33、DNS:互联网的隐形导航员

DNS:互联网的隐形导航员

在互联网的世界里,有一个默默工作、却起着关键作用的服务——域名系统(Domain Name Service,DNS)。它就像一位隐形的导航员,让我们能够轻松地访问网站,而无需记住复杂的IP地址。本文将深入探讨DNS的工作原理、相关工具以及如何配置DNS客户端。

1. DNS的工作原理

DNS的核心功能是在主机名和IP地址之间建立映射关系。当我们在浏览器中输入一个网址,如 http://www.absolutebsd.com/ 时,DNS会将其转换为对应的IP地址,如 209.69.178.25 。这个转换过程看似简单,实则涉及多个环节。

在UNIX系统中,解析器(resolver)负责提供DNS信息。当一个程序需要查询主机的IP地址或主机名时,它会向解析器发出请求,解析器则会从不同的信息源(如本地系统、本地DNS服务器、远程名称服务器)获取信息,并将结果返回给请求的程序。

通常情况下,解析器会将DNS查询转发给名称服务器。名称服务器接收到请求后,会先检查本地缓存,看是否已经查询过该信息。如果缓存中没有所需信息,名称服务器会向根服务器发起递归查询。根服务器会告知名称服务器应向哪些名称服务器查询,这些名称服务器可能会进一步将查询转发给其他名称服务器,直到找到该域名的权威名称服务器并获取答案。

需要注意的是,注册域名时必须指定两个名称服务器。如果其中一个名称服务器出现故障,另一个应承担起负载;如果所有名称服务器都失效,该域名将从互联网上消失,用户访问时会收到“域名未找到”的错误信息,邮件也会被退回。

下面是DNS查询的流程图:

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值