《VMware 网络技术:原理与实践》—— 第2章 两种网络模型的故事

简介:

本节书摘来自华章出版社《VMware 网络技术:原理与实践》一 书中的第2章,第2.1节,作者:(美)Christopher Wahl Steven Pantol,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.1 导言

在前一章中,我们进行了一次思维实验,从头开始构建了一个公司范围内的网络。这种方法不建议在现实世界中采用。
构建真正的网络时,你必须考虑部件的可用性、系统的可支持性以及和其他系统的互操作性。如果世界上的每个公司都从头建立自己的网络,在公司之间交换数据就会成为一场异乎寻常的梦魇。
幸运的是,我们没有必要这么做。我们可以购买遵循著名网络模型的现成设备,以可预测和可支持的方式构建网络。
网络模型是网络功能的概念分解,它将通信过程分为多个层次,描述它们之间的交互。网络架构(network architecture)是一组文档,每个文档描述遵循网络模型的更大系统中的一部分。协议由某些文档定义,这是一组描述设备通信方法的规则。另一个文档可能描述物理规范——如连接器类型。还有一个文档可能规定两个其他部件交互的治理规则。这些文档组成一个整体,描述了构建可用网络的各个必要方面。确保系统中的设备正常通信的唯一方法是每个部件都遵循相同的规则。
最初,网络架构是专属的,每个主要供应商都各搞一套。后来,引入了任何人都可以采用的开放标准。有两个值得一谈的开放标准——其中一个是用于传授网络概念的经典参考模型,而另一个是实际使用的模型。
1977年,国际标准化组织启动了开放系统互连(OSI)项目。他们的用意很好——集中来自全世界的代表,建立基于标准的系统,使世界上的每一台计算机都能相互通信。当时,网络技术通常是政府赞助的(如ARPANET)或者供应商驱动的专利技术(如IBM的系统软件架构(SNA)和DEC的DECnet)。OSI是联合技术供应商和其他感兴趣的团体,建立任何人都能实现的通用框架,从而实现互操作性的一次尝试。OSI有两个主要组成部分——一个7层的抽象模型,和一组围绕该模型设计的协议。
大约在同一个时期,为美国国防部高级研究计划局(Defense Advanced Research Projects Agency,DARPA)提供支持的研究人员致力于一种不同网络互联的开放架构方法。这一方法成长为互联网协议族,通常被称作TCP/IP,该名称取自于其中的两个最重要的协议——传输控制协议(TCP)和互联网协议(IP)。它很快得到采用。美国国防部于1982年3月将TCP/IP作为所有军用网络的标准,1989年6月,Unix TCP/IP栈成为自由版权,允许任何人访问,实际上也就断绝了其他协议族(包括OSI)的支持。
虽然OSI从未真正投入使用,但是这种模型仍然是全世界的人们每天使用的重要工具,它被用于传授网络概念,描述故障排除过程和设计问题。TCP/IP模型作为当今使用的几乎所有通信设备的基础,同样值得重视。

相关文章
|
30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
|
1天前
|
机器学习/深度学习 存储 计算机视觉
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-4
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
29 11
|
1天前
|
机器学习/深度学习 算法 数据可视化
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-3
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
|
1天前
|
算法 数据可视化
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-1
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
16 0
|
5天前
|
机器学习/深度学习 数据可视化 Shell
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(二)
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
24 1
|
5天前
|
机器学习/深度学习 数据采集 数据可视化
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(一)
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
28 0
|
6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
97 7
|
6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
16 0