HCNA学习的第七天

HCNA学习的第七天

OSPF

区域划分规则:
1、必须拥有区域0(骨干区域),所有非骨干的区域必须直连骨干区域
2、必须拥有ABR–区域边界路由器

当设备启动OSPF之后,使用224.0.0.5发出hello包,发现并建立邻居关系,生成邻居表;
display ospf peer brief //查看邻居关系摘要

当设备使用DD/LSR/LSU/LSAck数据包收集完所有未知的LSA时,本地生成LSDB–链路状态数据库表(LSA的集合)
display ospf lsdb //查看本地的LSDB表

路由表中:
所有OSPF计算所得的路径使用OSPF表示
OSPF优先级为10
Cost=参考带宽÷入接口带宽 默认,参考带宽为100Mbits/s

OSPF选路规则:
若去往某一个目标拥有多条路径时,优先选择整条路经控制层面入接口Cost之和最小的
控制层面:路由来的方向
数据层面:数据去的方向

当接口带宽大于参考带宽时,COST取1,会导致选路不佳。
可以通过修改参考带宽来解决
[r1]ospf 1
[r1-ospf-1]bandwidth-reference 10000 //修改参考带宽
注意:参考带宽的修改需要全网一致

成为邻接关系的条件—关注网络类型

点到点:在一个网络内只能存在两个节点—串线----若是点到点网络类型,则从邻居关系直接建立邻接关系
MA(多路访问):在一个网络内不限制节点数—若是MA网络类型,则需要选举DR/BDR角色,为了消除重复更新,选举时间40s
*其他所有没有定义角色的路由器成为DROther

DR与DROther之间是邻接关系
BDR与DROther之间是邻接关系
DROther与DROther之间是邻居关系
DR与BDR之间是邻接关系

选举规则

1、接口优先级 默认所有路由器接口优先级为1
2、比较Router-ID 大优

**DR/BDR选举是非抢占的,可以通过修改设备参加选举的接口的优先级实现控制选举
[r2]interface GigabitEthernet 0/0/0
[r2-GigabitEthernet0/0/0]ospf dr-priority 5
reset ospf 1 process //重启OSPF进程
注意:不能将所有的接口优先级全改成0

OSPF扩展配置

1、缺省路由–在连接运营商的边界路由器上配置
[r1]ospf 1
[r1-ospf-1]default-route-advertise //非强制下发缺省
非强制下发缺省:若想要下发成功,自身的路由表中必须有缺省路由
r1]ospf 1
[r1-ospf-1]default-route-advertise always //强制下发缺省
2、静默接口–只接收不发送OSPF数据包。一般用于连接用户的接口,禁止用于路由器之间的接口
[r1]ospf 1
[r1-ospf-1]silent-interface GigabitEthernet 0/0/1

实验

一、创建拓扑图,中间区域为骨干区域
在这里插入图片描述
二、子网划分,对各个路由器和PC进行IP地址的规划与输入,并对路由器开启OSPF协议,配置路由IP
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
三、对距离运营商最近的边界路由进行OSPF扩展配置----缺省
设置R2为DR,无BDR
在这里插入图片描述
在这里插入图片描述
四、进行ping
在这里插入图片描述
全网可达

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值