HCNP笔记-网络基础知识

简介: HCNP笔记-网络基础知识

第一堂课

osi七层模型

应用层

表示层

会话层

传输层

 

网络层 作用 寻址和路由

ip地址

 

数据链路层

定义了mac地址 交换机工作在数据链路层

数据链路层协议:

广域网数据链路层协议 (需要接口是串口)端口的最大速率是2mb

点到点 ppp hdlc

点到多点 x.25 frame atm

 

物理层 :

定义了线缆的标准 集线器与中继器工作在物理层

有线 包含了双绞线 传输距离是100米 根据线的质量定距离 200一箱与700一箱是有实际距离差异的

stp

utp

3类 4类 5类 超5类 6类

568a 交叉

568b 直连

光纤 单模适合长距离 多模适合短距离传输

无线

 

各种工作原理和作用

中继器

作用:放大信号  可以突破网线的距离限制

 

集线器HUB  

半双工

多端口中继器

接收主机发来的信息 并无条件的向除原端口之外的所有端口 进行转发(泛洪)

模拟信号 :频分复用

数字信号:时分复用

交换机

1.源和目的 的mac地址在表中有,并且在同一端口,会丢弃该数据帧

2.源和目的 的mac地址在表中有,但 不在同一端口,会向以目的地址所对应端口进行转发

3.如果目的的mac地址不在表中,交换机就会泛洪

工作核心是 mac表  

mac表用来记录所有mac地址

 

路由器

路由表

路由表的建立

1.直连 自己的物理端口所对应的链路(IP地址和up)

2.静态

ip router 目的网段 掩码 下一跳

默认路由(缺省路由)

主要是在上外网的地方配置默认路由

路由备份 和 负载分担

路由备份

一条电信 一条网通 如果电信为主

负载分担 两条路径同时走  

什么时候需要用负载分担  如果情况是两条运营商同时走 两条一分级(没听懂)配成一样 配 两条默认路由

3.动态

根据工作范围范围

 

as  自治系统 使用同一组 策略的一组路由器的集合  一个区域 一个范围 独立的系统

 

IGP:RIP OSPF is-is

EGP:bgp

根据算法:

距离矢量算法 rip bgp

rip   v1        v2

  不支持组播     支持组播

  不支持验证     支持验证

  不支持变长子网掩码   支持变长子网掩码

request response  会将整个路由表发送给邻居 周期性维护   rip更新时间为30s    建立 维持 通告 都是一股脑的将整个路由表发送给邻居  效率低工作原理简单 根据跳数来计算

链路状态算法 ospf is-is

ospf根据带宽

目录
相关文章
|
2月前
|
Linux 开发工具 Android开发
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
ijkplayer是由Bilibili基于FFmpeg3.4研发并开源的播放器,适用于Android和iOS,支持本地视频及网络流媒体播放。本文详细介绍如何在新版Android Studio中导入并使用ijkplayer库,包括Gradle版本及配置更新、导入编译好的so文件以及添加直播链接播放代码等步骤,帮助开发者顺利进行App调试与开发。更多FFmpeg开发知识可参考《FFmpeg开发实战:从零基础到短视频上线》。
213 2
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
|
2月前
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
68 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
2月前
|
机器学习/深度学习 数据可视化 Windows
深度学习笔记(七):如何用Mxnet来将神经网络可视化
这篇文章介绍了如何使用Mxnet框架来实现神经网络的可视化,包括环境依赖的安装、具体的代码实现以及运行结果的展示。
60 0
|
2月前
|
机器学习/深度学习 编解码 算法
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型,通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP,实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确,延迟降低20%;小模型准确度提升,延迟相当。
83 1
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
|
2月前
|
机器学习/深度学习 网络架构 计算机视觉
目标检测笔记(一):不同模型的网络架构介绍和代码
这篇文章介绍了ShuffleNetV2网络架构及其代码实现,包括模型结构、代码细节和不同版本的模型。ShuffleNetV2是一个高效的卷积神经网络,适用于深度学习中的目标检测任务。
109 1
目标检测笔记(一):不同模型的网络架构介绍和代码
|
2月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
69 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
编解码 人工智能 文件存储
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
YOLOv7是一种新的实时目标检测器,通过引入可训练的免费技术包和优化的网络架构,显著提高了检测精度,同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略,有效提升了模型性能。实验结果显示,YOLOv7在速度和准确性上超越了其他目标检测器。
59 0
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
|
2月前
|
机器学习/深度学习 Python
深度学习笔记(九):神经网络剪枝(Neural Network Pruning)详细介绍
神经网络剪枝是一种通过移除不重要的权重来减小模型大小并提高效率的技术,同时尽量保持模型性能。
74 0
深度学习笔记(九):神经网络剪枝(Neural Network Pruning)详细介绍
|
2月前
|
机器学习/深度学习 算法 TensorFlow
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决
学习率是深度学习中的关键超参数,它影响模型的训练进度和收敛性,过大或过小的学习率都会对网络训练产生负面影响,需要通过适当的设置和调整策略来优化。
537 0
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决
|
2月前
|
机器学习/深度学习 算法
深度学习笔记(四):神经网络之链式法则详解
这篇文章详细解释了链式法则在神经网络优化中的作用,说明了如何通过引入中间变量简化复杂函数的微分计算,并通过实例展示了链式法则在反向传播算法中的应用。
87 0
深度学习笔记(四):神经网络之链式法则详解