重庆源码时代老师直接接听

400-029-09** 400-029-0997 转 25931
查看完整号码
扫码拨号
微信扫码拨号

网络工程师培训之常见问题汇总

2021/8/18 9:07:50

网络工程师培训之常见问题汇总

近几年网络的发展，导致IT行业人才紧缺，IT人员工资普遍高于其他行业，还有一种岗位也在水涨船高，那就是“网络工程师”，今天上海网络工程师培训班给大家汇总网络工程师在学习中遇到的常见问题，有需求的同学可以收藏喔。

某同学要抓取路由的时候，使用了ACL来抓取，但是却一些网络号相同，但是掩码不相同的路由。

解答：ACL抓取路由是基于网络号来抓取的，如果想要的抓取某一位数的掩码路由时，我们需要用专业的抓取路由的工具(前缀列表)，可以更精准更灵活，如：

ip prefix-list TEST-1 permit 44.44.44.0/24

ip prefix-list TEST-2 permit 66.66.66.0/24

2.某同学问，路径控制实验中，需求7中数据流的优先级默认都为1了?否则问题8完成后，随便ping下就被抓了?

并不是所有数据，只是A1到F区的所有数据。当然，你可以在配置route-map时 match特定地址的特定协议，再做set 优先级。实验的目的只是告诉你怎么用，什么效果。例如：

route-map TEST-1 permit 10

match ip address xxx

match protocol tcp

set ip precedence priority

!

3.在CCNP阶段，一位学员在做BGP实验的时候，对于在R5上的汇总有疑惑，不明白是在eigrp上汇总还是在ospf上汇总?

解答：题目要求是在R5设备上进行汇总，那么也就只能在ospf上进行汇总。如果一定要在eigrp上汇总的话，应该在R3设备上进行汇总，但是这样子就违背题意了。

4.某同学NP课程中的BGP实验中，提出一个问题。为什么对于30.30.30.0/27这条路由，在R6上有两个下一跳，而R4上只有一个?

解答：R1为路由反射器，R4/R6为客户端。由于路由反射器只会反射优路由传递给邻居。所以对于30.30.30.30/27，在R4上只一条路由，而R1和R6会有两条路由。

具体路由传递过程：先R4和R6都收到来自R7的路由，加入BGP表后传递给R1。R1收到这两条路由后加入BGP表，选择来自R4的为优(因为route-id小)，之后R1再将该路由发送给R6，R6收到后将该路由加入BGP表，但是选择来自R7的路由为优(EBGP)。

5.在NP课程的BGP实验中，设R3在EIGRP中宣告3.3.3.3/32，然后将EIGRP重分布进OSPF中，此时R5与R7路由表中对于3.3.3.3/32是OSPF路由。如果R3同时在BGP中宣告3.3.3.3/32，为什么在R5和R7的OSPF路由都会消失?

解答：在R5上，由于从R3收到的是EBGP路由，AD为20，小于EIGRP AD 90，所以BGP加表，那么OSPF路由直接被抑制，不加表。

之后R5将路由传递给IBGP邻居R7，因为在R5中，OSPF路由已经被抑制不加表，所以无法在传递OSPF路由给R7，那么R7就只能加载BGP的3.3.3.3/32，AD为200。

6.在CCNA阶段，许多同学都会反映unl文件如何使用?以及EVE实验中的VPC应当如何配置ip地址?

解答：unl文件是用来导入实验预配的。导入到EVE，自动生成拓扑图和预配信息。

在EVE中的VPC中ip地址配置的格式为ip [ip-address] [mask] [gateway]

7.某位CCNA阶段学员在交换机上配置trunk端口的时候，没有配置switchport trunk encapsulation dot1q这条命令，导致不能够通信，于是便问道，是不是要设置为trunk端口都需要配置该条命令?

解答：是的，由于思科设备默认封装模式是ISL，因此不管是二层交换机还是三层交换机，在配置trunk时都需要加上这条将封装模式修改为dot1q的命令，那如果有些设备只支持dot1q的话就不需要配置该命令。

                                                    文中图片素材来源网络，如有侵权请联系删除

       大数据4v特征是指？

大数据指的是那些超出传统数据库系统处理能力的数据。数据量大，传输速度慢，结构不适用于原始数据库系统;要想在大数据中获得价值，我们必须选择其他方法来处理它。

在过去，数据中隐藏着很多有价值的模式和信息，提取它们需要花费大量的时间和成本。像沃尔玛和谷歌这样的企业都会为从海量数据中挖掘信息付出高昂的代价。如今，硬件、云架构和开放源码软件等各种资源使得大数据的处理更加方便和廉价。

大数据方面核心技术有哪些?

1.大规模数据采集。

大数据收集，是指将来自不同来源的结构性或非结构性的大数据，进行的收集。

资料库收集：sqoop和etl很受欢迎，mysql和oracle这两个传统的关系数据库仍然是很多企业的数据存储方式。当然，目前kettle和talend本身都是开放源码，它们还集成了大数据集成内容，可以在hdfs、hbase和主流nosq数据库之间实现数据同步和集成。

网路资料收集：藉由网路爬虫或网站资料收集api，从网页取得非结构化或半结构化资料，并将其整合成本地资料的资料收集方法。

档案收集：包括实时档案收集与处理技术的flume，基于elk的日志收集与增量收集等。

2.大数据的预处理。

大数据预处理，是指在分析数据之前，对收集到的原始数据进行的一系列操作，如“清理、填充、光滑、合并、规范、一致性检查”等，目的在于提高数据的质量，为以后的分析工作打下基础。资料的预处理主要由资料、资料整合、资料转换、资料规约四部分组成。

资料：指使用诸如etl等工具，对遗漏资料(缺少感兴趣的属性)、噪音资料(有错误的资料或偏离预期值的资料)、不一致资料进行处理。

资料整合：指不同资料来源的资料，整合为一个统一的资料库，储存方法，着重解决三个问题：模式匹配、资料冗余、值冲突检测及处理。

资料转换：指对提取的资料中存在的矛盾之处，进行处理的过程。该方法还包括数据清洗，即根据业务规则对异常数据进行清洗，以保后续分析结果的准确性。

“数据规范”：指大限度地保持数据的原始状态，大限度地精简数据量，从而获得对较小数据集的操作，包括：数据方集合、维规约、数据压缩、数字规范、概念分层等。

3.大数据存储。

大容量存储，是指用存储器，以数据库的形式，存储所收集的数据的过程，它有三种典型的路径：

a.基于mpp体系结构的新型数据库集群。

利用sharednothing体系结构，结合mpp体系结构下的分布式计算模式，利用列存储、粗粒度索引等大型数据处理技术，重点研究了行业大数据展开的数据存储方式。由于其成本低、性能好、可扩展性强等特点，被广泛应用于企业分析类应用领域。

与传统数据库相比，其基于mpp产品的pb级数据分析能力具有明显优势。当然，mpp数据库，也成为新一代企业数据仓库的佳选择。

b.基于hadoop的技术扩展与封装;

以hadoop为基础的技术扩展和封装，针对传统关系型数据库难以处理的数据和场景(非结构化数据的存储和计算等等)，利用hadoop的开放源码优势和相关特性(擅长处理非结构化、半结构化数据、复杂的etl流程、复杂的数据挖掘和计算模型等等)，衍生出相关大数据技术的过程。

随着技术的进步，它的应用场景将逐渐拓展，目前典型的是：通过扩展和封装hadoop来支持因特网上的大数据存储、分析，这一过程涉及到数十种nosql技术。

c.大数据处理一体机。

它是一款软件和硬件相结合的产品，专门用于大数据的分析处理。该系统包括一组综合服务器、存储设备、操作系统、数据库管理系统，以及预先安装并优化的用于数据查询、处理、分析的软件，具有良好的稳定性和纵向扩展性。

4.大数据分析与挖掘。

对杂乱无章的数据，从可视化分析、数据挖掘算法、预测性分析、语义引擎、数据质量管理等方面进行提取、提炼和分析的过程。

一是视觉分析法。

直观分析，是指运用图形的方法，清楚、有效地传达和传递信息的分析方法。它主要用于海量数据的关联分析，即借助可视化数据分析平台，对分散、异构的数据进行关联分析，生成完整的分析图表。

其特点是简明明了，清晰直观，易于接受。

二是数据挖掘算法。

数据采掘算法，就是通过建立数据挖掘模型，对数据进行试探、计算、分析的方法。这是大数据分析理论的核心。

由于数据挖掘算法的种类繁多，不同的算法基于不同的数据类型和格式会表现出不同的数据特征。但是，通常情况下，创建模型的过程是类似的，即先分析用户提供的数据，然后寻找特定类型的模式和趋势，并根据分析结果定义创建一个挖掘模型的佳参数，并将这些参数应用到整个数据集中，以提取可行模式和详细统计信息。

三是预测性分析。

预见性分析，是大数据分析的一个重要应用领域，它综合了许多先进的分析功能(尤其是统计分析、预测建模、数据挖掘、文本分析、实体分析、优化、实时评分、机器学习等)，以实现对不确定性事件的预测。

通过分析分类器和非分类器数据中的趋势、模式和关系，用分类器和非分类器的指标预测未来的事件，为采取相应措施提供依据。

四是语义引擎。

语义机是指通过对已有数据进行语义化操作来改善用户的网络搜索体验。

五是数据质量管理。

在数据的整个生命周期的每一个阶段(规划、获取、储存、共享、维护、应用、消失等)都有可能引起各种类型的数据质量问题，为了提高数据质量而进行的一系列操作，如识别、测量、监测和预警。

大数据可以应用在哪些方面?

民间：例如，在医疗领域，病人数据能使医生更科学地诊断疾病，更有效地判断疾病信息;而在技术公司方面，他们将更了解用户，因为他们一直在收集用户信息，然后有针对性地推出应用;

就农业而言：根据大量数据更能科学合理地判断种植施肥数据，科学地赋予农业功能。

就工业而言，通过半导体和5g技术，机器人将被广泛使用，从而有效地降低人力成本，提高生产力。

 

                                                    文中图片素材来源网络，如有侵权请联系删除

添加微信咨询
王老师 @重庆源码时代

专业解答各类课程问题、介绍师资和学校情况

微信号：178******93

立即咨询

“重庆源码时代”是重庆一夫当关科技有限公司在教育宝平台开设的店铺，若该店铺内信息涉嫌虚假或违法，请点击这里向教育宝反馈，我们将及时进行处理。

机构评分

环境：5.0师资：5.0服务：5.0效果：5.0

公示信息

店铺名称：重庆源码时代

单位名称：重庆一夫当关科技有限公司

账号名称：ymsd（199******46）

所属城市：重庆

入驻时长：15年

在线客服：在线聊

相关课程

微信咨询

返回顶部