一种基于sFlow的网络流量分析方法

摘要：随着网络应用越来越广泛，关键的企业应用对网络的依赖性也越来越强，在网络使用上的一些很小的变化都有可能对网络的性能和可靠性造成很大的影响。因此，进行全方位、高速、实时的网络流量分析及网络性能分析成为一项有挑战性的、具有重要意义的研究课题。先前的流量监测技术（如RMON、NetFlow技术）都有许多缺点，而唯有ssFlow技术能够“看透”当今高速、复杂的网络。通过sFlow技术可以采集不同类别的大量的原始信息，但仅仅拥有这些原始信息还远远不够，还需要对这些原始信息进行分析析，从而得出对网络管理者有用的性能信息。本文提出了一种对利用sFlow技术采样的原始数据进行流量分析的方法，并给出了一个基于sF]ow的网络流量分析系统架构。     

一种基于Web服务的集成型企业数据仓库架构

建立基于Web服务的数据仓库有可能成为数据仓库技术应用的发展趋势.将数据仓库技术与Web服务技术和集成技术结合起来,提出了基于Web服务的集成型企业数据仓库架构体系.这种架构用Web服务实现传统数据仓库的相关功能,加入了Orchestration服务以使其可与外部应用集成.     

网络测试中海量数据包存储与处理技术的研究

为了有效地捕获、存储与处理网络测试中所产生的海量数据包,提出一种基于WinPcap库与Oracle数据库的软件架构.通过性能试验,该架构可在每秒5000个的数据包速率下,不发生掉包现象,同时又具有灵活与强大的数据包统计与分析功能.试验结果表明,所提出的架构能够满足通常网络测试的需求.同时,相对传统数据包文件直接存储的架构,该架构的内存管理压力更小,数据回放与处理更灵活,分析能力更强大.     

基于流量工程的网络性能监测和控制系统

网络性能的监测和控制是网络得以正常运行的重要环节。网络流量工程提出了网络性能评价的原理、体系和方法。文章对CERNET（中国教育与研究计算机网）主干网、CERNET到国际互联节点、CERNET到国内八大网络节点,提出基于网络流量工程的性能监测和控制的实现方案,并实现了端到端网络性能的测量和分析,为基于MPLS的网络性能优化和控制提供了有利的依据。通过该系统的实施,可以在CERNET主干网上建立Q－Bone,为高速网络应用提供服务质量的保证。     

一种基于移动Agent的网络性能管理系统及性能分析

针对传统的基于SNMP在网络管理中的不足,设计了一种基于移动Agent的网络性能管理系统,此系统融合移动Agent技术,解决了传统网络管理的管理资源占用、处理能力瓶颈和灵活性差等问题,提高了网络管理的效率。主要描述了本系统的架构模型及工作原理,并同传统的基于SNMP的网络性能管理系统进行了理论和实验比较,结果验证了本系统的优越性。     

均衡能耗和时延的无线传感器网络组内融合机制研究

主要研究实时监测无线传感器网络系统中的数据传输时延及网络的能量效率的均衡优化,提出了一种基于博弈论的无线传感器网络组内数据融合(GA-G)模型.该机制采用逐级分层的融合架构,可以最小化网络的原始数据输出量并通过建立博弈模型均衡了节点的能耗及数据传输的时延.仿真结果表明该融合机制能提高网络数据融合的实时可靠性.     

基于OWDP的高速IP网络性能实时监测技术及其安全实现

本文旨在提出一种安全的基于 OWDP的高速 IP网络性能监测方案 .在分析了 OWDP协议以及基于 OWDP的高速 IP网络性能实时监测体系的基础上 ,本文分析了协议以及该监测体系所存在的安全性问题 ,并提出了一种面向OWDP的基于改进的 Otway- Rees身份认证协议的安全性实现方案 .这一方案面向网络性能实时监测要求 ,既保留了OWDP协议简单高效的特点 ,也为高速 IP网络性能监测过程的抗攻击性提供了强有力的安全保障     

网络流量监测系统设计

流量监测是网络管理的基础.从网络体系架构来说,网络流量是一切研究的基础:它能直接反映网络性能的好坏:更能帮助判断网络故障及网络安全等状况.本文介绍了WSDM标准的产生背景、组成及特点等基础知识;并依据该标准设计了一个局域网流量监测系统的实施方案.     

基于WEB网络性能管理扩展架构的研究

文章针对目前网络管理急需要解决的问题,即网络性能管理问题,提出了一种通用的网络性能管理的扩展架构,并介绍了这种网络性能管理扩展架构的功能,指出了该系统可以在多个采集服务器之间进行负载均衡,因此克服了由于使用SNMP协议在网络拥塞时无法保证数据传输的可靠性,从而进一步提高网络的整体性能。     

一种UML 软件架构性能预测方法及其自动化研究

软件性能需求作为软件质量需求的重要组成部分,已受到人们极大的重视.而只在软件开发周期后期才重点关注软件性能需求的传统软件开发方法,将给开发者带来高风险和高成本等后果.如果能在软件开发周期的早期对软件系统性能进行预测,可以提前发现软件系统架构存在的性能瓶颈,并找出可能的优化方案,对各种设计方案进行比较以得出最优的软件系统架构.研究了一种基于模型的UML 软件架构性能预测方法:该方法选取软件架构设计中的UML 用例图、活动图和构件图,并引入构造型和标记值,将它们扩展为UML SPT 模型;进而,通过转换算法将UML SPT 模型转换为排队网络模型,该算法可处理同时包含分支节点和汇合节点的UML 模型活动图;最后,利用频域分析理论求解排队网络模型,以得出性能参数及性能瓶颈.同时介绍了UML 软件架构性能自动化工具的设计方案,并给出了软件架构性能预测实例.     

基于数据流管理平台的网络安全事件监控系统

复杂而繁多的网络攻击要求监控系统能够在高速网络流量下实时检测发现各种安全事件．数据流管理系统是一种对高速、大流量数据的查询请求进行实时响应的流数据库模型．本文提出了一种将数据流技术应用到网络安全事件监控中的框架模型．在这个模型中，数据流管理平台有效地支持了对高速网络数据流的实时查询与分析，从而保证基于其上的网络安全事件监控系统能够达到较高的处理性能．利用CQL作为接口语言，精确描述安全事件规则与各种监拉查询，具有很强的灵活性与完整性．另外，系统能够整合入侵检测、蠕虫发现、网络交通流量管理等多种监控功能，具有良好的可扩展性，     

基于SDN的数据中心网络资源调度机制

随着大数据应用的不断丰富, 现在的数据中心通常部署着多种集群计算框架, 并由统一的集群资源管理器(如Mesos)进行管理. 目前的集群资源管理主要关注计算资源和存储资源, 较少的涉及网络资源. 但研究表明高效的网络资源管理对于优化作业性能十分重要. 本文提出了一种基于SDN(Software Defined Network)的数据中心网络资源调度机制, 该机制可以根据管理员预设的网络资源分配策略, 加权的进行网络资源调度, 为高优先级的作业分配更多网络资源以优化性能, 并且实现不同作业之间的网络性能隔离. 我们基于开源SDN控制器实现了原型系统, 并通过实验验证了该机制的有效性.     

基于数据融合的知识发现方法在网络管理中的应用

提出用于网络管理的基于数据融合的知识发现系统框架，研究数据融合技术在知识发现的数据准备和预处理阶段的应用，研究关联规则在表达网络管理知识方面的适用性并针对网络管理数据时序性的特点，引入情景规则来表示期望发掘的知识，指出网络故障管理中关联规则和情景规则的挖掘算法以及知识增量式更新的算法，并简介了原型系统的实现方法。     

基于Web的分布式网管及其实现技术

文章针对当前网络管理的发展趋势，汲取基于Web网络管理的优点，考虑到网络性能管理的具体应用，提出了一种新的基于Web的分布式网络性能管理系统模型，并对其结构和实现进行了具体的分析。     

基于SOAP的分布式网络管理

提出了一个基于SOAP的分布式网络管理模型，通过在网络设备中嵌入SOAP务器使得此网络设备成为一个服务提供者、服务请求者。通过采用SOAP，可以看到这种模型在分布式网络管理中的种种优势。     

基于LAMP的高性能计算用户组织架构管理系统设计与实现

针对现有高性能计算用户组织架构管理系统面临的用户体验差、网络开销大和存取效率低等关键问题,提出了一种基于LAMP的高性能计算用户组织架构管理系统的实现方法。该方法采用B/S架构,Twig与HTML相结合的方式减轻了服务端的负担,改善了用户体验;采用REST框架与Cache机制对海量临时数据进行缓存,降低了开发难度和网络开销;采用树形结构对分层数据进行存取,提高了数据存取效率,且可扩展性好。     

可扩展高速网络流量被动测量平台的设计与实现

随着高速网络测量研究内容的扩展,网络测量设施在提高性能的同时须支持测量的可扩展性以适应不同网络环境和添加新测量研究的需要。针对已有网络测量软件可扩展性的不足,分析了高速多链路逻辑信道的特点及对被动测量方式的影响,设计和实现了一套适用于高速网络环境的可扩展被动流量测量平台系统。该系统基于多机协同数据流模型,采用分层耦合设计结构、对象化抽象和XML格式的交互描述,支持对高速多链路逻辑信道测量与新测量功能的可扩展性。     

基于Pytorch和神经网络的云数据中心故障检测

随着现代科技的迅猛发展, 数据中心已经成为信息化社会的IT基础设施, 存储管理大量关键数据. 当前, 数据中心的管理大多是依靠经验丰富的专业运维人员使用计算机自动监测机房设备各项指标, 并对设备做出多次检查, 耗时且繁琐. 深度学习和人工智能技术当前吸引了越来越多的注意力, 并在互联网和工业领域取得了许多成功应用. 本文设计了基于门控循环单元的深度学习框架对云数据中心机房设备故障进行自动化的诊断, 并联合时序信息基于过去设备的运行状态信息对未来状态进行预测. 其中, 序列数据以固定时间窗分割后输入双向GRU单元层, 使网络学习到数据点的前后时间依赖关系. 在GRU层输出基础上, 我们添加了自注意力层和embedding层, 让神经网络能够学习到对故障预测更有效的特征并进一步对特征进行降维. 最后, 多层感知机被用于对降维后的数据进行分类. 基于真实数据集的实验结果显示, 本文提出的基于GRU的深度学习框架相比LSTM, SVM和KNN等常用模型能够更准确地检测出云数据中心故障.     

基于XML的电信网络管理数据采集与处理

电信网络是非常复杂的大型异质网络。电信业务的发展要求对网络和服务进行综合的管理。因此,电信网络管理平台需要从大量不同的数据源(设备、软件等实体)获得数据,并进行处理、分析。语法和语义异构的数据采集是网络管理平台的基础和难题。论文提出了基于XML技术的统一接口方案,很好地解决了这个问题,使得网管系统平台可以处理任意的数据源,提高了平台的适应性和可扩展性。     

电子产品闭环供应链网络设计与弹性管理研究

研究了基于竞争型再制造商的闭环供应链网络设计中的弹性管理问题。首先建立了集逆向回收、拆解和分解于一体的逆向回收网络的竞争型一般模型。然后提出了供应链弹性管理方法,结合供应链网络设计的一般模型,建立了逆向弹性回收网络。针对逆向各级回收商的失效性,采用逆向多源供应的弹性架构。最后考察了不同的期望容忍水平、全球供应链以及企业社会责任对于目标函数、逆向弹性架构和竞争型再制造商的影响。