前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >运维分享|测试主机间的连通性方法总结

运维分享|测试主机间的连通性方法总结

原创
作者头像
六月暴雪飞梨花
发布于 2023-11-20 18:23:55
发布于 2023-11-20 18:23:55
1.4K00
代码可运行
举报
运行总次数:0
代码可运行

很多时候,我们需要测试两台或者多台机器的网络策略是否是连通状态。当然,在做系统集成时,这个就更显得尤为重要了。

方法一:使用telnet命令

【命令功能描述】

telnet 协议是 TCP/IP 协议族中的一员,是 Internet 远程登陆服务的标准协议和主要方式。

它为用户提供了在本地计算机上完成远程主机工作的能力。因此可以使用telnet 来测试远程机器的连通性。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 测试主机连通性
telnet IP PORT

【例子】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ telnet baidu.com 80
Trying 110.242.68.66...
Connected to baidu.com.
Escape character is '^]'.

【检查】

出现 Connected 表明连接成功。如果连接不成功,也不会打印出来上面的信息。

⚠️注意:一般情况下,在生产(线上)环境,为了安全起见,我们都是要求卸载 telnet 这个工具。

方法二:使用wget命令

【命令功能描述】

wget是一个用于从网络上下载文件的命令行工具,它可以通过指定URL来下载文件,并保存到本地计算机上。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 测试主机连通性
wget IP:PORT

【例子】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ wget 110.242.68.66:80
--2023-08-24 17:05:42--  http://110.242.68.66/
正在连接 110.242.68.66:80... 已连接。
已发出 HTTP 请求,正在等待回应... 读取文件头错误 (Connection reset by peer)。
重试中。

【检查】

出现 已连接 表明连接成功。

方法三:使用curl命令

【命令功能描述】

curl 是利用 URL 语法在命令行方式下工作的开源文件传输工具。也可以用来测试端口的连通性。 适合验证第三方提供的地址是否可以连通。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 测试主机连通性
curl IP:PORT

【例子】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ curl -x 110.242.68.66:80 -v www.baidu.com
*   Trying 110.242.68.66:80...
* Connected to (nil) (110.242.68.66) port 80 (#0)
> GET http://www.baidu.com/ HTTP/1.1
> Host: www.baidu.com
> User-Agent: curl/7.86.0
> Accept: */*
> Proxy-Connection: Keep-Alive
>
* Mark bundle as not supporting multiuse
< HTTP/1.1 200 OK
< Date: Thu, 24 Aug 2023 09:15:38 GMT
< Server: Apache
< Last-Modified: Tue, 12 Jan 2010 13:48:00 GMT
< ETag: "51-47cf7e6ee8400"
< Accept-Ranges: bytes
< Content-Length: 81
< Cache-Control: max-age=86400
< Expires: Fri, 25 Aug 2023 09:15:38 GMT
< Connection: Keep-Alive
< Content-Type: text/html
<
<html>
<meta http-equiv="refresh" content="0;url=http://www.baidu.com/">
</html>
* Connection #0 to host (nil) left intact

【检查】

出现 **Connected** 表明连接成功。这个比较少用,一般我们使用他下载数据包,这也是一种检测方法(今天只讨论这个)。

方法四:使用traceroute命令

【命令功能描述】

它是一个用于测试网络路径的命令,可以用来查看数据从源主机到目标主机所经过的网络节点。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
traceroute --help
Version 1.4a12+Darwin
Usage: traceroute [-adDeFInrSvx] [-A as_server] [-f first_ttl] [-g gateway] [-i iface]
	[-M first_ttl] [-m max_ttl] [-p port] [-P proto] [-q nqueries] [-s src_addr]
	[-t tos] [-w waittime] [-z pausemsecs] host [packetlen]

【例子】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ traceroute www.baidu.com
traceroute: Warning: www.baidu.com has multiple addresses; using 14.119.104.189
traceroute to www.a.shifen.com (14.119.104.189), 64 hops max, 52 byte packets
 1  192.168.1.1 (192.168.1.1)  9.629 ms  1.177 ms  1.200 ms
 2  116.21.40.1 (116.21.40.1)  4.135 ms  3.433 ms  4.057 ms
 3  14.147.6.250 (14.147.6.250)  9.918 ms
    58.62.247.245 (58.62.247.245)  7.025 ms
    14.147.11.166 (14.147.11.166)  6.280 ms

【检查】

略。

方法五:使用ping命令

【命令功能描述】

PIng是一个用于测试网络连接的命令。当我们进行Ping时,计算机会向目标IP地址发送一个数据包,并等待该地址返回响应。通过这个过程,我们可以确定网络连接的可用性和响应时间。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 测试主机连通性
ping IP

【例子】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ ping www.baidu.com
PING www.a.shifen.com (14.119.104.254): 56 data bytes
64 bytes from 14.119.104.254: icmp_seq=0 ttl=56 time=5.401 ms
64 bytes from 14.119.104.254: icmp_seq=1 ttl=56 time=6.826 ms
^C
--- www.a.shifen.com ping statistics ---
2 packets transmitted, 2 packets received, 0.0% packet loss
round-trip min/avg/max/stddev = 5.401/6.114/6.826/0.712 ms

【检查】

出现 64 bytes from 14.119.104.254: icmp_seq=0 ttl=56 time=5.401 ms 表明连接成功。停止时需要手工停止。

方法六:使用tcpdump命令

【命令功能描述】

当需要测试报文是否发送到对端,也可以使用 tcpdump 命令进行抓包分析。

通常使用的方式是通过 tcpdump 命令抓取数据包,然后通过wireshake 工具进行分析。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ tcpdump --help
tcpdump version 4.99.1 -- Apple version 127
libpcap version 1.10.1
LibreSSL 3.3.6
Usage: tcpdump [-AbdDefhHIJKlLnNOpqStuUvxX#] [ -B size ] [ -c count ] [--count]
		[ -C file_size ] [ -E algo:secret ] [ -F file ] [ -G seconds ]
		[ -i interface ] [ --immediate-mode ] [ -j tstamptype ]
		[ -M secret ] [ --number ] [ --print ] [ -Q in|out|inout ]
		[ -r file ] [ -s snaplen ] [ -T type ] [ --version ]
		[ -V file ] [ -w file ] [ -W filecount ] [ -y datalinktype ]
		[ --time-stamp-precision precision ] [ --micro ] [ --nano ]
		[ -z postrotate-command ] [ -Z user ] [ expression ]
		[ --apple-oneline] [ -g ]
		[ --apple-md-print (metadata_arg)] [ -k (metadata_arg)]
		[ --apple-pcapng] [ -P ]
		[ --apple-md-filter meta-data-expression] [ -Q meta-data-expression ]
		[ --apple-ext-fmt n ] [--apple-arp-plain]
		[ --apple-compression n ] [--apple-truncate] [--apple-pktapv2 ]
		[ --apple-head-drop ]

方法七:使用tcping命令

【命令功能描述】

tcping是一种面向连接的、可靠的、基于字节流的传输层通信协议。使用tcp协议尝试与某一个端口建立连接,然后获取与对方主机建立一次连接的回复。

ping命令可以检查网络的连通性,帮助分析和判定网络故障,是Windows、Unix和Linux系统下的一个命令。有些网络禁ping,想知道网络和端口的连通性,tcping就是一个不错的选择。而tcping是使用tcp协议尝试与某一个端口建立连接,然后获取与对方主机建立一次连接的回复。使用tcping需要下载工具到windows。

方法八:使用ssh命令

【命令功能描述】

ssh 是目前较可靠,专为远程登录会话和其他网络服务提供安全性的协议,在 linux上可以通过 ssh 命令来测试端口的连通性。

【语法】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 测试主机连通性
ssh -v -p PORT Username@IP

【例子】

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~ $ Aion@Macbook ~ $ ssh -v -p 80 root@baidu.com
OpenSSH_9.0p1, LibreSSL 3.3.6
debug1: Reading configuration data /Users/Aion/.ssh/config
debug1: /Users/Aion/.ssh/config line 3: Applying options for *
debug1: /Users/Aion/.ssh/config line 47: Applying options for *
debug1: Reading configuration data /etc/ssh/ssh_config
debug1: /etc/ssh/ssh_config line 21: include /etc/ssh/ssh_config.d/* matched no files
debug1: /etc/ssh/ssh_config line 54: Applying options for *
debug1: Authenticator provider $SSH_SK_PROVIDER did not resolve; disabling
debug1: Connecting to baidu.com port 80.
debug1: Connection established.
debug1: identity file /Users/Aion/.ssh/id_ed25519 type 3
debug1: identity file /Users/Aion/.ssh/id_ed25519-cert type -1
debug1: identity file /Users/Aion/.ssh/xinan_id_rsa type 0
debug1: identity file /Users/Aion/.ssh/xinan_id_rsa-cert type -1
debug1: Local version string SSH-2.0-OpenSSH_9.0

【检查】

出现 Connecting to baidu.com port 80* 表明连接成功。

方法九:其他命令

其他命令也有很多,例如 mtr 、 nmap 、 nslookup 。


我正在参与2023腾讯技术创作特训营第三期有奖征文,组队打卡瓜分大奖!

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【Research Proposal】基于提示词方法的智能体工具调用研究——研究现状
随着人工智能(AI)技术的不断发展,特别是自然语言处理(NLP)领域的进步,智能体(Agent)在执行复杂任务时的表现逐渐变得尤为重要。为了提升智能体在多任务、多模态场景中的执行效率和准确性,提示词(Prompt)方法成为了研究的一个关键方向。提示词方法通过设计合适的指令或“提示”,引导智能体高效地完成任务。近年来,提示词方法在优化智能体工具调用方面取得了显著进展,尤其是在如何通过语言模型与外部工具(如API、数据库等)进行有效交互的研究中,成为提升智能体任务执行能力的核心技术之一。
CSDN-Z
2025/02/21
1580
【Research Proposal】基于提示词方法的智能体工具调用研究——智能体工具调用检测方法
随着大语言模型(LLM)在多个领域的广泛应用,智能体作为其核心应用之一,得到了广泛关注。在智能体的任务执行中,工具调用作为提升任务处理能力的重要环节,起到了至关重要的作用。而在复杂多任务、多工具协作的场景中,如何提高工具调用的准确性与效率,已成为智能体发展的关键问题之一。提示词方法,作为近年来自然语言处理(NLP)领域的一项创新技术,已经被广泛应用于智能体的任务执行中。尤其是在智能体调用外部工具时,优化提示词的设计可以显著提升工具调用的效果和性能。
CSDN-Z
2025/02/24
1320
【Research Proposal】基于提示词方法的智能体工具调用研究——智能体工具调用检测方法
【Research Proposal】基于提示词方法的智能体工具调用研究——创新点
随着人工智能(AI)技术的迅速发展,智能体在多个领域中得到了广泛应用。在实际应用中,如何通过智能体高效、准确地选择和调用合适的外部工具,如API、数据库和其他辅助系统,成为了一个重要的研究课题。传统的智能体工具调用方法通常基于固定的规则或简单的推理机制,这些方法在面对复杂任务时往往力不从心。
CSDN-Z
2025/02/24
1360
【Research Proposal】基于提示词方法的智能体工具调用研究——创新点
【Research Proposal】基于提示词方法的智能体工具调用研究——研究问题
智能体工具调用的关键在于如何通过设计合适的提示词,使其能够有效地引导智能体选择和使用外部工具。在传统方法中,提示词的设计往往较为简单,且主要依赖于标准化的规则,导致智能体在处理复杂任务时的工具调用准确性和效率较低。而现代研究则指出,通过多样化、动态化的提示词设计,可以在更高层次上优化智能体的任务执行能力。
CSDN-Z
2025/02/22
1170
【Research Proposal】基于提示词方法的智能体工具调用研究——具体实现思路
以下课题中主要的数据集,A、B分别是要对比的单一提示词方法和组合搭配的提示词方法,C、D、E、F分别是在检测工具评估后单模态和多模态下适合和不适合搭配的提示词方法组合。实验主要分成两部分,分别是单模态智能体和多模态智能体。
CSDN-Z
2025/02/24
780
【Research Proposal】基于提示词方法的智能体工具调用研究——具体实现思路
【Research Proposal】基于提示词方法的智能体工具调用研究——难点
随着人工智能技术的不断进步,尤其是大语言模型(LLM)的发展,智能体的能力也在逐步提升。然而,当智能体需要在复杂任务中调用外部工具(如API、数据库、计算平台等)时,如何设计合适的提示词以确保工具调用的准确性与效率,成为了研究中的一个重要难题。在这种背景下,提示词方法(Prompt Engineering)作为一种有效的优化手段,已被广泛应用于自然语言处理、对话系统等多个领域。
CSDN-Z
2025/02/24
1430
【Research Proposal】基于提示词方法的智能体工具调用研究——难点
【Research Proposal】基于提示词方法的智能体工具调用研究——提示词方法
提示词方法,通常被称为“Prompting”,是一种通过为语言模型提供特定格式的输入提示词,来引导其产生所需输出的方法。该方法的核心思想是:通过精心设计的提示,能够帮助模型理解任务目标,从而生成更加准确和符合要求的结果。
CSDN-Z
2025/02/23
2650
【Research Proposal】基于提示词方法的智能体工具调用研究——提示词方法
【AIGC】ChatGPT提示词Prompt高效编写模式:结构化Prompt、提示词生成器与单样本/少样本提示
假设一个用户希望从ChatGPT获取关于气候变化的简要概述,一个结构化Prompt的例子可能是:
CSDN-Z
2024/10/17
3080
【AIGC】ChatGPT提示词Prompt高效编写模式:结构化Prompt、提示词生成器与单样本/少样本提示
【AIGC】ChatGPT提示词Prompt高效编写模式:思维链、Self-Consistency CoT与Zero-Shot CoT
通过对思维链(CoT)、一致性思维链和零样本思维链的深入分析,可以更加清楚地理解如何有效利用这些方法提升AI模型的推理和问题解决能力。这些提示技术不仅帮助AI处理复杂问题,还通过展示其思考过程增强了透明度和输出的可靠性。在实际操作中,通过合理设计Prompt,可以引导模型生成更具逻辑性和一致性的答案,特别是在面对新颖或特殊问题时,零样本思维链的灵活性显得尤为重要。这些方法为使用AI进行深度思考和分析提供了强有力的工具,也让我们对AI模型的能力和潜力有了更深入的理解。
CSDN-Z
2024/10/17
3690
【AIGC】ChatGPT提示词Prompt高效编写模式:思维链、Self-Consistency CoT与Zero-Shot CoT
【AIGC】ChatGPT提示词Prompt精确控制指南:ISam Altman与Ilya Sutskever的建议详解
Best practices for prompt engineering with the OpenAI API
CSDN-Z
2024/10/22
2320
【AIGC】ChatGPT提示词Prompt精确控制指南:ISam Altman与Ilya Sutskever的建议详解
【AIGC】如何获取ChatGPT外部GPTs应用的提示词Prompt指令和知识库文件
博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: AIGC | GPTs应用实例
CSDN-Z
2025/06/02
1080
【AIGC】如何获取ChatGPT外部GPTs应用的提示词Prompt指令和知识库文件
【AIGC】优化长提示词Prompt:提升ChatGPT输出内容的准确性与实用性
优化长提示词的核心在于提升生成内容的准确性和一致性。通过文章中的方法,我希望让大家看到,长提示词并不只是简单的多加几句话,而是要精心设计和调整,使每个细节都服务于任务目标。我们深入讨论了焦点漂移、幻觉生成和虚假信息等常见问题,并提供了实用的解决方案,比如具体化表达、去除歧义,以及使用思维链引导逻辑推理。这些方法不仅有助于提高AI的理解和生成质量,还能在复杂任务中带来更精准的输出。我相信,这些优化策略能让大家在实际使用中获得更好的AI表现,也希望这能激发更多关于提示词优化的思考和实践。
CSDN-Z
2024/10/17
8970
【AIGC】优化长提示词Prompt:提升ChatGPT输出内容的准确性与实用性
【AIGC】ChatGPT提示词Prompt精确控制指南:Sam Altman与Ilya Sutskever的建议详解
Best practices for prompt engineering with the OpenAI API
CSDN-Z
2025/06/01
1210
【AIGC】ChatGPT提示词Prompt精确控制指南:Sam Altman与Ilya Sutskever的建议详解
【AIGC】如何使用高价值提示词Prompt提升ChatGPT响应质量
博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: AIGC | 提示词Prompt应用实例
CSDN-Z
2025/06/02
760
【AIGC】如何使用高价值提示词Prompt提升ChatGPT响应质量
【AIGC】ChatGPT提示词Prompt高效编写模式:Self-ask Prompt、ReACT与Reflexion
在本文中,我们详细探讨了几种提升AI模型性能的关键方法:自我提问(Self-ask Prompt)、协同思考和动作(ReACT)、以及失败后自我反思(Reflexion)。这些方法各具特色,通过鼓励模型主动生成并解答问题、在思考和行动间取得平衡,以及从失败中汲取经验,它们有效地拓展了AI在复杂任务中的适应能力和分析深度。不论是通过自问自答的方式深入理解主题,还是通过协同合作提高解决问题的效率,或是通过反思优化未来的策略,这些方法能够全面提升AI模型的输出质量和综合能力,帮助其在多样化的场景中为用户提供更有价值的支持。
CSDN-Z
2024/10/18
2540
【AIGC】ChatGPT提示词Prompt高效编写模式:Self-ask Prompt、ReACT与Reflexion
【AIGC】深入探索『后退一步』提示技巧:激发ChatGPT的智慧潜力
Take a Step Back: Evoking Reasoning via Abstraction in Large Language Models
CSDN-Z
2024/10/30
1460
【AIGC】深入探索『后退一步』提示技巧:激发ChatGPT的智慧潜力
【GPTs】MJ Prompt Creator:轻松生成创意Midjourney提示词
【AIGC】如何在ChatGPT中制作个性化GPTs应用详解 https://blog.csdn.net/2201_75539691?type=blog
CSDN-Z
2025/06/01
930
【GPTs】MJ Prompt Creator:轻松生成创意Midjourney提示词
【AIGC】ChatGPT提示词Prompt精确控制指南:Scott Guthrie的建议详解与普通用户实践解析
Best practices for prompt engineering with the OpenAI API
CSDN-Z
2025/06/01
1190
【AIGC】ChatGPT提示词Prompt精确控制指南:Scott Guthrie的建议详解与普通用户实践解析
【AIGC】ChatGPT提示词Prompt高效编写模式:Langchain、Negative Prompt与Concept of Redefinition
在生成式AI的应用中,如何提高模型的生成质量和可靠性是一个至关重要的课题。通过本文,详细介绍了三种高效的Prompt编写方法,即连接知识库、反向提示和概念再定义。这些方法不仅可以提升AI回答的准确性和深度,还可以通过反向提示避免不当生成,并且通过重新定义概念来调整AI对特定问题的理解。随着AI在各个领域中的应用不断扩大,这些技巧能够有效地优化AI的输出质量,为用户提供更可靠和精确的回答,尤其是在需要专业知识支撑的场景中,能够显著增强AI的实用性和可信度。
CSDN-Z
2024/10/23
3130
【AIGC】ChatGPT提示词Prompt高效编写模式:Langchain、Negative Prompt与Concept of Redefinition
【无标题】语言模型的发展历程:从统计方法到大规模预训练模型的演化
语言模型的研究起源于自然语言处理的核心问题——如何使计算机理解和生成自然语言。根据所采用技术的不同,语言模型的研究可以分为四个主要的发展阶段:统计语言模型、神经语言模型、预训练语言模型和大语言模型。以下我们将对每一阶段进行详细介绍,并分析其关键技术及影响。
CSDN-Z
2025/02/10
2811
【无标题】语言模型的发展历程:从统计方法到大规模预训练模型的演化
推荐阅读
【Research Proposal】基于提示词方法的智能体工具调用研究——研究现状
1580
【Research Proposal】基于提示词方法的智能体工具调用研究——智能体工具调用检测方法
1320
【Research Proposal】基于提示词方法的智能体工具调用研究——创新点
1360
【Research Proposal】基于提示词方法的智能体工具调用研究——研究问题
1170
【Research Proposal】基于提示词方法的智能体工具调用研究——具体实现思路
780
【Research Proposal】基于提示词方法的智能体工具调用研究——难点
1430
【Research Proposal】基于提示词方法的智能体工具调用研究——提示词方法
2650
【AIGC】ChatGPT提示词Prompt高效编写模式:结构化Prompt、提示词生成器与单样本/少样本提示
3080
【AIGC】ChatGPT提示词Prompt高效编写模式:思维链、Self-Consistency CoT与Zero-Shot CoT
3690
【AIGC】ChatGPT提示词Prompt精确控制指南:ISam Altman与Ilya Sutskever的建议详解
2320
【AIGC】如何获取ChatGPT外部GPTs应用的提示词Prompt指令和知识库文件
1080
【AIGC】优化长提示词Prompt:提升ChatGPT输出内容的准确性与实用性
8970
【AIGC】ChatGPT提示词Prompt精确控制指南:Sam Altman与Ilya Sutskever的建议详解
1210
【AIGC】如何使用高价值提示词Prompt提升ChatGPT响应质量
760
【AIGC】ChatGPT提示词Prompt高效编写模式:Self-ask Prompt、ReACT与Reflexion
2540
【AIGC】深入探索『后退一步』提示技巧:激发ChatGPT的智慧潜力
1460
【GPTs】MJ Prompt Creator:轻松生成创意Midjourney提示词
930
【AIGC】ChatGPT提示词Prompt精确控制指南:Scott Guthrie的建议详解与普通用户实践解析
1190
【AIGC】ChatGPT提示词Prompt高效编写模式:Langchain、Negative Prompt与Concept of Redefinition
3130
【无标题】语言模型的发展历程:从统计方法到大规模预训练模型的演化
2811
相关推荐
【Research Proposal】基于提示词方法的智能体工具调用研究——研究现状
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验