首页 > 其他分享 >读<Wireshark数据包分析实战-第3版>之流量分类

读<Wireshark数据包分析实战-第3版>之流量分类

时间:2023-05-27 17:33:05浏览次数:36  
标签:组播 分类 地址 流量 广播 数据包 设备

目录

广播流量

广播流量是指在计算机网络中,发送者将数据包(通常是单播)传输给局域网内所有设备的通信方式。广播流量数据包具有特殊的目标地址,即“广播地址”,这使得接收到该数据包的所有设备都必须处理它。

广播主要用于在局域网内实现一些关键功能,如请求IP地址、寻找其他设备等。然而,过多的广播流量可能导致网络性能下降,因为每台设备都需要处理这些数据包,增加了CPU和带宽的负担。

为了减少广播流量对网络性能的影响,网络管理员会采取一些措施,例如使用交换机替代集线器(交换机可以根据MAC地址将数据包转发到特定设备,从而减少广播),或者通过子网划分来限制广播范围。

广播流量在各个网络层的地址是?

广播流量在各个网络层的地址表示如下:

  1. 数据链路层(第二层):在以太网中,MAC(媒体访问控制)地址全为FF-FF-FF-FF-FF-FF的帧表示数据链路层的广播。当一个设备发送到这个MAC地址的帧时,所有连接到同一局域网内的设备都会接收并处理该帧。

  2. 网络层(第三层):在IPv4网络中,广播地址由子网掩码和IP地址计算得出。例如,在一个192.168.0.xxx IP范围的网络中,子网掩码为255.255.255.0,广播地址为192.168.0.255。向该地址发送的数据包将被网络上的所有设备接收。在IPv6中,有多种广播形式,如组播和任播,但没有专门的广播地址。

其他网络层通常不涉及广播概念。传输层(第四层)和应用层(第七层)等较高层次的协议使用端口号来标识特定的服务和应用,而不直接处理广播流量。但是,某些特殊情况下,这些层次可能会间接地参与广播通信,例如通过组播或对等网络中的泛洪机制。

对广播地址一直发送数据包,会导致整个局域网网络堵塞吗?

向广播地址192.168.0.255持续发送数据包会对局域网内的设备产生影响。因为广播地址被用于向网络中的所有设备发送信息,所以当一个设备向广播地址发送数据包时,所有连接到该网络的设备都需要处理这些数据包。这可能导致以下问题:

  1. 带宽消耗:大量广播流量占据了网络带宽,降低了其他正常通信的性能。
  2. 设备资源消耗:每个设备在接收到广播数据包时都需要对其进行处理,这会增加设备CPU和内存的负担,影响其正常工作。

然而,实际情况取决于多种因素,如网络设备的性能、发送数据包的速率等。如果广播数据包的发送速率较低,那么对整个局域网的影响也相对较小,反之则可能导致局域网的堵塞。为避免此类问题,可以采取限制广播流量的措施,例如使用交换机、VLAN技术或子网划分。

组播流量

组播流量是一种网络通信方式,它允许源节点将数据包发送给多个目标节点,而无需为每个目标节点单独发送数据包。组播在某些特定场景中非常有效,例如流媒体传输、IPTV、视频会议和多点数据分发等。

在IPv4中,组播地址范围是224.0.0.0到239.255.255.255。利用这个特殊的IP地址范围,数据包可同时发送给加入该组播组的所有设备。IPv6也支持组播,其组播地址以"FF"开头。

要实现组播功能,需要以下组件:

  1. 组播源:发送组播数据包的设备。
  2. 组播组:具有特定组播IP地址的一组设备,它们都希望接收来自组播源的数据包。
  3. 网络设备:路由器和交换机等设备需要支持IGMP(Internet Group Management Protocol,互联网组管理协议)和PIM(Protocol Independent Multicast,协议无关组播),以便正确地转发组播数据包。

与广播相比,组播更加高效,因为只有加入组播组的设备才会接收和处理这些数据包,从而降低了网络堵塞和设备负担。

单播流量

单播流量是一种网络通信方式,指的是源节点将数据包发送到一个特定的目标节点。在单播通信中,每个数据包都有一个唯一的源IP地址和目标IP地址。单播用于大多数网络中的常规通信,例如浏览网页、发送电子邮件、文件传输等。

与广播和组播相比,单播更加针对性,因为它只在源节点和目标节点之间传输数据,不会影响其他不相关设备的性能。然而,在需要将相同数据发送到多个接收者的场景下,单播可能效率较低,因为需要为每个目标节点单独发送数据包。这时候使用组播或广播可能更适合。

标签:组播,分类,地址,流量,广播,数据包,设备
From: https://www.cnblogs.com/zhao-jie-li/p/17436988.html

相关文章

  • 2. 王道OS-操作系统的特征,发展和分类
    1.并发:宏观上是同时发生的,微观是交替发生的;ps:并行:宏观和微观都是同时发生的;ps:单核CPU同一时刻只能执行一个程序,各个程序只能并发的执行;多核CPU同一时刻可以同时执行多个程序,多个程序可以并行执行;2.共享:指系统中的资源可以提供内存中多个并发执行[微观交替使......
  • 1907. 按分类统计薪水
    【题目】表:Accounts+-------------+------+|列名       |类型 |+-------------+------+|account_id |int ||income     |int |+-------------+------+account_id是这个表的主键。每一行都包含一个银行帐户的月收入的信息。 写出一个SQL查询,来......
  • 【模型部署 01】C++实现分类模型(以GoogLeNet为例)在OpenCV DNN、ONNXRuntime、TensorRT
    深度学习领域常用的基于CPU/GPU的推理方式有OpenCVDNN、ONNXRuntime、TensorRT以及OpenVINO。这几种方式的推理过程可以统一用下图来概述。整体可分为模型初始化部分和推理部分,后者包括步骤2-5。以GoogLeNet模型为例,测得几种推理方式在推理部分的耗时如下:结论:GPU加速首选Tens......
  • 操作系统(3.4.2)--实时调度算法的分类
    按调度方式分类:非抢占式调度算法、抢占式调度算法1.非抢占式调度算法1)非抢占式轮转调度算法调度程序每次选择队列中的第一个任务投入运行。当时间片结束后,便把它挂在轮转队列的末尾,等待下次调度运行,而调度程序再选择下一个(队首)任务运行。这种调度算法可获得数秒至数十秒的响应时......
  • 使用卷积神经网络实现影评数据的分类
    一、实验目的熟悉循环神经网络在文本分析和分类上的应用 二、实验原理或实验内容从keras的数据集中加载影评数据,注意需要填充(截断)数据,并转成数组的形式。构建一个神经网络模型,要求使用词嵌入和循环层,并使用划分好的训练集数据训练模型,使用划分好的测试集的数据验证模型,训练......
  • 超低功耗段码LCD液晶显示屏驱动IC-VKL144A/B QFN48 超小体积封装,可完全替代PCF8551适
    VKL144A/B概述:VKL144A/B是一个点阵式存储映射的LCD驱动器,可支持最大144点(36SEGx4COM)的LCD屏。单片机可通过I2C接口配置显示参数和读写显示数据,可配置4种功耗模式,也可通过关显示和关振荡器进入省电模式。其高抗干扰,低功耗的特性适用于水电气表以及工控仪表类产品。QT921功能特点......
  • 近万条一级分类经典短信大全ACCESS\EXCEL数据库
    近万条一级分类经典短信大全ACCESS数据库收集的是近万条常用经典短信,之所以称“一级分类”(意思是只有一个大类没有子类),原因是为了区别另外一个有二级分类的短信数据库。近万条一级分类经典短信大全ACCESS数据库中的短信都是经过索引没有收录重复的记录。大类分类情况是:爱情短信(1......
  • 谷粒商城--三级分类
    谷粒商城--三级分类一、树形数据返回1、递归查询树形结构商品信息查询的实体类,要实现树形,实体类需要有pId(父id),nId(子id)加上忽略字段children(子类集合)。publicclassCategoryEntityimplementsSerializable{ privatestaticfinallongserialVersionUID=1L; /** *分......
  • 深度学习分类网络---ResNet
    一、为什么引入ResNet通过上一篇分类网络的介绍,我们知道网络的宽度和深度可以很好的提高网络的性能,深的网络一般都比浅的的网络效果好,但训练一个很深的网络是非常困难的,一方面是网络越深越容易出现梯度消失和梯度爆炸问题,然而这个问题通过BN层和ReLU激活函数等方法在很大程度上......
  • 2022-2023年的jlu.test,和校园网出口的流量备忘
    2022年8月疫情结束,学生开学,jlu.test流量升高;2023年12月疫情放开,学生提前离校流量下降;2023年2月学生开始返校;2023年4月末除了南岭校区,其他校区的流量都切换到本地。2022年下半年的几次封校,流量出现陡增。今年流量比较正常,5月1日放假,流量下降不少。     20220325出......