博客
关于我
TCP——UDP——IP
阅读量:406 次
发布时间:2019-03-05

本文共 1045 字,大约阅读时间需要 3 分钟。

TCP/IP???????

1. ?????

??????????????????????????IP????????

  • ???????????????
  • ?????????????????????
  • ????????????????????

2. ????

DNS???????????????IP??????????????

3. ??

????????????????IP???????????TCP?UDP????

  • UDP?????IP???????UDP?????????8???
  • TCP?????IP???????TCP?????????20???TCP?UDP?????16?????????????????????????

4. TCP/IP???

????????????????????????????

5. TCP/IP??

TCP/IP??????/??????????????????/??????????????????????????????????????????

6. ??????

????

  • ?????SYN????1000?????????
  • ?????SYN-ACK????1001????????????????????
  • ?????ACK????1001?????????
  • ????

    • ????????ACK??????????????????????????ACK??????
    • ?????????????SYN?FIN????????

    ??????

  • ?????FIN???7?????????
  • ?????ACK???8???????????
  • ?????FIN???9????????????
  • ?????ACK???10?????????
  • ????????

    • TCP?????????????????
    • ?????????TIME_WAIT?????2MSL??????????
    • TIME_WAIT??????????????

    7. TCP?UDP???

    • ????TCP????????????UDP???????????
    • ????UDP??VOIP???????????
    • ???????????UDP?????

    8. ???

    • ????????????????????
    • TCP/IP???????0-65535?????0-1023??HTTP:80?FTP:21?SSH:22??

    ??????????????TCP/IP???????????????????

    转载地址:http://qsfzz.baihongyu.com/

    你可能感兴趣的文章
    pandas 生成excel多级表头
    查看>>
    pandas 读取excel数据,以字典形式输出
    查看>>
    Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
    查看>>
    pandas 适用,但仅适用于满足条件的行
    查看>>
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.columns、get_dummies等用法
    查看>>
    pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>
    pandas交换两列
    查看>>