网络分层参考模型

本文涉及的产品
容器服务 Serverless 版 ACK Serverless,952元额度 多规格
容器服务 Serverless 版 ACK Serverless,317元额度 多规格
简介: 传输层作用:(1) 数据分段(2) 根据数据不同,来决定数据是否可靠传输视频流,语音流:不可靠----UDP(用户数据报协议)文件、网页、邮件:可靠----TCP(传输控制协议)保证可靠机制(1) 三次握手:建立连接TCP1 SYN  seq=a2 ACK、SYN    seq=b   ack=a+1 ack:确认号确认上一个报文;告诉对方发送数据的序列号。请求和确认机制3ACKseq:序列号  seq=a+1 ack=b+1 seq=b+1  500(字节)seq=b+1+500      500(字节)ack=b+1+500+

传输层

作用:

(1) 数据分段

(2) 根据数据不同,来决定数据是否可靠传输

视频流,语音流:不可靠----UDP(用户数据报协议)

文件、网页、邮件:可靠----TCP(传输控制协议)

保证可靠机制

(1) 三次握手:建立连接TCP

1 SYN  seq=a

2 ACK、SYN    seq=b   ack=a+1 ack:确认号

确认上一个报文;告诉对方发送数据的序列号。请求和确认机制

3ACK

seq:序列号  seq=a+1 ack=b+1

 

seq=b+1  500(字节)

seq=b+1+500      500(字节)

ack=b+1+500+1    

seq=b+502         500B

 seq=b+502+500B

  seq=b+502+500+500

   ack=b+502+500+1

    seq=b+502+500+1

(2) 丢包重传

 seq=b+1  500(字节)

seq=b+1+500      500(字节)

ack=b+1+500+1    

seq=b+502         500B

 seq=b+502+500B

  seq=b+502+500+500

   ack=b+502+500+1

    seq=b+502+500+1

 

(3) 窗口大小(滑动窗口)

Pc与服务器确定包的大小,防止重复发送丢包。提高传输效率。

(4) 四次分手 断开连接

                      1FIN   seq=a+100

 2ACK  ack=a+101  seq=b+100

 3FIN   ack=a+101  seq=b+100

 4ACK   ack=b+100+1 seq=a+101

Checksum:验证数据包完整性

丢包情况

端口号:标识数据包下一层协议

 

网络层 IP:互联网协议  三层

作用

1数据包分片

2确定网络地址

IP地址

Ipv4版本4

Ipv6

32bit:点分十进制

00000001=1

00000010=2

00000100=4

00001000=8

00010000=16

00100000=32

01000000=64

10000000=128

11111111=256

192.168.1.1=11000000.10101000.00000001.00000001

200.100.55.10=10001000.0110111.00001010

11111111=255

0.0.0.0

255.255.255.255

网段:一段连续的IP地址

32bit

网络位+主机位

(教师号)

前24bits

192.168.1.1/24

192.168.1.2/24

一个网段的大小(有多少个IP·)--取决于主机位  2^n

子网掩码:确定网络位和主机位---32bit

“1”标识网络位

“0”标识主机位

192.168.1.0

255.255.255.0

地址范围:192.168.1.0-192.168.1.255

网络地址(特殊):主机位的值全为0 1922.168.1.0/24

-------标识该网段

广播地址:主机位的值全为1    192.168.1.255

可用的地址范围:192.168.1.1-单播

 

2.IP地址
0.0.0.0~127.255.255.255
A类 0 网络位8bit 主机位24bit

128.0.0.0~191.255.255.255(前两位是网络位)
B类 10 网络位16bit 主机位16bit

192.0.0.0~223.255.255.255(前三位网络位
C类 110网络位24bit 主机位8bit

224.0.0.0~239.255.255.255
D类 1110 组播

240.0.0.0~255.255.255.255
E类 11110 组播

 

VlSM:可变长子网掩码

CIDR:无类别间路由

IP头部

 

版本

服务类型QoS(HCIP)

总长度:IP头部+载荷

标识:标识数据包属于哪个数据段

标志:标识数据包是否是最后一个

片偏移:标识数据包在原来数据段的偏移量(位置)

Protocol:协议:标识内存的协议

TTL:生存时间,数据包每经过一台路由器转发,TTL值减一,TTL为0时,丢弃该数据包。

IP|tcp/udp|data

 

 

 

数据链路层 :二层

根据底层链路不同,来使用不同的协议

Ethernet-以太网----MAC地址

PPP、HDLC、FR

物理层

应用层

  协议产生数据:http (tcp:80)、F()

 

 

 

 

 

                                     Control bit(6)标识

 

Source port(16) Destination port(16)
Squence number(32)
Acknowlegement number(32)
Hear length Reserved(6) Control bits(6)   Window(16)
       
       
       
       

全国网络技术大赛

80IP 10ia 10IC

 

二进制:0/1

0

1

10

数据链路层 :二层

根据底层链路不同,来使用不同的协议

Ethernet-以太网----MAC地址

PPP、HDLC、FR

 

MAC地址:48bit 12个16进制 2^48

---全球唯一

十六进制 0-9 ,a-f  冒号分十六进制

物理层

0000=0

1111=15=F

1122-3344-5566

广播:FF:FF:FF:FF:FF:FF:FF:FF

单播:第8bit为0

组播:第8bit为1

前24bit为厂商ID,后24bit厂商自定义。

 

   Smac dmac type|IP|tcp/udp|data |FCS

  帧头 帧尾

数据帧

 

物理层:数据帧<--->比特流

应用层

  协议产生数据:http (tcp:80)、F()

相关实践学习
通过Ingress进行灰度发布
本场景您将运行一个简单的应用,部署一个新的应用用于新的发布,并通过Ingress能力实现灰度发布。
容器应用与集群管理
欢迎来到《容器应用与集群管理》课程,本课程是“云原生容器Clouder认证“系列中的第二阶段。课程将向您介绍与容器集群相关的概念和技术,这些概念和技术可以帮助您了解阿里云容器服务ACK/ACK Serverless的使用。同时,本课程也会向您介绍可以采取的工具、方法和可操作步骤,以帮助您了解如何基于容器服务ACK Serverless构建和管理企业级应用。 学习完本课程后,您将能够: 掌握容器集群、容器编排的基本概念 掌握Kubernetes的基础概念及核心思想 掌握阿里云容器服务ACK/ACK Serverless概念及使用方法 基于容器服务ACK Serverless搭建和管理企业级网站应用
相关文章
|
2月前
|
消息中间件 存储 Serverless
函数计算产品使用问题之怎么访问网络附加存储(NAS)存储模型文件
函数计算产品作为一种事件驱动的全托管计算服务,让用户能够专注于业务逻辑的编写,而无需关心底层服务器的管理与运维。你可以有效地利用函数计算产品来支撑各类应用场景,从简单的数据处理到复杂的业务逻辑,实现快速、高效、低成本的云上部署与运维。以下是一些关于使用函数计算产品的合集和要点,帮助你更好地理解和应用这一服务。
|
2月前
|
Kubernetes 负载均衡 网络安全
Kubernetes 网络模型与实践
【8月更文第29天】Kubernetes(K8s)是当今容器编排领域的佼佼者,它提供了一种高效的方式来管理容器化应用的部署、扩展和运行。Kubernetes 的网络模型是其成功的关键因素之一,它支持服务发现、负载均衡和集群内外通信等功能。本文将深入探讨 Kubernetes 的网络模型,并通过实际代码示例来展示服务发现和服务网格的基本概念及其实现。
54 1
|
2月前
|
机器学习/深度学习 API 异构计算
7.1.3.2、使用飞桨实现基于LSTM的情感分析模型的网络定义
该文章详细介绍了如何使用飞桨框架实现基于LSTM的情感分析模型,包括网络定义、模型训练、评估和预测的完整流程,并提供了相应的代码实现。
|
16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。
60 12
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
|
8天前
|
机器学习/深度学习 数据采集 网络安全
使用Python实现深度学习模型:智能网络安全威胁检测
使用Python实现深度学习模型:智能网络安全威胁检测
33 5
|
6天前
|
机器学习/深度学习 算法 搜索推荐
图神经网络综述:模型与应用
图神经网络综述:模型与应用
|
11天前
|
存储 机器人 Linux
Netty(二)-服务端网络编程常见网络IO模型讲解
Netty(二)-服务端网络编程常见网络IO模型讲解
|
17天前
|
存储 安全 网络安全
网络安全与信息安全:构建安全防线的多维策略在当今数字化时代,网络安全已成为维护个人隐私、企业机密和国家安全的关键要素。本文旨在探讨网络安全漏洞的本质、加密技术的重要性以及提升公众安全意识的必要性,以期为构建更加坚固的网络环境提供参考。
本文聚焦于网络安全领域的核心议题,包括网络安全漏洞的现状与应对、加密技术的发展与应用,以及安全意识的培养与实践。通过分析真实案例,揭示网络安全威胁的多样性与复杂性,强调综合防护策略的重要性。不同于传统摘要,本文将直接深入核心内容,以简洁明了的方式概述各章节要点,旨在迅速吸引读者兴趣,引导其进一步探索全文。
|
1月前
|
网络协议 数据安全/隐私保护 网络架构
计算机网络模型
【9月更文挑战第2天】
47 24
|
26天前
|
机器学习/深度学习 人工智能 自然语言处理
机器学习模型之深度神经网络的特点
深度神经网络(Deep Neural Networks, DNNs)是一类机器学习模型,通过多个层级(层)的神经元来模拟人脑的工作方式,从而实现复杂的数据处理和模式识别任务。
34 1
下一篇
无影云桌面