计算机网络的7层、4层和5层模型

简介: 在计算机网络的基本概念中,分层次的体系结构是最基本的。

在计算机网络的基本概念中,分层次的体系结构是最基本的。

分层的主要好处有:

1、各层之间是独立的,每一层向上和向下通过层间接口提供服务,无需暴露内部实现

2、灵活性好

3、结构上可分割

4、易于实现和维护

5、能促进标准化工作


OSI 7层模型

为了使全世界不同体系结构的计算机能够互联,国际化标准组织ISO提出开放系统互联基本参考模型,简称OSI,即所谓的7层协议体系结构。

7层模型从上到下包含:应用层、表示层、会话层、传输层、网络层、数据链路层和网络层。

虽然OSI7层模型大而全,但是比较复杂、而且是先有了理论模型,没有实际应用。


TCP/IP(参考)4层模型

OSI7层模型是一个大而全的理论模型、TCP/IP(参考)模型侧重一些核心的协议的分层。

TCP/IP四层模型,是由实际应用发展总结出来的,它包含了应用层、传输层、网际层和网络结构层,不过从实质讲,TCP/IP只有最上面三层,最下面一层没有什么具体内容,TCP/IP参考模型没有真正描述这一层的实现,只是要求能够提供给其上层-网络互连层一个访问接口,以便在其上传递IP分组。

OSI七层模型TCP/IP四层模型的关系:

  • OSI定义了服务、接口、分层、协议的概念,TCP/IP借鉴了OSI的这个概念建立了TCP/IP模型。
  • OSI先有模型,后有协议,先有标准,后进行实践,而TCP/IP则相反。
  • OSI是一种理论模型,而TCI/IP已经被广泛使用,成为网络互连实际上的标准。


网络5层模型

5层模型只出现在计算机网络学习教学过程中,他是对七层模型和四层模型的一个折中,及综合了OSI和TCP/IP 体系结构的优点,这样既简洁又能将概念阐述清楚。

5层模型从上到下包含:应用层、传输层、网络层、数据链路层和网络层。


参考资料

- [网络编程懒人入门(1):快速理解网络通信协议(上篇)](http://www.52im.net/thread-1095-1-1.html)

- [网络编程懒人入门(2):快速理解网络通信协议(下篇)](http://www.52im.net/thread-1103-1-1.html)

- [网络分层体系结构](https://www.cnblogs.com/zhouxiangting/p/10651641.html)

目录
相关文章
|
25天前
|
机器学习/深度学习 自然语言处理 数据处理
大模型开发:描述长短期记忆网络(LSTM)和它们在序列数据上的应用。
LSTM,一种RNN变体,设计用于解决RNN处理长期依赖的难题。其核心在于门控机制(输入、遗忘、输出门)和长期记忆单元(细胞状态),能有效捕捉序列数据的长期依赖,广泛应用于语言模型、机器翻译等领域。然而,LSTM也存在计算复杂度高、解释性差和数据依赖性强等问题,需要通过优化和增强策略来改进。
|
2月前
|
机器学习/深度学习 计算机视觉 网络架构
【GhostNet】复现CVPR2020| 保证模型轻量化的同时,提升网络的性能表现
【GhostNet】复现CVPR2020| 保证模型轻量化的同时,提升网络的性能表现
40 0
【GhostNet】复现CVPR2020| 保证模型轻量化的同时,提升网络的性能表现
|
2月前
|
网络协议 安全 前端开发
网络技术基础(2)——网络参考模型
【2月更文挑战第6天】网络基础笔记
|
2月前
|
Java
网络 I/O:单 Selector 多线程(单线程模型)
网络 I/O:单 Selector 多线程(单线程模型)
|
2月前
|
存储 消息中间件 监控
一文搞懂常见的网络I/O模型
一文搞懂常见的网络I/O模型
39 0
|
3月前
|
NoSQL Linux Redis
Redis原理之网络模型笔记
Redis采用单线程模型,这意味着一个Redis服务器在任何时刻都只会处理一个请求。Redis的网络模型涉及到阻塞I/O(Blocking I/O)、非阻塞I/O(Non-blocking I/O)、I/O多路复用(I/O Multiplexing)、信号驱动I/O(Signal-driven I/O)以及异步I/O(Asynchronous I/O)。
|
2天前
|
机器学习/深度学习 数据采集 数据可视化
R语言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
R语言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
91 7
|
2天前
|
机器学习/深度学习 API 算法框架/工具
R语言深度学习:用keras神经网络回归模型预测时间序列数据
R语言深度学习:用keras神经网络回归模型预测时间序列数据
13 0
|
2天前
|
机器学习/深度学习
HAR-RV-J与递归神经网络(RNN)混合模型预测和交易大型股票指数的高频波动率
HAR-RV-J与递归神经网络(RNN)混合模型预测和交易大型股票指数的高频波动率
13 0
|
3天前
|
编解码 网络协议 网络安全
2.H3CNE-网络参考模型
2.H3CNE-网络参考模型