当前位置: 首页 > news >正文

2010年408(34)真题类似题详解:报文交换 vs 分组交换时延对比

📡 2010年408(34)真题类似题详解:报文交换 vs 分组交换时延对比

题目来源:高校计算机网络课程典型例题
难度等级:★★★☆☆(基础但易错)
适用人群:备考408考研、学习计算机网络的初学者
核心考点:存储-转发机制、报文交换与分组交换的时延分析


🔍 题目原文

【例】主机甲通过1个路由器(存储-转发)与主机乙互联,两段链路的数据传输速率均为10 Mbps,主机甲分别采用报文交换分组大小为10 kb的分组交换向主机乙发送一个大小为8 Mb的报文。若忽略链路传播延迟、分组头开销和分组拆装时间,则两种交换方式完成该报文传输所需的总时间分别为( )。

A. 800ms、1600ms
B. 801ms、1600ms
C. 1600ms、800ms
D. 1600ms、801ms


✅ 解题目标

比较报文交换分组交换在相同网络条件下,传输同一个报文所花费的总时间

关键在于理解:

  • 存储-转发机制下,必须完整接收才能转发;

  • 流水线效应在分组交换中的作用;

  • 谁先到达终点?谁最后到达?


🧩 第一步:统一单位

  • 报文大小:8 Mb = 8 × 10⁶ 比特(注意是“Mb”= megabit)

  • 链路速率:10 Mbps = 10⁷ bps

  • 分组大小:10 kb = 10,000 比特 = 10⁴ 比特

⚠️ 注意:这里用的是“kb”表示千比特(kilo-bit),不是字节。
所以 10 kb = 10,000 bits,不是 10,000 字节!


✅ 情况一:报文交换(Message Switching)

特点:

  • 整个报文作为一个整体发送;

  • 路由器必须完整接收整个报文后,才能开始转发;

  • 无流水线,串行处理。

计算过程:

1. 主机甲 → 路由器
  • 发送时间 ==800 ms

2. 路由器 → 主机乙
  • 路由器收到后,再发送给乙,同样需要 800 ms

总时间:

✅ 因为是存储-转发,必须等前一段发完才能发下一段。


✅ 情况二:分组交换(Packet Switching)

特点:

  • 将报文划分为多个小分组;

  • 每个分组独立传输;

  • 支持流水线传输(Pipeline);

  • 路由器收到一个分组就立即转发(存储-转发)。

步骤 1:计算分组数量

  • 报文大小:8 × 10⁶ bits

  • 每个分组:10⁴ bits

  • 分组数:

步骤 2:计算单个分组的发送时延

  • 每跳发送时间 =

步骤 3:分析第一个分组的传输路径

  • 甲 → 路由器:1 ms

  • 路由器 → 乙:1 ms

  • 所以第一个分组在t = 2 ms到达乙

步骤 4:分析最后一个分组的传输路径

  • 第一个分组在 t=0 开始发送

  • 第二个分组在 t=1 ms 开始发送(因为前一个发完才发下一个)

  • ...

  • 第 800 个分组在 t = (800 - 1) × 1 =799 ms时从甲发出

然后它要经过:

  • 甲 → 路由器:1 ms → 到达路由器:800 ms

  • 路由器 → 乙:1 ms → 到达乙:801 ms

✅ 所以,最后一个分组到达乙的时间是 801 ms

这就是整个报文被完全接收的时间!


✅ 对比结果

交换方式

总时间

报文交换

1600 ms

分组交换

801 ms


✅ 正确答案

D. 1600ms、801ms


💡 关键结论

项目

报文交换

分组交换

是否拆分

是否流水线

网络利用率

最终时间

1600 ms

801 ms

分组交换虽然每个分组有额外处理开销,但在本题中忽略这些因素,因此能实现更高的效率。


❗ 常见误区提醒

  1. 误以为分组交换更快是因为“并行”
    实际上是流水线,不是并行。每个分组仍按顺序发送。

  2. 忘记最后一个分组的延迟
    很多人只算到“第800个分组发出”,忘了它还要走两跳。

  3. 混淆单位
    “8 Mb”是比特,不是字节;“10 kb”也是千比特

  4. 认为分组交换时间更短是因为“不需等待”
    错!分组交换也需要等待,只是等待时间更短


📚 延伸思考

  • 如果分组头占 20 bits,会如何影响?

  • 若使用虚电路数据报模式,有何区别?

  • 如果链路带宽变为 1 Gbps,结果会怎样?

欢迎在评论区讨论!

http://www.jsqmd.com/news/240730/

相关文章:

  • 【课程设计/毕业设计】基于python机器学习卷积网络训练识别核桃好坏基于python深度学习卷积网络训练识别核桃好坏
  • 计算机深度学习毕设实战-基于python的深度学习卷积神经网络识别苹果品质基于python_CNN深度学习卷积神经网络识别苹果品质
  • 【系统架构师备考笔记】005 信息系统的分类与应用
  • 【课程设计/毕业设计】基于python-CNN机器学习卷积神经网络训练识别牙齿是否健康基于python-CNN卷积神经网络训练识别牙齿是否健康
  • CSS 列表详解
  • JS 隐式转换和显示转换
  • 【计算机毕业设计案例】基于python-CNN深度学习卷积神经网络对鸟类识别基于python-CNN卷积神经网络对鸟类识别
  • 【课程设计/毕业设计】基于深度学习python-CNN卷积神经网络对墙体有无污渍识别基于python-CNN卷积神经网络对墙体有无污渍识别
  • 深度学习毕设项目:基于python_CNN卷积神经网络识别苹果品质基于python_CNN深度学习卷积神经网络识别苹果品质
  • 012-计算机网络实验报告完整版!
  • 30+ QA面试常见问题与应答解析
  • Vue3 使用 Ajax (Axios) 实现前后端交互
  • Node.js用Array.at避免数组越界
  • API测试面试全攻略
  • 2025企业AI战略的“多云”趋势:AI应用架构师的3个部署建议
  • 深度学习计算机毕设之基于python_CNN机器学习深度学习卷积神经网络识别苹果品质基于python_CNN深度学习卷积神经网络识别苹果品质
  • 3/1/3七轴机器人逆解肘关节点计算方法介绍
  • 【Python大数据毕设推荐】:Hadoop+Spark+Django咖啡店销售数据分析系统源码 毕业设计 选题推荐 毕设选题 数据分析 机器学习
  • DeepSeek生成内容准确性校验:三大核心方法避坑指南
  • 力扣hot100_链表(3)_python版本
  • 数据分析师专属Prompt设计指南:引导DeepSeek精准生成分析报告的指令框架
  • Python爬虫(54)Python数据治理全攻略:从爬虫清洗到NLP情感分析的实战演进
  • 【毕业设计】基于深度学习识别混凝土是否有裂缝基于python-CNN深度学习识别混凝土是否有裂缝
  • 安装Anaconda+Python(2025超详细)
  • BOM是什么?如何理解BOM在整个生产管理中发挥的作用?
  • 【开源工具】深度解析:Python+PyQt5打造微信多开神器 - 原理剖析与完整实现
  • 基计算机深度学习毕设实战-基于卷积网络训练识别核桃好坏基于python深度学习卷积网络训练识别核桃好坏
  • 深度学习毕设选题推荐:基于python-CNN卷积神经网络对墙体有无污渍识别基于机器学习卷积神经网络对墙体有无污渍识别
  • 【2026视频播放器】电脑手视频播放器 PotPlayer‌,KMPlayer,VLC media player,MPV,MPC-HC,GOM Player‌,ACG
  • 微服务服务发现全解析:Eureka、Nacos 与 ZooKeeper 对比与选型指南