读“端到端原则”有感
读“端到端原则”有感
- 关于端到端原则
- 我的思考
最近在学习CS144，其中某节课提到了端到端原则，初看英语描述有些疑惑，便找到了以下文章进一步阅读，作者写得很好，引发了我的一些思考。
端到端原则是指这篇文章。
关于端到端原则
一种应用功能只有当其知识和帮助置于通信系统的边缘才能完全和正确地实现，因此将提出这种应用功能作为通信系统本身的性质是不可能的。
此段表述出现在Saltzer等于1984年发表的End-toend Arguments in System Design论文中。
在当时的时代，通过将应用功能部署到终端来处理能够极大简化网络的功能，网络只做最通用的数据传输，这种设计原则的优点很多，解决了当时很多难题。
而2001年，上述论文的其中一名作者David Clark发表了Rethinking the Design of the Internet-The end to end arguments vs. the brave new world，在该论文中，作者重新审视了端到端原则，因为此时网络的规模及应用环境已经发生了翻天覆地的变化，事实上当前的网络中许多复杂的处理都已经放置到了服务器中而不是终端，这与之前的端系统原则已经发生冲突。
随着用户量级的极大增加，Internet已变得缺乏信任（需要CA等机构颁发证书来确认互相可信），必须在网络的核心部分增加认证、授权等机制使网络更加可信。随着流媒体的发展，传统的尽力交付已经无法满足要求，政府与中介组织等部门的监管需求也对网络提出了新的要求，传统的dumb网可能需要做出一定的改变。
我的思考
我不禁想，以后会不会有个超级服务器，负责管理网络节点，判断节点是否可信，这样以后建立连接就能非常快了。
而由于当前网络的主要延迟在于三次握手等握手开销，以后将验证开销交由超级服务器，节点之间通过有限时间内能确认对方可信的cookie等信息直接建立通信，是否能使网络更加健壮，通信效率更高呢。
上述功能可能也只能在某些情况下好用，比如说需要大范围管理节点的时候，不知道是否有更加完善的做法。
读“端到端原则”有感相关推荐
- 多目标跟踪数据关联的二部图解：CVPR18多目标跟踪开创性深度端到端二部图匹配佳作《Deep Learning of Graph Matching》读后有感
多目标跟踪算法的核心以及瓶颈之处,即是在得到两个set的DR(detection response,其中一个前序set可能是tracklets,但也由DR来表征)之后如何实现二部图匹配.传统的Hung ...
- pyqt 获取 UI 中组件_初级UI需注意10个移动端的关键原则
如果你是初级UI设计师,那么请注意了.今天AAA教育胡老师给大家总结了初级UI需注意10个移动端的关键原则.学会了你就离中级UI设计师更近一步.话不多说赶快来学习吧! 1.用户 我们所做的一切都围绕我 ...
- 互联网的成功和端到端原则
本文很短,就几句话. 互联网之所以发展迅速,得益于端到端原则: 保持一个极简的核心,将复杂留在端. 道理很简单. 核心若不极简,互联网将无法适应变化.随着接入节点的增加,核心的负担将指数增加,互联网规 ...
- 听著名服务端主程讲座有感 - archy_yu - 博客园
听著名服务端主程讲座有感 - archy_yu - 博客园 听著名服务端主程讲座有感 前些日子,一个著名页游服务端主称做了一次演讲,有幸在台下聆听了这位主程的演讲.已经过去一段时间了,偶尔还是 ...
- 对“端到端”原则的理解
对"端到端"原则的理解 前些天读了两篇论文,一篇是J.H.Saltzer,D.P.Read 和D.D.Clark 在80年代初发表的<The End-TO-End Argum ...
- NLP 论文领读 | Seq2Seq一统江湖？谷歌提出全新端到端检索范式DSI，它才是检索模型的未来？
欢迎关注 NLP 论文领读专栏!快乐研究,当然从研读paper开始--澜舟科技团队注重欢乐的前沿技术探索,希望通过全新专栏和大家共同探索人工智能奥秘.交流NLP「黑科技」,踩在「巨人」肩上触碰星辰!官 ...
- 端到端原则与命运共享原则
端到端原则 当我们设计一个大的系统(例如操作系统或网络协议族)时,总会遇到"在什么位置实现某个功能"的问题.端到端原则(The End-To-End Arguments)起初就是为 ...
- 带你读AI论文丨LaneNet基于实体分割的端到端车道线检测
摘要:LaneNet是一种端到端的车道线检测方法,包含 LanNet + H-Net 两个网络模型. 本文分享自华为云社区<[论文解读]LaneNet基于实体分割的端到端车道线检测>,作者 ...
- seq2seq模型_带你读论文 | 端到端语音识别模型
编者按:过去十年,得益于人工智能与机器学习的突破.算法与硬/软件能力的进步,以及拥有既多样又大量的语音数据库,用以训练多参数的.大规模的语音识别与合成模型,使得语音处理技术获得飞跃性进展. 随着端到端 ...
最新文章
- 推荐7款超良心的windows软件，每一个都是精品！
- java message bus_【Microsoft Azure学习之旅】消息服务Service Bus的学习笔记及Demo示例...
- Oracle Study之案例--安装Oracle内核参数配置
- 罗技G29方向盘与Unity的连接交互
- 微信小程序自定义底部导航栏
- sprintf（）函数的用法
- IPSAN与FCSAN存储结构的区别
- Android 上架应用市场整理
- Contect、SharedPreferences及Intent学习小记
- [707]Apache NiFi安装及简单使用
- NDK中LOCAL_SHARED_LIBRARIES
- 家装灯线走线图_家装吊顶筒灯电线走法设计图 4款客厅天花吊顶龙骨筒灯顶线布置图...
- 双目视觉（三）立体匹配算法
- 子类能访问父类的哪些成员？
- c语言 文件编码转换为字符串,c语言下汉字转换（字符串改为utf-8编码）
- 食品安全溯源区块链解决方案探索
- 一些外企邮件常用英文
- 交叉熵损失函数（softmax分类器）
- 关于图片加载错误的自定义处理(缺省图)
- Python网络编程基础之ip地址,端口号,TCP，socket