2.H3CNE-网络参考模型

简介: 2.H3CNE-网络参考模型

OSI参考模型

产生背景

各大IT设备厂商只支持自己的私有协议,跨厂商设备兼容性差

用户购买和维护成本高

不利于网络技术发展

概念

定义了网络中设备所遵守的层次结构

优点

开放的标准化接口,协议不再封闭

多厂商设备兼容

易于理解、学习和更新协议标准

实现模块化工程,降低开发难度

便于故障排除

分层

1.物理层

•定义电压、接口、线缆标准、传输距离、传输介质等物理参数(中继器,集线器)

2.数据链路层(交换机):MAC地址寻址(具体寻找到某一个地方)

3.网络层

•网络地址层寻址(IP寻址,寻到一个数据所在的范围)、路由(维护和建立两个网络范围的一条通讯路径,在多条路径中选出最快最优的一条)

4.传输层(防火墙)

• 数据分段、建立端到端连接、维护传输可靠性

• TCP:可靠的传输

• UDP:不可靠的传输

5.会话层

•建立、维护、拆除应用程序间的会话

(区分同一个应用程序的不同访问者)

6.表示层

•定义数据格式、结构;数据加密、压缩

7.应用层

•为应用程序进程提供网络服务(把收到的数据展示在显示器上)

OSI参考模型的问题

划分层次过多,会话层、表示层存在意义不大

IP协议成为事实的网络层唯一协议

TCP/IP参考模型(书面文章上使用)

4层划分方法

1.网络接口层

• 物理层

• 数据链路层

2.网络层

3.传输层

4.应用层

• 会话层

• 表示层

• 应用层

5层划分方法(实际标准上使用)

1.物理层

2.数据链路层

3.网络层

4.传输层

5.应用层

• 会话层

• 表示层

• 应用层

数据封装和解封装

定义

封装:在原始数据的基础上加入一些额外信息形成新的格式

解封装:拆除掉封装的额外信息,还原成原始数据

TCP/IP分层封装

1.物理层:比特流

2.数据链路层:数据帧

3.网络层:数据包

4.传输层:数据段

5.应用层:数据

数据封装和解封装过程

数据发送时,从上至下逐层封装

数据接收时,从下至上逐层解封装

只有拆除外层封装,才能看到内层封装

封装和解封装的具体过程:

过程说明:首先设置两个主机的IP地址为1.1.1.1 1.1.1.2 Mac地址为A,B.假设A向B发送一条数据,在应用层上会完全转码成1101001101010100010.完成后,往下给到传输层,在传输层会进行数据分段,分成110100110,101100010,给每一段前面加上TCP头部(加在原始信息的前面,而不是后面)既可以加TCP(可靠的)也可以加UDP(可靠的)。这两段信息是一样的,下面以一段信息为列子,从传输层送到网络层,在网络层就会把传输层中的数据再加上一个IP头部,其中IP头部主要包含目的IP地址和源IP地址,A向B发送数据,目的IP为1.1.1.2,源IP为1.1.1.1(注意目的IP在前,源IP在后)数据段转换成数据包。在数据链路层,就会在数据包加上一个MAC头部,包含目的MAC B和源MAC地址A,数据包变为数据帧,再交给物理层,把数据帧转换为1010.。。。。。。。。。(高压电低压电)的比特流,以线缆传递到对面,首先在物理层感知到数据,解调成二进制,给数据链路层,检查数据帧的目的MAC地址,是不是找自己的,若不是,则直接丢弃,若是,则拆掉MAC头部,形成数据包,交到网络层,在网络层中检查是不是找自己的,若不是,丢弃,若是,则拆掉IP头部,形成数据段,交到传输层,把多个分段头部拆掉,完成数据重组,重组成不带任何头部的内容,上交给应用层,展现原始的数据。


相关文章
|
1天前
|
存储 网络协议 Linux
【Linux 网络】网络基础(一)(局域网、广域网、网络协议、TCP/IP结构模型、网络传输、封装和分用)-- 详解(下)
【Linux 网络】网络基础(一)(局域网、广域网、网络协议、TCP/IP结构模型、网络传输、封装和分用)-- 详解(下)
|
1天前
|
存储 网络协议 安全
【Linux 网络】网络基础(一)(局域网、广域网、网络协议、TCP/IP结构模型、网络传输、封装和分用)-- 详解(上)
【Linux 网络】网络基础(一)(局域网、广域网、网络协议、TCP/IP结构模型、网络传输、封装和分用)-- 详解(上)
|
2天前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络模型的鱼眼镜头中人员检测算法matlab仿真
该内容是一个关于基于YOLOv2的鱼眼镜头人员检测算法的介绍。展示了算法运行的三张效果图,使用的是matlab2022a软件。YOLOv2模型结合鱼眼镜头畸变校正技术,对鱼眼图像中的人员进行准确检测。算法流程包括图像预处理、网络前向传播、边界框预测与分类及后处理。核心程序段加载预训练的YOLOv2检测器,遍历并处理图像,检测到的目标用矩形标注显示。
|
4天前
|
机器学习/深度学习 人工智能 算法
食物识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
食物识别系统采用TensorFlow的ResNet50模型,训练了包含11类食物的数据集,生成高精度H5模型。系统整合Django框架,提供网页平台,用户可上传图片进行食物识别。效果图片展示成功识别各类食物。[查看演示视频、代码及安装指南](https://www.yuque.com/ziwu/yygu3z/yhd6a7vai4o9iuys?singleDoc#)。项目利用深度学习的卷积神经网络(CNN),其局部感受野和权重共享机制适于图像识别,广泛应用于医疗图像分析等领域。示例代码展示了一个使用TensorFlow训练的简单CNN模型,用于MNIST手写数字识别。
22 3
|
7天前
|
机器学习/深度学习 数据可视化 PyTorch
使用Python实现深度学习模型:生成对抗网络(GAN)
使用Python实现深度学习模型:生成对抗网络(GAN)
22 3
|
9天前
|
Linux 开发工具
【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)
【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)
9 0
|
9天前
|
机器学习/深度学习 自然语言处理 网络安全
【pkuseg】由于网络策略组织下载请求,因此直接在github中下载细分领域模型medicine
【pkuseg】由于网络策略组织下载请求,因此直接在github中下载细分领域模型medicine
21 1
|
9天前
|
机器学习/深度学习 数据可视化 算法
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
|
9天前
|
机器学习/深度学习 数据可视化 数据挖掘
R语言神经网络模型金融应用预测上证指数时间序列可视化
R语言神经网络模型金融应用预测上证指数时间序列可视化
|
9天前
|
机器学习/深度学习 数据可视化 算法
SPSS Modeler决策树和神经网络模型对淘宝店铺服装销量数据预测可视化|数据分享
SPSS Modeler决策树和神经网络模型对淘宝店铺服装销量数据预测可视化|数据分享

热门文章

最新文章