当前位置: 首页 > news >正文

计算机网络|数据流向剖析与分层模型详解

文章目录

    • 一、网络中的数据流向
    • 二、计算机网络通信模型
      • 1.OSI 模型
      • 2.TCP/IP 模型
      • 3.TCP/IP五层模型
        • 3.1 分层架构描述
        • 3.2各层地址结构
        • 3.3UDP数据包报头结构
      • 三、总结

一、网络中的数据流向

在计算机网络中,数据的流向是指数据从发送端到接收端的传输路径。数据流向涉及到多个层次的网络通信模型,包括物理层、数据链路层、网络层、传输层和应用层。理解数据流向对于网络通信的设计、管理和故障排除至关重要。下图展示了数据流的简单流向
在这里插入图片描述

二、计算机网络通信模型

1.OSI 模型

OSI(Open Systems Interconnection)模型是一个概念模型,它定义了网络通信的七层结构,从下到上分别是:物理层、数据链路层、网络层、传输层、会话层、表示层和应用层。OSI 模型的每一层都有特定的功能和协议,用于实现数据的传输和通信。

2.TCP/IP 模型

TCP/IP(Transmission Control Protocol/Internet Protocol)模型是实际应用中最广泛的网络通信模型,它将 OSI 模型简化为四层,分别是:网络接口层、网络层、传输层和应用层。TCP/IP 模型的每一层也有特定的功能和协议,用于实现数据的传输和通信。

3.TCP/IP五层模型

3.1 分层架构描述

TCP/IP 五层模型,它是对 TCP/IP 协议族的一种分层架构描述,包括以下五层:
1. 应用层(Application Layer)
功能:这是最接近用户的一层,主要负责为用户提供网络服务,如文件传输、电子邮件、网页浏览等。应用层协议包括 HTTP(超文本传输协议,用于网页浏览)、FTP(文件传输协议)、SMTP(简单邮件传输协议)等。
数据单元:应用层的数据单元是消息(Message)。
2. 传输层(Transport Layer)
功能:主要负责在源主机和目的主机的应用程序之间提供端到端的通信服务,确保数据的可靠传输或优化传输效率。这一层有两个重要的协议:TCP(传输控制协议,提供可靠的、面向连接的服务)和 UDP(用户数据报协议,提供不可靠的、无连接的服务)。
数据单元:传输层的数据单元是段(Segment,对于 TCP)或报文(Datagram,对于 UDP)。
3. 网络层(Internet Layer)
功能:负责将分组从源主机发送到目标主机,通过 IP 地址进行寻址和路由选择,使得数据能够跨越不同的网络到达目的地。核心协议是 IP(互联网协议)。
数据单元:网络层的数据单元是分组(Packet)。
4. 数据链路层(Data Link Layer)
功能:负责将网络层传来的分组封装成帧,并将帧从一个节点(如计算机、交换机等)传输到相邻节点,主要处理物理地址(MAC 地址)、差错检测和流量控制等。
数据单元:数据链路层的数据单元是帧(Frame)。
5. 物理层(Physical Layer)
功能:最底层,负责处理物理介质上的比特流传输,包括物理介质的电气特性、机械特性、功能特性和过程特性等,如网线的类型、光纤的规格、无线信号的频段等。

在这里插入图片描述

3.2各层地址结构

在这里插入图片描述

在这里插入图片描述

3.3UDP数据包报头结构

在这里插入图片描述

  • UDP 报头的定义:UDP 报头本身由 4 个字段组成:源端口(16 位)、目的端口(16 位)、长度(16 位)和检验和(16 位)。这
    4 个字段构成了 UDP 报头,其长度是固定的 8 字节。
  • UDP 伪首部的性质:UDP 伪首部是在计算 UDP检验和时临时构造出来的,它并不属于 UDP 报头的实际组成部分。伪首部包含源 IP 地址(32 位)、目的 IP 地址(32位)、全零(8 位)、协议(8 位,对于 UDP 是 17)、UDP 长度(16 位)。
  • 伪首部的作用主要是在计算检验和时,让 UDP能够结合 IP 层的信息来增强错误检测能力。

三、总结

计算机网络的层次模型是一种抽象概念,用于规范和解释网络通信的流程。实际上,在数据于物理介质上传输的过程中,是严格遵循这些层次所定义的功能和规则来进行处理的,各层之间相互协作,共同完成数据的传输任务。每一层负责特定功能,分层体系有助于更高效地管理网络,包括网络的构建、维护、优化以及故障排查等工作,同时也为网络技术的不断发展和创新提供了清晰的框架和基础。

相关文章:

计算机网络|数据流向剖析与分层模型详解

文章目录 一、网络中的数据流向二、计算机网络通信模型1.OSI 模型2.TCP/IP 模型3.TCP/IP五层模型3.1 分层架构描述3.2各层地址结构3.3UDP数据包报头结构 三、总结 一、网络中的数据流向 在计算机网络中,数据的流向是指数据从发送端到接收端的传输路径。数据流向涉及…...

某些iphone手机录音获取流stream延迟问题 以及 录音一次第二次不录音问题

一些型号的iphone手机录音获取流stream延迟问题 以及 录音一次第二次不录音问题 延迟问题 navigator.mediaDevices.getUserMedia({ audio: true }) .then((stream) > {console.log(stream) })从开始到获取stream会有将近2s的延迟 导致按下按钮开始录音 会有前…...

gazebo_world 基本围墙。

如何使用&#xff1f; 参考gazebo harmonic的官方教程。 本人使用harmonic的template&#xff0c;在里面进行修改就可以分流畅地使用下去。 以下是world 文件. <?xml version"1.0" ?> <!--Try sending commands:gz topic -t "/model/diff_drive/…...

Ubuntu 上高效实现 Texlive 安装和管理

文章目录 介绍操作步骤1. 下载 Texlive 安装包2. 解压安装包3. 安装基础安装命令通用的 scheme 选项 4. 配置环境变量 使用 tlmgr 管理包总结 介绍 Texlive 是学术和技术文档编写的重要工具, 选择适合的安装方案能帮助您提升效率并减少磁盘空间占用. 本文将为您提供在 Ubuntu …...

LeetCOde914 卡牌分组

扑克牌分组问题&#xff1a;探索最大公约数的应用 在编程的世界里&#xff0c;我们经常会遇到各种有趣的算法问题&#xff0c;今天要和大家分享的是一道关于扑克牌分组的问题&#xff0c;它巧妙地运用了最大公约数的概念来解决。 一、问题描述 给定一副牌&#xff0c;每张牌…...

MicroDiffusion——采用新的掩码方法和改进的 Transformer 架构,实现了低预算的扩散模型

介绍 论文地址&#xff1a;https://arxiv.org/abs/2407.15811 现代图像生成模型擅长创建自然、高质量的内容&#xff0c;每年生成的图像超过十亿幅。然而&#xff0c;从头开始训练这些模型极其昂贵和耗时。文本到图像&#xff08;T2I&#xff09;扩散模型降低了部分计算成本&a…...

QWT 之 QwtPlotDirectPainter直接绘制

QwtPlotDirectPainter 是 Qwt 库中用于直接在 QwtPlot 的画布上绘制图形的一个类。它提供了一种高效的方法来实时更新图表&#xff0c;特别适合需要频繁更新的数据可视化应用&#xff0c;例如实时数据流的显示。 使用 QwtPlotDirectPainter 的主要优势在于它可以绕过 QwtPlot 的…...

埃斯顿机器人程序案例多个点位使用变量

多个点位使用变量取放...

【数据分析】贝叶斯定理

文章目录 一、贝叶斯定理的基本形式二、贝叶斯定理的推导三、贝叶斯定理的应用四、贝叶斯定理的优势与挑战 贝叶斯定理&#xff08;Bayes Theorem&#xff09;是概率论中的一个重要公式&#xff0c;它提供了一种根据已有信息更新事件发生概率的方式。贝叶斯定理的核心思想是通过…...

学AI编程的Prompt工程,marscode

利用marscode做个创意应用 Datawhale-AI活动 首先把自己的创意告诉marscode&#xff0c;marscode会针对你的创意开始写代码。如果在把创意给marscode前有更好的梳理&#xff0c;会有更好的结果。 对于一个新开始的项目&#xff0c;只需要点击apply进行应用 由于ai的效果不稳定…...

python中的与时间相关的模块

python中的与时间相关的模块 1. time 模块2. datetime 模块3. calendar 模块4. timeit 模块5. pytz 模块6. dateutil 模块参考资料 1. time 模块 time 模块提供了时间相关的函数&#xff0c;主要用于测量时间间隔、获取当前时间、格式化时间等 主要功能 获取当前时间&#xff…...

【Python运维】构建基于Python的自动化运维平台:用Flask和Celery

《Python OpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门! 解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界 在现代IT运维中,自动化运维平台扮演着至关重要的角色,它能够显著提高运维效率,减少人为错误,并且增强系统的可维护性。本文将引导读者如…...

Qt 12.28 day3

作业&#xff1a; 1】 思维导图 2】 在登录界面的登录取消按钮进行以下设置&#xff1a; 使用手动连接&#xff0c;将登录框中的取消按钮使用qt4版本的连接到自定义的槽函数中&#xff0c;在自定义的槽函数中调用关闭函数 将登录按钮使用qt5版本的连接到自定义的槽函数中&a…...

Java爬虫获取速卖通(AliExpress)商品详情

1. 环境准备 在开始编写爬虫之前&#xff0c;需要准备以下环境和工具&#xff1a; Java开发环境&#xff1a;确保你的计算机上安装了Java开发工具包&#xff08;JDK&#xff09;。IDE&#xff1a;选择一个Java集成开发环境&#xff0c;如IntelliJ IDEA、Eclipse等。第三方库&…...

Learning Multi-Scale Photo Exposure Correction

Abstract 用错误的曝光捕捉照片仍然是相机成像的主要错误来源。曝光问题可分为以下两类:(i)曝光过度&#xff0c;即相机曝光时间过长&#xff0c;导致图像区域明亮和褪色;(ii)曝光不足&#xff0c;即曝光时间过短&#xff0c;导致图像区域变暗。曝光不足和曝光过度都会大大降低…...

【Rust自学】7.4. use关键字 Pt.1:use的使用与as关键字

喜欢的话别忘了点赞、收藏加关注哦&#xff0c;对接下来的教程有兴趣的可以关注专栏。谢谢喵&#xff01;(&#xff65;ω&#xff65;) 7.4.1. use的作用 use的作用是将路径导入到当前作用域内。而引入的内容仍然是遵守私有性原则&#xff0c;也就是只有公共的部分引入进来才…...

C++ 设计模式:门面模式(Facade Pattern)

链接&#xff1a;C 设计模式 链接&#xff1a;C 设计模式 - 代理模式 链接&#xff1a;C 设计模式 - 中介者 链接&#xff1a;C 设计模式 - 适配器 门面模式&#xff08;Facade Pattern&#xff09;是一种结构型设计模式&#xff0c;它为子系统中的一组接口提供一个一致&#…...

从0到100:基于Java的大学选修课选课小程序开发笔记(上)

背景 为学生提供便捷的课程选择方式&#xff0c;并帮助学校进行课程管理和资源调配&#xff1b;主要功能包括&#xff1a;课程展示&#xff0c;自主选课&#xff0c;取消选课&#xff0c;后台录入课程&#xff0c;统计每门课程报名情况&#xff0c;导出数据&#xff0c;用户管…...

【算法题解】B. President‘s Office - Python实现

题目描述 Berland的总统办公室内设有多个办公桌&#xff0c;其中总统和其属下各自拥有独特颜色的办公桌。总统希望统计哪些属下的办公桌紧邻他的办公桌&#xff0c;但不记得确切的数量。 输入描述&#xff1a; 第一行包含三个值 n, m, c&#xff0c;分别是办公室的长度、宽度…...

【Spring Boot 】详解

Spring Boot 详解 一、Spring Boot 概述 &#xff08;一&#xff09;产生背景 随着 Java 应用的日益复杂&#xff0c;传统 Spring 框架在项目搭建与配置方面愈发繁琐&#xff0c;大量的 XML 配置、依赖管理等工作耗费开发者诸多精力。为解决这些痛点&#xff0c;Spring Boot …...

linux之kylin系统nginx的安装

一、nginx的作用 1.可做高性能的web服务器 直接处理静态资源&#xff08;HTML/CSS/图片等&#xff09;&#xff0c;响应速度远超传统服务器类似apache支持高并发连接 2.反向代理服务器 隐藏后端服务器IP地址&#xff0c;提高安全性 3.负载均衡服务器 支持多种策略分发流量…...

论文解读:交大港大上海AI Lab开源论文 | 宇树机器人多姿态起立控制强化学习框架(二)

HoST框架核心实现方法详解 - 论文深度解读(第二部分) 《Learning Humanoid Standing-up Control across Diverse Postures》 系列文章: 论文深度解读 + 算法与代码分析(二) 作者机构: 上海AI Lab, 上海交通大学, 香港大学, 浙江大学, 香港中文大学 论文主题: 人形机器人…...

关于nvm与node.js

1 安装nvm 安装过程中手动修改 nvm的安装路径&#xff0c; 以及修改 通过nvm安装node后正在使用的node的存放目录【这句话可能难以理解&#xff0c;但接着往下看你就了然了】 2 修改nvm中settings.txt文件配置 nvm安装成功后&#xff0c;通常在该文件中会出现以下配置&…...

用docker来安装部署freeswitch记录

今天刚才测试一个callcenter的项目&#xff0c;所以尝试安装freeswitch 1、使用轩辕镜像 - 中国开发者首选的专业 Docker 镜像加速服务平台 编辑下面/etc/docker/daemon.json文件为 {"registry-mirrors": ["https://docker.xuanyuan.me"] }同时可以进入轩…...

Android Bitmap治理全解析:从加载优化到泄漏防控的全生命周期管理

引言 Bitmap&#xff08;位图&#xff09;是Android应用内存占用的“头号杀手”。一张1080P&#xff08;1920x1080&#xff09;的图片以ARGB_8888格式加载时&#xff0c;内存占用高达8MB&#xff08;192010804字节&#xff09;。据统计&#xff0c;超过60%的应用OOM崩溃与Bitm…...

优选算法第十二讲:队列 + 宽搜 优先级队列

优选算法第十二讲&#xff1a;队列 宽搜 && 优先级队列 1.N叉树的层序遍历2.二叉树的锯齿型层序遍历3.二叉树最大宽度4.在每个树行中找最大值5.优先级队列 -- 最后一块石头的重量6.数据流中的第K大元素7.前K个高频单词8.数据流的中位数 1.N叉树的层序遍历 2.二叉树的锯…...

纯 Java 项目(非 SpringBoot)集成 Mybatis-Plus 和 Mybatis-Plus-Join

纯 Java 项目&#xff08;非 SpringBoot&#xff09;集成 Mybatis-Plus 和 Mybatis-Plus-Join 1、依赖1.1、依赖版本1.2、pom.xml 2、代码2.1、SqlSession 构造器2.2、MybatisPlus代码生成器2.3、获取 config.yml 配置2.3.1、config.yml2.3.2、项目配置类 2.4、ftl 模板2.4.1、…...

CVPR2025重磅突破:AnomalyAny框架实现单样本生成逼真异常数据,破解视觉检测瓶颈!

本文介绍了一种名为AnomalyAny的创新框架&#xff0c;该方法利用Stable Diffusion的强大生成能力&#xff0c;仅需单个正常样本和文本描述&#xff0c;即可生成逼真且多样化的异常样本&#xff0c;有效解决了视觉异常检测中异常样本稀缺的难题&#xff0c;为工业质检、医疗影像…...

Spring Security 认证流程——补充

一、认证流程概述 Spring Security 的认证流程基于 过滤器链&#xff08;Filter Chain&#xff09;&#xff0c;核心组件包括 UsernamePasswordAuthenticationFilter、AuthenticationManager、UserDetailsService 等。整个流程可分为以下步骤&#xff1a; 用户提交登录请求拦…...

es6+和css3新增的特性有哪些

一&#xff1a;ECMAScript 新特性&#xff08;ES6&#xff09; ES6 (2015) - 革命性更新 1&#xff0c;记住的方法&#xff0c;从一个方法里面用到了哪些技术 1&#xff0c;let /const块级作用域声明2&#xff0c;**默认参数**&#xff1a;函数参数可以设置默认值。3&#x…...