Network 4: Network Layer

  The primary tasks of a router lies in two aspects: (1) running routing protocols, and (2) forwarding datagrams. Some of the major routing protocols run on the Internet are as follow:

  Among broadcast routing algorithms, Reverse Path Forwarding is a controlled flooding strategy, in which only a leaf of the tree would receive a redundant packet.

  The following picture sheds light on the architecture of a router:

  Weighted Fair Queuing (WFQ): 怎样的调度策略对于每个数据流都是公平的?

  (1) FIFO并不公平,因为packet可能会不一样大,肯定会有数据流多吃多占;

  (2) 最公平的情况应该是把每个packet拆成字节,然后挨个数据流轮询,每次发送一字节,但臣妾实在做不到;

  (3) 可以根据 (2) 的理想情况计算每个packet到达和离开的虚拟时间,其中第i个流的第j个packet离开时间为:

    $out_j^{(i)}=max\{out_{j-1}^{(i)},in_j^{(i)}\}+\frac{L_j^{(i)}}{weight_i}$;

  (4) 我们根据 (3) 计算的离开时间将到达的packet组织成优先级队列,离开时间值越小的packet越先处理,可以保证各packet出队顺序与 (2) 相同。

  The following picture illustrates the IPv4 Datagram Format:

  

  Since Maximum Transmission Unit (MTU) exists,  a large datagram may be fragmented and assembled by IPv4 routers, which will never happen in IPv6.

  CIDR (Classless Inter-Domain Routing): Traditionally, hosts on the Internet can be addressed in a classful way illustrated by the following picture. Nevertheless, a class B network is too large for an organization whereas a class C network may be too small. Therefore, RFC1519 put forward a solution that the remaining class C addresses be distributed according to vairable length subnet masks.

  子网划分、分级CIDR与路由聚合缓解了路由表爆炸的问题,就像当年的多级页表、inode 和 DNS系统。

  假设有一个网络的子网掩码是 $255.255.(256-2^{8-n}).0/(16+n)$,其中 $0\leq n<8$,将该网络进一步平均分为$2^m$个子网,则第$i$个子网地址为 $255.255.(256-2^{8-n}+i\cdot 2^{8-n-m}).0$。主干网中,若每两个路由器组成一个子网,则每个子网中主机号只要两位(全0和全1不可用),子网掩码可以是 $255.255.255.252$。

  NAT (Network Address Translation) 是一个解决IPv4地址短缺的补丁,把 private IP address 转换成 public IP address,并通过映射不同端口号的方式区别子网中的不同客户。这种方法弊病颇多,而且治标不治本。更好的解决方式是改用IPv6,不仅扩大了地址空间,还消除了校验、分段和重组,提高了路由器效率。Tunneling 是一种利用IPv4路由器转发IPv6数据报的技术,它将整个IPv6数据报(包括IPv6头部)作为payload,用IPv4头部封装传递。IPv6基本头部格式如下:

  ICMP (Internet Control Message Protocol): 路由器向数据包源端发送 Destination Unreachable, Time Exceeded, Source Quence 等消息,可用于ping 和 traceroute 等工具。

  ARP (Address Resolution Protocol): 发送方以广播形式发出请求,目标地址的主机将自己的以太网地址回应给发送方,便于发送方进行IP地址向以太网地址的解析。

  DHCP (Dynamic Host Configuration Protocol): 客户以广播形式寻找服务器 (DHCP Discover),服务器(有可能是多个)以一个空闲IP地址作为回应 (DHCP Offer);客户从所有offer中选一个作为自己的IP地址并正式请求 (DHCP Request),服务器再次应答 (DHCP ACK)。

References:

  1. Kurose, James F., Keith W. Ross. Computer Networking: a top-down approach[M]. 北京:高等教育出版社, 2009-08

  2. Tanenbaum, Andrew S., David J. Wetherall. Computer Networks 5th edition[M]. 北京:清华大学出版社, 2011

时间: 2024-10-28 05:42:07

Network 4: Network Layer的相关文章

深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling

技术交流QQ群:433250724,欢迎对算法.技术感兴趣的同学加入. 最近接下来几篇博文会回到神经网络结构的讨论上来,前面我在"深度学习方法(五):卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning"一文中介绍了经典的CNN网络结构模型,这些可以说已经是家喻户晓的网络结构,在那一文结尾,我提到"是时候动一动卷积计算的形式了",原因是很多工作证明了,在基本的CNN卷积计算模式之外,很多简

Network in Network 2

<Network in Network>论文笔记 1.综述 这篇文章有两个很重要的观点: 1×1卷积的使用 文中提出使用mlpconv网络层替代传统的convolution层.mlp层实际上是卷积加传统的mlp(多层感知器),因为convolution是线性的,而mlp是非线性的,后者能够得到更高的抽象,泛化能力更强.在跨通道(cross channel,cross feature map)情况下,mlpconv等价于卷积层+1×1卷积层,所以此时mlpconv层也叫cccp层(cascade

Linux: service network/Network/NetworkManager

Linux:service network/Network/NetworkManager start 这三种有什么不同? 1.network service的制御网络接口配置信息改动后,网络服务必须从新启动,来激活网络新配置的使得配置生效,这部分操作和从新启动系统时时一样的作用.制御(控制)是/etc/init.d/network这个文件,可以用这个文件后面加上下面的参数来操作网络服务.例如:/etc/init.d/networkrestart同样也可以用service这个命令来操作网络服务例如

论文笔记 《Maxout Networks》 &amp;&amp; 《Network In Network》

论文笔记 <Maxout Networks> && <Network In Network> 发表于 2014-09-22   |   1条评论 出处 maxout:http://arxiv.org/pdf/1302.4389v4.pdfNIN:http://arxiv.org/abs/1312.4400 参考 maxout和NIN具体内容不作解释下,可以参考:Deep learning:四十五(maxout简单理解)Network In Network 各用一句话

Network in Network 笔记

传统CNN里的卷积核是一个generalized linear model(GLM)之后经过一个sigmoid(现在通常是ReLu)的非线性激励函数,假设卷积有K个filter,那么这K个filter代表的特征应该是可分的,或者说对属于同一个类别的不同变形具有不变性. 但是通过GLM来建模,也就是假设这些latent的filter是线性可分的,显然这样的假设并不总是成立,甚至通常都不成立. 传统的CNN为了解决这种不可分的问题,往往会选择比较多的filter个数,也就是比较大的K值,来保证所有的

Network In Network&mdash;&mdash;卷积神经网络的革新

Network In Network 是13年的一篇paper 引用:Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 文章的新点: 1. 采用 mlpcon 的结构来代替 traditional 卷积层: 2. remove 卷积神经网络最后的 全连接层,采用 global average pooling 层代替: mplconv 结构的提出: conventional 的卷积层

1&#215;1卷积的用途(Network in Network)

1×1卷积,又称为Network in Network 如果卷积的输出输入都只是一个平面,那么1x1卷积核并没有什么意义,它是完全不考虑像素与周边其他像素关系. 但卷积的输出输入是长方体,所以1x1卷积实际上是对每个像素点,在不同的channels上进行线性组合(信息整合),且保留了图片的原有平面结构,调控depth,从而完成升维或降维的功能. 如下图所示,如果选择2个filters的1x1卷积层,那么数据就从原本的depth 3 降到了2.若用4个filters,则起到了升维的作用. 1. 相

Network 3: Transport Layer

Some of the primary issues regarding the transport layer are listed in the following picture. In Internet, there are two dominant transport layer protocols. One is User Datagram Protocol (UDP), an unreliable service that can only implement multiplexi

Network In Network

传统的cnn过滤器是一个泛化的线性模型(GLM),我们认为这GLM的抽象能力是低级别的.把GLM替换为一个更有效的非线性函数近似能够提高抽象能力.当例子是线性可分时,GLM能实现很好的抽象.然而例子很多情况下是线性不可分的,输入的线性函数才能很好地表达.此网络没有采用传统的全连接层,而是采用全局平均池化层.一方面是因为全局平均池化层能很好解释特征映射和类别之间的联系.另一方面,全连接层由于参数太多容易过拟合并且高度依赖dropout regularization,但全局平均池化层本身就是一个结构