26、设计SNMP MIB全解析

设计SNMP MIB全解析

1. SNMP视图的设计考量

在设计SNMP视图时,我们没有在表的SNMP视图中包含 id edge input 列,这并非疏忽。MIB设计者(或任何接口设计者)需根据接口的预期用途来决定哪些内容是有意义的。在我们的案例中, edge input 信息过于特定于硬件,在该接口中并非必要。 id 列虽不会由SNMP代理返回,但在需要访问特定行时,它会作为警报表的索引。

2. 获取企业编号

每个MIB都需要锚定到整体命名空间,若设计私有MIB,则需要拥有自己的企业编号,该编号由IANA(互联网编号分配机构)分配。每家公司或组织仅需一个企业编号,因为IANA会授予管理该编号下子树的权限。

获取企业编号可能需要一些时间,所以应尽早开始申请。申请后,IANA会告知整个流程大约需要一个月。在IANA处理申请期间,可进行MIB的设计和实现。

申请流程如下:
1. 使用喜欢的网页浏览器访问IANA网站(http://www.iana.org ),点击菜单中的“Application Forms”。
2. 在接下来的页面中,选择“Private Enterprise Numbers (SNMP)”,会出现一个在线表单。
3. 填写以下信息:
- 公司或组织名称
- 公司地址
- 公司电话号码
- 联系人姓名
- 联系人地址
- 联系人电话号码

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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