1. 程式人生 > >計算機網路學習(四)——鏈路層

計算機網路學習(四)——鏈路層

鏈路層的主題部分在主機的網路介面卡中實現。提供的服務有:成幀(把網路層資料封裝成鏈路層)、鏈路接入、可靠交付和差錯檢測。

1.差錯檢測

奇偶校驗

一維奇偶校驗在d個數據位元後附加一個校驗位使得這d+1個位元中1的個數為偶數。 二維奇偶校驗把這d個數據分為i行j列,對每行每列都生成一個校驗位,這樣不但能夠鎖定差錯位置,還能夠糾錯(其實兩者相同的)。

檢驗和方法

把d個位元作為一個k位元整數序列處理,把它們加起來得到的和作為差錯檢驗位元。

迴圈冗餘檢測

2.多路訪問鏈路和協議

解決多個節點傳輸的幀在接收方碰撞(資料雜在一起,資源被浪費)的問題

通道劃分協議

時分多路複用(TDM):把時間劃分為若干個時間幀,把每個時隙分配給N個節點中的一個。 頻分多路複用(FDM):把通道劃分為多個頻段,每個節點使用一個頻段 碼多分址(CDMA):為每一個節點分配不同的編碼,然後每個節點用它唯一的編碼對傳送的資料進行編碼。這樣即使多個節點的資訊雜糅在一起也能夠讓各自的接收方正確接收資訊。

隨機接入協議

一個傳輸節點佔用通道全部速率進行傳送,當有碰撞時,等待一個隨機時延然後重複傳送。 時隙ALOHA: 我們假定所有幀為L位元,時間被劃分為L/R秒的時隙(一個時隙傳輸一幀)。約定每個結點只在時隙起點開始傳輸幀,且每個結點都知道時隙何時開始。一旦發生碰撞,在該時隙結束前碰撞結點就能檢測到碰撞時間的發生。 一旦發生碰撞,結點以概率p在後續的節點中傳輸這個幀。總傳輸概率為Np(1-p)^(N-1),最大效率為1/e=0.37。 ALOHA: 無時隙的要求,完全分散。效率是時隙ALOHA的一半。

載波偵聽多路訪問(CSMA)

這個協議十分的禮貌。我們用一群人在會議上發言來類比多個節點傳輸的情況。ALOHA是每個人都說自己的,如果有多個人同時講話導致對方沒聽清那麼等待一段時間後繼續講話。而CSMA是很禮貌的,它有兩個基本要求:說話前先聽(看有沒有別人在講話),等到沒人說話時自己再說。如果與他人同時說話,那麼停止說話(兩個人都在等前面的人說完,說完後兩人迫不及待異口異聲的講話)。前者稱為載波偵聽,後者稱為碰撞檢測。 問題就是如果和他人同時講話後等多久進行下一次講話呢?我們的方式稱為二進位制後退。即第一次碰撞在{0,1}中等概率的選擇一個等待時間,若再發生碰撞在{0,1,2,3}中等概率的選取時間間隔直到順利傳輸為止。

輪流協議

輪詢協議:在參加會議的人中選擇一個主持人(主節點),由主持人來告訴每一個參加會議的人“你可以講話了,但是你講話的量不能超過多少分鐘(位元組)” 令牌傳遞協議:這個很像多執行緒裡面的鎖,即持有令牌的結點才能夠進行傳輸,它傳輸完成後把令牌交給下一個結點由下一個節點傳輸。

相關推薦

計算機網路學習——

鏈路層的主題部分在主機的網路介面卡中實現。提供的服務有:成幀(把網路層資料封裝成鏈路層)、鏈路接入、可靠交付和差錯檢測。 1.差錯檢測 奇偶校驗 一維奇偶校驗在d個數據位元後附加一個校驗位使得這d+1個位元中1的個數為偶數。 二維奇偶校驗把這d個數據分為i行j列,對每行每列

對抗神經網路學習——WGAN+爬蟲生成皮卡丘影象(tensorflow實現)

一、背景 WGAN的全稱為Wasserstein GAN, 是Martin Arjovsky等人於17年1月份提出的一個模型,該文章可以參考[1]。WGAN針對GAN存在的問題進行了有針對性的改進,但WGAN幾乎沒有改變GAN的結構,只是改變了啟用函式和loss函式,以及擷取權重,卻得到了非常好

經典神經網路學習——ResNet

今天看的ResNet網路,主要參考了一下幾篇文章: https://blog.csdn.net/wspba/article/details/56019373 https://blog.csdn.net/lanran2/article/details/79057994 http:

計算機網路總結

本篇文章核心內容: (1)如何通過資料鏈路層對乙太網進行擴充套件 (2)交換機和路由器的區別 1、在資料鏈路層擴充套件乙太網 之所以說在資料鏈路層擴充套件乙太網那是因為也可以在物理層通過使用多個集線器的方式擴充套件乙太網。 在資料鏈

計算機網路基礎2——OSI七參考模型

1.計算機網路協議 負責在網路上建立通訊通道和控制通過通道的資訊流的規則 協議依賴於網路體系結構,由硬體和軟體協同實現 2.計算機網路協議的組成 語法(syntax):規定了傳輸資料的格式。 語義(semantics):規定了所要完成的功能,包括用於協調和差錯

Dubbo系列之 那些事1

# 輔助連結 ## [Dubbo系列之 (一)SPI擴充套件 ](https://www.cnblogs.com/liferecord/p/13445631.html) ## [Dubbo系列之 (二)Registry註冊中心-註冊(1)](https://www.cnblogs.com/liferecord

藍芽學習-- 低功耗藍芽(BLE)資料包

octet : 八位位元組  鏈路層定義了兩個裝置如何利用無線電傳輸資訊。它包含了報文、廣播資料通道的詳細定義,也規定了發現其他裝置的流程、廣播的資料、連線的建立、連線的管理以及連線中的資料傳輸。  下圖是報文的基本結構,適用於所有的報文,無論其用途是什麼。報文一開始是一小段訓練

Keras學習——CNN卷積神經網路

本文主要介紹使用keras實現CNN對手寫資料集進行分類。 示例程式碼: import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models impo

計算機網路】第五章 資料鏈1

一.資料鏈路層服務 1. 概述 (1)術語   ·主機和路由器:結點   ·連線相鄰結點的通訊通道:鏈路(有線、無線、區域網)   ·鏈路層資料分組:幀 (2)資料鏈路層主要任務:通過一條鏈路從一個結點向另一個物理鏈路直接相連的相鄰結點傳送資料報 2. 鏈路層服務 (1)組幀   ·封裝資料

計算機網路】第五章 資料鏈2

三.多路訪問控制(MAC)協議 1. 兩類鏈路 (1)點對點鏈路:撥號接入的PPP、乙太網交換機與主機間的點對點鏈路 (2)廣播鏈路(共享介質):早期的匯流排乙太網、HFC的上行鏈路、802.11無線區域網 2. 基本概念 (1)單一共享廣播通道 (2)兩個或兩個以上結點同時傳輸,則發生衝突;結點

計算機網路】第五章 資料鏈3

四.ARP協議 1. MAC地址(LAN地址、實體地址、乙太網地址) (1)作用:用於區域網內標識一個幀從哪個介面發出,到達哪個物理相連的其他介面 (2)固化在網絡卡的ROM中(唯一的),有時可以軟體設定 (3)表示:十六進位制、六個位元組,如1A-2F-BB-76-09-AD (4)管理:IEEE

演算法工程師修仙之:吳恩達機器學習

吳恩達機器學習筆記及作業程式碼實現中文版 第四章 Logistic迴歸 分類 在分類問題中,要預測的變數y是離散的值,邏輯迴歸 (Logistic Regression) 演算法是目前最流行使用最廣泛的一種學習演算法。 在分類問題中,我們嘗試預測的是結果

計算機網路3——資料鏈之“基本概念+三個基本問題+ppp協議”

資料鏈路層的通道型別: 點對點通道——這種通道使用一對一的點對點通訊方式。 廣播通道——這種通道使用一對多的廣播通道方式,因此過程比較複雜。廣播通道上連線的主機很多,因此必須使用專用的共享通道協議來協調這些主機的資料傳送。 鏈路與資料鏈路: 鏈路——是一條

計算機網路5——資料鏈之“拓展乙太網+高速乙太網”

拓展乙太網 在物理層擴充套件乙太網: (1)使用光纖擴充套件——主機使用光纖(通常是一對光纖)和一對光纖調變解調器連線到集線器。很容易使主機和幾公里以外的集線器相連線。 (2)使用集線器擴充套件——使用多個集線器可連成更大的、多級星形結構的乙太網。 優點:

深度學習卷積神經網路入門學習(1)

卷積神經網路入門學(1)作者:hjimce卷積神經網路演算法是n年前就有的演算法,只是近年來因為深度學習相關演算法為多層網路的訓練提供了新方法,然後現在電腦的計算能力已非當年的那種計算水平,同時現在的訓練資料很多,於是神經網路的相關演算法又重新火了起來,因此卷積神經網路就又活

Torch7學習——學習神經網路包的用法2

總說 上篇部落格已經初步介紹了Module類。這裡將更加仔細的介紹。並且還將介紹Container, Transfer Functions Layers和 Simple Layers模組。 Module 主要有4個函式。 1. [output]f

docker學習—— 容器虛擬化網路基礎

6種名稱空間: UTS User Mount IPC Pid Net Linux核心原生支援二層虛擬網橋裝置。用軟體來構建一個交換機  OVS:OpenVSwitch  開源的虛擬交換機 SDN:軟體定義網路&nbs

深度學習1——深度學習卷積神經網路入門學習(1)

卷積神經網路入門學(1) 轉載自:hjimce的專欄 - 部落格頻道 - CSDN.NET 原文地址:http://blog.csdn.NET/hjimce/article/details/47323463 作者:hjimce 卷積

計算機網路3---資料鏈(未完成)

導讀 1.三個基本問題 2.使用PPP協議 3.使用廣播通道協議 4.以太區域網 (1)通道利用率 (2)MAC層 三個基本問題 PPP協議 點對點協議,就是要撥號連線的,可以找到你的地址 廣播

人工智慧實踐:TensorFlow筆記學習—— 神經網路優化

神經網路優化 大綱4.1 損失函式4.2 學習率4.3 滑動平均4.4 正則化4.5 神經網路搭建八股目標掌握神經網路優化方法4.1 損失函式神經元模型:用數學公式表示為:,f為啟用函式。神經網路是以神經元為基本單元構成的。啟用函式:引入非線性啟用因素,提高模型的表達力。常用