博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
计算机网络 —— 数据链路层 3.
阅读量:2157 次
发布时间:2019-05-01

本文共 937 字,大约阅读时间需要 3 分钟。

计算机网络——数据链路层 .3

局域网基本概念和体系结构

局域网

在这里插入图片描述

  

局域网拓扑结构

在这里插入图片描述

  

局域网传输介质

在这里插入图片描述

  

局域网介质访问控制方法

在这里插入图片描述

  

局域网的分类

在这里插入图片描述

  

IEEE 802现有标准

在这里插入图片描述

  

MAC子层和LLC子层

在这里插入图片描述

  

脑图

在这里插入图片描述

  
  

以太网

  

以太网概述

在这里插入图片描述

  

以太网提供无连接,不可靠服务

在这里插入图片描述

  

以太网传输介质与拓扑结构的发展

在这里插入图片描述

  

10BASE-T以太网

在这里插入图片描述

  

适配器与MAC地址

在这里插入图片描述

  

以太网MAC帧

在这里插入图片描述

  

高速以太网

在这里插入图片描述

  

脑图

在这里插入图片描述

  
  

无线局域网

  

IEEE 8 02.11

在这里插入图片描述

  

802.11的MAC帧头格式

在这里插入图片描述

在这里插入图片描述
  
  

CSMA/CD协议

  

CSMA/CD协议

在这里插入图片描述

  

传播时延对载波监听的影响

在这里插入图片描述

  

如何确定碰撞后的重传时机

在这里插入图片描述

  

最小帧长问题

在这里插入图片描述

  

脑图

在这里插入图片描述

  
  

PPP协议和HDLC协议

  

广域网

在这里插入图片描述

  

PPP协议的特点

只支持全双工链路

是目前使用最广泛的数据链路层协议,用户使用拨号电话接入因特网一般都使用PPP协议。

  

PPP协议应满足的要求

简单:对于链路层的帧,无需纠错,无需序号,无需流量控制

封装成帧:帧定界符
透明传输:与帧定界符一样比特组合的数据应该如何处理——异步线路用字节填充,同步线路用比特填充
多种网络层协议:封装的IP数据报可以采用多种协议
多种类型链路:串行/并行,同步/异步,电/光……
差错检测:错就丢弃
检测连接状态:链路是否正常工作
最大传送单元:数据部分最大长度MTU
网络层地址协商:知道通信双方的网络层地址
数据压缩协商
  

PPP协议无需满足的要求

纠错

流量控制
序号
不支持多点线路
  

PPP协议的三个组成部分

1)一个将IP数据报封装到串行链路(同步串行/异步串行)的方法;

2)链路控制协议LCP:建立并维护数据链路的连接;(身份验证)

3)网络控制协议NCP:PPP可支持多种网络层协议,每个不同的网络层协议都要一个相应的NCP来配置,为网络层协议建立和配置逻辑连接。

  

PPP协议的状态图

在这里插入图片描述

  

PPP协议的帧格式

在这里插入图片描述

  

HDLC协议

在这里插入图片描述

  

HDLC的站

在这里插入图片描述

  

HDLC的帧格式

在这里插入图片描述

  

PPP协议&HDLC协议

在这里插入图片描述

  

脑图

在这里插入图片描述

  
  

链路层

  

物理扩展以太网

在这里插入图片描述

  

链路层扩展以太网

在这里插入图片描述

  

网络分类——透明网桥

在这里插入图片描述

  

网桥分类——源路由网桥

源路由网桥:在发送帧时,把详细的最佳路由信息(路由最少/世间最短)放在帧的首部。

方法:源站以广播方式向欲通信的目的站发送一个发现帧

  

以太网交换机的两种方式

在这里插入图片描述

  

冲突域和广播域

在这里插入图片描述

  

练习题

在这里插入图片描述

  
  

总结

  

在这里插入图片描述

转载地址:http://vkmwb.baihongyu.com/

你可能感兴趣的文章
cs230 深度学习 Lecture 2 编程作业: Logistic Regression with a Neural Network mindset
查看>>
梯度消失问题与如何选择激活函数
查看>>
为什么需要 Mini-batch 梯度下降,及 TensorFlow 应用举例
查看>>
为什么在优化算法中使用指数加权平均
查看>>
什么是 Q-learning
查看>>
用一个小游戏入门深度强化学习
查看>>
如何应用 BERT :Bidirectional Encoder Representations from Transformers
查看>>
5 分钟入门 Google 最强NLP模型:BERT
查看>>
强化学习第1课:像学自行车一样的强化学习
查看>>
强化学习第2课:强化学习,监督式学习,非监督式学习的区别
查看>>
强化学习第3课:有些问题就像个赌局
查看>>
强化学习第4课:这些都可以抽象为一个决策过程
查看>>
强化学习第5课:什么是马尔科夫决策过程
查看>>
强化学习第6课:什么是 Crossentropy 方法
查看>>
强化学习第7课:交叉熵方法的一些局限性
查看>>
强化学习 8: approximate reinforcement learning
查看>>
图解什么是 Transformer
查看>>
代码实例:如何使用 TensorFlow 2.0 Preview
查看>>
6 种用 LSTM 做时间序列预测的模型结构 - Keras 实现
查看>>
走进JavaWeb技术世界1:JavaWeb的由来和基础知识
查看>>