网络原理-以太网协议和DNS协议

一、以太网协议

以太网协议会涉及到数据链路层和物理层。

如图:

这里面的目的地址和源地址指的并不是IP地址,而是MAC地址(物理地址)。长度为6个字节。即最多能表示2^48 个地址,也是非常大的,足够给全球每个设备都分配一个地址,因此在网卡出厂的时候都会带有一个唯一的MAC地址,用作身份标识,所以说网络不是法外之地~


那已经有了IP地址,为啥还要设计MAC地址呢?

IP地址:负责网络层的转发。

MAC地址:负责数据链路层的转发。

网络层负责的是整体的转发过程(统筹全局,视角更高),数据链路层负责的是局部转发过程(着眼当下)。

在上图中:

IP地址关注的是主机A的地址和主机B的地址

MAC地址则先关注的是主机A的地址和中间节点1的地址,然后关注中间节点1的地址和中间节点2的地址.......


以太网数据帧的类型有这么三种:

根据载荷中的不同数据可以分为IP数据报、ARP数据报、RAPP数据报。

一个以太网数据帧的载荷部分最大的长度也就1500字节,才1kb多,是一个非常小的数字,而这都跟设备的硬件有关。

二、DNS

DNS全称域名解析系统,如果在没有DNS的情况下上网,我们需要输入以串数字,例如:192.168.10.15,这种数字的记忆方式非常不便于人们的记忆和传播,因此就使用单词来替代IP地址,例如:www.bilibili.com这样的方式来替代上述的数字形式。这样的方式单词格式称为域名

为了保证域名的唯一性,域名往往是分级的。例如上述的域名,其中com是一级域名,bilibili是二级域名,www是三级域名,而域名的方式显然是给人看的,在底层会将其转化为IP地址。

早期的DNS是一个文件(hosts文件),每个域名都会对应一个IP地址,一旦新网站出现,就得去修改这个文件(hosts文件),可世界上每天有那么多网站被创建和销毁,并且又有那么多主机上的hosts文件需要修改,因此就使用了一个DNS服务器来解决。

每当创建一个新的网站都需要想这个DNS服务器去报备一下,后续客户端通过先访问DNS服务器查询到IP地址再去访问要去的地方。

全世界那么多主机都要上网,DNS服务器如何承受这么大的请求量?——开源节流

1、每个电脑上再域名解析的时候进行缓存,下次访问的时候可以先看看缓存中有没有

2、全世界会搭建很多的"DNS镜像服务器"并从美国的DNS服务器同步数据

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/332332.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

电子技术学习路线

在小破站上看到大佬李皆宁的技术路线分析,再结合自己这几年的工作。发现的确是这样,跟着大佬的技术路线去学习是会轻松很多,现在想想,这路线其实跟大学四年的学习顺序是很像的。 本期记录学习路线,方便日后查看。 传统…

5月23日学习记录

[CSAWQual 2019]Unagi 涉及:xxe漏洞,外来编码xml绕过 打开环境,发现存在文件上传 简单上传一个php 毫无疑问上传失败,说是存在waf,绕过waf才能上传,点击here看看 xml编码,可能存在xxe漏洞&…

Point-Nerf 理论笔记和理解

文章目录 什么是point nerf 和Nerf 有什么区别Point Nerf 核心结构有哪些?什么是point-based radiance field? 点云位置以及置信度是怎么来Point pruning 和 Point Growing 什么是point nerf 和Nerf 有什么区别 基本的nerf 是通过过拟合MLP来完成任意视角场景的重…

c#核心学习1

一、面向对象的概念 1.面向过程编程 2.面向对象编程 3.为什么要学习面向对象编程 提高代码复用率、提高开发效率、提高程序可拓展性、清晰的逻辑关系 4.如何学习 二、面向对象--封装 1)类和对象 1.什么是类 2.类申明在哪里 类一般声明在namespace语句块中 3.…

摄像头应用测试

作者简介: 一个平凡而乐于分享的小比特,中南民族大学通信工程专业研究生在读,研究方向无线联邦学习 擅长领域:驱动开发,嵌入式软件开发,BSP开发 作者主页:一个平凡而乐于分享的小比特的个人主页…

【操作系统】发展与分类(手工操作、批处理、分时操作、实时操作)

2.操作系统发展与分类 思维导图 手工操作阶段(此阶段无操作系统) 需要人工干预 缺点: 1.用户独占全机,资源利用率低; 2.CPU等待手工操作,CPU利用不充分。 批处理阶段(操作系统开始出现&#x…

【JavaScript】初识 Promise

出现原由 先看一个例子: 模拟发送表白信息,如果一个失败,那么再给其他人发送,这时就相当于在失败回调函数中套了一层回调;如果后续还有多个表白对象,那么将一层一层地嵌套下去,也就是回调地狱…

Generative Action Description Prompts for Skeleton-based Action Recognition

标题:基于骨架的动作识别的生成动作描述提示 源文链接:https://openaccess.thecvf.com/content/ICCV2023/papers/Xiang_Generative_Action_Description_Prompts_for_Skeleton-based_Action_Recognition_ICCV_2023_paper.pdfhttps://openaccess.thecvf.c…

正运动控制器:视觉纠偏和找孔

一、用户主界面CCD参数设置 通过主界面CCD参数设置,学习如何操作计算相机中心与电批中心的偏移量,以及相机标定的功能。 1、相机中心与电批中心的偏移量计算 1.1、在用户主界面点击CCD参数按钮,进入CCD设置界面。 主界面 CCD参数设置界面 1…

显存碎片化与CUDA OOM解决

目录 一.显存碎片化与CUDA OOM解决 1.查看显卡内存容量 2.显存碎片化 (1)如何理解显存中“已分配”和“未分配”的内存块? (2)碎片化形成的原因? (3)如何减轻显存碎片化? 3.实…

空间注意力机制

第一步是沿着通道维度进行最大池化和平均池化,比如下面3*3的特征图,有3个通道。 第二步新特征图进行拼接并经过卷积调整通道数 第三步经过Sigmoid函数后乘到输入上 代码: class SpatialAttention(layers.Layer):def __init__(self):super(S…

Hibernate

主流ORM框架Object Relation Mapping对象关系映射,将面向对象映射成面向关系。 如何使用 1、导入相关依赖 2、创建Hibernate配置文件 3、创建实体类 4、创建实体类-关系映射文件 5、调用Hibernate API完成操作 具体操作 1、创建 Maven工程,在pom.xml中导…

Milvus Cloud 非结构化数据平台

从技术面来看,向量数据库底座自然而然向外延伸的产品包含: 1)向量提取,从非结构化数据中提取向量,这是向量数据库上游的工作,十分重要; 2)模型选择,选择正确的模型,能够更精准、更高质量地提取向量; 3)映射管理,即管理数据的本体和数据的语义层之间的映射,在…

【Linux杂货铺】进程通信

目录 🌈 前言🌈 📁 通信概念 📁 通信发展阶段 📁 通信方式 📁 管道(匿名管道) 📂 接口 ​编辑📂 使用fork来共享通道 📂 管道读写规则 &…

01.并发编程简介

1 什么是并发编程 所谓并发编程是指在一台处理器上“同时”处理多个任务。并发是在同一实体上的多个事件。多个事件在同一时间间隔发生。 2 为什么我们要学习并发编程? 最直白的原因就是因为面试需要,大厂的 Java 岗的并发编程能力属于标配。 而在非大厂…

【Python特征工程系列】一文教你使用PCA进行特征分析与降维(案例+源码)

这是我的第287篇原创文章。 一、引言 主成分分析(Principal Component Analysis, PCA)是一种常用的降维技术,它通过线性变换将原始特征转换为一组线性不相关的新特征,称为主成分,以便更好地表达数据的方差。 在特征重要…

【数据结构】二叉树的认识与实现

目录 二叉树的概念: 二叉树的应用与实现: 二叉树实现接口: 通过前序遍历的数组"ABD##E#H##CF##G##"构建二叉树 二叉树节点个数​编辑 二叉树叶子节点个数 二叉树第k层节点个数 二叉树查找值为x的节点​编辑 二叉树前序遍…

全网讲的最详细的Docker镜像分层存储原理

先说结论,容器镜像分层存储图示 欢迎关注 实验环境准备 当前实验docker版本24.0.7如下,当前docker版本使用overlay2机制存储镜像 Client: Docker Engine - CommunityVersion: 24.0.7API version: 1.43Go version: go1.20.10…

Redis第18讲——Redis和Redission实现延迟消息

即使不是做电商业务的同学,也一定知道订单超时关闭这种业务场景,这个场景大致就是用户下单后,如果在一定时间内未支付(比如15分钟、半小时),那么系统就会把这笔订单给关闭掉。这个功能实现的方式有很多种&a…

《Ai学习笔记》-模型集成部署

后续大多数模型提升速度和精度: 提升速度: -知识蒸馏,以distillBert和tinyBert为代表 -神经网络优化技巧。prune来剪裁多余的网络节点,混合精度(fp32和fp26混合来降低计算精度从从而实现速度的提升) 提…