小型星形网络结构设计示例

简介:

以下内容摘自笔者编著的《网络工程师必读——网络系统设计》一书

 

上节介绍的是网络形成后,由LAN MapShot 2.0自动发现网络拓扑结构的方法。在网络没有正式部署之前,网络拓扑结构显然不能通过这个软件来自动发现了,只能通过上述软件进行手工设计、绘制。本节及下面各节介绍的就是网络拓扑结构的基本设计思路和步骤。
星形网络主要是以相对廉价的双绞线为传输介质的,网线的两端各用一个RJ-45水晶头作为网络连接器。这里所指的小型星形网络是指只有一台交换机(当然也可以是集线器,但目前已很少使用)的星形网络,主要应用于小型独立办公室企业和SOHO用户中。这类小型星形网络所能连接的用户数一般在20个左右,当然也有可以连接高达40多个用户的,如48口的交换机,具体要根据交换机可用端口数而定。

【示例说明】某小型办公室网络,是以一台具有24 个10/100Mbps,2个10/100/1000Mbps自适应RJ-45端口的以太网交换机进行集中连接的。网络中配置一台服务器、一台用于互联网访问的宽带路由器、一台网络打印机和20个以内用户。现请为这个小型办公室设计出具体网络拓扑结构。

1. 网络要求

所有网络设备都与同一台交换机连接;

整个网络没有性能瓶颈;

要有一定的可扩展余地。

2. 设计思路

设计思路是与以上的网络要求紧密结合考虑的,主要可按如下思路考虑(本章后面其他网络结构设计思路也可参考):

(1)确定网络设备总数

这是整个网络拓扑结构设计的基础,因为一个网络设备至少需要连接一个端口,设备数一旦确定,所需交换机的端口总数也就确定下来了。这里所指的网络设备包括工作站、服务器、网络打印机、路由器和防火墙等所有需要与交换机连接的设备。本示例的设备总数就是20个以内工作站用户+一台服务器+一台宽带路由器+一台网络打印机=23。根据这样的计算结果,24口是最低要求,而本示例中的交换机有24个10/100Mbps端口,2个10/100/100Mbps端口,以共26个端口,可以满足该网络的连接需求,但最好选择端口数更多的交换机。

(2)确定交换机端口类型和端口数

一般中档二层交换机都会提供两种或以上类型的端口,如本示例中的10/100Mbps和10/100/100Mbps,都是采用双绞线RJ-45端口。有的还提供各种光纤接口。之所以要提供这么多不同类型的端口就是为了满足不同类型设备网络连接的带宽需求。

一般来说,在网络中的服务器、边界路由器、下级交换机、网络打印机、特殊用户工作站等所需的网络带宽较高,所以通常连接在交换机的高带宽端口。如本示例中的服务器所承受的工作负荷是最重的,直接与交换机的其中一个千兆端口连接(另一个保留用于网络扩展);其他设备的带宽需求不是很明显(宽带路由器目前的出口带宽受连接线路限制,一般在10Mbps以内,所以在局域网端口方面就没必要连接高带宽端口了,其他企业级路由器就不一样了),只需连接在普通的 10/100Mbps快速自适应端口即可。

(3)保留一定的网络扩展所需端口

交换机的网络扩展主要体现在两个方面:一是用于与下级交换机连接的端口,另一个是用于连接后续添加的工作站用户。与下级交换机连接方面,一般是通过高带宽端口进行的,毕竟下级交换机所连用户都是通过这个端口进行的。如果交换机提供了Uplink(级联)端口,则可直接用这个端口即可,因为它本身就是一个经过特殊处理的端口,其可利用的背板带宽比一般的端口宽。但如果没有级联端口,则只能通过普通端口进行了,这时为了确保下级交换机所连用户的连接性能,最好选择一个较高带宽的端口。本示例中可以留下一个千兆端口用于扩展连接,当然在实际工作中,这个高带宽端口还是可以得到充分利用的,只是到需要时能重新空余下来即可。

(4)确定可连接工作站总数。

交换机端口总数不等于可连接的工作站用户数,因为交换机中的一些端口还要用来连接那些不是工作站的网络设备,如服务器、下级交换机、网络打印机、路由器、网关、网桥等。如本示例中,网络中有一台专门的服务器、一台宽带路由器和一台网络打印机,所以网络中可连接的工作站用户总数就为26(24个 10/100Mbps端口+2个10/100/100Mbps端口)-3=23个。如果要保留一个端口用于网络扩展(在小型网络中保留一个扩展端口基本上可以满足,因为在一般的交换机上还有一个用于级联下级交换机的级联端口Uplink),则实际上可连接的最多工作站用户数为22个。

3. 设计步骤

在明白了网络拓扑结构设计基本思路后,接下来的具体设计步骤就非常明朗了。在本示例中,网络用户和交换机规格都已定下来了,现在要做的就是根据这些已有条件设计一个实用的小型办公室网络方案。在此所介绍的方法仍只手工绘制法。具体步骤如下:

(1)首先确定关键设备连接,把需要连接在高带宽端口的设备连接在交换机的可用高带宽端口上。如本示例中,把交换机图示(从中自己积累的元素图中获取,或者通过专门的拓扑结构软件获得)放在设计的平台中心位置,然后把服务器与交换机连接的一个10/100/1000Mbps端口连接起来,并标注其端口类型,如图 3-37所示。当然这要求服务器的以太网卡也是支持双绞线千兆以太网标准的。因为该交换机只有一个可用(另一个要用于保留)的千兆端口,所以在此理论上仅需把最关键的网络服务器作为关键设备与高带宽端口连接即可。
经验之谈】实际上在近期没有网络扩展需求的情况下,另一个保留的千兆端口也可以暂时用于其他需要较高带宽设备的连接,而把一个普通的10/100Mbps自适应端口保留起来,到了需要用LAN端口级联扩展时,再把连接在保留千兆端口的设备移到空余的普通百兆端口即可。
2 )把所有工作站用户计算机设备和网络打印机分别与交换机的 10/100Mbps 端口连接,如图 3-38 所示。
3-37   服务器与交换机千兆端口连接       3-38    把工作站及其他网络设备与交换机普通端口连接
【说明】相同设备连接在相同端口的,则只需对其中一个设备端口进行端口类型标注;而如果相同设备,但采用不同类型的端口,则也需要特别标注。对于一些有特殊连接需求的办公室,可在结构图中专门标注节点位置,以备真正布线时正确布线。另外,在画网络结构图时,并不要求把所有工作站等设备都画出来,只给出一部分代表即可。但一定要全面包括网络中所有不同类型的网络设备,也就是说不同类型网络设备,在图中至少要有一个。
(3)如果网络系统要通过路由器与其他网络连接(如本例中通过宽带路由器与互联网连接),则还需要设计互联网连接。路由器与外部网络连接是通过路由器的WAN端口进行的。虽然路由器的WAN端口类型有多种,但宽带路由器提供的WAN端口基本上也都是普通的RJ-45 10/100Mbps以太网端口,直接与互联网宽带设备即可,如图3-39所示。如属小区光纤以太网连接,则无需宽带设备。
通过以上简单的3步就把这个只有一台交换机设备的简单小型办公室星形网络结构设计好了。从这里可以看出,整个步骤非常简单,最关键是要思路清晰,分门别类地把有不同带宽需求的设备连接在交换机的对应类型端口上,确保整个网络不会出现性能瓶颈。另外一个,就在选择交换机时,一定要注意,端口数一定要大于现有网络所有需要与交换机连接的网络设备总数,因为还要预留一定数量的端口用于将来扩展。
本文转自王达博客51CTO博客,原文链接http://blog.51cto.com/winda/16430如需转载请自行联系原作者

茶乡浪子
相关文章
|
3月前
|
机器学习/深度学习 资源调度 自然语言处理
不同类型的循环神经网络结构
【8月更文挑战第16天】
49 0
|
23天前
|
机器学习/深度学习 计算机视觉 网络架构
【YOLO11改进 - C3k2融合】C3k2融合YOLO-MS的MSBlock : 分层特征融合策略,轻量化网络结构
【YOLO11改进 - C3k2融合】C3k2融合YOLO-MS的MSBlock : 分层特征融合策略,轻量化网络结构
|
1月前
|
机器学习/深度学习 算法
神经网络的结构与功能
神经网络是一种广泛应用于机器学习和深度学习的模型,旨在模拟人类大脑的信息处理方式。它们由多层不同类型的节点或“神经元”组成,每层都有特定的功能和责任。
31 0
|
2月前
|
编解码 人工智能 文件存储
卷积神经网络架构:EfficientNet结构的特点
EfficientNet是一种高效的卷积神经网络架构,它通过系统化的方法来提升模型的性能和效率。
57 1
|
3月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
55 9
|
3月前
|
机器学习/深度学习 人工智能 PyTorch
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
77 1
|
4月前
|
机器学习/深度学习 自然语言处理
像生物网络一样生长,具备结构可塑性的自组织神经网络来了
【7月更文挑战第24天】Sebastian Risi团队发布的arXiv论文探讨了一种模仿生物神经网络生长与适应特性的新型神经网络。LNDP利用结构可塑性和经验依赖学习,能根据活动与奖励动态调整连接,展现自我组织能力。通过基于图变换器的机制,LNDP支持突触动态增删,预先通过可学习随机过程驱动网络发育。实验在Cartpole等任务中验证了LNDP的有效性,尤其在需快速适应的场景下。然而,LNDP在复杂环境下的可扩展性及训练优化仍面临挑战,且其在大规模网络和图像分类等领域的应用尚待探索
88 20
|
3月前
|
安全 开发者 数据安全/隐私保护
Xamarin 的安全性考虑与最佳实践:从数据加密到网络防护,全面解析构建安全移动应用的六大核心技术要点与实战代码示例
【8月更文挑战第31天】Xamarin 的安全性考虑与最佳实践对于构建安全可靠的跨平台移动应用至关重要。本文探讨了 Xamarin 开发中的关键安全因素,如数据加密、网络通信安全、权限管理等,并提供了 AES 加密算法的代码示例。
59 0
|
3月前
|
机器学习/深度学习 Linux TensorFlow
【Tensorflow+keras】用代码给神经网络结构绘图
文章提供了使用TensorFlow和Keras来绘制神经网络结构图的方法,并给出了具体的代码示例。
55 0
|
4月前
|
机器学习/深度学习 自然语言处理 算法
深度学习的关键概念和网络结构
度学习是人工智能和机器学习的一个重要分支,它通过模拟人脑神经元的工作方式来处理复杂的模式识别和数据分析任务。深度学习已经在许多领域取得了显著的成果,如图像识别、语音识别和自然语言处理。
65 1

热门文章

最新文章