计算机网络——分层结构

简介: 计算机网络——分层结构

914606cee2fe4c27bf19d0fbdbee05c0.png

发送文件前要完成的工作:

(1)发起通信的计算机必须将数据通信的通路进行激活

 (2) 要告诉网络如何识别目的主机

 (3) 发起通信的计算机要查明目的主机是否开机,并且与网络连接正常

(4)发起通信的计算机要弄清楚,对方计算机中文管理程序是否已经做好准备工作

(5)确保差错和意外可以解决

7156a382c11a4923b178507e4c190c63.png

分层的基本原则

1.各层之间相互独立,每层只实现一种相对独立的功能

2.每层之间界面自然清晰,易于理解,。相互交流尽可能少

3.结构上可分割开,每层都采用最合适的技术来实现

4.保持下层对上层的独立性,上层单向使用下层提供的服务

5.整个分层结构应该能促进标准化工作


正式认识分层结构

1.实体:第 n 层中的活动元素称为 n 层实体,同一层的实体叫做对等实体

2.协议:为进行网络中的对等实体数据交换而建立的规则,标准或约定称为网络协议


语法:规定传输数据的格式

语义:规定所要完成的功能

同步:规定各种操作的顺序

3.接口(访问服务点 SAP):上层使用下层的入口**


9ef2cae4643c4c64901e14c3f8bf72fe.png

4.服务:下层为相邻上层提供的服务功能调用(垂直)

  • SDU 服务单元:为完成用户所要求的功能而应传送的数据
  • PCI 协议控制信息:控制协议操作的信息
  • PDU 协议数据单元:对等层次之间的传送的数据单位

13c832d9e90c4dadaace56b75d4d7d5d.png

总结

网络体系结构是从功能上描述计算机网络结构`

计算机网路体系结构简称网络体系结构是分层结构

每层遵循某个/些网络协议以完成本层功能

计算机网络体系结构是计算机网络的各层及其协议的集合

第 n 层在向 n+1 层提供服务时 此服务不仅包含第 n 层本身的功能 还包含由下层服务提供的功能

仅仅在相邻间有接口,且所提供的服务的具体实现细节对上一层完全屏蔽

体系结构是抽象的,而实现是指能运行的一些软件和硬件


相关文章
|
1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】
29 0
|
12天前
|
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。
18 1
|
1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。
34 9
|
1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
58 1
|
2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
71 20
|
1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。
35 0
|
1月前
|
机器学习/深度学习 API 数据处理
《零基础实践深度学习》2.4手写数字识别之网络结构
这篇文章介绍了手写数字识别任务中网络结构设计的优化,比较了多层全连接神经网络和卷积神经网络两种模型结构,并展示了使用PaddlePaddle框架实现这些网络结构,训练并观察它们在MNIST数据集上的表现。
|
2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。
38 1
|
2月前
|
机器学习/深度学习 PyTorch 算法框架/工具
图神经网络是一类用于处理图结构数据的神经网络。与传统的深度学习模型(如卷积神经网络CNN和循环神经网络RNN)不同,
图神经网络是一类用于处理图结构数据的神经网络。与传统的深度学习模型(如卷积神经网络CNN和循环神经网络RNN)不同,
|
2月前
|
域名解析 存储 网络协议
一次读懂网络分层:应用层到物理层全解析
**网络五层模型简介:** 探索网络服务的分层结构,从应用层开始,包括HTTP(网页传输)、SMTP(邮件)、DNS(域名解析)和FTP(文件传输)协议。传输层涉及TCP(可靠数据传输)和UDP(高效但不可靠)。网络层由IP(路由数据包)、ICMP(错误报告)和路由器构成。数据链路层处理MAC地址和帧传输,物理层规定了电缆、连接器和信号标准。了解这些基础,有助于深入理解网络运作机制。
204 5