H3C VXLAN配置

最新推荐文章于 2023-11-25 15:06:30 发布
最新推荐文章于 2023-11-25 15:06:30 发布
阅读量3.3k 收藏 12
点赞数 2
分类专栏： 网络安全设备配置与搭建 文章标签： vxlan
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/shatianyzg/article/details/125635379
版权
本文档通过H3C模拟器展示了如何配置VXLAN，以实现不同数据中心的同网段PC互通。配置步骤包括设备基础设置、VXLAN接口与隧道配置，并通过OSPF确保网络连通性。最后，通过VXLAN隧道实现了Pc6与Pc7之间的通信。

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

一、需求

使用华三模拟器，模拟不同数据中心的同网段的PC需要互通。

在这里插入图片描述

三、思路

1、基础配置（设备名、ip地址、路由协议）。2、VXLAN配置。
3、验证、抓包分析。

四基础配置
Pc6
在这里插入图片描述

Pc7配置

在这里插入图片描述

Sw1:
sys

[H3C]sysn SW1

[SW1]vlan 10

[SW1-vlan10]qu

[SW1]int g1/0/1

[SW1-GigabitEthernet1/0/1]port link-type trunk

[SW1-GigabitEthernet1/0/1]port trunk permit vlan all

[SW1-GigabitEthernet1/0/1]qu

[SW1]

[SW1]int g1/0/2

[SW1-GigabitEthernet1/0/2]port link-type access

[SW1-GigabitEthernet1/0/2]port access vlan 10

Sw2:
sys

[H3C]sysn SW2

[SW2]vlan 10

[SW2-vlan10]qu

[SW2]int g1/0/1

[SW2-GigabitEthernet1/0/1]port link-type trunk

[SW2-GigabitEthernet1/0/1]port trunk permit vlan all

[SW2-GigabitEthernet1/0/1]qu

[SW2]

[SW2]int g1/0/2

[SW2-GigabitEthernet1/0/2]port link-type access

[SW2-GigabitEthernet1/0/2]port access vlan 10

三台路由器的相关基础配置如下：

SYS

[H3C]SYSN

[H3C]sysname CE1

[CE1]

[CE1]int lo 0

[CE1-LoopBack0]ip add 10.10.10.10 32

[CE1-LoopBack0]qu

[CE1]int g0/0

[CE1-GigabitEthernet0/0]ip add 12.1.1.1 24

[CE1-GigabitEthernet0/0]undo shut

[CE1-GigabitEthernet0/0]quit

[CE1]ospf

[CE1-ospf-1]area 0

[CE1-ospf-1-area-0.0.0.0]net 10.10.10.10 0.0.0.0

[CE1-ospf-1-area-0.0.0.0]net 12.1.1.0 0.0.0.255

[CE1-ospf-1-area-0.0.0.0]qu

[CE1-ospf-1]

CE2:
sys

[H3C]sysn CE2

[CE2]int lo 0

[CE2-LoopBack0]ip add 20.20.20.20 32

[CE2-LoopBack0]quit

[CE2]int g0/0

[CE2-GigabitEthernet0/0]ip add 12.1.1.2 24

[CE2-GigabitEthernet0/0]undo shut

[CE2-GigabitEthernet0/0]quit

[CE2]int g0/1

[CE2-GigabitEthernet0/1]ip add 23.1.1.2 24

[CE2-GigabitEthernet0/1]undo shut

[CE2-GigabitEthernet0/1]quit

[CE2]ospf

[CE2-ospf-1]area 0

[CE2-ospf-1-area-0.0.0.0]net 20.20.20.20 0.0.0.0

[CE2-ospf-1-area-0.0.0.0]net 12.1.1.0 0.0.0.255

[CE2-ospf-1-area-0.0.0.0]net 23.1.1.0 0.0.0.255

[CE2-ospf-1-area-0.0.0.0]quit

sys

[H3C]sysn CE3

[CE3]int lo 0

[CE3-LoopBack0]ip add 30.30.30.30 32

[CE3-LoopBack0]quit

[CE3]int g0/0

[CE3-GigabitEthernet0/0]ip add 23.1.1.3 24

[CE3-GigabitEthernet0/0]undo shut

[CE3-GigabitEthernet0/0]quit

[CE3]ospf

[CE3-ospf-1]area 0

[CE3-ospf-1-area-0.0.0.0]net 30.30.30.30 0.0.0.0

[CE3-ospf-1-area-0.0.0.0]net 23.1.1.0 0.0.0.255

[CE3-ospf-1-area-0.0.0.0]quit

[CE3-ospf-1]quit

[CE3]

查看一下OSPF邻居状态：

在这里插入图片描述

CE1上面ping 一下CE3的loopback口，检查一下连通性：

在这里插入图片描述

02

VXLAN配置

[CE1]l2vpn enable
[CE1]vsi 10

[CE1-vsi-10]vxlan 10

[CE1-vsi-10-vxlan-10]quit

[CE1-vsi-10]quit

[CE1]int Tunnel 1 mode vxlan

[CE1-Tunnel1]source 10.10.10.10

[CE1-Tunnel1]destination 30.30.30.30

[CE1-Tunnel1]quit

[CE1]int g0/1.10

[CE1-GigabitEthernet0/1.10]vlan-type dot1q vid 10

[CE1-GigabitEthernet0/1.10]xconnect vsi 10

[CE1]vsi 10

[CE1-vsi-10]vxlan 10

[CE1-vsi-10-vxlan-10]tunnel 1

[CE1-vsi-10-vxlan-10]qu

[CE1-vsi-10]

[CE1]int g0/1

[CE1-GigabitEthernet0/1]undo shut

[CE1-GigabitEthernet0/1]qu

[CE3]l2vpn enable

[CE3]vsi

[CE3]vsi 10

[CE3-vsi-10]vxlan 10

[CE3-vsi-10-vxlan-10]quit

[CE3-vsi-10]qu

[CE3]int Tunnel 1 mode vxlan

[CE3-Tunnel1]source 30.30.30.30

[CE3-Tunnel1]destination 10.10.10.10

[CE3-Tunnel1]quit

[CE3]int g0/1.10

[CE3-GigabitEthernet0/1.10]vlan-type dot1q vid 10

[CE3-GigabitEthernet0/1.10]xconnect vsi 10

[CE3]vsi 10

[CE3-vsi-10]vxlan 10

[CE3-vsi-10-vxlan-10]tunnel 1

[CE3-vsi-10-vxlan-10]qu

[CE3-vsi-10]

[CE3]int g0/1

[CE3-GigabitEthernet0/1]undo shut

[CE3-GigabitEthernet0/1]qu

配置完后，查看一下相关接口状态：
在这里插入图片描述

查看vxlan隧道状态：
在这里插入图片描述

Pc6 ping pc7

在这里插入图片描述

基于MATLAB图像处理的中值滤波、均值滤波以及高斯滤波的实现与对比
热门推荐
baidu_34971492的博客
01-04 8万+
基于MATLAB图像处理的中值滤波、均值滤波以及高斯滤波的实现与对比 1.背景知识 中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值. 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点...
【数字图像处理】均值滤波与中值滤波
洋洋Young的博客
11-25 1166
在数字图像处理中，均值滤波和中值滤波是常见的空间域处理方法，可以用于过滤图像中的噪声。本文主要介绍数字图像均值滤波与中值滤波的基本原理，并记录在紫光同创 PGL22G FPGA 平台的布署与实现过程。
最大最小值滤波
aau88497的博客
05-22 1299
最大最小值滤波 最大最小值滤波是一种比较保守的图像处理手段，与中值滤波类似，首先要排序周围像素和中心像素值，然后将中心像素值与最小和最大像素值比较，如果比最小值小，则替换中心像素为最小值，如果中心像素比最大值大，则替换中心像素为最大值。一个Kernel矩阵为3X3的最大最小值滤波如下： //最大最小值滤波 function maxMin(imgD...
最大值滤波器
10-08
最大值滤波器可以实现滤除噪声，检测弱小目标，检测精度高，程序易懂，适合初学者
【数字图像处理】线性滤波、最大值滤波，最小值滤波、中值滤波、高频补偿滤波（vs2017+openCV）
青春不言败
10-21 1万+
文章目录一、实验原理1、线性滤波2、非线性滤波3、标定方式二、设计思路1、线性滤波器2、 边缘处理的镜像算法是如何实现的？3、 关于Mat传值后处理，会影响原图像的说明？三、实验过程1、椒盐噪声2、特别注意3、设计文件四、结果分析1、可疑问题2、结果展示 一、实验原理 1、线性滤波 ① 不管是低通线性滤波还是高通线性滤波原理都是一样的，用图一所示的滤波器模板进行加权处理，将最终得到的R值赋给w5对...
最大值滤波器和最小值滤波器
weixin_45855115的博客
04-28 8606
算法思想： 最大值滤波器将滤波器获得的值中找到最大值，将最大值存到中心元素位置对应的新矩阵中。 最小值滤波是将滤波器获得的值中找到最小值，将最小值存到中心元素位置对应的新矩阵中。 最大值滤波器 function maxf = maxfil(I,n) %I为原图，n为滤波器的大小,最大值滤波器 [r,c]=size(I); %图像的行和列 dI=double(I); dt=n-1; %边缘需要扩充的距离 f=zeros(r+dt,c+dt); %对边缘进行0值处理，根据滤波器的大小把图像扩大 fi=ze
最大中值均值滤波
10-30
该代码为对噪声图像进行滤波，以实现去噪的功能，为简单基础的matlab练习，扎实的基础必不可少
图像处理之应用卷积一实现噪声消去
web开发
02-25 1067
讨论如何使用卷积作为数学工具来处理图像，实现图像的滤波，其方法包含以下几种，均值 滤波，中值滤波，最大最小值滤波，关于什么是卷积以及理解卷积在图像处理中作用参见这 里–http://blog.youkuaiyun.com/jia20003/article/details/7038938 均值滤波： 均值滤波，是图像处理中最常用的手段，从频率域观点来看均值滤波是一种低通滤波器，高 频信号将会去掉，...
ZYNQ图像处理(6)——均值滤波和中值滤波
qq_40995480的博客
09-13 1万+
FPGA图像处理，均值和中值滤波
lvbo.rar_lvbo_mean filter_最大 中值 滤波_最小值滤波_随机噪声滤波
07-14
在“lvbo.rar”压缩包中，我们关注的是几种不同的滤波方法，包括均值滤波、中值滤波、最小值滤波和最大值滤波，这些都是针对图像中的随机噪声进行处理的技术。 首先，**均值滤波**是一种线性滤波方式，通过计算邻域...
图像降噪处理——（中值、均值、最大值、最小值滤波）
IMWTJ123的博客
04-05 4万+
用MATLAB对图像进行处理。在原图上添加椒盐噪声，运用中值滤波、最大值滤波和最小值滤波算法对图像降噪，并比较处理前后、不同模板均值滤波算法处理的效果。一、基本原理1.1 噪声的产生及分类         噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式:(f(x,y)表示给定原始图像,...
Opencv写的空间滤波包括最大最小中值滤波
08-08
Opencv写的空间滤波包括最大最小中值滤波等等，借鉴数字图像处理matlab版page117 的函数，几何平均，算术平均，调和平均，反调和平局，中值，中点等
IDL最大值滤波
01-03
最大值滤波，IDL最大值滤波，IDL最大值滤波，IDL最大值滤波，IDL最大值滤波
最值滤波
SUNJDL的博客
08-28 1450
1．概述     图像增强就是采用某些技术把质量低的图像进行计算机处理，有选择的加强或者抑制图像中的某些信息，改善图像质量，提高人或机器对图像的分析与判别能力。      图像的增强处理方法一共有两种，分别是空间域方法和频域方法，空间域方法主要是运用空间滤波对图像增强进行处理，所谓滤波，就是过滤掉图像中的一些成分，对数字图像的直接滤波就是空间滤波（相对于频率域滤波），最大值最小值滤波就是其
python + opencv 中值滤波器、最大值滤波器和最小值滤波器
我是菜鸡
10-04 6630
中值滤波器 中值滤波器好说，opencv自带和函数就能直接用。在OpenCV中，实现中值滤波的函数是cv2.medianBlur(src, ksize) src：图片位置 kszie：卷积核大小 import cv2 as cv img = cv.imread('d:/Desktop/1.jpg') # 我的桌面上有个1.jpg res = cv.medianBlur(img, 5) cv.imshow("original", img) cv.imshow("result", res) cv.wai
图像降噪处理——(最大值、最小值、均值滤波)
liyva的博客
07-27 8825
文章目录一、最大值（max）滤波器二、最小值（min）滤波器二、均值滤波器二、代码实现、效果最大值滤波器最小值滤波器均值滤波 一、最大值（max）滤波器 二、最小值（min）滤波器 二、均值滤波器 二、代码实现、效果 最大值滤波器 import cv2 import numpy as np import copy image_data = cv2.imread('pepperNoiseImg.jpg') # 使用3*3的矩形框取值 img0 = copy.copy(image_data) for
滤波算法(均值、中值、最大均值、最大中值、几何均值)
沧浪之水清兮
07-13 5678
均值滤波 void meanfilter(Mat src, Mat dst, int kernalsize) { int ksize; vector tempdata; tempdata.clear(); if (kernalsize % 2 == 0) { ksize = kernalsize / 2; } else { ksize = (kernalsize - 1)
中值滤波/最大值滤波/均值滤波 python实现
低吟浅笑
12-24 6192
美团二面题 简单介绍三种滤波的思路： 共同点：三种滤波的方式其实可以理解为卷积操作，只是针对于给定的Filter进行过滤。如果kernel size现在是3*3(如果值都设置为1)，则在9个单元格进行处理，没有padding的情况下， 默认从第二行开始。 中值滤波：候选区域的9个点和过滤器的9个点做元素相乘后，将核中心的点赋值为这个9个乘积的中值，如果3*3 的kernel (值都为1)，那么做完中值滤波后，此时5的位置为18。 最大值滤波和均值的意思是9个元素逐元素相乘后，取这9个值的最大..
用numpy库和pytorch库分别实现图像的均值滤波、中值滤波、最大值滤波、最小值滤波
最新发布
09-07
在Python中，我们可以使用NumPy库和PyTorch库来处理图像滤波操作。以下是各自库中如何实现这些基本滤波方法： **使用NumPy库：** NumPy主要用于数值计算，对于简单的图像滤波操作，你可以创建一个合适的大小的数组来表示过滤核，然后利用其卷积函数`np.convolve()`来应用滤波。 ```python import numpy as np # 假设我们有图片array img def mean_filter(img, kernel_size=3): kernel = np.ones((kernel_size, kernel_size)) / (kernel_size ** 2) filtered_img = np.convolve(img, kernel, mode='same') return filtered_img # 同理，其他滤波（中值、最大值、最小值）可以用类似的方式实现，只是核不同： # 中值滤波：使用大小为kernel_size的二分查找核 def median_filter(img, kernel_size): pass # 最大值/最小值滤波：使用全为1或-1的核 def max_filter(img, kernel_size): kernel = np.ones((kernel_size, kernel_size)) * -np.inf if min_value else np.ones((kernel_size, kernel_size)) ... ``` **使用PyTorch库：** PyTorch在处理图像时通常用于深度学习，但它也可以用于基本的图像处理。你可以使用`F`模块的卷积函数，并配合自定义的过滤核： ```python import torch import torch.nn.functional as F # 假设img是一个PyTorch张量 def mean_filter_torch(img, kernel_size=3): kernel = torch.ones((kernel_size, kernel_size), dtype=torch.float32) / (kernel_size ** 2) filtered_img = F.conv2d(img, kernel, padding=kernel_size // 2) return filtered_img # 使用F.max_pool2d()等函数替换mean_filter_torch()来进行最大值/最小值滤波 ```
评论 2
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

shatianyzg

创作不易，不断探索

¥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