计算机网络——计算机网络体系结构(2/4)-分层的必要性(五层协议原理体系结构)

简介: 计算机网络——计算机网络体系结构(2/4)-分层的必要性(五层协议原理体系结构)

计算机网络是个非常复杂的系统。

早在最初的ARPANET设计时就提出了分层的设计理念。

"分层"可将庞大而复杂的问题,转化为若干较小的局部问题,而这些较小的局部问题就比较易于研究和处理。

下面,我们以五层原理结构体系,按照由简单到复杂的顺序,来看看实现计算机网络要面临哪些主要的问题,以及如何将这些问题划分到相应的层次,层层处理。

物理层

  • 采用怎样的传输媒体(介质)
  • 采用怎样的物理接口
  • 使用怎样的信号表示比特0和1

首先来看最简单的情况:

两台计算机通过一条网线连接起来,对于这种最简单的情况,我们需要考虑以下问题:

  • 采用怎样的传输媒体(介质)

例如,这是我们常见的双绞线网线

  • 采用怎样的物理接口

例如,这是RJ45以太网接口

  • 使用怎样的信号表示比特0和1

例如,使用这样的方波信号,低电平表示0,高电平表示1

解决了这些问题,两台计算机就可以通过信号来传输比特0或1了,

我们可以将这些问题划分到物理层

说明两点:第一,严格来说,传输媒体并不属于物理层,它并不包含在体系结构中。第二,计算机网络中传输的信号,并不是我们举例的方波信号。我们之所以举例成方波信号,是未来让初学者容易理解。在学习本身就不容易理解的、概念抽象的计算机网络体系结构时,不让其他的技术细节再造成学习障碍。

数据链路层

  • 如何标识网络中的各主机(主机编址问题,例如MAC地址)
  • 如何从信号所表示的一连串比特流中区分出地址和数据
  • 如何协调各主机争用总线

使用的计算机网络,一般都由多台主机构成。例如,主机ABCDE通过总线互连,构成了一个总线型网络。

假设,我们已经解决了物理层的问题,也就是说,主机间可以发送信号来传输比特0或者1了。

我们来看看,在这样一个总线型的网络上,还面临什么需要解决的问题。

  • 如何标识网络中的各主机(主机编址问题,例如MAC地址)

如图所示,主机A要给主机C发送数据,

但是,表示数据的信号会通过总线传播到总线上的每一个主机。那么主机C如何知道该数据是发送给自己的,自己要接受呢?而主机B、D、E又如何知道该数据并不是发送给自己的,自己应该拒绝呢?


这就很自然地引出了如何标识网络中各主机的问题,也就是主机编址问题。


网卡上的MAC地址,它就是主机在网络中的地址。


主机在发送数据时,应该给数据附加上目的地址,根据目的地址和自身地址,来决定是否接受数据。


这就又引出了一个问题:

  • 如何从信号所表示的一连串比特流中区分出地址和数据

目的主机如何从信号中区分呢?也就是解决分组的封装格式问题。

  • 如何协调各主机争用总线

另外,对于总线型的网络,还会出现下面这种典型的问题。

例如,某个时刻,总线总是空闲的,也就是没有主机使用总线来发送数据。片刻之后,主机B和D同时向总线发送数据,这必然会造成信号碰撞,因此,如何协调各主机争用总线,也是必须要解决的问题。


需要说明的是,这种总线型的网络早已淘汰,现在常用的是使用以太网交换机将多台主机互连形成的交换式以太网。

那么,以太网交换机是如何实现的呢?


我们将这些问题,全部划分到数据链路层。


到这里,我们可能会发现,只要解决了物理层和数据链路层各自所面临的问题,我们就可以实现分组在一个网络上传输了。


但是,我们每天都会使用的因特网,是由非常多的网络和路由器互连起来的,仅解决物理层和数据链路层的问题,还是不能正常工作。

网络层

  • 如何标识各网络以及网络中的各主机(网络和主机共同编址的问题,例如IP地址)
  • 路由器如何转发分组,如何进行路由选择

  • 如何标识各网络以及网络中的各主机(网络和主机共同编址的问题,例如IP地址)

我们来看这个例子,这是一个由三个路由器,四个网络互连起来的小型互联网。我们可以把它看做是因特网中很小的一部分。


在之前的例子中,仅有一个网络,我们不需要对网络进行标识。而在本例中,有多个网络。很显然,我们面临着如何标识各网络以及网络中各主机的问题。


换句话说,也就是网络和主机共同编址的问题。例如,IP地址。

这是网络N1中各设备的IP地址。该类IP地址的前三个十进制数用来标识网络,第四个十进制数用来标识主机。

同理,这是网络N2上各设备的IP地址:


路由器如何转发分组,如何进行路由选择

我们再来看另一个问题,源主机与目的主机之间的传输路径往往不止一条。分组从源主机到目的主机可走不同的路径。这样就引出了路由器如何转发分组的问题,以及如何进行路由选择的问题。


我们将这些问题全部划归到网络层。


至此,我们解决了物理层、数据链路层以及网络层各自的问题,则可以实现分组在网络间传输的问题。


但是,对于计算机网络应用而言,这仍然不够。

运输层

  • 如何解决进程之间基于网络的通信问题
  • 出现传输错误时,如何处理

  • 如何解决进程之间基于网络的通信问题

例如,假设这台主机中运行着两个与网络通信相关的应用进程,一个是浏览器进程,另一个是QQ进程。这台服务器中,运行着与网络通信相关的服务器进程。


某个时刻,主机收到了来自服务器的分组,那么,这些分组,应该交给浏览器进程处理呢,还是应该交给QQ进程处理呢?


这就引出了我们如何标识与网络通信相关的应用进程,进而解决进程之间基于网络的通信问题。


出现传输错误时,如何处理

另外,如果某个分组在传输过程中出现了误码,或者由于路由器繁忙,导致路由器丢弃分组。换句话说,若出现传输错误,应该如何处理。


我们将这些问题,全部划分到运输层。


至此,我们解决了物理层、数据链路层、网络层以及运输层各自的问题,则可以实现进程之间基于网络的通信。

应用层

在此基础上,只需制定各种应用层协议,并按协议标准编写相应的应用程序,通过应用进程间的交互来完成特定的网络应用。

  • 通过应用进程间的交互来完成特定的网络应用
  • 例如,支持万维网应用的HTTP协议,支持电子邮件的SMTP协议,支持文件传送的FTP协议等。


我们将这些问题全部划归到应用层。


至此,我们将实现计算机网络所需要解决的各种主要问题,分别划归到了物理层、数据链路层、网络层、运输层和应用层,进而构成了五层协议体系的原理体系结构。


END



目录
相关文章
|
7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。
|
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。
763 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
|
7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
|
8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。
718 11
|
8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。
1455 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
|
8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。
1155 0
|
10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。
562 7
|
12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。
316 35
|
12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
437 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
|
11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。
140 0

热门文章

最新文章