网络的分类与性能指标

本文涉及的产品
对象存储 OSS,20GB 3个月
日志服务 SLS,月写入数据量 50GB 1个月
文件存储 NAS,50GB 3个月
简介: 可以分为广域网(WAN)、城域网(MAN)、局域网(LAN)、个人区域网(PAN)。

网络的组成

从“网络”的定义来看,我们知道,网络是“处于不同地理位置的,具有独立处理能力的主机”和通信设备(例如交换机、路由器)、传输介质等组成的。

如果要表达的更专业,用一些专业的词汇来描述,应该是这样的:网络是由资源子网和通信子网两部分组成的。资源子网就是产生各种资源的部分(例如主机、服务器),通信子网就是承载数据传送的部分,由路由器、交换机、网线等组成的。

一般来说,OSI体系的下三层属于资源子网,上三层属于通信子网,处于最中间的传输层就是两部分的交汇点。

网络的分类

要探讨网络的分类,我们要从不同的角度出发,可以有不同的分类。

1、按网络的规模从大到小:

可以分为广域网(WAN)、城域网(MAN)、局域网(LAN)、个人区域网(PAN)。

广域网的覆盖范围可以是一个省份、一个国家甚至世界,城域网是可以覆盖大约一个城市的大小,局域网的范围可以是一个家庭、一个园区、一所学校,个人区域网的覆盖范围一般是10米左右,比如个人使用的蓝牙。

2、按网络的拓扑结构进行分类:

可分为:星型网、环形网、总线型网、树型网、网状网等。

星型拓扑的特点是:多台主机连接到一个中心节点,由中心节点负责数据的转发,中心节点一般由交换机、集线器等设备当承担。这种结构的缺点是:只要中心节点出故障,整个网络就故障了。

环形拓扑的特点是:多台设备组成一个闭环,在这个环上的数据都是顺着同一个方向传递的。此外,这种拓扑结构存在“令牌机制”,令牌是控制发送秩序的。也就是说,并不是谁想发送数据就发送,在发送数据之前,必须得到这个流动的令牌,才有发送数据的权力,我们把这种叫做令牌环网。

总线型的拓扑,现在已经极不常用,因为这种网络,效率极低,但是它涉及到的一个协议,叫做CSMA/CD,是一个重点的知识,尤其是对于各种考试来讲,极为重要,我们以后会细讲。

树型网和网状网都可以归属于不规则的拓扑,也是现在常用的拓扑结构。

3、按照通信流量的大小和所处地位:

可分为接入网和传输网。接入网就是用户本地通过ISP电信运营商接入到互联网的部分,形象的说,叫做“最后一公里”;传输网就是电信运营商所维护的网络,承载着大量的数据,这其中又可以分为承载网和核心网。在以后的学习中,都会展开论述。

4、按照网络使用者分类:

可分为通用网和专用网。通用网就是我们平常生活中能接触到的,只要向运营商申请了宽带,交了相应的费用,每个人都可以使用的这种网络;专用网就是为了满足一些特殊需求而建造的网络,平常一般情况下接触不到的,例如政府、军队、银行等一些重要的地方,都是专用网。

网络性能指标

1、速率:在网络中,速率指的是数据的传输速度,单位是bit/s,当表示网络速率时,1Kb/s=10^3 b/s、1Mb/s=10^6 b/s、1Gb/s=10^9 b/s。

2、带宽:在网络中,带宽表示单位时间内某信道上所能通过的最高数据率。

3、吞吐量:这是一个极容易和带宽搞混淆的概念。吞吐量指的是单位时间内通过某个网络信道或接口的实际的数据量,并不是最高的数据率,吞吐量通常用每秒传送的字节数或帧数来表示。

初学者在区分带宽和吞吐量这两个概念时,可以用水龙头流水的例子来想象。比如,有一个水龙头,我把它开到最大,在一秒时间内它可以流出10毫升的水,每秒流出10毫升这个速度这就是相当于我们讲的带宽,也就是单位时间内的最高数据率。那么吞吐量呢,可以这样想:现在我用不了10毫升的水,只需要8毫升水就够用了,那么我可以把水龙头的流速调的小一点,这样的话在一秒时间内水龙头实际流出来的水量是8毫升,这就是相当于吞吐量。也就是说,这两个概念的不同就在于是“最高”还是“实际”。

4、信道利用率:指出某信道有百分之多少的时间是有数据通过的。对于完全空闲的信道,利用率为零。

5、时延:数据从一端到达另一端的时间,总时延=发送时延(或称传输时延)+传播时延+排队时延+处理时延。

发送时延:是指发送方把自己网卡中的数据从第一个比特到最后一个比特全部放到链路上的时间,发送时延=帧长/发送速率。

传播时延:指数据在信道中传播一定距离所需的时间,传播时延=信道长度/传播速率。对于考试来讲,如果题目中没有给出传播时延的具体值,那么默认电缆上的传播时延是200m/us,卫星信号的传播时延为270ms。

排队时延:排队时延也是数据在转发过程中产生的。现在我们计算机网络的数据一般都是采用分组交换的方式转发传输的(分组交换后面会讲到),当数据分组到达一个中转站(也就是路由器)后,路由器要根据一些算法计算出该分组下一站应该发送到哪。而网络中的路由器要同时处理好多数据分组,所以这些分组要排队按秩序等待处理,这就产生了排队时延。

处理时延:处理时延就是路由器根据一定的算法来计算某个数据分组下一站该发往哪里这个过程所产生的时间。这个处理的步骤很繁杂,包括路由器要检查分组的首部、检验数据是否产生差错等过程。

注:在考试的情况下,计算时延的题目,一般都会给出排队时延和处理时延的数值,直接算进去就好。如果题目中没有给出这两个的数值,一般情况下直接不考虑就行,只算发送时延+传播时延。

6、时延带宽积:传播时延×带宽,用来表示链路可容纳多少个比特。

7、往返时延RTT:表示数据帧在两端往返一次的时间。有效数据率=数据长度/(发送时延+RTT)。

相关文章
|
15天前
|
机器学习/深度学习 自然语言处理 算法
【从零开始学习深度学习】49.Pytorch_NLP项目实战:文本情感分类---使用循环神经网络RNN
【从零开始学习深度学习】49.Pytorch_NLP项目实战:文本情感分类---使用循环神经网络RNN
|
3天前
|
机器学习/深度学习 自然语言处理 搜索推荐
深度学习之分类网络
深度学习的分类网络(Classification Networks)是用于将输入数据分配到预定义类别的神经网络。它们广泛应用于图像分类、文本分类、语音识别等任务。以下是对深度学习分类网络的详细介绍,包括其基本概念、主要架构、常见模型、应用场景、优缺点及未来发展方向。
33 4
|
2天前
|
缓存 网络架构
计算机网络基础知识和术语(二)---性能指标
计算机网络基础知识和术语(二)---性能指标
9 1
|
1月前
|
机器学习/深度学习 JSON PyTorch
图神经网络入门示例:使用PyTorch Geometric 进行节点分类
本文介绍了如何使用PyTorch处理同构图数据进行节点分类。首先,数据集来自Facebook Large Page-Page Network,包含22,470个页面,分为四类,具有不同大小的特征向量。为训练神经网络,需创建PyTorch Data对象,涉及读取CSV和JSON文件,处理不一致的特征向量大小并进行归一化。接着,加载边数据以构建图。通过`Data`对象创建同构图,之后数据被分为70%训练集和30%测试集。训练了两种模型:MLP和GCN。GCN在测试集上实现了80%的准确率,优于MLP的46%,展示了利用图信息的优势。
36 1
|
22天前
计算机网络——计算机网络的性能指标(上)-速率、带宽、吞吐量、时延
计算机网络——计算机网络的性能指标(上)-速率、带宽、吞吐量、时延
22 1
|
15天前
|
机器学习/深度学习 算法 PyTorch
【从零开始学习深度学习】50.Pytorch_NLP项目实战:卷积神经网络textCNN在文本情感分类的运用
【从零开始学习深度学习】50.Pytorch_NLP项目实战:卷积神经网络textCNN在文本情感分类的运用
|
22天前
|
运维
计算机网络——计算机网络的性能指标(下)-时延带宽积、往返时间、利用率、丢包率
计算机网络——计算机网络的性能指标(下)-时延带宽积、往返时间、利用率、丢包率
33 0
|
23天前
|
监控 安全
计算机网络:关键性能指标与非性能特征解析
计算机网络:关键性能指标与非性能特征解析
226 0
|
1月前
|
存储 缓存 运维
计算机网络:性能指标
计算机网络:性能指标
32 3
|
1月前
|
机器学习/深度学习 并行计算 算法
MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断
MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断