四十二、应用层概述、网络应用模型、DNS系统

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: 四十二、应用层概述、网络应用模型、DNS系统

1、应用层



应用层对应用程序的通信提供服务。

应用层协议定义:


应用进程交换的报文类型,请求还是响应?


各种报文类型的语法,如报文中的各个字段及其详细描述


字段的语义,即包含在字段中的信息的含义


进程何时,如何发送报文,以及对报文进行响应的规则

应用层的功能:


文件传输、访问和管理 - FTP协议


电子邮件 - SMTP、POP3协议


虚拟终端 - HTTP协议


查询服务和远程作业登录 - DNS协议




2、网络应用模型


2.1 客户/服务器(C/S)模型(Client/Server)


服务器: 提供计算服务的设备;


1) 永久提供服务


2) 有一个永久性访问的地址/域名


客户机: 请求计算服务的主机;


1) 与服务器通信,使用服务器提供的服务


2) 间歇性接入网络


3) 可能使用动态IP地址


4) 不与其他客户机直接通信


C/S模型的应用也比较广泛,如Web,文件传输FTP,远程登录和电子邮件等。



2.2 P2P模型(Peer-to-Peer)


不存在永远在线的服务器;


每个主机既可以提供服务,也可以请求服务;


任意端系统/节点之间可以直接通信;


节点间歇性接入网络;


节点可能改变IP地址;


可扩展性好;


网络健壮性强;




3、DNS系统


3.1 域名


域名:,一个域名的示例如下所示:eb206c85c00549d19a1774bc49939bec.png


根指的是顶级域名之后的“.”,一般省略不写。

   顶级域名包含以下几种:

ee81e54e7f8340bcb95307cc51a4f397.png

二级域名包含以下几种:

7b7adcf0adbd4e4da66f941c7f84228f.png


域名树:


e412d21066654341960862f72496f6e3.png



3.2 域名服务器

image.png



终端用户在进行DNS查询时,首先向本地域名服务其发出询问,若本地域名服务器知道域名和IP地址的对应关系,则直接返回给终端用户;否则直接转交给根域名服务器,通过树型结构层层搜索。


3.2.1 域名解析过程


域名解析分为递归查询和迭代查询两种方式。


递归查询是一种“靠别人”的查询方式,由本地域名服务器向根域名服务器再到顶级域名服务器,权限域名服务器层层递归,查询到之后再原路返回给查询终端。be125c8aa19a4c37b45d339363e997aa.png


迭代查询是一种“靠自己”的查询方式,由本地域名向取查询根域名服务器,若不能将域名解析完整,则再由本地域名服务器取查询顶级域名服务器,etc。

2bc8b85e32b04a88860e991f5c03c505.png











相关文章
|
22天前
|
机器学习/深度学习 编解码 自动驾驶
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
37 3
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
|
22天前
|
机器学习/深度学习 移动开发 测试技术
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV2,含模型详解和完整配置步骤
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV2,含模型详解和完整配置步骤
41 1
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV2,含模型详解和完整配置步骤
|
22天前
|
机器学习/深度学习 编解码 TensorFlow
RT-DETR改进策略【模型轻量化】| 替换骨干网络为EfficientNet v1 高效的移动倒置瓶颈结构
RT-DETR改进策略【模型轻量化】| 替换骨干网络为EfficientNet v1 高效的移动倒置瓶颈结构
39 0
RT-DETR改进策略【模型轻量化】| 替换骨干网络为EfficientNet v1 高效的移动倒置瓶颈结构
|
19天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
77 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
22天前
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 GhostNet V3 2024华为的重参数轻量化模型
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 GhostNet V3 2024华为的重参数轻量化模型
42 2
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 GhostNet V3 2024华为的重参数轻量化模型
|
19天前
|
人工智能 自然语言处理 算法
DeepSeek模型的突破:性能超越R1满血版的关键技术解析
上海AI实验室周伯文团队的最新研究显示,7B版本的DeepSeek模型在性能上超越了R1满血版。该成果强调了计算最优Test-Time Scaling的重要性,并提出了一种创新的“弱到强”优化监督机制的研究思路,区别于传统的“从强到弱”策略。这一方法不仅提升了模型性能,还为未来AI研究提供了新方向。
445 5
|
22天前
|
机器学习/深度学习 文件存储 异构计算
RT-DETR改进策略【模型轻量化】| 替换骨干网络为EfficientNet v2,加速训练,快速收敛
RT-DETR改进策略【模型轻量化】| 替换骨干网络为EfficientNet v2,加速训练,快速收敛
31 1
|
5天前
|
搜索推荐 数据挖掘
优质网络舆情监测系统大盘点
一款出色的网络舆情监测系统,不仅能够助力相关主体迅速捕捉舆情信息,有效应对危机,还能够助力其更好地把握舆论动态,维护自身形象。那么,市场上有哪些比较好的网络舆情监测系统呢?这里,本文有为各位整理了一些好用的舆情检测系统,以供各位参考!
16 0
|
4月前
|
监控 Java 应用服务中间件
高级java面试---spring.factories文件的解析源码API机制
【11月更文挑战第20天】Spring Boot是一个用于快速构建基于Spring框架的应用程序的开源框架。它通过自动配置、起步依赖和内嵌服务器等特性,极大地简化了Spring应用的开发和部署过程。本文将深入探讨Spring Boot的背景历史、业务场景、功能点以及底层原理,并通过Java代码手写模拟Spring Boot的启动过程,特别是spring.factories文件的解析源码API机制。
141 2
|
5天前
|
机器学习/深度学习 自然语言处理 算法
生成式 AI 大语言模型(LLMs)核心算法及源码解析:预训练篇
生成式 AI 大语言模型(LLMs)核心算法及源码解析:预训练篇

相关产品

  • 云解析DNS
  • 推荐镜像

    更多