堆叠技术

简介: 1、大型园区网因为其网络规模巨大,网络管理员在考虑网络可靠性的时候,通常都是采用冗余设备、 冗余链路、相关L3/L2层技术保证,增加了管理成本与配置的复杂度。2、堆叠技术是在以太网交换机上扩展端口使用较多的另一类技术,是一种非标准化技术。各个厂商之间不支持混合堆叠,堆叠模式为各厂商制定,不支持拓扑结构。流行的堆叠模式主要有两种:链型模式和星型模式。堆叠技术的最大的优点就是提供简化的本地管理,将一组交换机作为一个对象来管理。在VSS系统中,主设备的控制平面与数据平面都是可用的,而备设备中只有其数据平面是可用的,而控制平面是不可用的快速收敛是VSS集群的另一大优势思科设备上可以使用pagp协

1、大型园区网因为其网络规模巨大,网络管理员在考虑网络可靠性的时候,通常都是采用冗余设备、 冗余链路、相关L3/L2层技术保证,增加了管理成本与配置的复杂度。

2、堆叠技术是在以太网交换机上扩展端口使用较多的另一类技术,是一种非标准化技术。各个厂商之间不支持混合堆叠,堆叠模式为各厂商制定,不支持拓扑结构。流行的堆叠模式主要有两种:链型模式和星型模式。堆叠技术的最大的优点就是提供简化的本地管理,将一组交换机作为一个对象来管理。

微信图片_20220524175500.png


  1. 微信图片_20220524175503.png

  2. 微信图片_20220524175506.png
  3. 微信图片_20220524175510.png微信图片_20220524175513.png微信图片_20220524175517.png微信图片_20220524175520.png微信图片_20220524175558.png
  4. 在VSS系统中,主设备的控制平面与数据平面都是可用的,而备设备中只有其数据平面是可用的,而控制平面是不可用的
  5. 微信图片_20220524175603.png
  6. 快速收敛是VSS集群的另一大优势
  7. 思科设备上可以使用pagp协议和bfd来进行快速的检测,进行毫秒级的检测
  8. 微信图片_20220524175607.png微信图片_20220524175609.png微信图片_20220524175612.png微信图片_20220524175615.png微信图片_20220524175618.png微信图片_20220524175621.png微信图片_20220524175623.png微信图片_20220524175626.png微信图片_20220524175632.png微信图片_20220524175636.png微信图片_20220524175639.png微信图片_20220524175643.png微信图片_20220524175646.png微信图片_20220524175649.png微信图片_20220524175651.png

  9. 接入层有时需要部署大量的交换机,也不方便管理
  10. 微信图片_20220524175653.png微信图片_20220524175656.png微信图片_20220524175707.png微信图片_20220524175709.png微信图片_20220524175713.png微信图片_20220524175716.png微信图片_20220524175719.png微信图片_20220524175722.png微信图片_20220524175731.png微信图片_20220524175736.png微信图片_20220524175739.png微信图片_20220524175745.png微信图片_20220524175748.png微信图片_20220524175751.png微信图片_20220524175754.png微信图片_20220524175757.png微信图片_20220524175800.png微信图片_20220524175803.png微信图片_20220524175807.png



相关文章
|
3月前
|
机器学习/深度学习 编解码 Java
RT-DETR改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
RT-DETR改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
170 13
RT-DETR改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
|
3月前
|
机器学习/深度学习 编解码 Java
YOLOv11改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
YOLOv11改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
75 0
YOLOv11改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
|
9月前
模型堆叠
【8月更文挑战第19天】模型堆叠。
60 2
|
11月前
|
机器学习/深度学习
【从零开始学习深度学习】24.神经网络中池化层的作用:最大池化与平均池化
【从零开始学习深度学习】24.神经网络中池化层的作用:最大池化与平均池化
|
11月前
|
机器学习/深度学习
【从零开始学习深度学习】21. 卷积神经网络(CNN)之二维卷积层原理介绍、如何用卷积层检测物体边缘
【从零开始学习深度学习】21. 卷积神经网络(CNN)之二维卷积层原理介绍、如何用卷积层检测物体边缘
|
数据可视化
FLatten Transformer:聚焦式线性注意力模块
FLatten Transformer:聚焦式线性注意力模块
151 2
FLatten Transformer:聚焦式线性注意力模块
|
机器学习/深度学习
一文弄清池化层(pooling)的作用
一文弄清池化层(pooling)的作用
|
机器学习/深度学习 计算机视觉 Ruby
【池化层】基础回顾:带你认识神经网络中的池化层
【池化层】基础回顾:带你认识神经网络中的池化层
1422 0
【池化层】基础回顾:带你认识神经网络中的池化层
|
机器学习/深度学习 编解码 数据可视化
深度学习基础入门篇9.1:卷积之标准卷积:卷积核/特征图/卷积计算、填充、感受视野、多通道输入输出、卷积优势和应用案例讲解
深度学习基础入门篇9.1:卷积之标准卷积:卷积核/特征图/卷积计算、填充、感受视野、多通道输入输出、卷积优势和应用案例讲解
深度学习基础入门篇9.1:卷积之标准卷积:卷积核/特征图/卷积计算、填充、感受视野、多通道输入输出、卷积优势和应用案例讲解
|
机器学习/深度学习 存储 编解码
深度学习基础入门篇[9.3]:卷积算子:空洞卷积、分组卷积、可分离卷积、可变性卷积等详细讲解以及应用场景和应用实例剖析
深度学习基础入门篇[9.3]:卷积算子:空洞卷积、分组卷积、可分离卷积、可变性卷积等详细讲解以及应用场景和应用实例剖析
271 0