SDN系统结构

article/2025/9/6 3:38:51

SDN系统结构

SDN网络的整体结构分为三层,即应用平面、控制平面和转发平面。

SDN控制器是整个结构的核心。

SDN控制器向上与应用平面通信的接口称为北向接口,也称为NBI接口。

interface)。SDN控制器向下与数据平面通信的接口,也称为CDPI接口。

互联网,控制数据平面接口)。

北向界面相对容易,麻烦的是南向界面及其协议。因为它直接影响SDN控制器的命令能否准确到达无数底层网络设备。

两个主要的SDN接口:

1.数据平面和控制平面之间的接口(CDPI)向接口。

主要功能:控制所有转发行为、设备性能查询、统计报告、事件通知等。ONF体系结构最突出的特点:标准化界面协议,不依赖底层具体厂商的交换设备。

南接口的关键技术:转发面开放协议(南接口协议):该协议允许控制器控制开关的配置和相关性。

转发行为,例如,ONF定义的转发面开放协议是Openflow将转发面抽象为由一个或多个流表组成的转发模型。网络控制器通过Openflow协议向特定的交换机发送流表来控制交换机的特定行为。

2.控制平面与应用程序层面的接口(NBI):北向接口。

主要功能:负责为应用层提供抽象的网络视图,使应用程序能够直接控制网络行为。北接口是一个与制造商无关的开放接口。北接口的关键技术:SDN北接口设计:设计的目的是封装网络能力后打开接口,调用上层业务。目前REST。

API已经成为SDN北向界面的主流设计。以Floodlight北向API集合为例。


http://chatgpt.dhexx.cn/article/x65mfaY7.shtml

相关文章

SDN概述及架构

原文链接:https://blog.csdn.net/weixin_43265596/article/details/89787232 一、SDN概述 1.1 SDN概念 SDN是一种将网络控制功能与转发功能分离、实现控制可编程的新兴网络架构。这种架构将从控制层从网络设备转移到外部计算设备,使得底层的基础设施对…

SDN介绍

SDN介绍 什么是SDN? 二.SDN解决什么问题?三.传统网络概念和结构体系传统网络数据控制与转发:传统网络架构: 四.SDN概述SDN(Software Defined Netrork)软件定义网络。SDN的分类 …

机器学习算法面试题

机器学习算法题 线性回归和逻辑回归的异同? SVM和LR(逻辑回归)有什么不同? 线性回归的输入变量和输出变量都是连续的,逻辑回归的输入变量是连续的,输出变量是类别(或者说是离散的、枚举的)。 SVM和LR一般都…

机器学习笔试面试题目 一

笔试题: 1、下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测。 A AR模型 B MA模型 C ARMA模型 D GARCH模型 正确答案是:D 解析: AR模型是一种线性预测,即已知N个数据,可由模型推出第N点前…

深度学习(机器学习)算法面试(一)

1.请简要介绍下SVM。 SVM,全称是support vector machine,中文名叫支持向量机。SVM是一个面向数据的分类算法,它的目标是为确定一个分类超平面,从而将不同的数据分隔开。 扩展: 支持向量机学习方法包括构建由简至繁的模…

深度学习、机器学习面试问题总结

目录 1. 准确率2. 精确率、召回率和F13. BN4. GBDT梯度提升决策树5. XGboost6. 了解什么正则化方法?7. 什么是激活函数,为什么要用激活函数?8. 激活函数有哪些?8. 隐藏层为什么用relu不用sigmoid?9. 激活函数有什么性质…

[机器学习] 面试常见问题+解析汇总

机器学习面试题的分类 The first really has to do with the algorithms and theory behind machine learning. You’ll have to show an understanding of how algorithms compare with one another and how to measure their efficacy and accuracy in the right way.The se…

面试官如何判断面试者的机器学习水平?

我在阿里四年,在搜狗十年,在2010年开始从事机器学习算法工作,目前在淘系负责端智能和3D人工智能。应该是国内第一批大规模机器学习问题的参与者,和广告、推荐、CV、CG等不同方向的同学合作过,也面试过近千人了。下面我…

机器学习笔试面试题目 二

1、使用k1的knn算法, 下图二类分类问题, “” 和 “o” 分别代表两个类, 那么, 用仅拿出一个测试样本的交叉验证方法, 交叉验证的错误率是多少:A 0% B 100% C 0%到100 D 以上都不是 正确答案是: B 解析: knn算法就是, 在样本周围看k个…

【机器学习面试总结】————(一)

​ 🤵‍♂️ 个人主页:Lingxw_w的个人主页 ✍🏻作者简介:计算机科学与技术研究生在读 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 &#x1…

【转载】一篇搞定机器学习面试

序言 本文尽可能的不涉及到繁杂的数学公式,把面试中常问的模型核心点,用比较通俗易懂但又不是专业性的语言进行描述。希望可以帮助大家在找工作时提纲挈领的复习最核心的内容,或是在准备的过程中抓住每个模型的重点。 实战环境说明&#xf…

【机器学习面试总结】————(二)

🤵‍♂️ 个人主页:Lingxw_w的个人主页 ✍🏻作者简介:计算机科学与技术研究生在读 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 &#x1f4a…

机器学习面试题面经

机器学习面试题面经 深度学习卷积神经网络面试题面经 PyTorch面试题面经 Python面试题面经 Linux,Git面试题面经 HR面试题面经 KNN:特点是完全跟着数据走,没有数学模型可言。适用:需要一个容易解释的模型的时候,比…

给机器学习面试者的十项建议 | 面试官角度

在过去的一年里,我采访了一些在Expedia Group担任数据科学职位的人,职位从入门级到高级的都有。我想分享我的经验,这些经验适用于对申请数据科学职位的人。在这篇文章里,我还会给出关于你可能在面试中会遇到的问题的一些提示。 面…

51 个基本的机器学习面试问题和答案

51 个基本的机器学习面试问题和答案 机器学习面试问题:4个类别 我们传会看到机器学习面试问题涉及以下几个类别:   第一个类别与机器学习算法和理论有关。你需要展示对算法之间的比较以及如何正确地衡量它们的效果和准确性的理解。   第二个类别与你…

关于机器学习的面试题,你又了解多少呢?

前面已经陆续分享了几篇关于机器学习的博客,相信刚接触这个领域的朋友们肯定是比较感兴趣的,那么本篇博客让博主为大家介绍一些关于机器学习常见的面试题吧~ 文章目录 1、为什么需要对数值类型的特征做归一化?2、类别型特征如何处理的?3、距离/相似度…

40 个机器学习面试问题(文末福利送书)

原创 文章目录 初学者问题 (10)1. 偏差和方差之间的权衡是什么?2.解释有监督和无监督机器学习的区别3. 监督学习和无监督学习最常用的算法是什么?4.解释KNN和k-means聚类的区别5. 什么是贝叶斯定理?我们为什么用它?6. 什么是朴素…

机器学习笔试面试超详细总结(一)

文章目录 1、判别模型和生成模型2、最大概率分词3、中文分词的基本方法4、CRF(条件随机场)的特点5、隐马尔可夫模型(HMM)时间复杂度及可以使用的数据集6、在二分类问题中的评价方案7、决策树特点8、过拟合9、异方差性10、Fisher线…

机器学习常见面试题

特征工程 常用数据类型:结构化数据(类似于表)、非结构化数据(文本 图像 音频 视频…) 1.为什么要对数值类型的特征做归一化? 可以将所有特征都统一到一个相同的特征区间内。 线性函数归一化&#xff08…

机器学习面试知识点总结

文章目录 计算学习理论过拟合与欠拟合过拟合欠拟合 偏差与方差最大似然估计与贝叶斯估计极大似然估计贝叶斯决策论贝叶斯估计 特征工程与特征选择特征工程逐层归一化特征选择 模型融合融合策略 评估方法与评价指标评估方法评价指标 优化算法正则化深度模型中的优化 采样聚类与降…