ospf大综合

本文介绍了一种基于172.16.0.0/16 IP地址划分的OSPF网络配置方案,通过设置中心站点r3实现MGRE环境,并确保所有设备能够访问公网。此外,还详细介绍了如何通过修改计时器来加快网络收敛速度,以及如何配置接口认证和区域认证来保障网络安全性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

要求如下:
在这里插入图片描述
总拓扑图如下:
在这里插入图片描述
ip地址划分如下:基于172.16.0.0/16划分
在这里插入图片描述
r3/5/6/7为MGRE环境,r3为中心站点
在这里插入图片描述
所有设备均可访问公网r4的环回4.4.4.4
在这里插入图片描述
减少LSA的更新量但area0的路由器的LSA信息是完整的
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
加快收敛即为进入接口修改计时器
[r1-GigabitEthernet0/0/1]ospf timer hello 10
保证安全更新即为配置密钥,可进行接口认证和区域认证
接口认证—在和邻居连接的接口进行配置即可
[r1-GigabitEthernet0/0/1]ospf authentication-mode md5 1 cipher 123456
区域认证
[r2-ospf-1-area-0.0.0.0]authentication-mode md5 1 cipher 123456

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论 1
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