《计算机网络原理》总结<二>---OSI/RM模型

简介: 《计算机网络原理》总结<二>---OSI/RM模型

20170417211206125.png



物理层的主要功能是实现比特流的透明传输,为数据链路层提供数据传输服务。但在传输时,信号离不开传输介质,传输介质两端有接口发送和接收信号,比特流在传递过程中可能会被干扰,发生信息出错或丢失等错误,所以,此时的数据并不可靠。


   但我们不能向终端提供不可靠,不正确的数据,因此,在一条物理线路之上,需要通过一些规程或协议来控制这些数据的传输,以保证被传输数据的正确性。实现这些规程或协议的硬件和软件加到物理线路,这样就构成了数据链路,数据链路层将原始比特流加强,将可能出错的物理连接改造成逻辑上无差错的数据链路。在数据链路层,数据以帧的形式传递。


   网络层向传输层提供最基本的端到端的数据传输服务,它在数据链路提供的两个相邻端点之间的数据帧的传送功能上,进一步管理网络中的数据通信,对通信子网进行运行控制。


   在网络中传输的数据经过网络层可以做到从源主机到目的主机,那么传输层存在的必要是什么呢?传输层向应用层提供了更有效,可靠且最佳的服务。传输层在七层中起到承上启下的作用,因为传输层之上的会话层,表示层及应用层均不包含任何数据传输的功能,而网络层又不一定需要保证发送站的数据可靠的传送至目的地,所以传输层反映并扩展了网络层子系统的服务功能,并通过传输层地址提供给高层用户传输数据的通信端口,使系统间高层资源的共享不必考虑数据通信方面的问题。


   对于会话层和表示层,会话层在进程——进程的层次,利用传输层提供的服务,组织和同步不同主机上各种进行间的通话,负责会话实体对话的建立和拆除,使传输层透明。表示层为在应用过程之间传送的信息提供表示方法的服务,它只关心信息发出的语法和语义。


   到了应用层,就是各种应用程序和网络交互进行通信了。整个七层模型实现了数据的透明传输,我们不用负责数据是如何编码,传输,解码,只需传送的业务传送到目的节点,同时保证传输的质量即可,而不对传输的业务进行处理。


   这种分层的方式和我们之前使用的“三层”有异曲同工之妙,抽象,解耦,透明,分工明确,对关联不紧密的层透明。


  以上是我对七层模型的理解,期待路过大鸟的指正。


















相关文章
|
5天前
|
网络协议 数据安全/隐私保护 网络架构
OSI七层模型和TCPIP五层模型
OSI七层模型和TCPIP五层模型
|
5天前
|
机器学习/深度学习 PyTorch 算法框架/工具
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
|
6天前
|
机器学习/深度学习 算法 数据可视化
数据报告分享|WEKA贝叶斯网络挖掘学校在校人数影响因素数据分类模型
数据报告分享|WEKA贝叶斯网络挖掘学校在校人数影响因素数据分类模型
16 1
|
6天前
|
安全 网络协议 算法
【计算机网络】http协议的原理与应用,https是如何保证安全传输的
【计算机网络】http协议的原理与应用,https是如何保证安全传输的
|
6天前
|
机器学习/深度学习 数据采集 监控
构建高效机器学习模型的策略与实践云端防御:融合云计算与网络安全的未来策略
【4月更文挑战第29天】 在数据驱动的时代,构建一个高效的机器学习模型对于解决复杂问题至关重要。本文将探讨一系列策略和最佳实践,旨在提高机器学习模型的性能和泛化能力。我们将从数据处理的重要性入手,进而讨论模型选择、训练技巧、超参数调优以及模型评估方法。通过这些策略的实施,读者将能够构建出更加健壮、准确的模型,并有效地避免过拟合和欠拟合问题。
|
7天前
|
机器学习/深度学习 数据可视化 Python
R语言神经网络模型预测多元时间序列数据可视化
R语言神经网络模型预测多元时间序列数据可视化
13 0
|
7天前
|
存储 安全 网络安全
网络防御的三柱模型:漏洞管理、加密技术与安全意识
【4月更文挑战第29天】在数字化时代,网络安全和信息安全是维系信息完整性、保障用户信任和维护企业声誉的关键。本文将深入探讨构成网络防御核心的三柱模型:网络安全漏洞的识别与管理、加密技术的应用以及提升整体安全意识的重要性。通过对这些领域的细致分析,旨在为读者提供一套全面而实用的知识框架,以应对日益复杂的网络安全挑战。
|
7天前
|
机器学习/深度学习 数据可视化
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
17 1
|
7天前
|
机器学习/深度学习 算法 TensorFlow
TensorFlow 2keras开发深度学习模型实例:多层感知器(MLP),卷积神经网络(CNN)和递归神经网络(RNN)
TensorFlow 2keras开发深度学习模型实例:多层感知器(MLP),卷积神经网络(CNN)和递归神经网络(RNN)
|
7天前
|
数据可视化 算法 数据挖掘
R语言SIR模型网络结构扩散过程模拟SIR模型(Susceptible Infected Recovered )代码实例
R语言SIR模型网络结构扩散过程模拟SIR模型(Susceptible Infected Recovered )代码实例
15 0