网络系统建设与运维【笔记】

简介: 网络系统建设与运维

OSI参考模型


(1)物理层 physical layer


提供建立、维护和拆除物理链路所需的机械、电气、功能和规程的特性。


单位:比特


(2)数据链路层 Data Link Layer


负责在两个相邻节点间建立数据链路进行链接,实现无差错地传送数据,并进行流量控制。


单位:帧


(3)网络层 Network Layer


为数据在节点之间的传输创建逻辑链路,通过由路由选择算法为数据包选择最佳路径。


网络层提供的服务有:面向连接和面向无连接。


网络层以虚电路服务的方式实现面向连接的服务。


网络层以数据报服务的方式实现面向无连接的服务。


单位:数据包


(4)传输层 Transport Layer


为用户提供端到端服务


单位:数据包


(5)会话层 Session Layer


提供建立、维护、和拆除会话连接的功能。


两种通信方式:全双工和半双工。


单位:报文


(6)表示层 Presentation Layer


完成传输数据的解释工作,包括数据转换、数据加密解密和数据压缩等。


(7)应用层 Application Layer


用户应用程序与网络的接口。


TCP/IP


(1)主机-网络层(网络接口层)


只定义了TCP/IP与各程通信子网之间的网络接口,功能是传输经网络层处理过的消息。


(2)网络层(网络互联层)


对应OSI参考模型的网络层。


(3)传输层


对应OSI参考模型的传输层。


(4)应用层


直接为用户提供各类服务。


TCP协议


基于子节流的传输层通信协议,面向连接(端对端通信)


TCP的封装:TCP头部、TCP数据。


image.png

TCP头部记录源端口与目的端口相关应用程序所用的连接端口号以及相关的序列号、确认号、窗口大小等。

image.png


32位序列号、32为确认号有防丢失的功能。


TCP连接

三次握手

image.png


终止连接

image.png

名称 作用 端口号
SMTP 简单邮件传输协议

25

Telnet 远程登陆协议 23
HTTP 超文本传输协议 80
FTP 文件传输协议 20 21
DNS 域名服务 53
HTTPS 安全版http 443
POP3 邮局协议版本3 110
NTP 同步网络中各个计算机时间 123
SSH 安全外壳协议 

22

UDP协议


一种无连接的传输层协议,提供面向事务的简单不可靠信息传送服务。


特征:

  1. 面向无连接的传输。
  2. UDP无法确认、重传及控制流量,必须通过应用层的相关协议进行处理。
  3. UDP报文中包含源端口和目的端口,从而确保UDP报文能够正确地传输到目的地。


应用场景:

  1. 适用于对传输效率要求不高的应用。
  2. 适用于传输方式为一对多的广播传输。
  3. 适用于传输非关键数据或本身具有完整性检查机制的应用。

基于UDP的应用层协议

名称 作用 端口号
TFTP 简单文件传输协议 69
DHCP 动态主机配置协议 67
SNMP 简单网络管理协议 161
NTP 网络时间协议 123


目录
相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
31 21
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
1天前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
30 11
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
2天前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
17 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
1天前
|
运维 监控 安全
高效运维管理:提升系统可靠性的策略与实践
本文将深入探讨高效运维管理的关键策略和实践,旨在帮助运维团队提高系统的可靠性、可用性和稳定性。通过分析常见的运维挑战,提出相应的解决方案,并结合实际案例进行说明,为读者提供一套行之有效的运维管理指南。无论是新手还是经验丰富的运维工程师,都能从中获得有价值的见解和实用技巧。
|
12天前
|
存储 弹性计算 运维
自动化监控和响应ECS系统事件
阿里云提供的ECS系统事件用于记录云资源信息,如实例启停、到期通知等。为实现自动化运维,如故障处理与动态调度,可使用云助手插件`ecs-tool-event`。该插件定时获取并转化ECS事件为日志存储,便于监控与响应,无需额外开发,适用于大规模集群管理。详情及示例可见链接文档。
|
21小时前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
24 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
3天前
|
负载均衡 网络协议 网络安全
设计一个高性能的网络系统
设计一个高性能的网络系统
14 2
|
8天前
|
机器学习/深度学习
小土堆-pytorch-神经网络-损失函数与反向传播_笔记
在使用损失函数时,关键在于匹配输入和输出形状。例如,在L1Loss中,输入形状中的N代表批量大小。以下是具体示例:对于相同形状的输入和目标张量,L1Loss默认计算差值并求平均;此外,均方误差(MSE)也是常用损失函数。实战中,损失函数用于计算模型输出与真实标签间的差距,并通过反向传播更新模型参数。
|
8天前
|
运维 Cloud Native Devops
云原生架构的崛起与实践云原生架构是一种通过容器化、微服务和DevOps等技术手段,帮助应用系统实现敏捷部署、弹性扩展和高效运维的技术理念。本文将探讨云原生的概念、核心技术以及其在企业中的应用实践,揭示云原生如何成为现代软件开发和运营的主流方式。##
云原生架构是现代IT领域的一场革命,它依托于容器化、微服务和DevOps等核心技术,旨在解决传统架构在应对复杂业务需求时的不足。通过采用云原生方法,企业可以实现敏捷部署、弹性扩展和高效运维,从而大幅提升开发效率和系统可靠性。本文详细阐述了云原生的核心概念、主要技术和实际应用案例,并探讨了企业在实施云原生过程中的挑战与解决方案。无论是正在转型的传统企业,还是寻求创新的互联网企业,云原生都提供了一条实现高效能、高灵活性和高可靠性的技术路径。 ##
18 3
|
8天前
|
运维 Java 关系型数据库
【Java笔记+踩坑】SpringBoot基础2——运维实用
SpringBoot程序的打包与运行、临时配置、多环境配置、日志
【Java笔记+踩坑】SpringBoot基础2——运维实用