应用层续(上)

简介: 应用层续(上)

DNS(域名解析系统)



前面说的都是应用层的协议 和相关案例


应用层协议 和 例子都是所有案例中最多的。 域名解析系统是给其他应用应用的应用通过其他应用来为应用提供服务。


dns提供的是: 域名到 ip地址的转换


DNS的重要性(必要性)


  • IP地址标识主机、路由器
  • 但IP地址不好记忆,不便人类使用(没有意义)
  • 人类一般倾向于使用一些有意义的字符串来标识 Internet上的设备(大实话)


例如:qzheng@ustc.edu.cn 所在的邮件服务器 www.ustc.edu.cn 所在的web服务器


  • 存在着“字符串”—– IP地址的转换的必要性
  • 人类用户提供要访问机器的“字符串”名称
  • 由DNS负责转换成为二进制的网络地址


DNS系统需要解决的问题


主要解决的问题就是域名到ip地址的转换


1.问题1: 如何命名设备

需要通过一些有意义的字符串来标识设备。便于记忆


解决一个平面命名的重名问题:层次化命名


2.问题2:如何完成(域名)名字到IP地址的转换

分布式的数据库维护和响应名字查询


3.问题3:如何维护:增加或者删除一个域,需 要在域名系统中做哪些工作


DNS (Domain Name System) 的发展历史


ARPANET 的名字解析 解决方案:


  1. 主机名:没有层次的一个字符串(一个平面)
  2. 存在着一个(集中)维护站:维护着一张 主机名-IP地址 的映射文件:****Hosts.txt
  3. 每台主机定时从维护站取文件


上述ARPANET 的名字解析 解决方法所遇到的问题:

当网络中主机数量很大时


没有层次的主机名称很难分配


文件的管理、发布、查找都很麻烦


DNS的总体设计思路和目标


设计思路:

  • 分层的、基于域的命名机制 (分层命名)
  • 若干分布式的数据库完成名字到IP地址的转换


通过上面的方式来解决名字到ip地址的转换关系。


  • 运行在UDP之上端口号为53的 应用服务
  • 核心的Internet功能,但以应用层协议实现
  • 在网络边缘处理复杂性


互联网的很多核心功能都是在网络的边缘,通过端系统之上的应用进程来实现的。(复杂性体现在边上, 传输层及以上)


DNS的主要目的:


  1. 实现主机名-IP地址的转换(name/IP translate)
  2. 其它目的
  • 主机别名到规范名字的转换:Host aliasing
  • 邮件服务器别名到邮件服务器的正规名字的转换:Mail server aliasing
  • 负载均衡:Load Distribution


解决的三个问题 :


问题一 : DNS名字空间(The DNS Name Space)


DNS域名结构 :

  1. 一个层面命名设备会有很多重名
  2. NDS采用层次树状结构的 命名方法
  3. Internet 根被划为几百个顶级域(top lever domains)


通用的


.com; .edu ; .gov ; .int ; .mil ; .net ; .org .firm ; .hsop ; .web ; .arts ; .rec ;


国家级别的:


.cn ; .us ; .nl ; .jp


  1. 每个(子)域下面可划分为若干子域(subdomains)
  2. 树叶是主机


DNS: 根名字服务器


全球只有这13个。中国这边没有。


10个在美国、1个在英国、1个在瑞典、1个在荷兰


这是存在一些安全隐患的,我国只有相关的镜像


创建一个新的域,必须征得它所属域的同意 。


DNS名字空间(The DNS Name Space)


1689853497235-b247a473-afd0-4e59-a8f4-408b3ad01a4b.png

域名(Domain Name)

  1. 从本域往上,直到树根 所有的都属于这个域名
  2. 中间使用“.”间隔不同的级别


例如: ustc.edu.cn 、 auto.ustc.edu.cn …


  1. 域的域名:可以用于表示一个域
  2. 主机的域名:一个域上的一个主机


域名的管理


一个域管理其下的子域 (前缀树)


.jp 被划分为 ac.jp co.jp ;


.cn 被划分为 edu.cn com.cn ;


创建一个新的域,必须征得它所属域的同意 ()


域与物理网络无关


  • 域的划分是逻辑的,而不是物理的
  • 域遵从组织界限,而不是物理网络


一个域的主机可以不在一个网络 。但是, 一个网络的主机不一定在一个域



目录
相关文章
|
13天前
|
人工智能 自然语言处理 安全
阿里云千问办公 QwenWork详细介绍:产品核心能力、典型场景、价格及常见问题解答
千问办公是阿里云推出的一站式AI办公平台,主打"不止于对话,更注重交付",依托通义千问旗舰大模型,用户一句话即可完成数据分析、PPT生成、视频剪辑等复杂任务,直接输出可用成果。产品深度打通钉钉生态与企业OA,覆盖桌面端、网页端,提供企业标准版198元/人/月等多档订阅方案,新用户注册即赠2000积分,适配工程师、HR、财务等多职业办公场景,成为能动手干活的"全能AI同事"。
|
13天前
|
人工智能
千问办公官网入口:阿里AI办公QwenWork产品页和免费网页端链接
千问办公官网含两大入口:一是网页端(qwenwork.cn),即开即用,支持浏览器直接访问;二是阿里云产品页 https://t.aliyun.com/U/JNKJuO 提供免费/付费版详情、功能介绍及使用指南。
|
12天前
|
IDE 开发工具
Qoder 上线 Sonus 模型,Computer Use 能力全面增强
Qoder国际版上线全新内置大模型Sonus(/ˈsoʊnəs/),全球领先,专精超长任务执行与电脑操作(Computer Use)。配合Qoder桌面端0.2.3版本,可自主完成编程、金融建模、科研及表格制作等复杂工作。现全面支持Qoder全系产品,效率提升3.2倍。
1517 8
Qoder 上线 Sonus 模型,Computer Use 能力全面增强
|
14天前
|
缓存 人工智能 自然语言处理
阿里云qwen3.8-flash大模型介绍:模型能力、模型价格、免费额度与最新活动
本文是阿里云百炼平台Qwen3.8-Flash大模型的选型接入指南,作为兼顾性能与响应速度的高性价比多模态模型,它支持百万级上下文窗口、全场景多模态输入与完整智能体能力矩阵,适配编程辅助、智能体协作等核心场景。文中同步梳理了最新下调的阶梯定价、夜间4折等优惠活动,搭配OpenAI兼容流式调用示例,帮助开发者低成本快速落地高并发AI应用。
阿里云qwen3.8-flash大模型介绍:模型能力、模型价格、免费额度与最新活动
|
13天前
|
人工智能 API 内存技术
刚刚 DeepSeek V4.1 Flash 开启内测,1 分钟教你用上!
刚刚 DeepSeek 内测群发布了 DeepSeek V4.1 Flash 中间版本内测的消息,这次的模型采用了新的结构,原生支持多模态、能力更强、速度更快、且成本更低。
1990 15
|
7天前
|
缓存 IDE Java
【保姆级】Android Studio下载、安装和汉化教程(2026最新)
Android Studio 是 Google 官方推出的免费 Android 应用开发集成环境,基于 IntelliJ IDEA,内置模拟器、调试器、性能分析及 Compose 界面工具,功能全面,文档丰富,是安卓开发首选工具。(239字)
|
18天前
|
人工智能 运维 BI
阿里云千问办公QwenWork深度解析:基于Qwen3.8,六大核心能力重构企业全自动化工作流与计费选型指南
传统AI办公工具大多停留在对话问答、文档摘要、简单文案生成层面,只能完成单点碎片化任务,无法自主拆解复杂业务流程,很难串联多工具、多文档、外部业务系统完成端到端完整工作交付。很多企业在落地AI办公的时候,需要组合多款不同工具,来回切换界面,手动复制粘贴中间结果,智能化改造落地门槛居高不下。千问办公QwenWork是整合多款智能体产品能力打造的一体化企业办公智能体平台,底层基座依托Qwen3.8大模型,打通桌面端Agent、云端Agent、企业协同Agent三种运行形态,不再局限简单问答,接收业务目标之后自主拆解任务步骤,调用各类工具,处理文档、表格、浏览器自动化、数据查询,直接输出可交付的办公
1691 4
|
12天前
|
人工智能 安全 JavaScript
DeepSeek Harness开源Agent运行框架实战:4种安装方式、WebUI启动、插件管理与排坑全流程
随着AI Agent技术快速发展,单纯依靠大模型对话能力,很难完成复杂的自动化任务。模型需要具备读取本地文件、执行脚本、访问网页、操作文件系统、拆分复杂任务并分步执行的能力。DeepSeek Harness,简称DSH,是开源的AI Agent执行运行框架,遵循“Agent = 大模型 + Harness执行底座”的设计理念,为大模型提供一套安全可控的工具调用、任务编排、沙箱执行与插件扩展能力。它提供Web可视化界面与完整命令行工具,支持插件化扩展,能够让大模型自主拆解复杂需求,调用各类工具分步完成目标,无论是本地电脑调试,还是部署在云服务器上长期运行智能体任务都十分合适。本文为从0到1完整保
899 0
|
14天前
|
缓存 JSON API
阿里云千问Qwen3.8‑Max深度解析:核心能力、订阅计费规则、API接入配置与生产落地完整教程
Qwen3.8‑Max作为千问系列新一代MoE架构旗舰基座,总参数量达到2.4万亿,激活参数950亿,是面向复杂专业任务、长周期智能体、工程级代码开发、多模态深度解析的高阶大模型,原生支持文本、图像、视频多模态输入,最大上下文窗口达到百万Token,最大输出Token支持131072,内置深度思考推理链路,在编程、科研、法律金融专业分析、长视频文档解析、自主Agent任务等场景能力表现突出。很多开发者在项目前期直接接入该旗舰模型,却对模型能力边界、多种计费模式、订阅套餐权益、API参数配置、上下文缓存优化缺乏完整认知,出现成本失控、接口报错、长文本信息丢失、深度思考模式额外消耗大量Token等
976 3