双语教学音频批量生成实践 想象一下,一所国际学校的老师,每天需要为不同年级、不同语言背景的学生准备中英文对照的教学音频。传统方法要么是老师自己录制,耗时耗力且难以保证发音标准…...
Stable Yogi Leather-Dress-Collection企业案例:ACG品牌联名款服装概念图生成
Stable Yogi Leather-Dress-Collection企业案例:ACG品牌联名款服装概念图生成 想象一下,你是一家ACG(动画、漫画、游戏)潮牌的设计师。下个季度要和一部热门动漫IP联名,主题是“赛博朋克机车风”。老板要求你在三天内…...
StructBERT轻量级模型部署教程:7860端口WebUI与8080 API服务配置
StructBERT轻量级模型部署教程:7860端口WebUI与8080 API服务配置 1. 项目概述 今天给大家分享一个实用工具——StructBERT中文情感分析服务的部署教程。这个基于阿里云开源模型的服务,能够快速识别中文文本的情感倾向,无论是个人项目还是企…...
Audiveris终极指南:如何用开源工具快速实现乐谱数字化转换
Audiveris终极指南:如何用开源工具快速实现乐谱数字化转换 【免费下载链接】audiveris Latest generation of Audiveris OMR engine 项目地址: https://gitcode.com/gh_mirrors/au/audiveris Audiveris是一款强大的开源光学音乐识别(OMRÿ…...
