当前位置: 首页 > news >正文

计算机网络 第二节

目录

一,计算机网络的分类

1.按照覆盖范围分

2.按照所属用途分

二,计算机网络逻辑组成部分

1.核心部分 (通信子网)

1.1电路交换

1.2 分组交换

两种方式的特点     重点

2.边缘部分  (资源子网)

进程通信的方式:

三,计算机网路性能指标

1.速度指标

2.时间指标

3.往返时延RTT

4.时延带宽机

四,计算机网络体系结构

1.复杂问题分层处理思想

2.常见的计算机网络体系结构

3.引入体系结构后数据的传输流程

4.体系结构中的概念名词


一,计算机网络的分类

1.按照覆盖范围分

广域网   城域网   局域网             个人区域网

2.按照所属用途分

专用网  公用网

(专用网络,比如早期的银行,政府,军队,不能专用网络和公用网络混着用,公用网:你在外面就可以连的网,比如你出去玩,外面给你提供的网络)

二,计算机网络逻辑组成部分

1.核心部分 (通信子网)

负责进行数据传输的那些设备归集在一起,称为通信子网

通信子网的工作方式:即通信子网如何将数据进行远距离快速传输

1.1电路交换

电话系统进行数据传输的方式:称为电路交换

电路交换:拨号(连接的建立 )  申请本次通信所需要的线路资源,它具有独占性

                   通话(数据传输)       在所申请的线路中进行传输

                  挂断(释放连接)        归还所占用的资源

我们考虑一下,这种电话系统的方式进行数据传输适不适合计算机产生的数据呢?可以想到电话产生的数据是连续的大量的,你打电话不会好长时间只说一句话,而计算机所产生的数据有时候有有时候没有,有可能是一段一段的而且传输的数据可能比较小,这样你在拨号时建立连接和挂断时释放连接比你传输数据所需要的时间还要长,这样就得不偿失了,这样我们就引出来另外一种数据传输方式

1.2 分组交换

另外一种数据的传输方式:称为分组交换

它利用存储转发的思想实现数据的远距离传输

路由器的用途就是转发分组即存储交换

所谓分组交换就是把你发送端,把较⻓的报⽂划分成较短的、固定⻓度的数据段。 每⼀个数据段前⾯添加上⾸部构成分组(packet)。

每个分组可以随意的选择路径走(也就是路由器存储),那么到终点这些分组肯定有先到的后到达的,我们这就利用了它的特殊的控制信息,也就是前面的首部,将报文恢复为原始数据

分组交换的思想:数据源产生待发送的数据,按照网络要求,会将其切分成若干个小块(分组),然后为每一个分组加上(特殊的)控制信息,投放到网络中,网络通信设备会接收存储起来,之后,它会选择合适的时间合适的路径为每个分组再次转发分组,到终点后会按照安装原始的顺序进行组装,恢复原始数据

两种方式的特点     重点

1.电路交换属于资源预留型交换方式,适合于大块数据连续传输

2.分组交换属于存储转发思想,适合离散数据的传输

重点:两种交换方式的特点,场合

传统的电路交换的特点(优点等) 为什么用分组(特点)

2.边缘部分  (资源子网)

边缘部分:由主机(计算机构成)

计算机在网络通信中的作用:产生资源,处理资源(数据)

本质上内容:数据产生的主体----------进程(运动着的软件)

计算机网络通信的主体是进程之间的通信

进程通信的方式:

1)客户/服务    模式          客户进程/服务器进程

                                            IE/WWW

其中:客户进程是通信的发起者,服务进程是被动接收者

2)点对点  Peer   To   Peer

点(Peer)可以在客户和服务进程角色间进行交换

三,计算机网路性能指标

1.速度指标

1)速率 bit/s   b/s(kb/s  mb/s g/s   10^3)某设备某网络传输数据能力

2)带宽  20M/s   极限工作速率(达不到)

3)  吞吐量 (实际工作速率)b/s

单位时间内实际传输数据的能力=(传输数据大小)/ (实际花费的时间)

2.时间指标

1) 时延  从A点到B点所耗用的时间

A-->B  所经过路径比较复杂,所以消耗的时间也不同,所以进行细致划分

2)发送时延   s  可定量计算

发送时延=(数据块大小bit)/ (宽带b/s)

3)传播时延   s    可定量计算

A->B 有一定的线路传输距离,在这个距离上,数据从A到B所花的时间

传播时延=(线路距离m)/线路传输数据速率(m/s)

4) 排队时延     s   不可定量计算

5)处理时延     s  不可定量计算,与设备有关

3.往返时延RTT

是动态变化的 A到B一个来回所耗费的时间

4.时延带宽机

时延×带宽

四,计算机网络体系结构

1.复杂问题分层处理思想

2.常见的计算机网络体系结构

3.引入体系结构后数据的传输流程

4.体系结构中的概念名词

相关文章:

计算机网络 第二节

目录 一,计算机网络的分类 1.按照覆盖范围分 2.按照所属用途分 二,计算机网络逻辑组成部分 1.核心部分 (通信子网) 1.1电路交换 1.2 分组交换 两种方式的特点 重点 2.边缘部分 (资源子网) 进程通信的方…...

无涯教程-机器学习 - 矩阵图函数

相关性是有关两个变量之间变化的指示,在前面的章节中,无涯教程讨论了Pearson的相关系数以及相关的重要性,可以绘制相关矩阵以显示哪个变量相对于另一个变量具有较高或较低的相关性。 在以下示例中,Python脚本将为Pima印度糖尿病数…...

Redis 高可用与集群

Redis 高可用与集群 虽然 Redis 可以实现单机的数据持久化,但无论是 RDB 也好或者 AOF 也好,都解决 不了单点宕机问题,即一旦单台 redis 服务器本身出现系统故障、硬件故障等问题后, 就会直接造成数据的丢失,因此需要…...

修改文件名后Git仓上面并没有修改

场景: 我在本地将文件夹名称由Group → group ,执行git push 后,远程分支上的文件名称并没有修改。 原因: 是我绕过了git 直接使用了系统的重命名操作。 在 Git 中,对于已经存在的文件或文件夹进行大小写重命名是一个敏感的操作…...

Linux 信号

目录 基本概念信号的分类可靠信号与不可靠信号实时信号与非实时信号 常见信号与默认行为进程对信号的处理signal()函数sigaction()函数 向进程发送信号kill()函数raise() alarm()和pause()函数alarm()函数pause()函数 信号集初始化信号集测试信号是否在信号集中 获取信号的描述…...

深入探讨梯度下降:优化机器学习的关键步骤(二)

文章目录 🍀引言🍀eta参数的调节🍀sklearn中的梯度下降 🍀引言 承接上篇,这篇主要有两个重点,一个是eta参数的调解;一个是在sklearn中实现梯度下降 在梯度下降算法中,学习率&#xf…...

高频算法面试题

合并两个有序数组 const merge (nums1, nums2) > {let p1 0;let p2 0;const result [];let cur;while (p1 < nums1.length || p2 < nums2.length) {if (p1 nums1.length) {cur nums2[p2];} else if (p2 nums2.length) {cur nums1[p1];} else if (nums1[p1] &…...

Hive-启动与操作(2)

&#x1f947;&#x1f947;【大数据学习记录篇】-持续更新中~&#x1f947;&#x1f947; 个人主页&#xff1a;beixi 本文章收录于专栏&#xff08;点击传送&#xff09;&#xff1a;【大数据学习】 &#x1f493;&#x1f493;持续更新中&#xff0c;感谢各位前辈朋友们支持…...

css transition 指南

css transition 指南 在本文中&#xff0c;我们将深入了解 CSS transition&#xff0c;以及如何使用它们来创建丰富、精美的动画。 基本原理 我们创建动画时通常需要一些动画相关的 CSS。 下面是一个按钮在悬停时移动但没有动画的示例&#xff1a; <button class"…...

LeetCode 面试题 02.05. 链表求和

文章目录 一、题目二、C# 题解 一、题目 给定两个用链表表示的整数&#xff0c;每个节点包含一个数位。 这些数位是反向存放的&#xff0c;也就是个位排在链表首部。 编写函数对这两个整数求和&#xff0c;并用链表形式返回结果。 点击此处跳转题目。 示例&#xff1a; 输入&a…...

一米脸书营销软件

功能优势 JOIN ADVANTAGE HOME PAGE MARKETING 公共主页营销 可同时对多个账户公共主页评论&#xff0c;点赞等 可批量邀请多个好友对Facebook公共主页进行评论点赞等&#xff0c;也可批量登录小号对自己公共主页进行点赞。 GROUP MARKETING 小组营销 可批量针对不同账户进行…...

vue 根据数值判断颜色

1.首先style样式给两种颜色 用:class 三元运算符判断出一种颜色 第一步&#xff1a;在style里边设置两种颜色 .green{color: green; } .orange{color: orangered; }在取数据的标签 里边 判断一种颜色 :class"item.quote.current >0 ?orange: green"<van-gri…...

Hugging Face 实战系列 总目录

PyTorch 深度学习 开发环境搭建 全教程 Transformer:《Attention is all you need》 Hugging Face简介 1、Hugging Face实战-系列教程1&#xff1a;Tokenizer分词器&#xff08;Transformer工具包/自然语言处理&#xff09; Hungging Face实战-系列教程1&#xff1a;Tokenize…...

国标视频云服务EasyGBS国标视频平台迁移服务器后无法启动的问题解决方法

国标视频云服务EasyGBS支持设备/平台通过国标GB28181协议注册接入&#xff0c;并能实现视频的实时监控直播、录像、检索与回看、语音对讲、云存储、告警、平台级联等功能。平台部署简单、可拓展性强&#xff0c;支持将接入的视频流进行全终端、全平台分发&#xff0c;分发的视频…...

HTML <th> 标签

实例 普通的 HTML 表格,包含两行两列: <table border="1"><tr><th>Company</th><th>Address</th></tr><tr><td>Apple, Inc.</td><td>1 Infinite Loop Cupertino, CA 95014</td></tr…...

HTTP/1.1协议中的响应报文

2023年8月30日&#xff0c;周三下午 目录 概述响应报文示例详述 概述 HTTP/1.1协议的响应报文由以下几个部分组成&#xff1a; 状态行&#xff08;Status Line&#xff09;响应头部&#xff08;Response Headers&#xff09;空行&#xff08;Blank Line&#xff09;响应体&a…...

TDengine函数大全-选择函数

以下内容来自 TDengine 官方文档 及 GitHub 内容 。 以下所有示例基于 TDengine 3.1.0.3 TDengine函数大全 1.数学函数 2.字符串函数 3.转换函数 4.时间和日期函数 5.聚合函数 6.选择函数 7.时序数据库特有函数 8.系统函数 选择函数 TDengine函数大全BOTTOMFIRSTINTERPLASTLAS…...

非关系型数据库Redis的安装

一、关系型数据库与非关系型数据库的区别&#xff1a;---------面试高频率问题 1、首先了解一下 什么是关系型数据库&#xff1f; 关系型数据库最典型的数据结构是表&#xff0c;由二维表及其之间的联系所组成的一个数据组织。 优点&#xff1a; 易于维护&#xff1a;都是使用…...

oracle 创建数据库

查询表空间的命令 select t1.name,t2.name from v$tablespace t1,v$datafile t2 where t1.ts# t2.ts#; CREATE TABLESPACE ORM_342_BETA DATAFILE /app/oracle/oradata/sysware/ORM_342_BETA.DBF size 800M --存储地址 初始大小800M autoextend on nex…...

wxWidgets从空项目开始Hello World

前文回顾 接上篇&#xff0c;已经是在CodeBlocks20.03配置了wxWidgets3.0.5&#xff0c;并且能够通过项目创建导航创建一个新的工程&#xff0c;并且成功运行。 那么上一个是通过CodeBlocks的模板创建的&#xff0c;一进去就已经是2个头文件2个cpp文件&#xff0c;总是感觉缺…...

像素语言·跨维传送门参数详解:Hunyuan-MT-7B引擎温度/长度/对齐策略调优指南

像素语言跨维传送门参数详解&#xff1a;Hunyuan-MT-7B引擎温度/长度/对齐策略调优指南 1. 工具概览与核心价值 像素语言跨维传送门(Pixel Language Portal)是基于Tencent Hunyuan-MT-7B引擎构建的创新翻译工具&#xff0c;它将传统翻译体验重构为16-bit像素冒险风格。不同于…...

intv_ai_mk11惊艳效果展示:Llama中型模型在中文解释说明任务中的表现

intv_ai_mk11惊艳效果展示&#xff1a;Llama中型模型在中文解释说明任务中的表现 1. 模型核心能力概览 intv_ai_mk11作为基于Llama架构的中等规模文本生成模型&#xff0c;在中文解释说明任务中展现出令人印象深刻的能力。这个开箱即用的解决方案特别适合需要清晰、准确表达的…...

Laravel Stats Tracker设备检测技术解析:精准识别移动端与桌面端

Laravel Stats Tracker设备检测技术解析&#xff1a;精准识别移动端与桌面端 【免费下载链接】tracker Laravel Stats Tracker 项目地址: https://gitcode.com/gh_mirrors/tr/tracker Laravel Stats Tracker是一款强大的Laravel统计跟踪工具&#xff0c;它提供了精准的设…...

Arduino模拟输入校准库:软件定义ADC精度提升方案

1. AnalogInput 库概述AnalogInput 是一个专为 Arduino 平台设计的轻量级模拟输入信号处理库&#xff0c;其核心工程目标是在资源受限的微控制器上实现高鲁棒性的自动校准与稳定采样。不同于 Arduino 原生analogRead()的裸调用方式&#xff0c;该库通过软件层面的系统性补偿机制…...

Cuvil + HuggingFace Pipeline端到端加速实录:BERT-base推理延迟从142ms降至31ms的6个关键编译开关

第一章&#xff1a;Cuvil 编译器在 Python AI 推理中的应用 面试题汇总Cuvil 是一款面向 AI 推理场景的轻量级领域专用编译器&#xff08;DSL Compiler&#xff09;&#xff0c;专为优化 Python 中基于 PyTorch/TensorFlow 模型的部署而设计。它通过静态图分析、算子融合与硬件…...

AI 模型推理中的延迟分析与测试

AI 模型推理中的延迟分析与测试 在人工智能技术快速发展的今天&#xff0c;AI 模型的推理性能成为影响实际应用效果的关键因素之一。无论是智能语音助手、自动驾驶&#xff0c;还是实时推荐系统&#xff0c;延迟的高低直接决定了用户体验的好坏。对 AI 模型推理的延迟进行分析…...

区块链AI骗局:深扒某DeFi项目的测试造假链

当技术信任沦为欺诈工具 在软件测试领域&#xff0c;我们习惯于与代码、流程和标准打交道&#xff0c;致力于构建可靠、可验证的系统。然而&#xff0c;在区块链与人工智能融合的前沿地带&#xff0c;一场针对“信任”本身的系统性造假正在上演。本文旨在从一个软件测试工程师…...

Word多级列表编号消失?别慌!用这个宏代码一劳永逸(附详细操作截图)

Word多级列表编号消失&#xff1f;三步根治方案与宏代码实战 写论文时目录编号突然消失&#xff1f;项目报告的多级列表格式莫名混乱&#xff1f;这种"幽灵问题"几乎困扰过每个深度使用Word的用户。传统方法往往只能临时修复&#xff0c;下次打开文档时问题依旧——直…...

新手零基础入门:利用快马平台交互式学习Python库安装与初体验

作为一个刚接触Python数据分析的小白&#xff0c;第一次听说pandas库时既兴奋又忐忑。兴奋的是这个工具能帮我处理数据&#xff0c;忐忑的是连安装都怕搞砸。好在发现了InsCode(快马)平台&#xff0c;它把复杂的安装过程变成了可以直接运行的交互式教程&#xff0c;下面分享我的…...

提示词合集【自用】

遇到什么问题 用什么方法解决的 为什么不用别的方法 还有没有更好的方法这是一个{简要描述}&#xff0c;请根据以下方式&#xff0c;帮助我学习整个代码库&#xff1a; 项目结构 - 编译方式 - 入口 - 核心逻辑 - 时序图 - 各个步骤关键实现函数。 每次回复只聚焦其中一个部分&a…...