当前位置: 首页 > news >正文

动态路由协议与 RIP 协议核心总结

一、动态路由协议基础

1. 静态路由 vs 动态路由

  • 静态路由:手工配置、人工维护、无资源消耗、适合小型固定拓扑网络。
  • 动态路由:自动生成、自动收敛、占用网络资源、适合大型复杂拓扑网络。

2. 核心功能

发现路由→通告路由→计算最优路由→拓扑变化后路由收敛

3. 协议分类

  • 按管理范围:
    • IGP(内部):RIP、EIGRP、OSPF、ISIS
    • EGP(外部):BGP
  • 按算法:
    • 距离矢量:RIP、EIGRP、BGP
    • 链路状态:OSPF、ISIS

4. 关键参数

  • 管理距离:路由协议优先级,越小越优先。Cisco:OSPF(110) < RIP(120)。
  • 度量值:同协议内路径开销,越小越优先。RIP 用跳数,OSPF 用带宽。
  • 控制平面:运行路由协议、学习路由;转发平面:数据包转发。

二、RIP 路由协议(重点)

1. 基础特性

  • 距离矢量协议,度量值 = 跳数,最大 15 跳,16 跳视为不可达。
  • 基于UDP 520端口,适合小型网络。
  • 两个版本:RIPv1、RIPv2

2. RIPv1 vs RIPv2

表格

对比项RIPv1RIPv2
类别有类别无类别
VLSM/CIDR不支持支持
发送方式广播 (255.255.255.255)广播 / 组播 (224.0.0.9)
掩码不传递掩码传递网段 + 掩码
认证不支持支持明文 / MD5 密文
自动汇总不可关闭可关闭

3. 工作机制

  • 定期更新:默认30 秒发送全部路由表(水平分割)。
  • 计时器:失效 180 秒、清除 240 秒、抑制 180 秒。
  • 水平分割:从接口学到的路由,不再从该接口发出

4. RIP 防环机制(6 种)

  1. 无穷大计数:跳数≥16 视为无效。
  2. 抑制计时器:跳数变大时启动抑制。
  3. 水平分割:默认开启,禁止回传路由。
  4. 路由毒化:失效路由通告 16 跳。
  5. 触发更新:拓扑变化立即更新,不等待周期。
  6. 毒性逆转:学到的路由以毒化路由回传。

5. 典型配置要点

  • 启用:router rip → version 2 → no auto-summary。
  • 宣告主网:network 主网段。
  • 被动接口:只收不发,适合末端接口。
  • 汇总:接口下 ip summary-address rip。
  • 缺省路由:default-information originate。

三、整体核心结论

  1. 动态路由适合大中型网络,靠管理距离选协议、度量值选路径。
  2. RIP 是简单的距离矢量协议,跳数受限、收敛慢,仅用于小型网络。
  3. RIPv2 比 v1 功能更强,支持 VLSM、认证、组播,是实际部署主流。
  4. 防环机制是 RIP 稳定运行的关键,默认开启水平分割 + 触发更新。
http://www.cnnetsun.cn/news/1641898.html

相关文章:

  • Qwen3.5-9B多模态能力解析:图文输入联合建模+VL变体兼容性说明
  • ChatGLM3-6B-128K视频处理:脚本生成与内容分析
  • DLSS Swapper终极指南:5分钟掌握游戏性能优化神器
  • LeaguePrank终极指南:免费打造个性化英雄联盟界面体验
  • AI赋能图像升级:Real-ESRGAN-GUI工具让模糊影像重获新生
  • Blender 3MF插件深度解析:从CAD设计到3D打印的完整技术实现
  • Ostrakon-VL终端实战教程:如何用Python调用API获取结构化货架数据
  • 基于卷积神经网络原理的Prompt设计:提升Phi-4-mini-reasoning视觉推理能力
  • SpikingJelly实战:梯度替代函数的选择与性能对比
  • 一个防止GPT“降智”的简单方法
  • Qwen3-14B私有AI平台搭建:WebUI界面定制与API接口二次开发
  • Python从入门到精通(第15章):装饰器原理与实战
  • intv_ai_mk11快速上手:3分钟打开网页完成首次中文自我介绍生成
  • CosyVoice2-0.5B入门必看:3秒极速复刻+流式推理+自然语言指令实操手册
  • Phi-3-mini-4k-instruct-gguf入门必看:轻量模型在边缘设备部署的可行性验证
  • 软件测试之分层测试详解
  • Phi-3 Forest Lab实战案例:用森林终端生成符合GB/T 1.1标准的国家标准草案
  • Graphormer基础教程:纯Transformer架构替代GNN的原理与实践
  • 告别手动记录:清音听真语音识别系统快速部署,中英文混合转录一键搞定
  • Qwen3.5-9B开源大模型部署:低成本GPU服务器适配与性能调优
  • Qwen3-8B模型效果实测:逻辑推理、长文本处理能力展示
  • Qwen2.5-14B-Instruct开源大模型应用:像素剧本圣殿实现剧本动作/对白/旁白自动分段
  • 人工智能应用快速原型开发:基于PyTorch 2.8和Gradio构建交互式Demo
  • 新手入门万象视界灵坛:像素风界面下的CLIP图像分析全流程
  • OpenClaw多模态研究助手:Kimi-VL-A3B-Thinking文献图表分析自动化
  • 本地部署开源元搜索引擎 SearXNG 并实现外部访问
  • 文脉定序系统Java八股文学习助手:知识点智能关联与提问排序
  • AI净界RMBG-1.4:一个命令启动HTTP服务,开启你的高效抠图之旅
  • Typora风格文档化:使用Markdown实时记录PyTorch 2.8实验过程
  • Phi-3 Forest Lab应用场景:科研人员实验设计思路启发助手