计算机网络(三):OSI七层参考模型

简介: OSI七层参考模型

OSI七层参考模型

OSI参考模型

国际标准化组织(ISO)于1984年提出开放系统互连OSI参考模型,目的是:支持异构网络系统的互联互通

-

应用层
应用层可以定义为是所有能和用户交互产生网络流量的程序的集合,是OSI参考模型的顶层

典型应用层服务:

1. 文件传输(FTP)
2. 电子邮件(SMTP)
3. 万维网(HTTP)



表示层
表示层主要用于处理在两个通信系统中交换信息的表示方法(语法和语义)

表示层功能:

1. 数据格式交换(翻译)
2. 功能二:数据加密解密
3. 功能三:数据压缩和恢复

主要协议:JPEG,ASCII



会话层
向表示层实体/用户进场提供建立连接并在连接上有序地传输数据,这叫做会话,也是建立同步(SYN)
会话层的功能:
1. 建立、管理、中止会话
2. 使用校验点可使会话在通信失效时从校验点/同步点继续恢复通信,实现数据同步适用于传输大文件

主要协议:ADSP,ASP



传输层
传输层是自下而上第一个面向端到端的层次,也是下三层通信子网与上三层资源子网的接口,它负责主机中两个进程的通信,即端到端的通信。传输单位是报文段或用户数据报
传输层功能:
1. 可靠传输、不可靠传输
2. 差错控制
3. 流量控制:
    流量控制用于防止在端口阻塞的情况下丢帧,这种方法是当发送或接收缓冲区开始溢出时通过将阻塞信号发送回源地址实现的。
4. 复用分用
    1. 复用:多个应用层进程可同时使用下面传输层的服务
    2. 分用:传输层把受到的信息分别交付给上面应用层中相应的进程



网络层
网络层主要任务是把分组从源端传到目的端,为分组交换网上的不同主机提供通信服务,网络层传输单位是数据包

网络层功能主要为:

1. 路由选择
2. 流量控制
3. 差错控制
4. 拥塞控制
    若所有结点都来不及接受分组,而要丢弃大量分组的话,网络就处于拥塞状态。因此要采取一定措施,缓解这种拥塞。

补充:网络和传输层的区别在于,网络层提供的是主机之间的逻辑通信机制,而传输层**提供的是应用进程之间的逻辑通信机制,位于网络层之上,并且依赖网络层服务。



数据链路层
数据链路层的主要任务是把网络层传下来的数据报组装成帧,数据链路层/链路层的传输单位是帧
数据链路层功能:
1. 成帧(定义帧的开始和结束)
2. 差错控制 (帧错+位错)
3. 流量控制
4. 访问(接入)控制—控制对信道的访问



物理层
主要任务是在物理媒体上实现比特流的透明传输,物理层传输单位是比特

透明传输:指不管所传数据是什么样的比特组合,都应当能够在链路上传送

物理层功能:

1. 定义接口特性
2. 定义传输模式(单工、半双工、双工)
3. 定义传输速率
4. 比特同步
5. 比特编码


OSI参考模型的通信过程

在OSI参考模型中,设备A向设备B发送数据时,所要发送的数据自应用层由上往下,每过一层就打包一遍该层的协议。等到数据在链路上开始传播,遇到中间系统,如遇到交换机、网桥等则解析到数据链路层,遇到路由器则解析到网络层,然后再进行转发,直到到达设备B后,再依次解析,不断向上层传递消息

端对端:就是这层数据不会被其它设备二次解析,直接到达目的设备

点对点:就是这层数据会被其它设备二次解析

TCP/IP参考模型

OSI七层模型和TCP/IP模型对比图见上,TCP/IP模型其实是先提出了TCP/IP协议栈后,被人总结归纳出的TCP/IP参考模型。目前,TCP/IP参考模型是实际应用中的参考模型。

两者的相同点

1. 都进行分层
2. 都基于独立的协议栈的概念
3. 可以实现异构网络互联

两者的不同点

  1. OSI定义三点:服务、协议、接口,TCP/IP设计之初并没有这种概念
  2. OSI先出现,参考模型先于协议发明,不偏向特定协议
  3. TCP/IP设计之初就考虑到异构网互联问题,将IP作为重要层次
  4. 如图:

五层参考模型

五层参考模型是综合了OSI和TCP/IP优点的参考模型,是一个为了方便学习计算机网络原理而采用的模型

相关文章
|
9天前
|
机器学习/深度学习 数据采集 数据可视化
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(下)
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
28 4
|
4天前
|
网络协议 数据安全/隐私保护 网络架构
OSI七层模型和TCPIP五层模型
OSI七层模型和TCPIP五层模型
|
4天前
|
机器学习/深度学习 PyTorch 算法框架/工具
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
|
4天前
|
机器学习/深度学习 算法 数据可视化
数据报告分享|WEKA贝叶斯网络挖掘学校在校人数影响因素数据分类模型
数据报告分享|WEKA贝叶斯网络挖掘学校在校人数影响因素数据分类模型
14 1
|
4天前
|
机器学习/深度学习 数据采集 监控
构建高效机器学习模型的策略与实践云端防御:融合云计算与网络安全的未来策略
【4月更文挑战第29天】 在数据驱动的时代,构建一个高效的机器学习模型对于解决复杂问题至关重要。本文将探讨一系列策略和最佳实践,旨在提高机器学习模型的性能和泛化能力。我们将从数据处理的重要性入手,进而讨论模型选择、训练技巧、超参数调优以及模型评估方法。通过这些策略的实施,读者将能够构建出更加健壮、准确的模型,并有效地避免过拟合和欠拟合问题。
|
5天前
|
机器学习/深度学习 数据可视化 Python
R语言神经网络模型预测多元时间序列数据可视化
R语言神经网络模型预测多元时间序列数据可视化
11 0
|
5天前
|
存储 安全 网络安全
网络防御的三柱模型:漏洞管理、加密技术与安全意识
【4月更文挑战第29天】在数字化时代,网络安全和信息安全是维系信息完整性、保障用户信任和维护企业声誉的关键。本文将深入探讨构成网络防御核心的三柱模型:网络安全漏洞的识别与管理、加密技术的应用以及提升整体安全意识的重要性。通过对这些领域的细致分析,旨在为读者提供一套全面而实用的知识框架,以应对日益复杂的网络安全挑战。
|
5天前
|
机器学习/深度学习 数据可视化
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
14 1
|
5天前
|
机器学习/深度学习 算法 TensorFlow
TensorFlow 2keras开发深度学习模型实例:多层感知器(MLP),卷积神经网络(CNN)和递归神经网络(RNN)
TensorFlow 2keras开发深度学习模型实例:多层感知器(MLP),卷积神经网络(CNN)和递归神经网络(RNN)
|
5天前
|
数据可视化 算法 数据挖掘
R语言SIR模型网络结构扩散过程模拟SIR模型(Susceptible Infected Recovered )代码实例
R语言SIR模型网络结构扩散过程模拟SIR模型(Susceptible Infected Recovered )代码实例
13 0