route详解

inter999 inter999 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4k累计阅读 4.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄19年
关注
转载 最新推荐文章于 2025-07-22 17:32:09 发布 4k 阅读 AI 写同款· GEO 优化 ›
【已验证】基于STM32F407与AD9833的幅频特性测试装置设计与实现 本文详细介绍了基于STM32F407微控制器和AD9833 DDS芯片的低成本幅频特性测试装置设计与实现方法。通过扫频原理，该装置能自动生成正弦波信号，测量滤波器等电路的输出幅度变化，并在LCD屏幕或示波器上绘制幅频特性曲线。文章提供了从硬件选型、CubeMX工程配置、关键驱动代码编写到数据处理与可视化的完整教程，帮助电子爱好者与工程师快速搭建实用的滤波器测试工具。 阅读详情
route
显示/修改路由表( route table )
语法：
[root@test root]# route [-nee]
[root@test root]# route add [-net|-host]目标主机或网域[netmask] [gw|dev]
[root@test root]# route del [-net|-host]目标主机或网域[netmask] [gw|dev]
参数说明：
-n：列出的资讯以IP来显示
-ee ：列出较长列的资讯
add ：增加路由资讯
del ：删除一个路由资讯
-net：增加一个『网域』的路由，例如C Class的网域！
-host ：增加到某个IP主机的路由！
netmask ：就是netmask呀！
gw ：这个是路由的通讯闸！ gw是以IP来建置的
dev ：这个是路由的通讯闸！ dev是以介面( internet )代号来建置的！
范例：
[root@test root]# route
Kernel IP routing table
Destination Gateway Genmask Flags Metric Ref Use Iface
140.116.141.253 * 255.255.255.255 UH 0 0 0 ppp0
192.168.1.0 * 255.255.255.0 U 0 0 0 eth0
127.0.0.0 * 255.0.0.0 U 0 0 0 lo
default 140.116.141.253 0.0.0.0 UG 0 0 0 ppp0
　
[root@test root]# route -n
Kernel IP routing table
Destination Gateway Genmask Flags Metric Ref Use Iface
140.116.141.253 0.0.0.0 255.255.255.255 UH 0 0 0 ppp0
192.168.1.0 0.0.0.0 255.255.255.0 U 0 0 0 eth0
127.0.0.0 0.0.0.0 255.0.0.0 U 0 0 0 lo
0.0.0.0 140.116.141.253 0.0.0.0 UG 0 0 0 ppp0
注意到route, route -n这两个范例喔！使用-n与否会使domain是否进行查询，
一般来说，我都喜欢加上-n的，因为不必去查询正反解，显示速度较快，
此外， default gateway就是0.0.0.0喔！
　
[root@test root]# route add -net 192.168.0.0 netmask 255.255.255.0 dev eth0
#新增一个路由规则！
　
[root@test root]# route del -net 192.168.0.0 netmask 255.255.255.0 dev eth0
#删除一个路由啰
　
[root@test root]# route add default gw 192.168.1.2
#增加一个default gateway呢！
注意一下， gw后面接的是IP ，而dev后面接的则是装置代号喔！说明：
这个指令相当的有用！尤其是新手们最容易犯错的gateway设定错误的问题，都可以藉由这一个指令来检查呢！这个指令有两个主要的用途：
　



显示目前主机上面的路由资讯；

修改(增加或删除)主机上面的路由表！ 『可以建置router呦！ 』
　
我们来谈一谈使用route时，显示的内容意义：
　



Destination：目标，可以是IP也可以是网域！至于没有规定到的，则是以default来表示！以上面为例，当我的机器要去192.168.1.0的时候，则以上表的192.168.1.0那一行的设定为主，但如果我要去tw.yahoo.com的时候，由于没有规定到！所以就要以default的资讯为主要的路由！因此，我就会经由140.116.141.253这个gateway来传送出去我的封包啰！

Gateway ：该目标要经由哪一个网关传送？就是这一个设定值啦！

Genmask ：就是该Destination的netmask啰！例如140.116.141.253为255.255.255.255 ，因为他是一个host而不是一个network呀！至于192.168.1.0就是255.255.255.0这个C Class啰！那如果是default的话，就显示0.0.0.0 ，也就是不论是哪里，都出自这一个gateway就是了！

Flages ：旗标，有底下几种Flage呢：



U (route is up)：该路由已经启动了；

H (target is a host)：目标是一个主机( IP )，例如上面范例中的140.116.141.253那一个；

G (use gateway)：用来作为gateway的设定；

R (reinstate route for dynamic routing)：使用动态路由时，恢复路由资讯的旗标；

D (dynamically installed by daemon or redirect)：已经由服务或转port功能设定为动态路由；

M (modified from routing daemon or redirect)：路由已经被修改了；

! (reject route)：这个路由将不会被接受(用来抵挡不安全的网域！)


Iface ：该设定使用的网路介面为何？
　
好了，那么如何增加或删除路由呢！就由上面的例子就可以知道啦！很简单的啦！不过需要注意的是，单纯有路由功能还不够！因为还需要有
router
的功能才行！我们将在router那个章节再来持续谈一谈这个问题啰！ 『注：当您发现下达route的时候，显示的速度很慢时，通常是您的路由资讯有一定的问题存在！果真如此的话，请务必仔细的检查一下设定，否则对于您的网路速度会有迟滞现象呦！ 』
收录于
网络编程

当前文章被收录于：

网络编程
17 篇文章 0 人学习
订阅专栏 查看详情
标签
#资讯 #redirect #table #internet #class
#通讯
保姆级教程：用中移ML307模组对接高德/OneOS定位服务，从配置apikey到解析+MLBSLOC状态码 本文详细介绍了如何使用中移ML307系列模组对接高德/OneOS定位服务，从配置apikey到解析+MLBSLOC状态码的全过程。涵盖高德定位服务和OneOS定位服务的配置步骤、常见错误处理及性能优化技巧，帮助开发者快速实现基站定位功能，提升物联网项目的定位精度和稳定性。 阅读详情

相关推荐

学习笔记9--智能驾驶的功能安全设计之功能安全设计

本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》。此专栏是关于《自动驾驶系统设计及应用》书籍的笔记.

FUXI_Willard 1795

linux route 路由表操作命令

目录 1．命令格式 2．命令功能 3．命令参数 4．使用实例 5．route add default dev eth0和route add default gw * dev eth0的区别 Linux系统的route命令用于显示和操作IP路由表（show/manipulatetheIProutingtable）。要实现两个不同的子网之间的通信，需要一台连接两个网络的路由器，...

whatday的专栏 1569

雪莉果的Axure原型工厂vol.006 中继器应用（二）——多选穿梭框

如果你用axure有一段时间了，那么你很快就能琢磨出一个大体设计流程，比如加一个中间过度的元件，来储存需要穿梭的内容；但是如果你再想一想，就会发现，这样做，似乎只能解决单选，那么多选需要怎么操作呢？ 这时候，中继器就会告诉你，我还能做的更多。

weixin_43829792的博客 976

路由表linux routing table

如果连路由器都ping不通，首先检查自己的IP地址有没有设置，再用如下命令设置网关：route add default gw 网关地址 eth0(根据自己的实际网卡名称修改)。 路由我們在網路基礎裡面談到過路由的相關概念， 他最大的功能就是在幫我們規劃網路封包的傳遞方式與方向。 至於路由的觀察則可以使用 route 或者是 netstat 來查閱與設定。 好了，那麼路由的形式有哪些？您

梦想带我去飞翔 8756

CTFHUB------XSS反射型(WP)

文章目录前言XSS测试平台 前言 一开始我直接在上面写js脚本发现出错，最后发现只能通过下面的输入框来执行XSS测试，于是我们只能用XSS测试平台解决问题 XSS测试平台 注册一个XSS测试平台 这里随便填写 勾选默认模块就够了，点击下一步 这时会出现一个找个将代码复制 拼接到网站后缀name后面，点击send 这时平台会收到一个记录点开即可 得到flag ...

Y4tacker的博客 1万+

通讯软件002——快速使用modscan进行modbus调试

快速使用modscan进行modbus调试

zhouwl72的博客 1032

ip rule ，ip tables ,ip route 的过程

ip rule ，ip tables ,ip route 的过程

qq_46506007的博客 3039

inferCNVpy分析流程学习

inferCNV的用途大家都已经很清楚了，接下来就走一下流程，试一试Python版的inferCNV。使用的数据集为：GSE188711，既往推文可见：Scanpy分析全流程(含harmonypy整合/细胞周期矫正/双细胞检测及去除)(

zfyyzhys的博客 1295

linux中路由策略rule和路由表table

1.linux系统中路由表table linux最多可以支持255张路由表，每张路由表有一个table id和table name。其中有4张表是linux系统内置的： （1）table id = 0 系统保留。 （2）table id = 255 称为本地路由表，表名为local。像本地接口地址，广播地址，以及NAT地址都放在这个表。该路由表由系统自动维护，管理员不能直接修改。 （3

@_囚徒-2018_的家园 3万+

【COMSOL】修改内置物理场方程 模拟水沸腾的蒸汽泡运动

在COMSOL中通过弱贡献（weak contribution）节点，可以向任何内置模型方程中添加约束。这里，以模拟水沸腾的蒸汽泡运动为例，来讲一讲当我们研究的方程与模块方程不一样时，应该怎么增加新的贡献项。

u012161192的博客 9008

BAT031:按列表名单将路径a下的文件夹批量剪切到路径b

摘要：按列表名单将路径a下的文件夹批量剪切到路径b。

qq_31762031的博客 1218

路由表（routing table）或称路由择域信息库（RIB, Routing Information Base）

在中，（routing table）或称（RIB, Routing Information Base），是一个存储在或者联网计算机中的电子表格（文件）或类数据库。路由表存储着指向特定网络地址的路径（在有些情况下，还记录有路径的路由度量值）。路由表中含有网络周边的信息。路由表建立的主要目标是为了实现和静态路由选择。在现代路由器构造中，路由表不直接参与的传输，而是用于生成一个小型指向表，这个指向表仅仅包含由路由算法选择的数据包传输优先路径，这个表格通常为了优化硬件存储和查找而被压缩或提前编译。

weixin_40191861的博客 1141

【软考中级】多媒体应用设计师复习笔记第十章【free】

第10章法律法规与标准规范 行业标准 缩写的大写拼音 地方标准 DB加生代码 企业标准Q加斜线企业代号国际标准是国际标准化组织ISO和国际电工委员会IEC制定的标准 国家标准是由国务院标准化行政主管部门制定，全国范围内使用 ?强制性国家标准的代号为GB，推荐性国家标准的代号为GB/T。 ?软件开发规范GB8566-88属于强制性国家标准 在这里插入图片描述 行业标准代号由大写汉语拼音字母组成，加上斜线和T，组成推荐性行业标准，如XX/T。已经发布的行业代号有QJ（航天），SJ（电子

weixin_47120900的博客 641

route命令详解

route命令详解 在网络中，route命令用来显示、添加、删除和修改网络的路由。 1.route命令的格式 route [-f] [-p] [Command] [Destination] [mask Netmask] [Gateway] [metric Metric] [if Interface] 2.route-参数的含义： route -f：用于清除路由表。 route -p：用于创建永久路由。 route Comman：主要有print（打印路由）、ADD（添加路由）、DELETE（删

istrangeboy&begin zero的博客 7万+

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

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")

【route】route add命令详解

以二进制表示的子网掩码包括表示目标网络地址部分的一连串的 1 和表示目标主机地址部分的一连串的 0 两个部分。这是一个较难使用的工具。默认启动的自动确定接口跃点数确定了每个接口的速度，调整了每个接口的路由跃点数，因此最快接口所创建的路由具有最低的跃点数。清除所有不是主路由（子网掩码为 255.255.255.255 的路由）、环回网络路由（目标为 127.0.0.0，网掩码为 255.255.255.0 的路由）或多播路由（目标为 224.0.0.0，网掩码为 240.0.0.0 的路由）的条目的路由表。

m0_74823434的博客 2102

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

route指令使用详解

输出详解route命令输出的路由表字段含义如下：目标网络或目标主机（本机的数据要发送的目的地：子网或主机），与Genmask组成一个网段。Gateway网关(如果是默认网关，网关的地址必须和自己的主机上的其中一块网卡在同一子网)即网关地址。如果没有就显示星号。Genmask网络掩码，如果目标网络的的子网掩码为255.255.255.255,说明目标是一台主机；如果子网掩码为’0.0.0.0’ 说明该路由是默认路由。Flags（旗标）Metric距离、跳数。暂无用。

justlpf的专栏 1万+

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

route 命令详解

转自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/86584/viewspace-755197/ 因为工作中需要了解网络配置，在众多文中，找到一详解，特此分享。 1. 使用背景 需要接入两个网络，一个是部署环境所在内网环境，这个环境是上不了外网， 外网环境很可能是一个无线网络。如果两者都连接上，很可能导致有一方不能起作用，即外网或内网上不了，常常需要...

Hello_See_You的博客 3万+

Linux route详解

route命令用于显示和操作IP路由表。要实现两个不同的子网之间的通信，需要一台连接两个网络的路由器，或者同时位于两个网络的网关来实现。在Linux系统中，设置路由通常是 为了解决以下问题：该Linux系统在一个局域网中，局域网中有一个网关，能够让机器访问Internet，那么就需要将这台机器的IP地址设置为 Linux机器的默认路由。要注意的是，直接在命令行下执行route命令来添加路由，不会永久保存，当网卡重启或者机器重启之后，该路由就失效了；要想永久保存，有如下方法： 1.在/etc/rc.loca

weixin_42073629的博客 1万+

ubuntu下route命令详解

添加一条路由(发往192.168.62这个网段的全部要经过网关192.168.1.1)#添加到主机的路由，删除将add换成del。#删除一条路由　删除的时候不用写网关。ubuntu下route命令详解。2、临时路由设置，重启网卡失效。

luoganttcc的博客 928

【安全狐】route print命令详解

route print命令详解 [ Route就是用来显示、人工添加和修改路由表项目的。]大多数主机一般都是驻留在只连接一台路由器的网段上。由于只有一台路由器，因此不存在使用哪一台路由器将数据包发表到远程计算机上去的问题，该路由器的IP地址可作为该网段上所有计算机的缺省网关来输入。 但是，当网络上拥有两个或多个路由器时，你就不一定想只依赖缺省网关了。实际上你可能想让你的某些远程I...

安全狐 4万+

route add命令详解

route add命令的主要作用是添加静态路由，通常的格式是： route ADD 157.0.0.0 MASK 255.0.0.0 157.55.80.1 METRIC 3 IF 2 参数含义：^destination ^mask ^gateway metric^ ^interface destination【网段地址】 mask【子网掩码】 gateway【网关地址】 metric 【路由跳数...

weixin_45698754的博客 1万+

route命令linux详解,route命令详解与使用实例

route命令用于在本地IP路由表中显示和修改条目。使用不带参数的ROUTE可以显示帮助。语法:route [-f] [-p] [command [destination] [mask netmask] [gateway] [metric] [if interface]参数说明:-f清除所有不是主路由(子网掩码为255.255.255.255的路由)、环回网络路由(目标为127.0.0.0，子网掩...

weixin_35660371的博客 3627

php route取值,route命令详解

route命令用于显示和操作IP静态路由表。> 路由表，指的是路由器或者其他互联网网络设备上存储的表，该表中存有到达特定网络终端的路径，在某些情况下，还有一些与这些路径相关的度量。路由器的主要工作就是为经过路由器的每个数据包寻找一条最佳的传输路径，并将该数据有效地传送到目的站点。由此可见，选择最佳路径的策略即路由算法是路由器的关键所在。为了完成这项工作，在路由器中保存着各种传输路径的相关数据...

weixin_33511821的博客 3493
上一篇： Linux下常用网络配置命令
下一篇： 将oracle SQL语句执行结果导入文本文件
点赞 0
评论 1
书签 书签 2
inter999
inter999
博客等级 码龄19年 18粉丝 9原创
+ 关注 专栏目录 订阅专栏
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 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
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