《CCNA学习指南:Cisco网络设备互连(ICND1)(第4版)》——2.3节OSI参考模型

简介:

本节书摘来自异步社区《CCNA学习指南:Cisco网络设备互连(ICND1)(第4版)》一书中的第2章,第2.3节OSI参考模型,作者【美】Anthony Sequeira,更多章节内容可以访问云栖社区“异步社区”公众号查看

2.3 OSI参考模型
CCNA学习指南:Cisco网络设备互连(ICND1)(第4版)
OSI 参考模型是目前采用的主要网络通信模型。局域网(LAN)、城域网(MAN)和广域网(WAN)的初期发展过程在很多方面呈现混沌无序的状态。20世纪80年代,网络数量和规模均呈现出巨大的增长。由于公司纷纷意识到运用网络技术可以节约资金并提高工作效率,它们开始增设网络并随新型网络技术和产品的涌现迅速扩展现有网络。

新型网络技术和产品的涌现迅速使现有网络扩展。及至20世纪80年代中期,企业开始面临过去做出的种种扩展所带来的困境。使用不同规范和实现方法的网络彼此开展通信变得越来越困难。公司意识到自身急需摆脱专有网络系统(公司自行开发、拥有并控制的系统)。

注意:在计算机行业,专有与开放对立。“专有”是指一家公司或一小部分公司控制技术的整体使用情况。“开放”则意味着公众可以免费使用技术。

为理解决网络不兼容和相互无法通信的问题,ISO研究了不同的网络方案。鉴于本项研究的结果,ISO创建了一个模型,帮助供应商创建与其他网络兼容并可以与其他网络相互操作的网络。

OSI参考模型于1984年发布,是ISO创建的一种可描述体系。它为供应商们提供了一套标准,以确保全世界各公司开发的不同类型的网络技术之间具有更好的兼容性和互操作性。虽然还有许多其他模型,但如今大部分网络供应商选择将自身产品与OSI参考模型关联,这一点在培训客户使用自身产品时表现尤为突出。OSI模型被视为教导用户通过网络发送和接收数据时使用的最佳工具。

极具讽刺意味的是,OSI模型提出初期,无论导师还是学员均对此唏嘘不已。然而,一旦使用得当,该模型将被切实证实为传授和学习网络知识的最佳途径。支持理由之一在于,OSI模型可以使我们专心处理这项极为复杂的主题。再次使用房屋建筑作为类比,这相当于专注于电力系统,而非水管和框架体系。

OSI参考模型包含七层,如图2-1所示,每一层表示一项特定的网络功能。对网络功能进行这种分离即称分层。OSI参考模型定义了每层的网络功能。更重要的是,OSI参考模型有助于理解信息是如何通过网络传输的。此外,OSI参考模型还对数据从应用程序(例如,电子表格)经过网络介质传输到另一台计算机中的应用程序的方式进行了描述,即便发送人和接收人通过不同的网络介质连接也不受影响。


b7220c8c79ffc5760560db25456b5df2fd98610a

将网络分为七层可以实现以下优势。

降低复杂度:将网络通信拆分为多个简单的小主题。
实现接口标准化:实现网络组件标准化,允许多供应商开发和支持。
促进模块化设计:允许不同类型的网络硬件和软件彼此通信。
确保技术互操作性:防止在一层中做出的更改对其他各层造成影响,从而加速开发过程。
加速发展:在不影响其他组件也不必重写整个协议的情况下,对各组件提供有效的更新和改进。
简化教学过程:将网络通信拆分为多个小组成部分,从而简化学习过程。不错,我知道目前让大家相信这一点可能有些困难!

注意:重要的是记住OSI模型的七层结构。在这方面共有两种常见的记忆技巧。自上而下查看模型,可以使用“所有人好像都需要数据处理”这种当下流行的助记方法。或者,如果愿意,也可以自下而上,使用“请勿丢掉香肠比萨”方法。

在OSI参考模型中,计算机间互通信息实施被拆分为七项技术。

OSI的每一层均包含一组程序执行相应功能,从而使数据能够通过网络从源位置传输到目标位置。以下几节简要介绍了OSI参考模型的各层。

2.3.1 第7层:应用层
应用层是最接近网络最终用户的OSI层。该层用于向用户的应用提供网络服务。该层与OSI的其他各层不同,它不向任何其他OSI层提供服务,而是只为OSI参考模型外的应用提供服务。该应用层建立目标通信对象的可用性,并在错误恢复和数据完整性控制方面进行同步并达成一致。该层运行的服务示例包括超文本传输协议(HTTP)和简单邮件传输协议(SMTP)。大家可能知道,上述两项服务可以分别用于实现Web浏览器和电子邮件应用功能。该层的命名十分恰当,因此可以轻易地记住它的功能。

2.3.2 第6层:表示层
表示层用于确保一个系统应用层发出的信息可被另一个系统的应用层读取。例如,某个设备使用网络应用与另一个设备通信,其中一个设备使用扩充的二—十进制交换码(EBCDIC)表示字符,而另一个设备则使用美国国家信息交换标准码(ASCII)表示相同的字符。如有必要,表示层可能会使用一种通用格式来实现多种数据格式之间的转换。记忆该层功能的简便方法是将其视作使用其应用层可以理解的格式表示数据。

2.3.3 第5层:会话层
会话层用于建立、管理及终止两个通信主机之间的会话。它向表示层提供服务。会话层还可同步两台主机表示层之间的对话,并管理它们之间的数据交换。例如,Web服务器拥有许多用户,因此在给定的时间内会同时打开许多通信进程。因此,跟踪哪个用户使用哪条路径进行通信就很重要。除了会话规定外,会话层还规定了有效的数据传输,服务类以及会话层、表示层和应用层问题的异常报告。有会话层负责管理会话,记忆过程势必会再度简化。

2.3.4 第4层:传输层
传输层用于对发送主机系统中的数据进行分段,然后在接收主机的系统上将数据重组为数据流。例如,大型企业的商业用户常常需要将大文件从现场位置转移到公司站点。由于文件的可靠传输非常重要,因此传输层会把大文件分成较小的数据段,这样可以降低发生传输问题的风险。

传输层与会话层之间的边界可被视为应用协议与数据流协议之间的边界。而应用层、表示层和会话层均与应用问题密切相关,下面四层均与数据传输问题有关。下面四层正是思科网络工程师创收的源泉。 传输层试图提供一项数据传输服务,以避免上面各层传输实施详细信息。具体来说,传输层关注的重点是两台主机间的传输可靠性等问题。在提供通信服务期间,传输层会建立、维护及妥善终止虚拟电路。传输错误检测和恢复以及信息流控制可提供可靠的服务。

在传输层开始设置寻址,寻址对于实现网络功能至关重要。虽然应用层、表示层和会话层与网络寻址毫无关系,但自传输层开始情况将截然不同。例如,在传输层上,端口号可用于确定数据将发往哪项特定的网络服务。您将在第9章“TCP/IP传输层”中学习有关端口号及其用法的详细信息。由于传输层对于我们十分重要且本身非常复杂,我们将用一整章介绍这个问题。

2.3.5 第3层:网络层
网络层给位于不同地理位置的网络中的两个主机系统之间提供连接和路径选择。互联网的发展增加了从全球各个站点访问信息的用户数量,网络层正是负责管理这一连接。思考一下公共互联网的这些方面,我想我们可以将之视为最繁忙的层之一!网络层采用的寻址机制称为IP寻址。此寻址机制是用于将数据从一个设备定向到另一个设备,甚至从一个设备定向到多个设备的关键组件。第8章“IP地址和子网”和第20章“IPv6简介”将对IP地址进行更加详细的介绍。

2.3.6 第2层:数据链路层
数据链路层定义了如何格式化用于传输的数据,以及如何控制对网络的访问。此层负责定义设备如何通过常见介质彼此通信,包括设备间寻址和控制信令。数据链路层上的寻址称作介质访问控制(MAC)寻址。第3章“LAN和以太网”将对此寻址机制进行更加详细的介绍。

2.3.7 第1层:物理层
物理层定义了电子、机械、过程和功能规范,用于激活、维护和终止终端系统间的物理链路。电平、电压变化计时、物理数据速率、最大传输距离、物理连接器等特征和其他类似属性均通过物理层规范定义。我曾在第1章中说过,当我的父亲建造这些房子时,少不得要聘请一名电工,而电工一定喜欢这一层。

注意:按层的编号掌握OSI模型也很重要。例如,明确网络层往往简称为第3层,而数据链路层则叫做第2层,依此类推。

相关文章
|
29天前
|
机器学习/深度学习 自然语言处理 数据处理
大模型开发:描述长短期记忆网络(LSTM)和它们在序列数据上的应用。
LSTM,一种RNN变体,设计用于解决RNN处理长期依赖的难题。其核心在于门控机制(输入、遗忘、输出门)和长期记忆单元(细胞状态),能有效捕捉序列数据的长期依赖,广泛应用于语言模型、机器翻译等领域。然而,LSTM也存在计算复杂度高、解释性差和数据依赖性强等问题,需要通过优化和增强策略来改进。
|
5天前
|
机器学习/深度学习 数据可视化 Shell
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(二)
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
23 1
|
5天前
|
机器学习/深度学习 数据采集 数据可视化
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(一)
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
28 0
|
5天前
|
机器学习/深度学习 数据采集 数据可视化
R语言用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
R语言用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
96 7
|
6天前
|
机器学习/深度学习 API 算法框架/工具
R语言深度学习:用keras神经网络回归模型预测时间序列数据
R语言深度学习:用keras神经网络回归模型预测时间序列数据
16 0
|
6天前
|
机器学习/深度学习
HAR-RV-J与递归神经网络(RNN)混合模型预测和交易大型股票指数的高频波动率
HAR-RV-J与递归神经网络(RNN)混合模型预测和交易大型股票指数的高频波动率
13 0
|
6天前
|
数据可视化 网络可视化
R语言混合图形模型MGM的网络可预测性分析
R语言混合图形模型MGM的网络可预测性分析
|
7天前
|
编解码 网络协议 网络安全
2.H3CNE-网络参考模型
2.H3CNE-网络参考模型
|
10天前
|
JSON Kubernetes 网络架构
Kubernetes CNI 网络模型及常见开源组件
【4月更文挑战第13天】目前主流的容器网络模型是CoreOS 公司推出的 Container Network Interface(CNI)模型
|
29天前
|
PyTorch 算法框架/工具 Python
Pytorch构建网络模型时super(__class__, self).__init__()的作用
Pytorch构建网络模型时super(__class__, self).__init__()的作用
10 0