计算机网络:思科实验【3-集线器与交换机的区别、交换机的自学习算法】

简介: 计算机网络:思科实验【3-集线器与交换机的区别、交换机的自学习算法】



实验目的

1 验证集线器与交换机的区别

2 验证交换机的自学习算法

3 进一步理解交换机的工作原理

实验环境

Cisco Packet Tracer模拟器

实验内容

集线器与交换机的区别

1)第一步:构建网络拓扑:在逻辑工作空间上,分别拖动两台集线器与两台交换机,集线器、交换机各自连接三台主机,如图所示。如果交换机连接线的两个指示灯不是绿色,可以鼠标在实时模式与仿真模式之间多次切换,直至两个指示灯都呈现为绿色。

2)第二步:设置设备IP地址:鼠标左键单击设置的设备,选择桌面,选择IP设置,分别将两台集线器、交换机对应的六台主机IP地址设置为”192.168.0.1”、”192.168.0.2”、”192.168.0.3”、”192.168.0.4”、”192.168.0.5”、”192.168.0.6”。如图**2*所示

(3)第三步:在实时模式下,使主机互相发送分组,以便使各主机的ARP缓存表中存储同一网络中其他主机的信息。如图所示。

之后删除刚才的发送分组过程,如图所示

(4)第四步:在事件列表过滤器中,只保留ICMP协议,如图所示

(5)第五步:在集线器网络中发送分组。鼠标切换到仿真模式,使主机1向主机2发送分组,观察到分组首先被发送到集线器中,接着集线器将分组广播到所有主机中,如图所示。

主机3发现分组的目的MAC地址不是自己,丢弃分组,主机2发现分组的目的MAC地址是自己,于是接收分组,并向主机1发送确认分组,如图所示。

(6)第六步:在仿真面板中点击“捕获**/前进”按钮。确认分组首先被发送到集线器中,接着集线器会将其广播到所有主机中,如图所示。主机3发现确认分组的目的MAC地址不是自己,于是丢弃该分组,主机1发现确认分组的目的MAC**地址是主机,于是接收该分组。

(7)第七步:在交换机网络中发送分组。使交换机网络中的主机1向主机2发送一个ICMP询问分组,观察到该分组首先被发送到交换机中,交换机再把分组明确的转发到主机2中,如图9所示。

主机2发现该分组的目的MAC地址是自己,于是接收该分组,并向主机1发送确认分组,如图10所示。

(8)第八步:在仿真面板中点击“捕获**/前进”按钮。确认分组首先被发送到交换机中,接着交换机将其准确的发送给主机1,如图所示。主机1发现该分组是一个确认分组,且分组的目的MAC**地址是自己,于是接收该分组并不进行回复。我们可以看出,集线器对分组有过滤功能,会将其精确的发送给目的主机,但是集线器会将其广播出去。

(9)第九步:将分别将两个集线器网络、两个交换机网络互联起来,如图所示。构成了一个更大的集线器网络、交换机网络

(10)第十步:在更大的集线器网络中发送分组。鼠标使主机1向主机2发送ICMP询问分组,观察到该分组首先被发送到第一个集线器,接着集线器1将其广播出去,如图所示。

主机3收到该分组后丢弃,主机2收到该分组后接收,并准备向主机1发送一个确认分组。在仿真面板中点击“捕获**/前进”按钮,交换机2将ICMP询问请求广播出去,主机4、5、6发现该分组的目的MAC**地址不是自己,于是丢弃该分组,此时主机1发送的确认分组首先到达集线器1,如图所示。

(11)第十一步:集线器1将确认分组广播,主机3丢弃该分组,主机1发现该分组为确认分组且目的MAC地址是自己,于是接收分组且不再回答,如图所示。

接着,集线器2会将该分组广播出去,如图所示。主机4、5、6发现分组的目的MAC地址不是自己,于是丢弃该分组。

(12)第十二步:是交换机网络中主机1向主机2发送ICMP请求分组,该请求首选发送到交换机中,接着交换机将其精准的发往主机2,如图所示。

主机2发现该分组的目的MAC地址是自己,于是接收该分组并向主机1发送确认分组,确认分组首先被发送到交换机中,接着交换机精确的将其发往主机1,如图所示。主机1接收该分组并不再回应。

(13)第十三步:集线器网络同时发送多个分组。分别使主机1向主机2发送ICMP询问分组、使主机3向主机4方ICMP询问分组。这些分组首先被发送到集线器1、2。接着,集线器1、2将分组广播,主机3、6发现分组的目MAC地址不是自己,于是丢弃分组,主机2、4接收分组,集线器1与集线器2互相广播过程中信号发生碰撞而出错,如图所示。

接着,集线器1、2将出错信息广播,此时主机2、4发送的确认分组与错误信息碰撞,此时所有的主机、集线器都受到错误信息,如图所示。

(14)第十四步:交换机网络同时发送多个分组。分别使交换机网络中的主机1、主机4向主机2、主机4发送ICMP询问分组,分组首先被发送到交换机1、2。如图所示。

接着被交换机准确发送到主机2、主机4。主机2、4发现这是一个ICMP询问分组,其目的MAC地址是自己,于是接收分组后并向主机1、3发送确认分组。确认分组首先被发送到交换机上,交换机精准的将其发送给主机1、3,如图所示。主机1、3接收并不再回复。

(15)第十五步:在交换机网络上广播帧。鼠标选择“复杂PDU”,如图23所示。所有的主机都会收到广播帧。

在目的IP地址填广播地址(255.255.255.255),如图24所示。

该广播帧首先会被发送到交换机,接着交换机将它们广播,如图25所示。

(16)第十六步:构建网络拓扑,将集线器用一个交换机连接,如图所示。接着,使主机互相发送分组,使交换机的ARP表存储各主机信息。

(17)第十七步:使主机1向主机2发送ICMP询问分组,分组首先被发送到集线器,接着集线器对其进行广播,交换机收到分组后发现目的MAC地址不在右边的集线器网络,故不会发送,起到隔离碰撞域的作用。如图所示。

主机2收到分组并向主机1发送确认分组,确认分组首先被发送到集线器中,接着集线器进行广播,与第一步类似,如图所示。主机1收到分组并不再回复。

交换机的自学习算法

1)第一步:构建网络拓扑。在逻辑工作空间上,拖动三个终端设备和一个集线器,用连接线把设备连接起来。如图所示。

2)第二步:设置IP地址。鼠标左键单击要设置的设备,选择桌面,选择IP设置,如图所示

(3)第三步:设置IP地址注释。为了方便后续实验的观察,为每一台主机都标住上它们的IP地址。鼠标选择”注释”,如图所示。接着在每台主机的上方都写上它们的注释,如图所示。

(4)第四步:设置主机的MAC地址注释。鼠标切换到选择模式,左键选中主机,选择配置,选择”FastEthernet”,就可以看到主机的MAC地址,如图所示。使用注释将MAC地址标记在主机旁边,如图所示。

(5)第五步:在事件列表过滤器中,只保留ARP协议和ICMP协议,如图所示

(6)第六步:为了方便实验观察,还需要显示各主机、交换机的端口号。在菜单中选择选项,选择参数选择,勾选”在逻辑工作空间中显示端口标签”,如图所示。

(7)第七步:查看交换机的ARP缓存表,如图所示。此时交换机的ARP缓存表是空的。

(8)第八步:使主机1向主机2发送简单PDU,此时主机1不知道主机2的IP地址,需要事先发送一个ARP请求帧,如图所示。

(9)第九步:ARP请求帧首先被发送到交换机中,接着交换机会查询它主机的ARP缓存表,查看目的IP是否在其中。显示此时目的主机IP不在交换机的ARP缓存中,因此交换机会进行广播发送,如图所示。

此时该请求帧为一个广播帧,如图所示。

(10)第十步:主机2、3的网卡接收该广播帧,交付给上层的ARP进程解析,主机3的ARP进程发现目的地址不是自己,于是丢弃PDU,而主机2的ARP进程发下目的地址是自己,于是接收该帧。ARP进程并将自己的IP地址、MAC地址封装在ARP单波响应中向主机1发送。

(11)第十一步:响应帧首先到达交换机,如图所示。

交换机读取到主机2的IP地址、MAC地址并存储在自己的ARP缓存表中,此时交换机ARP缓存表中包含主机1、2的IP地址、MAC地址,如图所示。

(12)第十二步:交换机收到响应帧,在自己的缓存表中寻找目的MAC地址,发现有,于是按照对应的端口号将响应帧从端口0发送给主机1,如图所示。

(13)第十三步:主机1得到主机2的IP地址、MAC地址,于是主机1将ICMP询问分组发送给主机2。分组首先被发送到交换机中,交换机查找目的MAC地址,发现表中有,于是从对应的端口3中发送给主机2,如图所示。主机2收到分组,并发送响应分组给主机1。该分组发送步骤与上类似。

(14)第十四步:按照之前的步骤构建如图所示的网络拓扑,

使主机相互发送分组,以便使交换机存储各主机的有关信息。此时交换机内部应该存储有主机4、5的信息,如图所示。

(15)第十五步:使主机4向主机5发送一个PDUPDU首先被发送到集线器中,接着被广播,但是交换机会丢弃该包,如图所示。原因在于交换机查找到该PDU的目的地址对应的端口号为4,而该PDU又恰好是从端口4发送过来的,于是交换机知道不必继续转发该PDU

(16)第十六步:删除刚才的发送事件,如图所示。

点击交换机,选择”命令行界面”,按回车,如图所示。

输入命令”enable”进入特权模式。输命令”show mac-a”查看所有的MAC地址,结果如图所示。

输入命令”clear mac-a”以清楚所有的MAC地址,并再次输入”show mac-a”,结果如图所示。

(17)第十七步:此时交换机内部所有的MAC地址信息已经清楚。再次使主机4向主机5发送PDUPDU首先会到达集线器,接着集线器会将其广播出去,如图所示。

交换机随后也会将其广播,如图所示。原因在于交换机不知道目的MAC的地址,只能广播,此现象又称为泛洪。

实验体会

1 交换机能够过来信息,不必再像集线器一样将信息全部广播,能节省大量的网络资源。

2 交换机的自学习算法使得在部署交换机时十分方便,不需要对参数进行大量的设置。

总结

无边的丝线,网罗天地间, 信息律动,编织着未来的领域。

电子雄心,携手共舞, 万象交融,数码之花灿烂。

时空交错,虚实相连, 网络之舞,激荡心弦。

无言的交流,电波悠扬, 互联的奇迹,在指尖绽放。

计算的魔力,解锁智慧之门, 网络如诗,奏响科技的赞歌。

渴望挑战计算机网络的学习路径和掌握进阶技术?不妨点击下方链接,一同探讨更多计算机网络的奇迹吧。我们推出了引领趋势的💻计网专栏:【Cisco Packet Tracer实验】 ,旨在深度探索计算机网络的实际应用和创新。🌐🔍

相关文章
|
17天前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
47 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
15天前
|
机器学习/深度学习 人工智能 算法
深度学习入门:理解神经网络与反向传播算法
【9月更文挑战第20天】本文将深入浅出地介绍深度学习中的基石—神经网络,以及背后的魔法—反向传播算法。我们将通过直观的例子和简单的数学公式,带你领略这一技术的魅力。无论你是编程新手,还是有一定基础的开发者,这篇文章都将为你打开深度学习的大门,让你对神经网络的工作原理有一个清晰的认识。
|
16天前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
66 21
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
7天前
|
算法 JavaScript 前端开发
第一个算法项目 | JS实现并查集迷宫算法Demo学习
本文是关于使用JavaScript实现并查集迷宫算法的中国象棋demo的学习记录,包括项目运行方法、知识点梳理、代码赏析以及相关CSS样式表文件的介绍。
第一个算法项目 | JS实现并查集迷宫算法Demo学习
|
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
|
15天前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
44 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
11天前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
24 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
3天前
|
传感器 算法 C语言
基于无线传感器网络的节点分簇算法matlab仿真
该程序对传感器网络进行分簇,考虑节点能量状态、拓扑位置及孤立节点等因素。相较于LEACH算法,本程序评估网络持续时间、节点死亡趋势及能量消耗。使用MATLAB 2022a版本运行,展示了节点能量管理优化及网络生命周期延长的效果。通过簇头管理和数据融合,实现了能量高效和网络可扩展性。
|
11天前
|
XML JavaScript 前端开发
学习react基础(1)_虚拟dom、diff算法、函数和class创建组件
本文介绍了React的核心概念,包括虚拟DOM、Diff算法以及如何通过函数和类创建React组件。
15 2
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习还不如浅层网络?RL教父Sutton持续反向传播算法登Nature
【9月更文挑战第24天】近年来,深度学习在人工智能领域取得巨大成功,但在连续学习任务中面临“损失可塑性”问题,尤其在深度强化学习中更为突出。加拿大阿尔伯塔大学的研究人员提出了一种名为“持续反向传播”的算法,通过选择性地重新初始化网络中的低效用单元,保持模型的可塑性。该算法通过评估每个连接和权重的贡献效用来决定是否重新初始化隐藏单元,并引入成熟度阈值保护新单元。实验表明,该算法能显著提升连续学习任务的表现,尤其在深度强化学习领域效果明显。然而,算法也存在计算复杂性和成熟度阈值设置等问题。
25 2
下一篇
无影云桌面