用进化的观点学习网络协议

简介:
一般而言,我们比较习惯于用分层的观点来学习网络协议,这也是大学的教学方法。然而这种方式在前期如果有个地方理解不了只有死记硬背了。如果我们带着问题,并且试图去解决这些问题,最终恍然大悟,得到“原来XX协议就是解决这个问题的啊”这种感叹,那么学习效果一定事半功倍。
    所谓带着问题学习,其实就是抛开一切知识,从无到有,自下而上或者自上而下去思考一个问题的解决方法,这样一来,最终你会发现,其实很多的网络协议你自己也能设计出来,只是不那么完美罢了。对于网络设备,我们只需要知道它们是支撑网络协议的就行了。不要过度考虑那些多层的设备,只要一层一层的考虑即可。
    如果你能从一根线缆自行设计出hub,进而发现了hub的诸多问题,然后又设计出switch隔离了冲突域,可是后来又发现了安全性以及管理方面的问题,终于设计出了VLAN,隔离了广播域...由于扩展性的问题,你自己设计出了网络层(事实上,IP的设计并不是想象的那么困难),...这样的话,你就是高手了。带着问题去自己思考,这是一种很好的学习方法,最终拿到真正的协议后,和自己想的比较一下,看看自己哪些地方考虑的不够全面,同时也要看看自己哪些地方猜对了,给自己一点鼓励...
    以上是一个大致的轮廓,曰:有问题才有解决。然而问题何在?问题一开始是什么样子的?这就需要用进化的观点了,即使是上帝也不能一下子设计出人,三叶虫简单,于是三叶虫被设计出来了,经历了风风雨雨之后,很多设计被时间证明是失败的设计,于是某些物种灭绝了,直到最后,人类的出现...在网络协议上,也是一个类似的轨迹,一开始就是一根线缆,接着出现了hub,PBX,Switch之类,...如今,七层交换,应用代理,统统都应有尽有,其间也有很多被淘汰了,而这些被淘汰的或者将被淘汰的协议曾经也被很多人看好过。如果把网络协议的历史都了解了,那么学习一个新的协议将会变得简单,因为发展曲线已经很清晰了,一个特定的协议一项特定的技术肯定是为了解决某一个或者某一类问题而被提出的,而问题基本都是历史遗留的,这个规律在计算机网络以及通信网络领域尤为普遍。

......



 本文转自 dog250 51CTO博客,原文链接:http://blog.51cto.com/dog250/1268989

相关文章
|
2月前
|
NoSQL Java Redis
Redis系列学习文章分享---第十八篇(Redis原理篇--网络模型,通讯协议,内存回收)
Redis系列学习文章分享---第十八篇(Redis原理篇--网络模型,通讯协议,内存回收)
53 0
|
2月前
|
存储 消息中间件 缓存
Redis系列学习文章分享---第十七篇(Redis原理篇--数据结构,网络模型)
Redis系列学习文章分享---第十七篇(Redis原理篇--数据结构,网络模型)
62 0
|
3天前
|
网络协议
详解VXLAN网络中报文是如何转发的?值得收藏学习!
详解VXLAN网络中报文是如何转发的?值得收藏学习!
详解VXLAN网络中报文是如何转发的?值得收藏学习!
|
17天前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络不再是黑魔法!Python带你一步步拆解,让AI学习看得见
【8月更文挑战第3天】神经网络,曾被视为难以触及的黑魔法,现已在Python的助力下变得平易近人。以TensorFlow或PyTorch为“魔法杖”,仅需几行Python代码即可构建强大的AI模型。从零开始,我们将教导AI识别手写数字,利用经典的MNIST数据集。通过数据加载、预处理至模型训练与评估,每个步骤都如精心编排的舞蹈般清晰可见。随着训练深入,AI逐渐学会辨认每个数字,其学习过程直观展现。这不仅揭示了神经网络的奥秘,更证明了任何人都能借助Python创造AI奇迹,共同探索未来的无限可能。
24 2
|
17天前
|
机器学习/深度学习 算法 网络架构
神经网络架构殊途同归?ICML 2024论文:模型不同,但学习内容相同
【8月更文挑战第3天】《神经语言模型的缩放定律》由OpenAI研究人员完成并在ICML 2024发表。研究揭示了模型性能与大小、数据集及计算资源间的幂律关系,表明增大任一资源均可预测地提升性能。此外,论文指出模型宽度与深度对性能影响较小,较大模型在更多数据上训练能更好泛化,且能高效利用计算资源。研究提供了训练策略建议,对于神经语言模型优化意义重大,但也存在局限性,需进一步探索。论文链接:[https://arxiv.org/abs/2001.08361]。
17 1
|
3天前
|
运维 网络协议 API
入门网络,少不了这份详细的网络基础学习指南!
入门网络,少不了这份详细的网络基础学习指南!
|
1月前
|
网络协议 程序员 定位技术
学习网络的第一步:全面解析OSI与TCP/IP模型
**网络基础知识概览:** 探索网络通信的关键模型——OSI七层模型和TCP/IP五层模型。OSI模型(物理、数据链路、网络、传输、会话、表示、应用层)提供理论框架,而TCP/IP模型(物理、数据链路、网络、传输、应用层)更为实际,合并了会话、表示和应用层。两者帮助理解数据在网络中的传输过程,为网络设计和管理提供理论支持。了解这些模型,如同在复杂的网络世界中持有了地图。
40 2
|
1月前
|
机器学习/深度学习 数据采集 监控
算法金 | DL 骚操作扫盲,神经网络设计与选择、参数初始化与优化、学习率调整与正则化、Loss Function、Bad Gradient
**神经网络与AI学习概览** - 探讨神经网络设计,包括MLP、RNN、CNN,激活函数如ReLU,以及隐藏层设计,强调网络结构与任务匹配。 - 参数初始化与优化涉及Xavier/He初始化,权重和偏置初始化,优化算法如SGD、Adam,针对不同场景选择。 - 学习率调整与正则化,如动态学习率、L1/L2正则化、早停法和Dropout,以改善训练和泛化。
19 0
算法金 | DL 骚操作扫盲,神经网络设计与选择、参数初始化与优化、学习率调整与正则化、Loss Function、Bad Gradient
|
2月前
计算机网络学习记录 物理层 Day2
计算机网络学习记录 物理层 Day2
20 3
|
2月前
计算机网络学习记录 数据链路层 Day3 (上)(1)
计算机网络学习记录 数据链路层 Day3 (上)(1)
23 2