网络设备链路发现算法


网管软件的ip拓扑用于直观的表现网络设备间的链路连接状况,实时刷新各条链路状态信息,排除故障

如何自动的识别出设备间存在的链路,各条物理链路的两端连接了哪两个设备,用了哪两个接口,是实现ip topo的关键

而网管软件计算设备间链路的关键数据就是设备arp表。

windows下,使用arp命令即可显示arp信息:

C:\Documents and Settings\cj>arp -a

Interface: 192.168.1.105 --- 0x2
  Internet Address      Physical Address      Type
  192.168.1.1           40-16-9f-21-6e-0a     dynamic

arp表信息里显示了当前网络设备的各个物理接口学习到的其它网络接口的mac地址以及网络层ip地址

由于arp学习的一定是同一网段的设备,不会跨网段,即跨网关,所以可以认为这些学习到的设备接口和当前设备的接口在网络层就是直连的

这里有一个问题就是忽略了设备和当前三层交换机或路由器之间存在二层交换机的情况,二层交换机本身没有网段的概念,也就不支持arp表哦

还有一个问题,从arp表发现链路要求对端必须是配置了ip地址的三层物理口,如果连接的是二层交换机设备的物理口,arp学到的是其所属vlan虚拟口的mac,

也就不能直接获取到了所连接的物理二层口了。这种情况,我们可以先通过网段信息确定具体是哪个vlan虚接口

再通过查看其mac信息来进一步的获取到实际连接的物理接口

H3C交换机的对应命令为:display mac-address vlan  100

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
利用jmdns发现局域网设备,在局域网内,你要通过一台主机和其他主机进行通信,你需要知道对方的ip地址,但是有些时候,你并不知道对方的ip地址,因为一般使用DHCP动态分配ip地址的局域网内,各个主机的IP地址是由DHCP服务器来帮你分配IP地址的。所以在很多情况下,你要知道对方的IP地址是比较麻烦的。 鉴于发现这篇文章最近的浏览量比较多,晚上也有不少转载,特别声明一下,文章水平可能不大够,只是我当时的一些理解,所以希望大家以批判的角度来看,然后又什么问题欢迎讨论。真心不希望误导大家^_^ mDNS就是来解决这个问题的。通过一个约定俗成的端口号,5353。(这个端口号应该是由IETF组织约定的。)每个进入局域网的主机,如果开启了mDNS服务的话,都会向局域网内的所有主机组播一个消息,我是谁,和我的IP地址是多少。然后其他也有该服务的主机就会响应,也会告诉你,它是谁,它的IP地址是多少。当然,具体实现要比这个复杂点。 比如,A主机进入局域网,开启了mDNS服务,并向mDNS服务注册一下信息:我提供FTP服务,我的IP是192.168.1.101,端口是21。当B主机进入局域网,并向B主机的mDNS服务请求,我要找局域网内FTP服务器,B主机的mDNS就会去局域网内向其他的mDNS询问,并且最终告诉你,有一个IP地址为192.168.1.101,端口号是21的主机,也就是A主机提供FTP服务,所以B主机就知道了A主机的IP地址和端口号了。 大概的原理就是这样子,mDNS提供的服务要远远多于这个,当然服务多但并不复杂。 在Apple 的设备上(电脑,笔记本,iphone,ipad等设备)都提供了这个服务。很多Linux设备也提供这个服务。Windows的设备可能没有提供,但是如果安装了iTunes之类的软件的话,也提供了这个服务。 这样就可以利用这个服务开发一些局域网内的自动发现,然后提供一些局域网内交互的应用了。
### 回答1: 启发式算法是一种在搜索问题中使用的算法,它的目的是在搜索的过程中指导搜索的方向,使得搜索更加有效率。 链路预测是一种在网络中预测两台设备之间是否存在连接的方法。使用启发式算法进行链路预测的基本步骤如下: 1. 设置一个起点和一个终点。 2. 使用启发式算法找出从起点到终点的最优路径。 3. 对于每条边,计算其代价。代价可以是边的距离、时间或其他因素。 4. 选择具有最小代价的边,并标记为已访问。 5. 如果终点已被标记,则找到了最优路径;否则继续搜索。 在这个过程中,启发式算法会考虑许多因素,如边的代价、节点的度数和距离等,来帮助搜索更有效地找到最优路径。 ### 回答2: 链路预测是指根据已有网络结构,预测该网络中可能存在的未连接的链路。而启发式算法是一种通过经验和规则来指导搜索方向的算法。因此,利用启发式算法进行链路预测是指通过一种基于规则和经验的算法来预测未连接的链路。 启发式算法链路预测中有广泛的应用。常见的启发式算法包括基于相似性的算法、基于概率的算法和基于网络结构的算法。 基于相似性的启发式算法通过比较节点对之间的相似性度量指标来预测链路。例如,可以使用节点之间的共同邻居数量或节点之间的Jaccard系数作为相似性度量指标,根据相似性度量指标的大小排序预测未连接的链路。 基于概率的启发式算法使用随机过程建模方法来预测链路。例如,可以使用随机游走模型,通过迭代过程模拟网络中的随机游走行为,根据游走结果来预测链路的概率。 基于网络结构的启发式算法则根据网络的拓扑结构特征来进行链路预测。例如,可以利用节点的度中心性或介数中心性来预测链路,高中心性节点之间的未连接链路的概率较高。 综上所述,启发式算法是利用规则和经验来指导链路预测的一种方法。基于相似性、概率或网络结构的启发式算法可以根据具体的链路预测需求进行选择和应用。 ### 回答3: 链路预测是指根据已有的网络拓扑结构,预测其中可能存在的未知连接关系。而启发式算法是一种问题求解的方法,通过根据经验或某种规则来指导搜索过程,从而找到问题的近似最优解。 利用启发式算法进行链路预测,通常需要先获取网络的拓扑结构信息,例如节点之间的连接关系、节点的度数等。然后将已有的网络拓扑作为输入,利用启发式算法进行预测未知连接关系。 常用的启发式算法包括基于相似度的方法、基于随机游走的方法和基于机器学习的方法等。 基于相似度的启发式算法主要通过计算节点之间的相似性来进行预测。常用的相似性指标包括Jaccard系数、Adamic-Adar指数和Katz指数等。这些指标通过计算节点在共同邻居、路径长度和节点度数等方面的相似性,得到节点之间的相似度,从而预测未知连接关系。 基于随机游走的启发式算法通过模拟随机游走过程,通过节点之间的概率转移进行预测。例如,通过随机游走过程中的马尔可夫链转移概率,可以预测节点之间的连接关系。 基于机器学习的启发式算法通过训练已有网络拓扑数据,建立预测模型来进行链路预测。这些模型可以是基于决策树、支持向量机、神经网络算法的分类器或回归器。 总之,利用启发式算法进行链路预测可以根据已有网络拓扑结构,预测未知的连接关系。不同的启发式算法适用于不同的网络结构和预测需求,选择合适的启发式算法可以提高链路预测的准确性和效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值