三層網路結構(核心層、匯聚層 、接入層)
三層網路結構:
三層網路結構是採用層次化架構的三層網路。三層網路架構採用層次化模型設計,即將複雜的網路設計分成幾個層次,每個層次著重於某些特定的功能,這樣就能夠使一個複雜的大問題變成許多簡單的小問題。三層網路架構設計的網路有三個層次:核心層(網路的高速交換主幹)、匯聚層(提供基於策略的連線)、接入層 (將工作站接入網路)。
核心層:核心層是網路的高速交換主幹,對整個網路的連通起到至關重要的作用。核心層應該具有如下幾個特性:可靠性、高效性、冗餘性、容錯性、可管理性、適應性、低延時性等。在核心層中,應該採用高頻寬的千兆以上交換機。因為核心層是網路的樞紐中心,重要性突出。核心層裝置採用雙機冗餘熱備份是非常必要的,也可以使用負載均衡功能,來改善網路效能。網路的控制功能最好儘量少在骨幹層上實施。核心層一直被認為是所有流量的最終承受者和匯聚者,所以對核心層的設計以及網路裝置的要求十分嚴格。核心層裝置將佔投資的主要部分。
匯聚層:匯聚層是網路接入層和核心層的“中介”,就是在工作站接入核心層前先做匯聚,以減輕核心層裝置的負荷。匯聚層必須能夠處理來自接入層裝置的所有通訊量,並提供到核心層的上行鏈路,因此匯聚層交換機與接入層交換機比較,需要更高的效能,更少的介面和更高的交換速率。匯聚層具有實施策略、安全、工作組接入、虛擬區域網(VLAN)之間的路由、源地址或目的地址過濾等多種功能。在匯聚層中,應該採用支援三層交換技術和VLAN的交換機,以達到網路隔離和分段的目的。
接入層:通常將網路中直接面向使用者連線或訪問網路的部分稱為接入層,接入層目的是允許終端使用者連線到網路,因此接入層交換機具有低成本和高階口密度特性。我們在接入層設計上主張使用效能價格比高的裝置。接入層是終端使用者與網路的介面,它應該提供即插即用的特性,同時應該非常易於使用和維護,同時要考慮埠密度的問題。
接入層為使用者提供了在本地網段訪問應用系統的能力,主要解決相鄰使用者之間的互訪需求,並且為這些訪問提供足夠的頻寬,接入層還應當適當負責一些使用者管理功能(如地址認證、使用者認證、計費管理等),以及使用者資訊收集工作(如使用者的IP地址、MAC地址、訪問日誌等)。
為了方便管理、提高網路效能,大中型網路應按照標準的三層結構設計。但是,對於網路規模小,聯網距離較短的環境,可以採用“收縮核心”設計。忽略匯聚層,核心層裝置可以直接連線接入層,這樣一定程度上可以省去部分匯聚層費用,還可以減輕維護負擔,更容易監控網路狀況。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/7478833/viewspace-2150435/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 計算機網路的七層結構、五層結構和四層結構計算機網路
- 網路知識梳理--OSI七層網路與TCP/IP五層網路架構及二層/三層網路TCP架構
- 網路的四層五層七層網路
- 9、如何理解應用層、傳輸層、網路層、鏈路層、物理層
- 三層架構及分層架構
- 網路是七層、五層還是四層?
- OSI七層網路結構詳解
- 網路七層協議之物理層協議
- 總結!計網分層 每層任務 每層協議協議
- 瞭解安卓架構(linux核心層、系統執行庫層、應用框架層、應用層)安卓架構Linux框架
- 三、淺層神經網路神經網路
- OSI七層與TCP/IP五層網路架構詳解TCP架構
- 三層架構理解架構
- 前端架構思想:聚類分層前端架構聚類
- 【財富空間】高層聚人心,中層善用人,基層重執行
- 因特網的三層基礎結構 (轉)
- 網路七層模型(四層模型)及其區別模型
- 網路七層模型與四層模型區別模型
- WordPress模板層次02:模板層次結構和原理
- 七層網路模型模型
- MVC 與三層架構MVC架構
- Java三層架構sshJava架構
- .Net三層架構 (轉)架構
- 計算機網路總結(網路層)計算機網路
- 統一接入層架構的演進架構
- 創新三層AI架構,打造智慧IP網路AI架構
- Linux核心防火牆,工作在網路層Linux防火牆
- 機器學習 之 層次聚類機器學習聚類
- 3系統結構層
- MVC專案實踐,在三層架構下實現SportsStore-02,DbSession層、BLL層MVC架構Session
- 計算機網路基礎-三種網路模型(OSI七層模型 TPC/IP四層模型 五層模型)的關係計算機網路模型
- 二層交換機鏈路聚合、三層交換機鏈路聚合和三層交換機的單臂路由專案路由
- 二層交換機 三層交換機 四層交換機的區別
- 二層、三層交換機和四層交換機的區別(轉)
- iOS 網路層架構設計分享iOS架構
- 卷積神經網路:卷積層和池化層卷積神經網路
- [渲染層網路層錯誤] Failed to load local font resource ?AI
- 網路層筆記(1)筆記