计算机网络 | 网络层

计算机网络——网络层要点总结 “ 本文总结了计算机网络中网络层的相关知识,适合学习过计算机网络的人群快速复习,查找相关知识点并巩固。” 阅读详情

参考视频:王道计算机考研 计算机网络

参考书:《2022年计算机网络考研复习指导》

计算机网络 | 网络层

在这里插入图片描述

功能概述

网络层:向上提供简单的、无连接的、尽最大努力交付的数据报服务。

  • 功能一:路由选择与分组转发:让数据在路由器之间走最佳的路径。
  • 功能二:异构网络互联:让不同的设备(手机、电脑、平板等)都能正常连接。
  • 功能三:拥塞控制
    • 开环控制(静态):在拥塞之前就提前设计解决。
    • 闭环控制(动态):在拥塞时自动调整解决问题。

拥塞:在通信子网中,因出现过量的分组而引起网络性能下降的现象。

在这里插入图片描述

数据在各层的传输形式:

OSI参考模型各层次的传输单元
应用层报文
传输层报文段
网络层IP数据报,分组(如果IP数据报太大就切割成分组)
数据链路层帧
物理层比特流

SDN(Software-Defined Networking)

在这里插入图片描述

数据平面:用于控制数据处理过程中各种具体处理转发过程。处理时间短,在路由器中用硬件实现。

在这里插入图片描述

控制平面:用于控制、管理网络协议的运行,比如 OSPF 协议、RIP 协议、BGP 协议。处理时间长,在路由器中用软件实现。

分为两种:

  • 每路由器法
  • SDN 法

每路由器法:

在这里插入图片描述

SDN 法:

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

注:上面的交换机实际上是路由器。

SDN 控制器的三个层次:

  • 对于网络控制应用程序的接口:SDN 控制器通过“北向接口”与网络控制应用程序交互,该 API 允许网络控制应用程序在状态管理层之间读写网络状态。
  • 网络范围状态管理层:由 SDN 控制平面作出的最终控制决定,将要求控制器具有有关网络的主机、链路等最新状态信息。
  • 通信层:负责 SDN 控制器与受控网络设备之间的通信(OpenFlow 协议),包含“南向接口”。

在这里插入图片描述

例题:

在这里插入图片描述

小结:

在这里插入图片描述

路由算法

路由算法的分类:

在这里插入图片描述

层次路由:

  • 内部网关协议(IGP):也称域内路由选择。
  • 外部网关协议(EGP):也称域间路由选择。

在这里插入图片描述

示例:

在这里插入图片描述

IPv4

IPv4 分组

IPv4 分组的格式

一个 IP 分组由首部和数据部分组成:

  • 首部:固定长度为 20 比特, 是所有 IP 分组必需的。后面是一些可选字段,长度可变,用来提供错误检测及安全等机制。
  • 数据部分:TCP、UDP段。

在这里插入图片描述

IP 数据报格式:

名称英文注释大小
版本Versionipv4或者ipv64位
首部长度IHL此处数值再乘以4才是真正大小,同时因为IP数据报固定长度为20字节,所以此处最小值为5,即二进制的01014位
区分服务DSCP + ECN希望获得哪种服务,用的比较少8位
总长度Total Length首部+数据的长度,最大为216-1=65535B16位
标识Identification用来表示是哪一个数据报的分片,不同的分片标识各不相同8位
标志Flags用来表示是否分片和分片是否结束3位,但实际有用的只有后两位
片偏移Fragment Offset用来标记分片之后,该分片在原来的数据报的位置,以8字节为单位13位
生存时间Time To Live 即TTL每经过一个路由器TTL-1,0时自动放弃,根据系统不同默认的TTL不同8位
协议Protocol用来标记协议名的字段值,如TCP、UDP、ICMP等8位
首部检验和Header Checksum检验首部的字段是否出错,出错就丢弃此数据报8位
源地址Source IP Address发送方ip地址32位
目的地址Destination IP Address接收方ip地址32位
可选字段Options用来排错等安全检测未知,可在0-40位之间
填充将数据报对齐成4字节的整数倍,数值全部为0未知,根据可选字段来定

在这里插入图片描述

注:总长度单位是 1B,片偏移单位是 8B,首部长度单位是 4B。

IPv4 数据报分片

最大传送单元(MTU):一个数据链路层数据报能承载的最大数据量。

以太网的 MTU 是 1500 字节。

在这里插入图片描述

如果 IP 分组超过了某链路的 MTU 值?

IP 数据报分片。

在这里插入图片描述

例题:

在这里插入图片描述

IPv4 地址与 NAT

IPv4 地址

IP 地址:全球唯一的表示某一个主机或者路由器接口的32位/4字节编码。

IP 地址::={<网络号>, <主机号>}

示例:

在这里插入图片描述

IP 地址分类:

在这里插入图片描述

在这里插入图片描述
为什么A类最大是126.xxx.xxx.xxx?

因为网络号最开始第一位是0,一共八位,所以二进制表示位0xxxxxxx,最大就是27-1=127,但是因为127.xxx.xxx.xxx是特殊IP地址,所以将其去掉。

为什么B类最大是191.255.xxx.xxx?

因为网络号最开始两位是10,一共八位,所以二进制表示位10xxxxxx,最大就是10111111=191,最小就是10000000=128,无特殊IP地址。

为什么C类最大是223.255.255.xxx?

因为网络号最开始三位是110,一共八位,所以二进制表示位110xxxxx,最大就是11011111=223,最小就是10000000=192,无特殊IP地址。

A类地址减2的原因:

  1. 网络号字段全为0的IP地址是保留地址,表示“本网络”。
  2. 网络号为127的IP地址是环回自检地址。

B类地址减1的原因:128.0这个网络号不可指派。

C类地址减1的原因:192.0.0这个网络号不可指派。

每个网络中最大主机数减2的原因:

  1. 主机号全0表示本网络本身。
  2. 主机号全1表示本网络的广播地址,又称直接广播地址。

特殊 IP 地址:

在这里插入图片描述

32为全为1,即255.255.255.255表示整个TCP/IP网络的广播地址,又称受限广播地址。实际使用时,由于路由器对广播域的隔离,255.255.255.255等效为本网络的广播地址。

IP地址的特点:

  1. IP地址的网络号由IP地址管理机构分配,主机号由得到该网络的单位自行分配。
  2. 路由器仅根据目的主机的网络号来转发分组。
  3. IP地址是标志一台主机/路由器和一条链路的接口。
  4. IP网络上的路由器必须至少有2个IP地址,每个端口至少分配一个IP地址。
  5. 用中继器/网桥连接的若干LAN同处一个广播域,因此该LAN中所有主机的IP地址的网络号必须相同,但主机号必须不同。
  6. IP地址中,分配到网络号的网络平等。
网络地址转换(NAT)

网络地址转换(NAT)的概念:将专用网络地址(如Intranet)转换为公用地址(如Internet),从而对外隐藏内部管理的IP地址。

网络地址转换(NAT)的作用:

  1. 使得整个专用网只需要一个全球IP地址就可以与因特网连接,由于专用网本地IP地址是可重用的,所以NAT大大节省了IP地址的消耗。
  2. 隐藏了内部网络结构,降低了内部网络收到攻击的风险。

为了网络安全,划出了部分IP地址为私有IP地址:

在这里插入图片描述

私有地址只用于LAN,不用于WAN,并且允许私有IP地址被LAN重复使用。

路由器对目的地址是私有地址的数据报一律不进行转发。

在这里插入图片描述

  • 普通路由器:仅工作在网络层,在转发数据报时,不改变其源IP地址/目的IP地址和端口号。
  • NAT路由器:工作在传输层和网络层,在转发数据报时,更换IP地址和端口号。

子网划分和子网掩码

子网划分

两级IP地址的缺点:

  1. IP地址空间的利用率有时很低。
  2. 给每个物理网络分配一个网络号会使路由表变得太大而使网络性能变坏。
  3. 两级的IP地址不够灵活。

子网划分:在IP地址中增加一个子网号字段,使两级IP地址变成了三级IP地址。

从主机号借用若干比特作为子网号,当然主机号也就减少了相同比特。

三级IP地址 = {<网络号>, <子网号>, <主机号>}

在这里插入图片描述

示例:

在这里插入图片描述

子网掩码

子网掩码:一个与IP地址相对应的、32bit的二进制串,由一串1和一串0组成。

其中,1对应于IP地址中的网络号和子网号,0对应于主机号。

将IP地址与其子网掩码逐位与(&)运算,就得到相应子网的网络地址。

示例:

在这里插入图片描述

分组转发算法:

在这里插入图片描述

注意:

  1. 这里特定主机路由就是指找特定的处理这里这个IP地址的路由。
  2. 默认路由会将这个数据报发给另一个路由,直至找到对应的路由,或者TTL耗尽被丢弃。

例题:

在这里插入图片描述

这道题可以看出来,即使子网掩码不同,相同IP地址对应的子网IP地址也可能相同。

但是,子网掩码不同,划分的子网数目不同。

为什么划分的子网数目不同?或者说怎么算划分的子网位数目?

以255.255.192.0为例,255是11111111即八个1,192是11000000即2个1,一共是82+2=18个1,一共有32位地址,所以剩余有32-18=14位。再以255.255.224.0为例,255是11111111即八个1,224是11100000即3个1,一共是82+3=19个1,一共有32位地址,所以剩余有32-19=13位。

在这里插入图片描述

这道题先将255.255.252.0计算出一共有8+8+6=22位网络号位,所以就有32-22=10位主机号位。

将180.80.77.55解析,可以知道在77部分某部分开始会用来表示主机号位。77的二进制是0100 1101,因为一共有22位网络号位,所以010011 (此处分开) 01,从这个01开始是主机号位。

所以用来表示子网ip地址的应该是180.80.76(010011 00).xxx。

但是本体是发布广播地址,所以主机号全部都要是1,所以应该是180.80.79(010011 11).255(11111111)注意79括号内后两位二进制11。

无分类域间路由选择(CIDR)

IP地址 = {<网络前缀>, <主机号>}

斜线计法(CIDR计法):IP地址/网络前缀所占比特数

在这里插入图片描述

路由聚合(构成超网):将网络前缀都相同的连续IP地址组成CIDR地址块。

这种做法有利于减少路由器之间的路由选择信息的交换,提高网络性能。

在这里插入图片描述

如图,通过缩短前缀,网络1和网络2就可以合并在206.1.0.0/16的子网下。

但是这样转发表之中就会有多个匹配结果,所以我们使用最长前缀匹配。

例题:

在这里插入图片描述

最长前缀匹配:查找路由表时,应选择具有最长网络前缀的路由。

前缀越长,地址块越小,路由越具体。

例题:

在这里插入图片描述

在这里插入图片描述

地址解析协议(ARP)

IP地址是网络层使用的地址,硬件地址是数据链路层使用的地址(如MAC地址)。

通过数据封装,把IP数据报分组封装成MAC帧后,数据链路层看不见数据报分组的IP地址。

由于路由器的隔离,IP网络中无法通过广播方式依靠MAC地址来完成跨网络的寻址,因此只能在IP网络的网络层使用IP地址寻址。

注:地址解析协议(ARP)是网络层协议。

在这里插入图片描述

注:从IP地址到硬件地址的解析是自动进行的。

示例:

在这里插入图片描述

例题:

在这里插入图片描述

动态主机配置协议(DHCP)

主机如何获得IP地址?

在这里插入图片描述

动态主机配置协议(DHCP)是应用层协议,使用C/S方式,基于UDP。

在这里插入图片描述

网际控制报文协议(ICMP)

网际控制报文协议(ICMP)是网络层协议。

为了提高IP数据报交付成功的机会,使用网际控制报文协议(ICMP)来让主机/路由器报告差错和异常情况。

在这里插入图片描述

ICMP报文分类:

  1. ICMP差错报告报文
  2. ICMP询问报文

ICMP差错报告报文:

在这里插入图片描述

注:源点抑制已废弃不用。

ICMP差错报告报文数据字段:

在这里插入图片描述

不应发送ICMP差错报告报文的情况:

在这里插入图片描述

注:组播是指由一点到多点,但不是无脑发到所有点。无脑发到所有点的是广播,组播有筛选条件。

ICMP询问报文:

在这里插入图片描述

注:3和4已废弃不用。

ICMP的应用:

  1. 分组网间探测(PING):测试两个主机之间连通性,使用了ICMP回送请求和回答报文。
  2. Traceroute(Tracert):跟踪一个分组经过的路由(从源点到终点的路径),使用了ICMP时间超过报文。

PING工作在应用层,它直接使用网络层的ICMP,而未使用传输层的TCP/UDP。

Traceroute(Tracert)工作在网络层。

IPv6

为什么会有IPv6?

因为32位的IPv4地址已经消耗殆尽。

网络地址转换(NAT)实现了路由聚合,节省了全球IP地址。

无分类域间路由选择(CIDR)实现了子网划分,使得IP地址分配更合理。

但这两种方法也只是在IPv4的基础上扩展了IPv4地址数目,治标不治本。只有IPv6能从根本上解决IP地址的耗尽问题。

IPv6数据报格式:

在这里插入图片描述

名称英文作用位数
版本Version协议版本,此处因为是IPv6所以总是64位
优先级Traffic Class又来区分数据报的类型和优先级8位
流标签Flow Label和IPv4标识某个数据报分片不同,这是对于一整个数据报流的标记20位
有效载荷长度Payload Length指的是扩展首部+数据部分的大小,和IPv4的总长度和首部长度都不同,IPv6的首部长度是固定的40字节16位
下一个首部Next Header基本首部的下一个首部指的是有效载荷里标记的的扩展首部,有效载荷里的扩展首部再指向有效载荷里标记的的扩展首部,直至最后指向数据8位
跳数限制Hop Limit基本相当于IPv4当中的TTL,每到一个路由器-1,减到0时丢弃8位
源地址Source Address发送方IPv6地址128位
目标地址Destination Address接收方IPv6地址128位

在这里插入图片描述

IPv6地址表示形式:

在这里插入图片描述

IPv6基本地址类型:

名称作用要求
单播一对一通信可做源地址,目的地址
多播一对多通信,以前的广播地址当做覆盖所有主机的多播可做目的地址
任播一对多当中的一个通信,看似一对多,实则一对一可做目的地址

IPv6对比IPv4:

在这里插入图片描述

IPv6向IPv4过渡的策略:

在这里插入图片描述

隧道技术:如果是IPv6的数据报到了IPv4,就用IPv4重新封装,把IPv6数据报前面加上IPv4伪装成IPv4数据报继续传输,直至到了IPv6路由再解开IPv4伪装。

路由协议

自治系统(Autonomous System,AS):单一技术管理下的一组路由器。

路由协议分类:

  • 内部网关协议(IGP):也称域内路由选择,AS内部的路由选择。
  • 外部网关协议(EGP):也称域间路由选择,AS之间的路由选择。

在这里插入图片描述

路由信息协议(RIP)和距离向量算法

路由信息协议(RIP)是一种分布式的基于距离向量的路由选择协议。

路由信息协议(RIP)是应用层协议,使用UDP传送数据(端口520)。

在这里插入图片描述

路由信息协议(RIP)的特点:

  1. 仅和相邻路由器交换信息。
  2. 交换的信息是当前路由器所知道的全部信息(自己的路由表)。
  3. 按固定的时间间隔(比如30s)交换路由信息,动态维护路由表。
  4. 若超过180s没收到邻居路由器的通告,则判定邻居消失,并更新自己的路由表。

在这里插入图片描述

距离向量算法:

在这里插入图片描述

例题:

在这里插入图片描述

在这里插入图片描述

路由信息协议(RIP)的报文格式:

在这里插入图片描述

路由信息协议(RIP)的优点:

  1. 实现简单
  2. 开销小
  3. 收敛过程较快

路由信息协议(RIP)的缺点:

  1. 限制了网络的规模,它能使用的最大距离是15(16表示不可达)。
  2. 路由器之间交换的是路由器中的完整路由表,因此网络规模越大,开销越大。
  3. 网络出现故障时,会出现“慢收敛现象”。

“慢收敛现象”:

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

开放最短路径优先协议(OSPF)和链路状态算法

开放最短路径优先协议(OSPF)是网络层协议。

开放最短路径优先协议(OSPF)概述:

在这里插入图片描述

开放最短路径优先协议(OSPF)的五种分组类型:

  1. 问候分组:用来发现和维持邻站的可达性。
  2. 数据库描述分组:向邻站给出自己的链路状态数据库中的所有链路状态项目的摘要信息。
  3. 链路状态请求分组:向对手请求发送某些链路状态项目的详细信息。
  4. 链路状态更新分组:用洪泛法对全网更新链路状态。
  5. 链路状态确认分组:对链路更新分组的确认。

链路状态算法:

在这里插入图片描述

注:虽然使用Dijkstra算法能计算出完整的最优路径,但路由表不会存储完整路径,而只存储“下一跳”。

为使开放最短路径优先协议(OSPF)能够用于更大规模的网络,开放最短路径优先协议(OSPF)将一个自治系统再划分为若干更小的范围,称为区域。

区域有层次之分,上层的区域称为主干区域,负责连通其他下层的区域,并且连接其他自治系统。

在这里插入图片描述

划分区域的好处:将利用洪泛法交换链路状态信息的范围局限于每个区域而非整个自治系统,减少了整个网络上的通信量。

开放最短路径优先协议(OSPF)的分组(数据报):

在这里插入图片描述

开放最短路径优先协议(OSPF)分组直接使用IP数据报传送,该信息直接作为IP数据报的数据部分。

开放最短路径优先协议(OSPF)的特点(与RIP协议对比):

在这里插入图片描述

边界网关协议(BGP)和路径向量算法

边界网关协议(BGP)是应用层协议,借助TCP传送。

边界网关协议(BGP)只能力求寻找到一条能够到达目的网络且比较好的路由(不能成环)。

边界网关协议(BGP)概述:

在这里插入图片描述

边界网关协议(BGP)交换的是一组路径向量。

边界网关协议(BGP)交换信息的过程:

在这里插入图片描述

在这里插入图片描述

边界网关协议(BGP)的报文格式:

在这里插入图片描述

一个BGP发言人与其他AS中的BGP发言人要交换路由信息,就要先建立TCP连接,然后在此基础上交换BGP报文以建立BGP会话,利用该会话交换路由信息。

边界网关协议(BGP)的特点:

  1. BGP交换路由信息的结点数量级是AS的数量级。
  2. 每个AS中BGP发言人(或边界路由器)的数目很少。

在这里插入图片描述

BGP-4共使用4种报文:

在这里插入图片描述

三种路由协议的比较

在这里插入图片描述

在这里插入图片描述

IP组播

IP数据报的三种传输方式:

在这里插入图片描述

组播一定仅应用于UDP。

主机使用因特网组管理协议(IGMP)加入组播组。

组播组的主机可以来自不同的物理网络(组播路由器提供支持)。

主机组播时仅发送一份数据,只有数据在传输路径出现分岔时才将分组复制后继续转发。

在这里插入图片描述

IP组播地址:

在这里插入图片描述

IP组播分类:

  1. 只在本局域网上进行硬件组播。
  2. 在因特网范围内进行组播,但在最后阶段还是要把组播数据报在局域网上用硬件组播交付。

硬件组播:

在这里插入图片描述

因特网组管理协议(Internet Group Management Protocol,IGMP):

因特网组管理协议(IGMP)让连接本地局域网的组播路由器知道本局域网上是否有主机(的进程)参加或退出了某个组播组。

因特网组管理协议(IGMP)是网络层协议,使用IP数据报传送报文。

在这里插入图片描述

因特网组管理协议(IGMP)工作的两个阶段:
在这里插入图片描述

注:组播路由器知道的成员关系只是所连接的局域网中有无组播组的成员,并不知道成员个数。

组播路由选择协议:

组播路由选择协议的目的是找出以源主机为根节点的组播转发树,其中每个分组在每条链路上只传送一次。

在这里插入图片描述

组播路由选择协议的作用:成员可以自行找到转发组,自行决定参加哪个组播。

组播路由选择协议的三种路由算法:

  1. 基于链路状态的路由选择。
  2. 基于距离-向量的路由选择。
  3. 协议无关的组播(PIM):分为稀疏型算法/密集型算法。

小结:

在这里插入图片描述

移动IP

支持移动性的因特网体系结构与协议共称为移动IP。

移动IP技术:移动结点以固定的网络IP地址实现跨越不同网段的漫游功能,并保证基于网络IP的网络权限在漫游过程中不发生任何改变。

基于IPv4的移动IP定义三个功能实体:

  1. 移动结点
  2. 归属代理(本地代理)
  3. 外埠代理(外部代理)

归属代理和外埠代理统称为移动代理。

基本概念:

在这里插入图片描述

移动IP通信过程:

在这里插入图片描述

注意,移动IP不等于动态IP(通过DHCP服务器动态获得一个IP地址)。

网络层设备

路由器的组成和功能

路由器是一种具有多个输入/输出端口的专用计算机,其任务是连接异构网络并完成路由转发。

注:路由器隔离了广播域。

从结构上看,路由器由路由选择和分组转发两部分组成。

在这里插入图片描述

路由器是网络层设备,实现了网络模型的下三层。

输入端口:

在这里插入图片描述

输出端口:

在这里插入图片描述

路由器中输入/输出队列产生溢出是造成分组丢失的重要原因。

回顾:

在这里插入图片描述

路由表与路由转发

在这里插入图片描述

第4章总结

在这里插入图片描述

计算机网络基础之网络层 综述层次与物理硬件对应关系1, 中继器、集线器、网卡 ,转发器 ,—– 物理层, 2, 交换机、网桥 (桥接器) ——————数据链路层, 3, 路由器 ————————————- 网络层 4, 网关 —————————————-运输层体系结构自上而下: 1.应用层:是网络应用程序及其应用层协议存留的地方。 协议包括:HTT 阅读详情

相关推荐

《计算机网络》笔记——第4章 网络层(一)

文章目录4.1 网络层提供的两种服务4.1.1 一种观点:让网络负责可靠交付4.1.2 另一种观点:网络提供数据报服务4.1.3 虚电路服务与数据报服务的对比4.2 网际协议 IP4.2.1 虚拟互连网络4.2.2 分类的 IP 地址4.2.2.1 IP 地址及其表示方法4.2.2.2 常用的三种类别的 IP 地址4.2.3 IP 地址与硬件地址4.2.4 地址解析协议 ARP4.2.5 IP 数据报的格式4.2.5.1 IP 数据报首部的固定部分中的各字段4.2.5.2 IP 数据报首部的可变部分4.

bm1998 818

计算机网络——网络层

描述了一些与网络层相关的重要协议和概念,包括网络层协议IP、虚拟互连网络、地址解析协议ARP、ICMP协议、IP数据报的格式、路由选择协议、子网划分、网络地址转换NAT等。 此外,我还描述了IPv6的基本首部、地址和过渡方法,以及MPLS和其工作原理。我们还讨论了IP多播、虚拟专用网VPN、多协议标记交换MPLS等相关概念和技术。

商务合作|种草文章|产品测评 1万+

【计算机网络】一图让你看懂!计算机网络模型之网络层

计算机网络模型之网络层 一、网络层 1.网络层是OSI参考模型中的第三层,介于传输层和数据链路层之间。 2.为经过源端的传输层发送过来的分组进行选择合适的路由和交换结点,并通过IP寻址 的方式正确无误地将分组发送到目的端 的传输层。 二、网络层数据封装 1.封装 封装:接收来自传输层的传输层片段(TCP报头+上层数据),并将IP报头封装到报文上,组成IP数据报。 2.IP报头 IP报头:其中IP报头由源地址、目的地址等IP地址和 数据组成。 3.IP地址 IP地址:地址 唯一 标识一台网络设备,由32个二

Tyler的博客 889

【计算机网络】【网络层】【习题】

如果几个连续位段的值都是 0 ,则这些 0 可以简写为 : : ,这也称为双冒号(double colon)表示法。版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 鸿·蒙!IPV6 地址中可能出现多个二进制数 0,通过压缩某个位段中的前导 0,来简化 IPV6 地址的表示。FF02:30:0:0:0:0:0:5 不能简写为 FF2:3::5 ,应该是 FF02:30::5。注:本文基于《计算机网络》(第5版)吴功宜、吴英编著 整理。

鸿蒙初开 1582

一文了解英伟达(NVIDIA)所有显卡芯片

英伟达(NVIDIA)的产品线庞杂繁复,从面向游戏玩家的GeForce RTX系列,到数据中心的H100、B200,再到Jetson、DRIVE等边缘智能平台,一般人很难以厘清其全貌。这篇文章将用通俗而专业的语言,一文打通英伟达显卡芯片体系,让你彻底读懂这个GPU帝国是如何运转的。

bjdx_001的博客 6385

PySpark机器学习生产化陷阱:跨节点依赖问题的7种解决方案

隐式依赖陷阱使用ldd解决方案:在基础镜像中预装和路径冲突终极解法依赖树瘦身技巧用conda-tree可减少40%环境体积PySpark机器学习生产化的核心矛盾在于分布式环境的确定性与灵活性不可兼得。轻量级方案(1-3)牺牲一致性换取灵活性重量级方案(4-6)牺牲灵活性换取确定性混合方案(7)针对特殊场景补充正如某AI平台架构师所言:“环境一致性不是技术问题,而是工程纪律问题选择适合团队当前阶段的方案,建立严格的依赖管理流程,才能让PySpark真正扛起生产环境的大旗。

datacanvas2426的博客 911

计算机网络-网络层

为什么使用无分类编址划分子网在一定程度上缓解了因特网在发展中遇到的困难,但是数量巨大的C类网因为在地址空间太小并没有得到充分的使用,而因特网的ip地址仍在消耗,整个IPv4地址空间面临全部耗尽的威胁。为此因特网工程任务组IETF又提出了采用无分类编址的方法来解决ip地址紧张的问题,同时成立IPv6工作组负责研究新版本IP以解决IP地址耗尽问题。1993年,IETF发布无分类域间路由选择CIDR的RFC文档。CIDR消除了传统的A,B,C类地址,以及划分子网的概念;CIDR。

hnsqls的博客 1133

单细胞转录组分析(scRNA-seq)

单细胞转录组测序(Single-cell RNA sequencing,scRNA-seq)是一种高通量测序技术,可以在单细胞水平解析基因表达情况,揭示细胞异质性,探索稀有细胞类型,并研究细胞状态转换及动态调控机制。与传统的。

大甘的博客 6155

深入浅出理解网络层:推荐《计算机网络:自顶向下方法》第八版 PPT 第4章网络层数据平面

深入浅出理解网络层:推荐《计算机网络:自顶向下方法》第八版 PPT 第4章网络层数据平面 去发现同类优质开源项目:https://gitcode.com/ 在计算机网络的世界中,网络层是连接各网络的关键层次,它负责数据的传输与路由选择。《计算机网络:自顶向下方法》第八版 PPT 第4章网络层数据平面,以其详尽的讲解和实用的内容,成为了学习网络层的优质资源。以下是该项目的核心功能、技术分析、应用场景...

gitblog_06703的博客 1052

避坑指南:SAP STO订单里‘发货存储地点’栏位不显示?检查这个关键配置

本文深入解析SAP STO订单中‘发货存储地点’栏位缺失问题的根本原因及解决方案。通过激活库存地点间转储功能、维护库存地点主数据等关键配置步骤,帮助用户快速恢复业务操作。特别适用于MM模块实施顾问和SAP系统管理员处理UB STO相关技术问题。

weixin_30632089的博客 100

【Cadence】Virtuoso@LayoutXL 差分电路版图镜像同步技巧详解

本文详细介绍了在Cadence Virtuoso LayoutXL中实现差分电路版图镜像同步的技巧,包括核心需求、环境配置、分步操作指南及高级技巧。通过使用LayoutXL的Group功能,工程师可以高效保持差分电路的对称性,提升版图迭代效率,确保高速信号处理的稳定性。特别适用于深亚微米工艺下的差分放大器设计。

weixin_29215391的博客 324

计算机网络的网络层,真就一看就懂?

本篇文章字数大约1W+,因为包含大量的概念,可能比较难理解,我尽量使用图和例子结合的方式,让大家容易理解.主要内容是关于计算机网络中的网络层的最详细知识,从网络层概念出发,讨论网路层的功能和具体实现,以及相关的协议

小白的程序猿 1829

有效Dk值提取方法的仿真分析

通过本文的仿真对比分析,提取有效Dk值方面,TDR技术在一些固定的场景下,依然有其参考应用价值,而随着VNA功能的不断增强和高精度测量手段的不断更新,双端口Delta-L技术才是主流评估方法,而单端口Delta-L技术则可以作为其降本增效的方案补充。

一只豌豆象的博客 1828

计算机网络 TCP/IP体系 网络层

对TCP/IP体系网络层的介绍, 以及对网络层对应技术的简介

Emilia_is_angel的博客 1711

innovus:Patch Wire(补丁线)

1)选中wire ,shift+A使用Edit Route功能,F3打开edit route对话框。线道Create Patch Wire,设置好层次和宽度。在修补一些min area的drc时,会有一些danling wire的drc冒出来,为了避免这些假错,可以使用工具patch wire功能。2)沿着选中的wire画线即可。如下图,patch wire和regular wire是能看出区别的。我正在「拾陆楼」和朋友们讨论有趣的话题,你⼀起来吧?

m0_61544122的博客 1970

SAP PCE 到底有没有 AI 能力:从标准功能、Joule、ABAP 扩展到项目落地的完整解读

摘要:SAP S/4HANA Cloud Private Edition(PCE)已深度集成AI能力,主要体现在三个方面:1)标准业务流程中的AI辅助功能(如财务分录生成、维修单据处理);2)通过Joule提供的自然语言交互入口,支持业务导航和部分事务处理;3)开发者可通过ABAP AI SDK与BTP平台集成实现扩展。PCE不是独立AI平台,企业级自定义AI需结合SAP BTP实现。AI能力已深度融入财务、制造等业务场景,但关键业务仍需人工审核。(149字)

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 335

计算机网络第四章:网络层

数据链路层解决了同一局域网计算机间帧的传输问题异构网络互联,即跨局域网连接和资源共享;互联网络中主机标识问题;互联网中主机间路由选择问题(最佳路径);互联网中数据转发的问题(分组转发)。局域网:属于资源子网;广域网:属于通信子网。IP 地址就是给每个连接在互联网上的主机(或路由器)分配一个在全世界范围是唯一的 32 位的标识符;

是谢添啊 2713

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

计算机网络网络层

自写笔记,网络层作为计算机网络的核心层次,解决了数据链路层无法实现的异构网络互联问题,采用无连接的数据报服务(如 IP 协议)实现尽最大努力交付,通过 IP 地址编址、子网划分、CIDR 等技术管理地址资源,借助 ARP 协议完成 IP 与 MAC 地址映射,依靠路由协议(如 RIP、OSPF、BGP)构建转发路径,并通过分片机制适配不同链路 MTU,最终在端系统间提供逻辑通信,支撑互联网的大规模扩展与异构网络互通。

Li_zeven的博客 796

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

计算机网络第四章网络层习题答案

计算机网络第四章网络层习题答案 4-55如图4-68所示,网络145.13.0.0/16划分为四个子网N1,N2,N3和N4.这四个子网与路由 器R连接的接口分别是m0,m1,m2和m3.路由器R的第五个接口m4连接到互联网。 1.试给出路由器R的路由表。 2.路由器R收到一个分组,其目的地址是145.13.160.78.试给出这个分组是怎样被转发到的。 解答: 有题目可以看出四个网络地址的地址掩码均为/18,故可以得出子网掩码均为255.255.192.0,而且N1、N2、N3、N4均与路由器R通过接口

qq_45896330的博客 3万+

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

计算机网络3————网络层

一.网络层概述 1.互联 在说网络层之前,我们先说说网络互连的概念,简单来说,就是将多个相同或者不同的以太网,或者无线局域网等等通过路由器连接来构成一个更大的网络(局互联网),来达到更大范围的资源共享。 上图可以看到,以太网和无线局域网,很明显这两种异构的网络采用的是不同的协议,语法,语义,时序都不同,那么他们时间如何进行分组传递呢?它们实际上是通过网络中继系统(路由器)来对不同的协议进行转换的...

冰炭不投day的博客 1248

计算机网络的网络层(下)

4.2网际协议IP 四、超网 1、超网现象 本来计算机A和计算机B在同一个网段,可以直接的进行数据的收发,但是由于子网掩码设置错误,导致网络ID不一样。也就是机器觉得他们不在同一个网段上。 在这种情况下,A计算机到B计算机通信,必须通过路由器转发,如下图所示,这样两个子网能够通信。但是本来这些计算机物理上就是在同一个网段,还需要路由器转发,效率不高。 2、合并两个网段 如图所示,将192.168...

Clichong 1589

计算机网络原理【四】之 网络层

感谢内容提供者:金牛区吴迪软件开发工作室 接上一篇:计算机网络原理【三】之 传输层 文章目录第四章:网络层一、网络层服务1.核心任务2.主要功能a.转发b.路由选择c.建立连接二、数据报网络与虚电路网络1.数据报网络(无连接服务)2.虚电路网络(面向连接)数据报网络与虚电路网络的区别三、网络互连与网络互连设备1.异构网络互连2.路由器四、网络层拥塞控制1.网络拥塞2.网络层拥塞控制措施a.流量感知路由b.准入控制c.流量调节1)路由器如何感知发生了拥塞?2)路由器感知到拥塞时,如何通知其上游结点,并且使.

吴小迪的博客 5732

计算机网络:网络层

想象一下城市庞大的交通系统:无数的车辆需要从任意起点到达任意终点,道路错综复杂,红绿灯交替闪烁,交警在关键节点指挥调度。在计算机网络的世界里,网络层(Network Layer) 正是扮演着这个“全局交通指挥官”的核心角色。它负责将数据包跨越多个网络,从源主机精准送达目标主机,是互联网互联互通的真正基石。

2301_80223874的博客 1028

计算机网络——四、网络层

最近在准备期末考试,顺道做了关于计算机网络的笔记,欢迎各位来吐槽。目录前言网络层的整体概况思维导图1.1 网络层的作用1.2 网络层协议IP1.3 IP地址1.3.1ip地址的概念1.3.2IP地址的组成1.3.3IP地址的分类1.3.4IPv61.4子网划分。

yjq的电子随笔 1116

计算机网络(4)——网络层

(1) 网络层为不同主机(Host)之间提供了一种逻辑通信机制(2)每个和都运行传输层协议。

2401_89167985的博客 1万+

计算机网络——网络层(1)

对计算机网络中IPv4和IPv6进行讲解分析以及通用转发和SDN进行了细致的讲解

AI+全栈,AI+应用,实操落地,前沿技术 3934
上一篇: 计算机网络 | 数据链路层
下一篇: 计算机网络 | 传输层
UestcXiye
博客等级 码龄8年 9033粉丝 1306原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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