本博客已经添加"打赏"功能,"打赏"位置位于右边栏红色框中,感谢您赞助的咖啡.

====本文目的=====

理解搞清楚两个概念:

1.端到端    2.点到点  3.以太网设备

====理论===

数据传输的可靠性是通过数据链路层和网络层的点对点和传输层的端对端保证的。点对点是基于MAC地址或者IP地址,是指一个设备发数据给另外一个设备,
这些设备是指直连设备包括网卡,路由器,交换机。端对端是网络连接,应用程序之间的远程通信。端对端不需要知道底层是如何传输的,是一条逻辑链路。

端到端:端到端与点到点是针对网络中传输的两端设备间的关系而言的。端到端传输指的是在数据传输前,经过各种各样的交换设备,

    在两端设备问建立一条链路,就僚它们是直接相连的一样,链路建立后,发送端就可以发送数据,直至数据发送完毕,接收端

    确认接收成功(<---可以比喻为打电话,电话接通后的状态)。端到端传输的优点是链路建立后,发送端知道接收设备一定能

    收到,而且经过中间交换设备时不需要进行存储转发,因此传输延迟小(<--打电话的时候是即时通话不需要存储转发)。端

    到端传输的缺点是直到接收 端收到数据为止,发送端的设备一直要参与传输(电话接通后任何一方都不能挂掉,不然不能通信)。

    如果整个传输的延迟很长,那么对发送端的设备造成很大的浪费(接通电话后,如果一方说话,另外一方要很久时间才能听到的

    情形就是这样)。端到端传输的另一个缺点是如果接收设备关机 或故障,那么端到端传输不可能实现(对方已经关机了,肯定

    就不能传输语音过去了啊)。

点到点:点到点系统指的是发送端把数据传给与它直接相连的设备(人将信件放入信箱由邮递员负责传送信件,人站在信箱旁边,类似于信箱相连),

    这台设备在合适的时候又把数据传给与之直接相连的下一台设备(信件从一个邮局到另外一个邮局),通过一台一台直接相连的设备(邮车

    通过很多的邮局),把数据传到接收端(信件最终到达收信人手中)。点到点传输的优点是发送端设备送出数据后,它的任务已经完成,不需

    要参与整个传输过程,这样不会浪费发送端设备的资源(人将信件放入信箱后,就可以去做其他事情了)。另外,即使接收端设备关机或故障,

     点到点传输也可以采用存储转发技术进行缓冲(暂时没有找到收件人,信件会被保存在当地的邮局)。点到点传输的缺点是发送端发出数据后,

    不知道接收端能否收到或何时能收到数据(如果收信人不告知寄信人已经收到信件,收信人是不知道的,除非打个电话或者发个微信给寄信人,嘿嘿)。

以太网设备:网卡,路由器,网桥,etc

参考:

https://en.wikipedia.org/wiki/Peer-to-peer

http://jingyan.baidu.com/article/19192ad812650de53e570781.html

http://zhidao.baidu.com/link?url=UDtv6IhZpCt-GA6u0NdkCnQcifyo8FKW6R-SJb9YWt4eObgyloOoLMHUvok8F4-b_-2hcxnYaRtm27XfXIJ0yq

转载于:https://www.cnblogs.com/horizonli/p/5624162.html

openstack-networking-neutron(一)---端到端和点到点的理解相关推荐

  1. Wi-Fi 6 「破茧成蝶」,高通全面布局端到端最佳解决方案

    如果说 5G 开创了设备连接的新天地,那么 Wi-Fi 6 技术的落地将是这次科技革命的催化剂. 在近两年间,从高带宽.低延时.高并发的特性研发开始,到基站的建设,再到手机.路由器.无人机等终端设备的 ...

  2. OpenStack Networking网络

    OpenStack Networking允许n你创建和管理网络对象,例如网络.子网和端口,其它OpenStack服务可以使用它们.插件可以实现为服务不同的网络设备和软件,为OpenStack架构和部署 ...

  3. 用TVM在硬件平台上部署深度学习工作负载的端到端 IR 堆栈

    用TVM在硬件平台上部署深度学习工作负载的端到端 IR 堆栈 深度学习已变得无处不在,不可或缺.这场革命的一部分是由可扩展的深度学习系统推动的,如滕索弗洛.MXNet.咖啡和皮托奇.大多数现有系统针对 ...

  4. 端到端TVM编译器(下)

    端到端TVM编译器(下) 4.3 Tensorization DL工作负载具有很高的运算强度,通常可以分解为张量运算符,如矩阵乘法或一维卷积.这些自然分解导致了最近的添加张量计算原语.这些新的原语带来 ...

  5. 端到端TVM编译器(上)

    端到端TVM编译器(上) 摘要 将机器学习引入到各种各样的硬件设备中.AI框架依赖于特定于供应商的算子库,针对窄范围的服务器级gpu进行优化.将工作负载部署到新平台,例如手机.嵌入式设备和加速器(例如 ...

  6. 从PyTorch到ONNX的端到端AlexNet

    从PyTorch到ONNX的端到端AlexNet 这是一个简单的脚本,可将Torchvision中定义的经过预训练的AlexNet导出到ONNX中.运行一轮推理Inference,然后将生成的跟踪模型 ...

  7. GPU端到端目标检测YOLOV3全过程(下)

    GPU端到端目标检测YOLOV3全过程(下) Ubuntu18.04系统下最新版GPU环境配置 · 安装显卡驱动 · 安装Cuda 10.0 · 安装cuDNN 1.安装显卡驱动 (1)这里采用的是P ...

  8. GPU端到端目标检测YOLOV3全过程(上)

    GPU端到端目标检测YOLOV3全过程(上) Basic Parameters: Video: mp4, webM, avi Picture: jpg, png, gif, bmp Text: doc ...

  9. CVPR2020:端到端学习三维点云的局部多视图描述符

    CVPR2020:端到端学习三维点云的局部多视图描述符 End-to-End Learning Local Multi-View Descriptors for 3D Point Clouds 论文地 ...

  10. 点云配准的端到端深度神经网络:ICCV2019论文解读

    点云配准的端到端深度神经网络:ICCV2019论文解读 DeepVCP: An End-to-End Deep Neural Network for Point Cloud Registration ...

最新文章

  1. 为Visual C++ 6.0添加批量注释和取消批量注释功能
  2. 字符串相加—leetcode415
  3. 深入理解深度学习中的激活函数
  4. 文件和内建函数 open() 、file()
  5. 人月神话阅读笔记(2)
  6. win10找回BitLocker密钥的方法
  7. 教你利用 Python 计算同比、环比、定基比
  8. 苹果IOS9为加强个人隐私信息保护强制HTTPS,APP开发者需申请SSL证书
  9. 小白猿笔记Day6(面向对象)
  10. 坐标正反算通用程序(极短篇)
  11. 商业直播平台都有哪些
  12. 如何下载linux内核头文件,在Linux系统上安装Linux内核头文件的教程
  13. web前端svg图标使用(关于阿里iconfont的symbol 引用)
  14. 微信公众号根据openid获取unionid
  15. bpython缺少termios_asciinema缺少文件:ImportError:没有名为“termios”的模块
  16. 网易严选企业级微前端解决方案与落地实践
  17. OVA转OVF部署到vsphere上
  18. NoSql数据库的优点和缺点
  19. 科学计算机怎么取消math,多功能科学图形计算器(Mathlab)
  20. 深度学习进阶篇-预训练模型[3]:XLNet、BERT、GPT,ELMO的区别优缺点,模型框架、一些Trick、Transformer Encoder等原理详细讲解

热门文章

  1. 用Prime31实现Google Play In-App-Blling
  2. 浏览器User-Agent的详细信息
  3. error2---BeginPath和EndPath之间的TextOut无法显示
  4. Wigner-Ville分布算法的C++实现
  5. Android 顶部切换实现(二)
  6. android setGravity()的使用
  7. 从open系统调用的源码看文件的打开过程
  8. 浏览器插件 - 通用注入模版JS
  9. JVM学习笔记之-堆,年轻代与老年代,对象分配过程,Minor GC、Major GC、Full GC,堆内存大小与OOM,堆空间分代,内存分配策略,对象分配内存,小结堆空间,逃逸分析,常用调优工具
  10. python全栈开发_day52_html模板继承和静态配置