子网划分学习

news/2024/11/17 1:54:52/

举例

10.0.1.0/30,这个给的就是网络地址,那么意思就是网络地址就是一个网段

可以得到网络地址,主机地址,广播地址

这个就是一个网段,但是他有多少的子网呢,该怎么算呢,首先根据子网掩码,我们可以得到什么

首先看下子网掩码,

30位的,我先按自己的思路走一遍

30位的,那么最后8个0,占了6个,那么就是可以有三个主机地址,就是不知道的为什么要按子网掩码就可以算出来这个网段最多有几个主机

0    0    0   0  0 0 0 0

128 64 32 16 8 4 2 1

那么可以知道,最后两位是1,2,加起来就是3,那么就是说30位的子网掩码,一个网段可以用三个主机地址

那么现在算一下

网络地址

就是子网掩码后面两位后面全都是0

10.0.1.0

255.255.255.252

算最后一位

0 0 0 0 0 0 0 0

1 1 1 1 1 1 0 0

所以就是10.0.1.0 /32,所以网络地址好像就是主机地址,懂了            //这个分析错误

主机地址是除了网络地址和广播地址                                           //分析正确

广播地址

就是30位子网后面的两位全为1

0 0 0 0 0 0 0 0              //10.0.1.0,0的二进制,这是网络地址

1 1 1 1 1 1 1 1               //255的二进制,这是子网掩码

那么它的广播地址是10.0.1.3/30

那么用公式该如何计算呢IP地址相关计算公式及计算教程_ip地址计算-CSDN博客在这篇博客找的公式

可用主机数量 = 2^(32 - 子网掩码位数) - 2

总共主机数量应该是 2^(32 - 子网掩码位数),但是网络地址和广播地址是不可以用的

2^2=4(总的主机数为4)

令n为(32 - 子网掩码位数),2^n-2,就是减掉了网络地址和广播地址

所以就是2^2-2=2(可用主机数为2),

网路地址为

10.0.1.0/30

广播地址为

10.0.1.3/30

主机地址范围

10.0.1.1~10.0.1.2

同理10.0.1.0/30就邀非常多的网段了

10.0.1.0/30            //这是一个网段,广播地址为10.0.1.3

10.0.1.4/30           //这也是一个网段,广播地址为10.0.1.7

那是如何计算子网掩码30位的网段的网络地址呢

我想起来了,要先计算子网位,看子网位有多少个

这是一个a类地址,那么它的子网掩码就是8位,但是这里是30位的,也就是说借了22为主机位,

什么是主机位,什么是子网位呢,我们看子网掩码分析,首先分析a类地址的子网掩码

255.0.0.0    //典型的a类地址,子网位是255,主机位全都是0,这里其实就只有一个子网,因为他好像没有借主机位的地址,可以用公式计算,2^0=1

那么a类私有地址的8位子网掩码,有多少个子网呢

30-8=22,那么他的子网有2^22个=4194304个,有好多个

0 0 0 0 0 0 0 0     //网络地址

1 1 1 1 1 1 0 0

如果只算后面的6位的话,应该有2^6=64个子网

0 0 0 0 0 1 0 0   //网络地址,就是广播地址前6位,任意组合就是一个子网,可以组合64个,也就是64个子网

0 0 0 0 1 0 0 0   //网络地址


http://www.ppmy.cn/news/1547586.html

相关文章

Spring Boot框架在电商领域的应用

1 绪论 1.1 研究背景 当前社会各行业领域竞争压力非常大,随着当前时代的信息化,科学化发展,让社会各行业领域都争相使用新的信息技术,对行业内的各种相关数据进行科学化,规范化管理。这样的大环境让那些止步不前&#…

Pytorch学习--神经网络--完整的模型验证套路

一、选取的图片 全部代码依托于该博客 二、代码(调用训练好的模型) import torch import torchvision from PIL import Image from model import *img_path "dog.png" image Image.open(img_path)print(image.size)transform torchvisi…

wflow-web:开源啦 ,高仿钉钉、飞书、企业微信的审批流程设计器,轻松打造属于你的工作流设计器

嗨,大家好,我是小华同学,关注我们获得“最新、最全、最优质”开源项目和高效工作学习方法 wflow-web是一个开源的工作流设计器,它支持可视化拖拽表单组件,动态任意层级结构审批节点,以及复杂流程条件的设置…

全面评估ASPICE标准对汽车软件开发的影响与效果

在评估ASPICE(Automotive SPICE)标准的效果时,可以从多个维度进行考量,以确保全面且准确地反映该标准对汽车软件和嵌入式系统开发过程的积极影响。以下是一些关键的评估方面: 1. 过程改进与标准化 标准化程度&#xf…

深度学习神经网络在机器人领域应用的深度剖析:原理、实践与前沿探索

深度学习神经网络在机器人领域的应用非常广泛,以下是详细介绍: 主要应用方向 环境感知与识别: 物体识别与分类:机器人利用深度学习神经网络能够准确识别周围环境中的各种物体,比如区分不同形状、颜色、材质的物品&…

Flume的安装与使用

一、简介 1.1、概念 Apache Flume 是一个分布式、可靠且可用的系统,专为收集、聚合和移动大量日志数据而设计。它的架构基于流式数据流模型,允许开发者通过简单的配置实现从多个来源收集数据,通过简单的配置文件,用户即可完成复…

从0开始学习机器学习--Day26--聚类算法

无监督学习(Unsupervised learning and introduction) 监督学习问题的样本 无监督学习样本 如图,可以看到两者的区别在于无监督学习的样本是没有标签的,换言之就是无监督学习不会赋予主观上的判断,需要算法自己去探寻区别,第二张…

多模态大模型简介

多模态大模型是机器学习领域的一个新兴趋势,它结合了文本、图像、音频等多种数据模态,以实现更全面和深入的信息理解和处理。这种模型能够处理跨模态任务,如图像标注、视觉问答、文本到图像的生成等,是人工智能领域的重要进展。 技…