TCP和UDP的對比(附OSI七層模型框圖)

2021-01-11 酷扯兒

本文轉載自【微信公眾號：通信百科，ID:Txbaike】經微信公眾號授權轉載，如需轉載與原文作者聯繫

1. 什麼是TCP？

TCP（Transmission Control Protocol，傳輸控制協議）是面向連接的、可靠的字節流服務，也就是說，在收發數據前，必須和對方建立可靠的連接。這一過程和打電話類似：先撥號振鈴，等待對方接電話，說喂，再說自己是誰。在網際網路協議族（Internet protocol suite）中，TCP層是位於IP層之上，應用層之下的傳輸層。

面向有連接

2. 什麼是UDP？

UDP （User Datagram Protocol，用戶數據報協議），是OSI(Open System Interconnection，開放式系統互聯) 參考模型中一種非連接的傳輸層協議，提供面向事務的簡單不可靠信息傳送服務，傳輸數據之前源端和終端不建立連接，當它想傳送時就簡單地去抓取來自應用程式的數據，並儘可能快地把它扔到網絡上，故也不安全。

面向無連接

3. TCP三次握手過程？

1、 主機A通過向主機B 發送一個含有同步序列號的標誌位的數據段給主機B，向主機B 請求建立連接,通過這個數據段，主機A告訴主機B 兩件事:我想要和你通信；你可以用哪個序列號作為起始數據段來回應我。

2、 主機B 收到主機A的請求後，用一個帶有確認應答(ACK)和同步序列號(SYN)標誌位的數據段響應主機A，也告訴主機A兩件事：

一是：我已經收到你的請求了,你可以傳輸數據了；

二是：你要用哪佧序列號作為起始數據段來回應我；

3 、主機A收到這個數據段後，再發送一個確認應答，確認已收到主機B 的數據段：「我已收到回復,我現在要開始傳輸實際數據了」；

這樣3次握手就完成了，主機A和主機B 就可以傳輸數據了。

3次握手的特點：

沒有應用層的數據；

SYN這個標誌位只有在TCP建產連接時才會被置1；

握手完成後SYN標誌位被置0；

4. TCP四次揮手過程？

TCP建立連接要進行3次握手,而斷開連接要進行4次

1 、當主機A完成數據傳輸後，將控制位FIN置1,提出停止TCP連接的請求；

2、 主機B收到FIN後對其作出響應，確認這一方向上的TCP連接將關閉,將ACK置1；

3、 由B 端再提出反方向的關閉請求，將FIN置1；

4 、主機A對主機B的請求進行確認，將ACK置1，雙方向的關閉結束；

【名詞解釋】

ACK TCP報頭的控制位之一,對數據進行確認.確認由目的端發出,用它來告訴發送端這個序列號之前的數據段都收到了。比如,確認號為X,則表示前X-1個數據段都收到了,只有當ACK=1時,確認號才有效,當ACK=0時,確認號無效,這時會要求重傳數據,保證數據的完整性；

SYN 同步序列號,TCP建立連接時將這個位置1；

FIN 發送端完成發送任務位,當TCP完成數據傳輸需要斷開時,提出斷開連接的一方將這位置1；

總結：

TCP使用面向連接的通信方式，大大提高了數據通信的可靠性，使發送數據端和接收端在數據正式傳輸前就有了交互，為數據正式傳輸打下了可靠的基礎。

5. TCP與UDP的區別？

1、TCP基於連接，而UDP基於無連接的；

2、對系統資源的要求：TCP較多（TCP有20個字節信息包），UDP少（UDP信息包只有8個字節）；

3、UDP程序結構較簡單；

4、TCP是字節流模式，而UDP是數據報文模式 ；

5、TCP保證數據正確性，安全可靠，並且保證數據順序，而UDP可能丟包，而且UDP不保證數據順序。

OSI七層模型框圖

相關焦點

  • 晨控智能工業RFID應用:OSI(開放式系統互聯)七層網絡模型詳解
    TCP/IP五層劃分為：應用層、傳輸層、網絡層、數據鏈路層、物理層。 TCP/IP四層劃分為：應用層、傳輸層、網絡層、網絡接口層。 劃分為多少層都沒有關係，因為實際在物理上這七層是不存在的，這七層的概念，只是人為的劃分而已，區分出來的目的只是讓我們能夠更好的明白哪一層的作用。
  • 科普文,TCP/IP 模型中的網絡層的協議
    先說TCP/IP模型，這是一組實現通信的協議簇，由一系列相關網絡通信協議組成。目標非常明確，用來是實現Internet/Intranet/ Extranet各項功能的基礎。開發者很聰明，為了推廣，賦予了TCP/IP模型鮮明的個性特點：開放性，標準化，免費，跨平臺，統一編制。在這裡科普一下，如果你想在計算機的領域獲得最大的利益，就要成為標準的制定者，付錢的是客戶，不付錢的只能被定義成用戶。想做大事業，就別怕吃虧，龐大的用戶群會帶來，龐大的客戶群。在網際網路的世界裡，體量是一個非常重要的衡量參數。
  • 淺談TCP/IP傳輸層TCP BBR算法
    0x02.傳統擁塞控制算法回顧2.1 算法目的看到一篇文章說到TCP 傳輸層擁塞控制算法並不是簡單的計算機網絡的概念，也屬於控制論範疇，感覺這個觀點很道理。關於基於RTT的TCP Vegas算法的詳細介紹可以查閱文檔：http://www.cs.cmu.edu/~srini/15-744/F02/readings/BP95.pdf文檔對Vegas算法和New Reno做了一些對比，我們從直觀圖形上可以看到Vegas算法更加平滑，相反New Reno則表現除了較大的波動呈鋸齒狀，如圖所示：
  • 網絡基礎知識:OSI七層計算機架構史上最詳細解析,網工必備
    OSI/RM體系結構包含七層結構：物理層、數據鏈路層、網絡層，傳輸層、會話層，表示層，應用層。七層傳輸單元依次為：應用層數據、表示層數據、會話層數據、傳輸層數據段、網絡層IP數據包/組、數據鏈路層數據幀、比特流，後者均依次包含前者。
  • TCP/IP、UDP、HTTP、MQTT、CoAP這五種物聯網協議
    在IoT 開發中協議最大的不同是在 OSI 模型的應用程式層。這一層在通信網絡中指定了接口方法。系統如何連接伺服器且數據如何發送都由這一層來決定。它運行在一個客戶/伺服器模型上，伺服器響應任何的客戶端需求。因 web 網頁可能會加載很多內容，因此該協議有必要建立在 TCP/IP 堆棧之上。
  • 乙太網交換機和路由器的區別,二者有無共同點?
    您知道乙太網交換機和路由器有什麼不同嗎？在osi七層模型上來分析，交換機在第二層工作，路由器在第三層上工作。交換機查找某一臺電腦的方式是通過查找mac地址，就是通過您網卡上固有的一個唯一識別編號來進行查找的。
  • 嵌入式WEB伺服器中TCP/IP協議棧的設計與實現
    由於Web技術的開放性和獨立平臺特性，大大降低了軟體系統和通信系統的設計、維護工作量，節省了人員培訓費用，提高了現場測試和控制設備的管理水平。而嵌入式Web伺服器將Web伺服器引入到現場測試和控制設備中，在相應的硬體平臺和軟體系統的支持下，使傳統的測試和控制設備轉變為具備了以TCP/IP為底層通信協議，Web技術為核心的基於網際網路的網絡測試和控制設備，有著一般Web伺服器所不具有優勢。
  • 科學家提出具有同層側向激勵和抑制的卷積脈衝神經網絡模型
    這種側向作用後來在鱟、貓等多種動物的不同感覺系統中被證實並應用在仿生的計算模型中。 LISNN的結構如圖2所示，前端是兩層具有卷積感受野的脈衝神經元層，每層後面有一層平均池化層，後端是兩層全連接的脈衝神經元層。具有卷積感受野的脈衝神經元在模型中承擔特徵提取的功能，類似於感受器的作用，因此只在這層結構中使用側向作用。
  • 自動化所提出具有同層側向激勵和抑制的卷積脈衝神經網絡模型
    這種側向作用後來在鱟、貓等多種動物的不同感覺系統中被證實並應用在仿生的計算模型中。　　LISNN的結構如圖2所示，前端是兩層具有卷積感受野的脈衝神經元層，每層後面有一層平均池化層，後端是兩層全連接的脈衝神經元層。
  • 系統性質與框圖
    如果要我來說這門課程裡一以貫之的兩個關鍵詞，也的確非「線性」和「時不變」莫屬了。所以，大家一定要把系統「線性」和「時不變」概念理解清楚弄透徹了！線性和時不變性表1    系統的線性與時不變性「因果性」的一般定義：（該定義同時適用於連續時間系統和離散時間系統）如果一個系統在任何時刻的輸出只取決於現在的輸入及過去的輸入，該系統就稱為因果（causal）系統。2.
  • 計算機網絡(OSI模型物理層的相關知識點及概念)
    在計算機網絡體系結構中，我們知道，採用分層結構是為了減少計算機網絡通信的複雜度，每一層都有特定的任務，各層之間都互不影響，同時，處於計算機網絡體系結構中下層結構會上層結構提供接口服務。物理層處於OSI模型中的最底層，它主要負責如何在連接各種計算機的傳輸媒介上傳輸數據比特流。
  • 手機是怎樣做出來的(十二)--ID效果圖及線框圖
    設計師和客戶的溝通就越有效。圖3 線框圖上面一張圖叫效果圖，中間一張叫工藝說明圖，底部一張叫線框圖，第一張圖給出了手機的外形，以及曲面的形狀以及質感， 第二張圖給出了手機的材料及表面工藝及效果，第三張圖給出了產品的外形線條，在設計之前，我們要充分讀懂這
  • 七氟丙烷和氣溶膠滅火系統的對比分析
    2、七氟丙烷（FM200）滅火系統     2.1FM200的基本情況：七氟丙烷HFC227ea的化學分子式為CF3CHFCF3。FM200是一種較為理想的哈龍替代物，對大氣的臭氧層沒有破壞作用，消耗大氣臭氧層的潛能值ODP為零，但有很大的溫室效應，其GWP《0.5。FM200有很好的滅火效果，並被美國環境保護署推薦，得到美國NFPA2001及ISO的認可。
  • 從FM推演各深度CTR預估模型(附代碼)
    同時，我們將各典型論文不同風格的神經網絡結構圖統一按照計算圖來繪製，以便於對比不同模型。為了去除重複項與特徵平方項，上式可以進一步改寫成更為常見的FM公式： 對比二階多項式模型，FM模型中特徵兩兩相乘（組合）的權重是相互不獨立的，它是一種參數較少但表達力強的模型。此處附上FM的TensorFlow代碼實現，完整數據和代碼請參考網盤。