《CCNA学习指南:数据中心(640-911)》——1.8 复习思考题

简介:

本节书摘来自异步社区《CCNA学习指南:数据中心(640-911)》一书中的第1章,第1.8节,作者: 【美】Gary R. Wright(加里 R.赖特) , W. Richard Stevens(W.理查德•史蒂文斯) 更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.8 复习思考题

注意
以下问题旨在测试你是否理解了本章的知识。在本书介绍中提供了获得更多思考题的方法。
1.在交换网络中最常见的两种网络拓扑是什么?(选择两项)

  A.总线拓扑

  B.星型拓扑

  C.网状拓扑

  D.扩展星型拓扑

2.FDDI和令牌环使用哪个LAN物理拓扑?

  A.总线拓扑

  B.环状拓扑

  C.星型拓扑

  D.网状拓扑

3.下列物理拓扑类型中,哪个拥有最多的连接数,并且最不适用于LAN?

  A.总线拓扑

  B.星型拓扑

  C.环状拓扑

  D.网状拓扑

4.在物理星型拓扑中,当一台工作站失去了与其他设备的连接时,会发生什么?

  A.环路断开,所有设备都无法相互通信了

  B.只有失去连接的工作站无法通信

  C.工作站及其相连设备失去了与网络其他部分的通信

  D.没有设备可以通信,因为网络变成了两个没有相互连接的网段

5.与经典CSMA/CD关系最密切的网络拓扑是哪个?

  A.总线拓扑

  B.总线拓扑上的令牌环

  C.星型拓扑

  D.扩展星型拓扑

  E.环状拓扑

6.一组逻辑的网络用户和资源称为什么?

  A.WAN

  B.LAN

  C.MPLS

  D.主机

7.使用端到端网络时,需要考虑以下哪一项?

  A.在哪里部署服务器

  B.哪台计算机最空闲,可以用作服务器

  C.网络所需的安全性

  D.有足够的对等体来创建端到端网络

8.以下哪一项描述的是点到多点网络的案例?

  A.中心站点与很多分支站点进行通信

  B.实施了完全网状结构的WAN链路

  C.多个站点以串连的方式连成一条线

  D.网络中只有两个节点需要相互连接

9.以下哪一项描述的是LAN的案例?

  A.使用光纤线缆,将10栋大楼通过以太网连接在一起

  B.将10台路由器通过帧中继电路相互连接

  C.将2台路由器通过T1电路相互连接

  D.一台计算机与另一台计算机相连,并共享资源

10.以下哪一项描述的是星型拓扑的缺点?

  A.中心设备上的一个接口失效时,该接口所连接的终端设备将无法连接网络的其他部分

  B.中心设备宕机时,其连接的所有设备都无法连接网络的其他部分

  C.在星型拓扑中使用的主机类型要优于物理总线拓扑中的主机

  D.与其他类型的拓扑相比,星型拓扑在添加工作站和排错方面难度更大

11.LAN和WAN之间的区别是什么?

  A.WAN需要特定类型的路由器接口

  B.WAN覆盖更大的地理范围

  C.WAN可以实现私有或公共的数据传输

  D.以上皆是

12.将总线拓扑与星型拓扑结合在一起,得到了哪种拓扑类型?

  A.扩展星型拓扑

  B.扩展总线拓扑

  C.混合拓扑

  D.扩展环状拓扑

13.在庞大的企业网络中,以下哪种拓扑类型的容错能力最强?

  A.总线拓扑

  B.使用LAN交换机

  C.环状托扑

  D.星型拓扑

14.相较于端到端架构,客户端/服务器架构的优势在于?

  A.维护更简单

  B.管理更强大

  C.安全性更强

  D.以上皆是

15.以下哪一项是融合网络的案例?

  A.以太网交换机

  B.环状拓扑

  C.总线拓扑

  D.星型拓扑

16.你的网络中有多台设备,你需要将网络分为更小的广播域,且预算有限。最佳解决方案是什么?

  A.使用静态IP地址

  B.添加更多集线器

  C.添加更多交换机

  D.添加一台路由器

17.那种类型的拓扑拥有最多物理连接?

  A.点到多点拓扑

  B.星型拓扑

  C.点到点拓扑

  D.网状拓扑

18.将两台路由器直连在一起,提供一条通信路径的拓扑类型是什么?

  A.点到点拓扑

  B.星型拓扑

  C.总线拓扑

  D.直连拓扑

19.由两种或多种类型的物理拓扑构成,或者由两种或多种类型的逻辑拓扑构成的网络拓扑类型是什么?

  A.点到多点拓扑

  B.混合拓扑

  C.总线拓扑

  D.星型拓扑

20.在设计网络并决定使用那种网络拓扑时,需要考虑以下哪些因素?(多选)

  A.成本

  B.易于安装

  C.易于维护

  D.容错需求

相关文章
|
4月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。