1.1.2计算机网络(性能指标,宽带,速率,吞吐量,时延,利用率,标准化工作及相关组织)笔记

简介: 1.标准化工作及相关组织 1.标准化工作​ 2.性能指标1.速率2.宽带3.吞吐量4.时延1.发送时延2.传播时延3.排队时延,处理时延5.时延带宽积6.往返时延RTT7.利用率

1.标准化工作及相关组织




1.标准化工作






2.性能指标


1.速率


速率即 数据率 或称 数据传输率 或 比特率



2.宽带



由图可知:宽带越大,单位时间传输的数据越多。


3.吞吐量


表示在单位时间内通过某个网络(或信道、接口)的数据量。单位b/s,kb/s, Mb/s等。


吞吐量受网络的带宽或网络的额定速率的限制。


举个例子方便大家理解:


博主是个大胃王,我可以一次最多吃100碗面。这个就相当于 带宽


我好朋友给我了66碗面,然后我把这66碗面吃完了。这相当于 吞吐量


博主明明可以吃100碗面,而我朋友只给我了66碗。


宽带:100   吞吐量:66



4.时延


指数据(报文/分组/比特流)从网络(或链路)的一端传送到另一端所需的时间。也叫延迟或迟延。单位是s



举例子 :如下图演示A到B传输


1.发送时延


从发送分组的第一个比特(例如0101010101 的第一个比特就是1)算起,到该分组的最后一个比特(例如0101010101 的最后一个比特就是0)发送完毕所需的时间。


例如:把  0101010101  这个数据从自己身上(电脑A)发送到信道上(下图中蓝色的线)的时间。




故此发送时延受2个因素影响:数据长度(0101010101) 和 信道带宽


故此得出:


因为数据长度是10(0101010101)也就是10b

假设我们这里的信道带宽是10b/s   那么发送时延=10/10=1s


2.传播时延


取决于电磁波传播速度和链路长度




3.排队时延,处理时延


排队时延:等待输出/入 链路可用


处理时延:检错,找出口


如下图所示 0101010101 到路由器时,要需要等待一会,即(入队)排队时延(这好比你去坐地铁,你需要排队进行安检),然后到处理时延(就例如,你进行安检的时候,安检员要对你进行检错,检查是否携带违禁品),处理完毕后,还需要排队出去又进行一次 (出队)排队时延(就例如,已经对你安检完毕,你要排队你拿你的行李)





5.时延带宽积



6.往返时延RTT


从发送方发送数据开始,到发送方收到接收方的确认(接收方收到数据后立即发送确认)总共经历的时延。



7.利用率


相关文章
|
Linux 开发工具 Android开发
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
ijkplayer是由Bilibili基于FFmpeg3.4研发并开源的播放器,适用于Android和iOS,支持本地视频及网络流媒体播放。本文详细介绍如何在新版Android Studio中导入并使用ijkplayer库,包括Gradle版本及配置更新、导入编译好的so文件以及添加直播链接播放代码等步骤,帮助开发者顺利进行App调试与开发。更多FFmpeg开发知识可参考《FFmpeg开发实战:从零基础到短视频上线》。
1871 2
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
576 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
机器学习/深度学习 数据可视化 Windows
深度学习笔记(七):如何用Mxnet来将神经网络可视化
这篇文章介绍了如何使用Mxnet框架来实现神经网络的可视化,包括环境依赖的安装、具体的代码实现以及运行结果的展示。
300 0
|
缓存 算法 物联网
基于AODV和leach协议的自组网络平台matlab仿真,对比吞吐量,负荷,丢包率,剩余节点个数,节点消耗能量
本系统基于MATLAB 2017b,对AODV与LEACH自组网进行了升级仿真,新增运动节点路由测试,修正丢包率统计。AODV是一种按需路由协议,结合DSDV和DSR,支持动态路由。程序包含参数设置、消息收发等功能模块,通过GUI界面配置节点数量、仿真时间和路由协议等参数,并计算网络性能指标。 该代码实现了节点能量管理、簇头选举、路由发现等功能,并统计了网络性能指标。
532 73
|
机器学习/深度学习 编解码 算法
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型,通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP,实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确,延迟降低20%;小模型准确度提升,延迟相当。
914 1
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
|
机器学习/深度学习 网络架构 计算机视觉
目标检测笔记(一):不同模型的网络架构介绍和代码
这篇文章介绍了ShuffleNetV2网络架构及其代码实现,包括模型结构、代码细节和不同版本的模型。ShuffleNetV2是一个高效的卷积神经网络,适用于深度学习中的目标检测任务。
420 1
目标检测笔记(一):不同模型的网络架构介绍和代码
|
XML 开发工具 Android开发
FFmpeg开发笔记(五十六)使用Media3的Exoplayer播放网络视频
ExoPlayer最初是为了解决Android早期MediaPlayer控件对网络视频兼容性差的问题而推出的。现在,Android官方已将其升级并纳入Jetpack的Media3库,使其成为音视频操作的统一引擎。新版ExoPlayer支持多种协议,解决了设备和系统碎片化问题,可在整个Android生态中一致运行。通过修改`build.gradle`文件、布局文件及Activity代码,并添加必要的权限,即可集成并使用ExoPlayer进行网络视频播放。具体步骤包括引入依赖库、配置播放界面、编写播放逻辑以及添加互联网访问权限。
1744 1
FFmpeg开发笔记(五十六)使用Media3的Exoplayer播放网络视频
|
运维 网络协议 安全
网络基础知识笔记(一)
网络基础知识笔记(一)
324 4
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
657 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
编解码 人工智能 文件存储
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
YOLOv7是一种新的实时目标检测器,通过引入可训练的免费技术包和优化的网络架构,显著提高了检测精度,同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略,有效提升了模型性能。实验结果显示,YOLOv7在速度和准确性上超越了其他目标检测器。
565 0
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》

热门文章

最新文章