计算机网络原理的基本概念

简介: 计算机网络原理的基本概念

🔎IP地址

概念

IP地址主要用于标识网络主机, 其他网络设备(如路由器)的网络地址

IP地址用于定位主机的网络地址

格式

IP 地址是一个32位的二进制数, 通常被分割为4个 “8位二进制数”(分割成4组)

比如

01100100.00000100.00000101.00000110

通常用点分十进制表示, 即 a.b.c.d 的形式 (a, b, c, d 都是 0 ~ 255之间的整数)

特殊IP地址

网络地址

0.0.0.0

广播地址

255.255.255.255

环回地址

127.0.0.1

私有地址

A类: 0.0.0.0 ~ 127.255.255.255

B类: 128.0.0.0 ~ 191.255.255.255

C类: 192.0.0.0 ~ 223.255.255.255

🔎端口号

概念

端口号可以标识主机中发送数据, 接收数据的进程(应用程序)

端口号用于定位主机中的进程(应用程序)

格式

端口号是 0~65535 范围的数字

在网络通信中, 进程可以通过绑定一个端口号, 来发送及接收网络数据

注意

两个不同的进程(应用程序), 不能绑定同一个端口号, 但一个进程可以绑定多个端口号

🔎关于IP地址与端口号

当我们买快递的时候,需要填写收件人的地址(IP地址)

但光有地址也不行,还得知道收件人是谁(端口号)

🔎协议

概念

协议是网络通信(网络数据传输)经过的所有网络设备都必须共同遵从的一组约定, 规则

举个栗子🥝

不同的游戏有不同的规则

有的游戏是推塔才能取得最终的胜利

有的游戏是击败最终的BOSS才能取得最终的胜利

在推塔取得胜利的游戏中, 玩家虽然击败了BOSS, 但却未能获得胜利(未遵守协议)

在击败最终BOSS的游戏中, 玩家虽然摧毁了地方的防御塔, 但却未能获得胜利(未遵守协议)

这些不同的规则就属于不同的协议

协议的三要素

语法

数据与控制信息的结构或格式

类似我们学习英语时, 遵守的语法格式

语义

需要发出何种控制信息, 完成何种动作以及做出何种响应

语义主要用来说明通信双方应该做什么, 用于协调与差错处理的控制信息

时序

事件实现顺序的详细说明

协议最终体现为网络上传输的数据包的格式

协议的作用

计算机之间的传输媒介是光信号和电信号

通过频率和强弱来表示 0 和 1

要想传递各种不同的信息, 就需要约定好传输的数据格式(协议)

🔎协议分层

当一个协议较为复杂时,就会拆分成多个协议

每个协议负责完成整个协议的一部分职责

可能存在有些小的协议, 作用是类似的, 就可以针对这些协议进行分类

同时在针对不同的类别, 进行分层

协议分层的作用

约定了层级与层级之间的调用关系

上层协议调用下层协议, 下层协议为上册协议提供支持, 不能跨层调用

类似于代码中的接口

一方为接口的实现类(提供服务)

一方为接口的使用类(调用服务)

对于接口的使用方, 不需要关心接口是如何实现的

对于接口的实现方, 利用封装的特性,隐藏了实现的细节, 只需要提供接口即可



🔎OSI 模型

图片内容摘抄自网络

🔎网络设备所在分层

主机

它的操作系统内核实现了从传输层到物理层的内容

路由器

它实现了从网络层到物理层

交换机

它实现了从数据路路层到物理层

集线器

它只实现了物理层

这里所说的路由器与交换机, 也称为二层交换机, 三层路由器

也就是传统意义上的交换机和路由器

🔎封装与分用

🔎结尾

创作不易,如果对您有帮助,希望您能点个免费的赞👍

大家有什么不太理解的,可以私信或者评论区留言,一起加油

相关文章
|
1月前
|
机器学习/深度学习 PyTorch TensorFlow
卷积神经网络深度解析:从基础原理到实战应用的完整指南
蒋星熠Jaxonic,深度学习探索者。深耕TensorFlow与PyTorch,分享框架对比、性能优化与实战经验,助力技术进阶。
|
1月前
|
监控 负载均衡 安全
WebSocket网络编程深度实践:从协议原理到生产级应用
蒋星熠Jaxonic,技术宇宙中的星际旅人,以代码为舟、算法为帆,探索实时通信的无限可能。本文深入解析WebSocket协议原理、工程实践与架构设计,涵盖握手机制、心跳保活、集群部署、安全防护等核心内容,结合代码示例与架构图,助你构建稳定高效的实时应用,在二进制星河中谱写极客诗篇。
WebSocket网络编程深度实践:从协议原理到生产级应用
|
7月前
|
机器学习/深度学习 存储 算法
NoProp:无需反向传播,基于去噪原理的非全局梯度传播神经网络训练,可大幅降低内存消耗
反向传播算法虽是深度学习基石,但面临内存消耗大和并行扩展受限的问题。近期,牛津大学等机构提出NoProp方法,通过扩散模型概念,将训练重塑为分层去噪任务,无需全局前向或反向传播。NoProp包含三种变体(DT、CT、FM),具备低内存占用与高效训练优势,在CIFAR-10等数据集上达到与传统方法相当的性能。其层间解耦特性支持分布式并行训练,为无梯度深度学习提供了新方向。
278 1
NoProp:无需反向传播,基于去噪原理的非全局梯度传播神经网络训练,可大幅降低内存消耗
|
2月前
|
机器学习/深度学习 人工智能 算法
卷积神经网络深度解析:从基础原理到实战应用的完整指南
蒋星熠Jaxonic带你深入卷积神经网络(CNN)核心技术,从生物启发到数学原理,详解ResNet、注意力机制与模型优化,探索视觉智能的演进之路。
353 11
|
2月前
|
机器学习/深度学习 算法 搜索推荐
从零开始构建图注意力网络:GAT算法原理与数值实现详解
本文详细解析了图注意力网络(GAT)的算法原理和实现过程。GAT通过引入注意力机制解决了图卷积网络(GCN)中所有邻居节点贡献相等的局限性,让模型能够自动学习不同邻居的重要性权重。
414 0
从零开始构建图注意力网络:GAT算法原理与数值实现详解
|
2月前
|
安全 测试技术 虚拟化
VMware-三种网络模式原理
本文介绍了虚拟机三种常见网络模式(桥接模式、NAT模式、仅主机模式)的工作原理与适用场景。桥接模式让虚拟机如同独立设备接入局域网;NAT模式共享主机IP,适合大多数WiFi环境;仅主机模式则构建封闭的内部网络,适用于测试环境。内容简明易懂,便于理解不同模式的优缺点与应用场景。
353 0
|
4月前
|
机器学习/深度学习 人工智能 PyTorch
零基础入门CNN:聚AI卷积神经网络核心原理与工业级实战指南
卷积神经网络(CNN)通过局部感知和权值共享两大特性,成为计算机视觉的核心技术。本文详解CNN的卷积操作、架构设计、超参数调优及感受野计算,结合代码示例展示其在图像分类、目标检测等领域的应用价值。
259 7
|
6月前
|
监控 应用服务中间件 Linux
掌握并发模型:深度揭露网络IO复用并发模型的原理。
总结,网络 I/O 复用并发模型通过实现非阻塞 I/O、引入 I/O 复用技术如 select、poll 和 epoll,以及采用 Reactor 模式等技巧,为多任务并发提供了有效的解决方案。这样的模型有效提高了系统资源利用率,以及保证了并发任务的高效执行。在现实中,这种模型在许多网络应用程序和分布式系统中都取得了很好的应用成果。
198 35
|
6月前
|
机器学习/深度学习 算法 测试技术
图神经网络在信息检索重排序中的应用:原理、架构与Python代码解析
本文探讨了基于图的重排序方法在信息检索领域的应用与前景。传统两阶段检索架构中,初始检索速度快但结果可能含噪声,重排序阶段通过强大语言模型提升精度,但仍面临复杂需求挑战
206 0
图神经网络在信息检索重排序中的应用:原理、架构与Python代码解析
|
5月前
|
安全 Java 程序员
分析Muduo网络库源码中的TcpServer组件工作原理
简言之,TcpServer 在 Muduo 中的角色,就是一位终极交通指挥员,它利用现代计算机网络的魔法,确保数据如同车辆一般,在信息高速公路上自由、安全、高效地流动。
75 0