MSTP技术

一、STP/RSTP 的局限性

STP(生成树协议)和 RSTP(快速生成树协议)存在一些明显的局限,主要包括:

  • 所有 VLAN 共享一颗生成树,这导致无法实现不同 VLAN 在多条 Trunk 链路上的负载分担。例如,当网络中有 VLAN1~VLAN100 时,若某条链路被阻塞,可能导致 VLAN1~VLAN50 或 VLAN51~VLAN100 的通信中断。
  • 可能出现次优二层路径,比如在 VLAN3 的通信中,数据传输路径可能不是最优的,影响网络效率。

二、MSTP 的基本概念及优势

1. MSTP 的定义

MSTP(多生成树协议)是基于实例计算多颗生成树的协议,实例间可实现负载分担,其标准协议为 IEEE802.1s。简单来说,就是可以为不同的 VLAN 组(实例)创建不同的生成树,让不同 VLAN 的流量走不同路径,提高链路利用率。

2. MST 域

MST 域是拥有相同 MST 配置标识的网桥构成的集合,配置标识包括三个部分:

  • 域名;
  • 配置修订号;
  • VLAN 与实例映射关系。

例如,Region1 可能将 VLAN2 映射到 Instance2,VLAN4 映射到 Instance4;Region2 可能将 VLAN4 映射到 Instance4,VLAN5 映射到 Instance5,不同域的映射关系可不同。

3. 关键概念

  • MSTI(多生成树实例):每个实例对应特定的 VLAN,可独立计算生成树拓扑。比如 VLAN3 可映射到 Instance3,VLAN5 可映射到 Instance5,其他 VLAN 映射到 IST(内部生成树)。
  • 端口角色:包括 Master 端口等,其他端口角色定义和 RSTP 相同。Master 端口是 IST 根桥在 CIST(公共内部生成树)上的根端口。

三、MSTP 工作原理

1. BPDU 格式

MSTP 的 BPDU 包含两部分:

  • RST BPDU 字段:包括 Protocol ID、CIST Root ID 等参数;
  • MST 专有字段:包括 Version3 Length、MST Configuration ID 等。

2. 优先级向量

  • CIST 优先级向量:格式为 {RootID: ERPC: RRootID: IRPC: DesignateBridgeID: DesignatePortID: RcvPortID},比较原则是 “最小最优”,按顺序比较各参数。比如先比总根 ID,总根 ID 小的更优;若相同,再比外部路径开销,以此类推。
  • MSTI 优先级向量:格式为 {RRootID: IRPC: DesignateBridgeID: DesignatePortID: RcvPortID},同样按 “最小最优” 比较,先比 MSTI 域根 ID。

3. 计算方法

MSTP的计算是打包在一起同步计算的,在报文中包含多个信息,先查CIST配置信息,如果域配置相同,则需要计算IST(MSTI的计算参数是包含在IST BPDU中一起计算的,也就是每个实例的线路)和CST,如果域配置不同,则只计算CST

举例:当 SWA 向 SWB 发送 BPDU 时,SWB 会先检查专有字段中的 “域名” 和 “VLAN 映射”:如果和自己的配置一致,就认为是同一域,可协同计算 MSTI;如果不一致,则视为不同域,仅通过 CST 通信。

  • CST(公共生成树)/IST 的计算和 RSTP 类似;
  • MSTI 的计算仅限于区域内,且其计算参数包含在 IST BPDU 中,与 IST 计算同步完成。

四、MSTP 兼容性

  • MSTP 与 RSTP 互操作时,RSTP 桥会将 MSTP 域看作一个桥 ID 为域根 ID 的 RSTP 桥,实例 0 用于与 STP/RSTP 对接。
  • MSTP 的工作模式有三种,具体如下:
    • STP 模式:只能和 STP 交换机交互,仅收发配置 BPDU;
    • RSTP 模式:运行 RSTP,若检测到相邻交换机为 STP 模式,则切换为 STP;
    • MSTP 模式:运行 MSTP,可兼容 RSTP 和 STP 模式。

五、典型配置案例

以单域多实例组网为例,配置步骤如下:

  1. 配置 MST 域参数:如 SWA 的配置,包括启用 MSTP、设置域名为 RegionA、修订号为 1,将 VLAN2-10 映射到 Instance1,VLAN11-20 映射到 Instance2,并设置实例优先级。
  2. 设置端口:配置点到点链路和边缘端口,例如 SWC 的 E1/0/2 和 E1/0/3 设为边缘端口。
  3. 验证配置:通过display stp brief命令查看端口状态,如 SWA 的 Instance1 中 E1/0/12 和 E1/0/15 为转发状态,SWC 的 Instance1 中 E1/0/12 为根端口(转发状态)。

六、保护机制

1. BPDU 保护

启用后,若边缘端口收到配置消息,MSTP 会将这些端口关闭,防止边缘端口受攻击导致拓扑变动。配置命令为[H3C] stp bpdu-protection在MSTP中,边缘端口意外接入一个交换机时,会触发边缘端口保护机制,端口会被关闭,只能由管理员来开启

2. 根桥保护

对于设置了根保护的端口,若收到某实例优先级更高的配置消息,该端口会变为指定端口并进入侦听状态,不再转发报文。配置命令为[H3C-Ethernet1/0/1] stp root-protection

3. 环路保护

配置后,若端口收不到上游设备的 BPDU 报文,该端口在所有实例中均处于 Discarding 状态,防止环路产生。配置命令为[H3C-Ethernet1/0/1] stp loop-protection

4. TC 保护

设置设备在 10 秒内收到 TC-BPDU 后,地址表项删除操作的最多次数,避免频繁删除给设备带来负担。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/news/915712.shtml
繁体地址,请注明出处:http://hk.pswp.cn/news/915712.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[IMX][UBoot] 16.Linux 内核移植

目录 1.修改 Makefile 2.新增配置文件 3.新增设备树文件 4.新建编译脚本 5.修改 CPU 频率 6.EMMC 适配 7.网络驱动适配 1.修改 Makefile 修改顶层 Makefile 中的架构信息 ARCH 和交叉编译器 CROSS_COMPILE,修改后不需要在执行 make 时手动指定这两个变量的值…

数据库 × 缓存双写策略深度剖析:一致性如何保障?

前言 缓存,几乎是现在互联网项目中最常见的一种加速工具了。 通过缓存,我们能大幅提升接口响应速度,减少数据库的访问压力,还能支撑各种复杂的业务功能,比如排行榜、风控系统、黑名单校验等等。 不管你用的是本地缓存…

主流Java Redis客户端深度对比:Jedis、Lettuce与Redisson性能特性全解析

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 持续学习,不断…

AI问答系统完整架构规划文档

📋 目录 现有代码架构分析 AI核心组件缺口分析 完整技术架构设计 开发路线图 技术实现要点 🏗️ 现有代码架构分析 当前项目结构 ai问答/ ├── main.py # FastAPI服务入口,API路由 ├── model.py # 基础LLM模型加载与推理 ├── rag.py …

圆柱电池自动分选机:全流程自动化检测的革新之路

在新能源产业快速发展的背景下,圆柱电池作为动力电池和储能领域的核心组件,其生产效率与质量把控至关重要。圆柱电池自动分选机的出现,通过全流程自动化检测技术,为电池制造与分选环节提供了高效、精准的解决方案。传统电池分选依…

leetcode 1695. 删除子数组的最大得分 中等

给你一个正整数数组 nums ,请你从中删除一个含有 若干不同元素 的子数组。删除子数组的 得分 就是子数组各元素之 和 。返回 只删除一个 子数组可获得的 最大得分 。如果数组 b 是数组 a 的一个连续子序列,即如果它等于 a[l],a[l1],...,a[r] &#xff0c…

netty的编解码器,以及内置的编解码器

一、编码器和解码器 1、什么是编码和解码 解码常用于入站操作,将字节转换为消息。编码用于出站,将消息转换为字节流 2、解码器ByteToMessageDecoder和ReplayingDecoder,ReplayingDecoder扩展了ByteToMessageDecoder类,使得我们不必…

一个基于现代C++智能指针的优雅内存管理解决方案

目录 问题陈述 (Problem Statement) 1.1 问题背景与动机1.2 问题复杂性分析1.3 传统解决方案的局限性1.4 目标需求定义 预备知识 (Preliminaries) 2.1 C智能指针基础2.2 循环引用问题详解2.3 自定义删除器2.4 引用计数机制深入理解 核心解决方案 (Core Solution) 3.1 设计思路…

LabVIEW单片机温控

基于 LabVIEW 与单片机设计温度控制系统,整合硬件电路、串口通信、控制算法及监控功能,适用于教学实验及中小型设备温控场景。系统以低成本实现高精度温控,为同类控制系统设计提供参考。应用场景教学场景:作为自动化专业综合实验项…

【初识数据结构】CS61B中的最小生成树问题

本教程总结CS61B 关于图章节中的最小生成树(Minimum Spanning Trees, MST)问题,以及对应的的算法什么是最小生成树(MST) 考虑这样一个问题,给你一个无向图,你能不能找出这个图中的一组边&#x…

vue apk返回键不好使

在 Android 设备上,你可以通过监听物理返回键来实现特定的逻辑。这可以通过在 Vue 组件中添加一个事件监听器来实现:mounted() {this.$once(hook:beforeDestroy, () > {if (document.removeEventListener) {document.removeEventListener(backbutton,…

Ubuntu 22.04 安装 MySQL 8.0 完整步骤文档

1、安装 1.1、下载 cd /usr/local/在 /usr/local/ 下执行,下载资源包,可以本地下载上传 wget https://downloads.mysql.com/archives/get/p/23/file/mysql-8.0.32-linux-glibc2.12-x86_64.tar.xz1.2、解压安装 tar -Jxvf mysql-8.0.32-linux-glibc2.…

Docker,其他机器下载镜像并copy到目标机器导入docker镜像

Docker,其他机器下载镜像并copy到目标机器导入docker镜像源机器 【下载镜像】目标机器slave1 【无法下载镜像】步骤 1:在网络正常的机器(cg)上下载镜像,导出镜像到指定路径# 1. 下载镜像docker pull ubuntu:20.04# 2.…

基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析

机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”,是发现新规律,总结和分析实验结果的利器。机器学习涉及的理论和方法繁多,编程相当复杂,一直是阻碍机器学习大范围应用的主要困难之一,由此诞生了Python…

如何将 git 远程 URL 从 https 更改为 ssh

在项目开发中,使用 SSH 连接 Git 仓库可以提高安全性和便利性。本文将指导你如何将 Git 远程 URL 从 HTTPS 更改为 SSH。操作指南步骤 1: 查看当前远程 URL首先,确认当前的远程 URL 使用的是 https。打开终端并输入以下命令:git remote -v如&…

PyCharm 高效入门指南(核心模块详解二)

四、生产力工具集成PyCharm 不仅仅是 Python 编辑器,更是集成了多种开发工具的综合平台。通过内置的生产力工具,开发者可以在一个界面内完成数据库操作、科学计算、远程开发和测试等全流程工作,避免工具切换带来的效率损耗。4.1 数据库工具链…

WebkitSpeechRecognition 语音识别

JavaScript WebkitSpeechRecognition:使用语音识别技术增强 Web 应用程序 WebkitSpeechRecognition 是一种 JavaScript API,它可以让您的 Web 应用程序使用语音识别技术。使用 WebkitSpeechRecognition,您可以让用户通过说话来与您的 Web 应用程序进行交互,这可以使您的应…

CUDA C++核心库(CCCL)

文章目录CUDA C核心库(CCCL)核心库介绍CUDA C 开发工具的层级范围各层级工具的具体内容Thrust自动内存管理类型安全自定义分配器(页锁定内存)高级API替代底层操作thrust::transform基本使用几种执行策略iteratorload_cs高效索引md…

MySQL InnoDB存储引擎深度解析:从原理到优化

InnoDB的优势InnoDB之所以成为众多应用的首选,主要得益于以下几个显著优势:事务支持:InnoDB是MySQL中唯一支持ACID(原子性、一致性、隔离性、持久性)事务的存储引擎。它通过日志和锁机制确保事务的完整性,这…

LLM评测框架Ragas:Natural Language Comparison指标(解决了Ollama推理框架不支持的问题)

Factural Correctness Factural Correctness是事实正确性是评价LLM生成的反馈和reference的事实正确性。该指标用于确定生成的响应与参考文献的一致程度。Factural Correctness取值在0到1之间,越接近于1结果越好。 为了衡量回应和参考文献之间的一致性,该指标使用 LLM 首先将…