堆叠技术

简介: 1、大型园区网因为其网络规模巨大,网络管理员在考虑网络可靠性的时候,通常都是采用冗余设备、 冗余链路、相关L3/L2层技术保证,增加了管理成本与配置的复杂度。2、堆叠技术是在以太网交换机上扩展端口使用较多的另一类技术,是一种非标准化技术。各个厂商之间不支持混合堆叠,堆叠模式为各厂商制定,不支持拓扑结构。流行的堆叠模式主要有两种:链型模式和星型模式。堆叠技术的最大的优点就是提供简化的本地管理,将一组交换机作为一个对象来管理。在VSS系统中,主设备的控制平面与数据平面都是可用的,而备设备中只有其数据平面是可用的,而控制平面是不可用的快速收敛是VSS集群的另一大优势思科设备上可以使用pagp协

1、大型园区网因为其网络规模巨大,网络管理员在考虑网络可靠性的时候,通常都是采用冗余设备、 冗余链路、相关L3/L2层技术保证,增加了管理成本与配置的复杂度。

2、堆叠技术是在以太网交换机上扩展端口使用较多的另一类技术,是一种非标准化技术。各个厂商之间不支持混合堆叠,堆叠模式为各厂商制定,不支持拓扑结构。流行的堆叠模式主要有两种:链型模式和星型模式。堆叠技术的最大的优点就是提供简化的本地管理,将一组交换机作为一个对象来管理。

微信图片_20220524175500.png


  1. 微信图片_20220524175503.png

  2. 微信图片_20220524175506.png
  3. 微信图片_20220524175510.png微信图片_20220524175513.png微信图片_20220524175517.png微信图片_20220524175520.png微信图片_20220524175558.png
  4. 在VSS系统中,主设备的控制平面与数据平面都是可用的,而备设备中只有其数据平面是可用的,而控制平面是不可用的
  5. 微信图片_20220524175603.png
  6. 快速收敛是VSS集群的另一大优势
  7. 思科设备上可以使用pagp协议和bfd来进行快速的检测,进行毫秒级的检测
  8. 微信图片_20220524175607.png微信图片_20220524175609.png微信图片_20220524175612.png微信图片_20220524175615.png微信图片_20220524175618.png微信图片_20220524175621.png微信图片_20220524175623.png微信图片_20220524175626.png微信图片_20220524175632.png微信图片_20220524175636.png微信图片_20220524175639.png微信图片_20220524175643.png微信图片_20220524175646.png微信图片_20220524175649.png微信图片_20220524175651.png

  9. 接入层有时需要部署大量的交换机,也不方便管理
  10. 微信图片_20220524175653.png微信图片_20220524175656.png微信图片_20220524175707.png微信图片_20220524175709.png微信图片_20220524175713.png微信图片_20220524175716.png微信图片_20220524175719.png微信图片_20220524175722.png微信图片_20220524175731.png微信图片_20220524175736.png微信图片_20220524175739.png微信图片_20220524175745.png微信图片_20220524175748.png微信图片_20220524175751.png微信图片_20220524175754.png微信图片_20220524175757.png微信图片_20220524175800.png微信图片_20220524175803.png微信图片_20220524175807.png



相关文章
|
7月前
|
人工智能 自然语言处理 负载均衡
WideNet:让网络更宽而不是更深
WideNet:让网络更宽而不是更深
59 1
|
4月前
模型堆叠
【8月更文挑战第19天】模型堆叠。
35 2
|
7月前
|
机器学习/深度学习 计算机视觉
【YOLOv8改进】骨干网络: SwinTransformer (基于位移窗口的层次化视觉变换器)
YOLO目标检测创新改进与实战案例专栏介绍了YOLO的有效改进,包括使用新型视觉Transformer——Swin Transformer。Swin Transformer解决了Transformer在视觉领域的尺度变化和高分辨率问题,采用分层结构和移位窗口自注意力计算,适用于多种视觉任务,如图像分类、目标检测和语义分割,性能超越先前最佳模型。此外,文章还展示了如何在YOLOv8中引入Swin Transformer,并提供了相关代码实现。
|
7月前
|
前端开发
iStack详解(二)——堆叠连接方式堆叠拓扑变动处理
iStack详解(二)——堆叠连接方式堆叠拓扑变动处理
211 6
|
7月前
|
机器学习/深度学习 计算机视觉
一文弄懂空间金字塔池化网络
一文弄懂空间金字塔池化网络
|
7月前
|
机器学习/深度学习 编解码 算法
小目标检测新方法SCTransNet | 空间通道交叉Transformer & 互补前馈达成完美语义信息传递
小目标检测新方法SCTransNet | 空间通道交叉Transformer & 互补前馈达成完美语义信息传递
935 0
|
7月前
|
机器学习/深度学习 计算机视觉
什么是CNN汇聚层?
什么是CNN汇聚层?
340 2
|
机器学习/深度学习 数据可视化 固态存储
即插即用 | S-FPN全新的金字塔网络,更适合轻量化模型的FPN
即插即用 | S-FPN全新的金字塔网络,更适合轻量化模型的FPN
490 0
|
机器学习/深度学习 编解码 算法
CVPR‘2023 即插即用系列! | BiFormer: 通过双向路由注意力构建高效金字塔网络架构
CVPR‘2023 即插即用系列! | BiFormer: 通过双向路由注意力构建高效金字塔网络架构
1160 0
下一篇
DataWorks