无线AP容量及网络带宽计算方法

简介: 在搭建无线网络的时候,肯定会遇到这样的问题:在考察环境之后怎样才能准确、科学、快速地预判出大概的无线AP需求量?带着这个问题,我们一起来探讨如何利用带宽估算无线AP的部署量。

无线AP是使用无线设备(手机等移动设备及笔记本电脑等无线设备)用户进入有线网络的接入点,主要用于宽带家庭、大楼内部、校园内部、园区内部以及仓库、工厂等需要无线监控的地方,典型距离覆盖几十米至上百米,也有可以用于远距离传送,目前最远的可以达到30KM左右,主要技术为IEEE802.11系列。大多数无线AP还带有接入点客户端模式(AP client),可以和其它AP进行无线连接,延展网络的覆盖范围。

image.png

在搭建无线网络的时候,肯定会遇到这样的问题:在考察环境之后怎样才能准确、科学、快速地预判出大概的无线AP需求量?带着这个问题,我们一起来探讨如何利用带宽估算无线AP的部署量。

一、影响无线AP数量的因素

在估算无线AP数量时,需要明确四个要点,分别是网络带宽、吞吐量、AP覆盖距离、接入人数,下面分别说下这些要点对无线AP数量的影响。

  1. 网络带宽

通常讨论链路的带宽时,是指链路上每秒所能传送的比特数,强调的是*能达到的速率。比如百兆以太网的带宽是100Mbps,千兆以太网的带宽是1000Mbps。

  1. 吞吐量

吞吐量和带宽是很容易搞混的一个词。当讨论通信链路的带宽时,一般是指链路上每秒所能传送的比特数,它取决于链路时钟速率和信道编码在计算机网络中又称为线速,也就可以说百兆以太网的带宽是100Mbps。

带宽与吞吐量的区别:带宽强调的是*能达到的速度,而吞吐量强调的是实际情况下的速度。由于现实受各种低效率因素的影响,通常更倾向于用“吞吐量”来表示网络的性能表现。

  1. 覆盖范围

在非高密区域的场景,考虑无线AP个数可以根据实际场景的面积以及推荐覆盖范围,大概确定AP的数量。 一些情况下也可以算*覆盖距离,同时可以根据功率适当的调整覆盖范围。

  1. 接入人数

在高密区域的场景,还需要考虑接入人数,不同型号的无线AP在不同场景下的推荐接入人数不同,可以通过并发接入用户数来确定无线AP数量(笔记本和手机稍有区别)。

二、带宽计算无线AP数量

很多朋友经常会被客户问到这样的问题:这个场景这个方案部署了这么多的AP,带宽支不支持,如果不支持的话那用户的网速是不是变成了龟速,或者是部署的AP需要多大的出口带宽等。

可以根据AP数量、并发用户数、每个用户分配的带宽,来得到出口带宽。WLAN容量带宽=并发用户数×每用户带宽。
*并发用户数可以根据覆盖场景的人数进行50%~70%估计 。
为了让每个无线终端有足够的带宽可利用,一般建议一个无线AP接入10~15个无线(以RD-W2*P为例,根据上表中的推荐接入数量)。
AP数量=*并发用户数÷15(单AP容纳用户数)。
每个用户分配的带宽 一般可以自行设置一个中间值,进行计算估计,如100kbps。(常见单位换算:1TB=1024GB,1G=1024MB,1MB=1024KB,1KB=1024B,1字节=8比特。)
举例:某高校在校用户人数为30000人,移动终端用户15000人,并发比例按50%~70%计算,每用户带宽为512Kbps,求大概WLAN容量和AP数量。

解答:

并发接入人数=15000x(50%~70%)=7500~10500人;
AP数量=*并发用户数÷15=(7500~10500)÷15=500~700个;
WLAN容量要求=(7500~10500)×0.512=(3840~5376)M 。
三、实际上网应用带宽计算

很多人做项目演示的时候,都会直观的通过设备连接WiFi测试速度,不过通过下载的速度也可以简单的估计对应应用的理论宽带速率。

网速单位:

bps:位每秒,通常对于串行总线设备使用bps为单位,如串口,USB口,以太网总线等。
Bps:字节每秒,通常对于并行总线设备使用Bps为单位,如并口,IDE硬盘等。
换算关系:100M bps ≈ 10M Bps
一般来说,如果我们说网速为100兆,指的是100兆bps。如果从网上下载软件,显示的速度单位是Bps,就是每秒下载的字节数。所以一定要分清楚不同情况下网速的单位是不一样的,不能弄错,因为这两种表示方式速度相差10倍多。

在计算机网络、IDC机房中,其宽带速率的单位用bps(或b/s)表示;换算关系为:1Byte=8bit

1B=8b ---------- 1B/s=8b/s(或1Bps=8bps)
1KB=1024B ---------- 1KB/s=1024B/s
1MB=1024KB ---------- 1MB/s=1024KB/s
宽带*下载理论值:

1.5 M =169 KB/s
3 M =338 KB/s
6 M =676 KB/s
10 M =1126 KB/s
在实际上网应用中,下载软件时常常看到诸如下载速度显示为128KB(KB/s),103KB/s等等宽带速率大小字样,因为ISP提供的线路带宽使用的单位是比特,而一般下载软件显示的是字节(1字节=8比特),所以要通过换算,才能得实际值。然而我们可以按照换算公式换算一下:

128KB/s=128×8(Kb/s)=1024Kb/s=1Mb/s即:128KB/s=1Mb/s

理论上:

2M(即2Mb/s)宽带理论速率是:256KB/s(即2048Kb/s),实际速率大约为80--200kB/s;(其原因是受用户计算机性能、网络设备质量、资源使用情况、网络高峰期、网站服务能力、线路衰耗,信号衰减等多因素的影响而造成的)。
4M(即4Mb/s)的宽带理论速率是:512KB/s,实际速率大约为200---440kB/s
上行速率是指用户电脑向网络发送信息时的数据传输速率,下行速率是指网络向用户电脑发送信息时的传输速率。比如用FTP上传文件到网上去,影响上传速度的就是“上行速率”;而从网上下载文件,影响下载速度的就是“下行速率”。当然,在实际上传下载过程中,线路、设备(含计算机及其他设备)等的质量也会对速度造成或多或少的影响。

造成上述数据主要是受用户计算机性能、网络设备质量、资源使用情况、网络高峰期、网站服务能力、线路衰耗,信号衰减等多因素的影响而造成的

相关文章
|
19天前
|
机器学习/深度学习 数据采集 人工智能
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
层次化Softmax算法通过引入Huffman树结构,将传统Softmax的计算复杂度从线性降至对数级别,显著提升了大规模词汇表的训练效率。该算法不仅优化了计算效率,还在处理大规模离散分布问题上提供了新的思路。文章详细介绍了Huffman树的构建、节点编码、概率计算及基于Gensim的实现方法,并讨论了工程实现中的优化策略与应用实践。
62 15
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
|
4月前
|
机器学习/深度学习
神经网络各种层的输入输出尺寸计算
神经网络各种层的输入输出尺寸计算
274 1
|
10天前
|
域名解析 缓存 网络协议
优化Lua-cURL:减少网络请求延迟的实用方法
优化Lua-cURL:减少网络请求延迟的实用方法
|
1月前
|
机器学习/深度学习 数据采集 算法
机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用
医疗诊断是医学的核心,其准确性和效率至关重要。本文探讨了机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用。文章还讨论了Python在构建机器学习模型中的作用,面临的挑战及应对策略,并展望了未来的发展趋势。
128 1
|
1月前
|
安全 算法 网络安全
量子计算与网络安全:保护数据的新方法
量子计算的崛起为网络安全带来了新的挑战和机遇。本文介绍了量子计算的基本原理,重点探讨了量子加密技术,如量子密钥分发(QKD)和量子签名,这些技术利用量子物理的特性,提供更高的安全性和可扩展性。未来,量子加密将在金融、政府通信等领域发挥重要作用,但仍需克服量子硬件不稳定性和算法优化等挑战。
|
2月前
|
存储 缓存 算法
|
2月前
|
存储
|
2月前
|
机器学习/深度学习 计算机视觉
TPAMI 2024:计算机视觉中基于图神经网络和图Transformers的方法和最新进展
【10月更文挑战第3天】近年来,图神经网络(GNNs)和图Transformers在计算机视觉领域取得显著进展,广泛应用于图像识别、目标检测和场景理解等任务。TPAMI 2024上的一篇综述文章全面回顾了它们在2D自然图像、视频、3D数据、视觉与语言结合及医学图像中的应用,并深入分析了其基本原理、优势与挑战。GNNs通过消息传递捕捉非欧式结构,图Transformers则结合Transformer模型提升表达能力。尽管存在图结构构建复杂和计算成本高等挑战,但这些技术仍展现出巨大潜力。论文详细内容见:https://arxiv.org/abs/2209.13232。
159 3
|
4月前
|
存储 缓存 网络协议
网络丢包排查方法
网络丢包排查方法
|
4月前
|
监控 安全 iOS开发

热门文章

最新文章