交换机MAC地址表的产生与管理

交换机与集线器相比,交换机可以实现数据的单点转发,从而提高了网络传输速率和网络可利用带宽,交换机的单点转发主要依靠交换机对MAC地址表的维护和管理。本文从交换机MAC地址表的产生与管理角度,详细阐述交换机利用MAC地址表完成单点转发的实现。     

怎样才能最大限度地避免VLAN的弱点

交换机不是被设计用来作安全设备的,其功能仍是以提高网络性能为主.如果要将交换机纳入安全机制的一部分,前提是首先要对交换机进行正确的配置,其次交换机的制造商要对交换机软件的基础标准有着全面理解并彻底实现了这些标准.     

线路速率缓存的重端口交换机方案及行为分析

现今Internet中的交换机/路由器面临着高交换速率和提供QoS保证的双重挑战.前者要求交换机/路由器的缓冲存储器尽可能地以链路速率工作,后者要求交换机能够完全模仿OQ(output queuing)交换机的行为.而目前的CIOQ(combined input-output queuing)设计方案需要交换机内部加速2倍.提出了采用并行技术的重端口交换机(duplicated ports switch,简称DPS)设计方案.该方案可以使交换机工作于输入链路的速率且其行为与OQ交换机的行为等价,并证明了为完全模仿OQ交换机行为,端口重数为2是充分必要的.     

浅谈程控交换机的维护与管理

程控交换机有多种多样的型号和品牌,但他们的管理与维护工作基本上是一样的,只有认真学习程控交换机的原理与维护知识,掌握科学的维护办法,才有利于交换机的管理与维护。本文在研究程控交换机工作特征的基础上,重点论述了交换机的维护与管理工作。     

交换机端口的安全管理技术

随着计算机技术以及网络技术逐渐发展,链路层中对于网络安全的交换机端口的管理技术也层出不穷,为物理端口提供了安全高效的管理手段和方式,以校园网络的交换机端口管理为例,以交换机端口的现状以及必要性分析为基础,明确分析了交换机端口的安全管理技术,通过对交换机端口中的LAN、VLAN、IP绑定技术的分析,明确了不同端口管理技术的特点,为类似交换机端口的安全管理提供了可供参考的经验。     

交换机的安全管理与规划

交换机作为局域网信息交换的主要设备,特别是核心、汇聚交换机承载着极高的数据流量,在突发异常数据或攻击时,极易造成负载过重或宕机现象。交换机的安全性能已经成为网络建设必须考虑的重中之重。为了尽可能抑制攻击带来的影响,减轻交换机的负载,使局域网稳定运行,交换机厂商在交换机上应用了一些安全防范技术,网络管理人员应该根据不同的设备型号,有效地启用和配置这些技术,净化局域网环境。     

Hyper-V虚拟交换机VLAN的配置分析

Windows Server 2012中的Hyper-V 3.0是微软推出的虚拟化产品,不需要第三方软件,就可以提供虚拟机、虚拟交换机功能,在业界得到了普遍应用。文章从虚拟交换机架构、类型以及外部虚拟交换机的VLAN的应用等三个方面对Hyper-V的虚拟交换机进行了原理性分析,并对外部虚拟交换机的VLAN配置应用进行了实例分析。为实际环境中正确应用虚拟交换机组网提供了理论和实践参考。     

光纤通道交换机体系结构的设计

由于光纤通道的高速性,光纤通道交换机面临着现有普通交换机设计没有的问题.针对这些问题,从体系结构的选择,交换机的组成框架.主要部件的功能和结构等方面论述扣分析了光纤通道交换机硬件的总体设计.     

局域网交换机的应用

本文讨论局域网交换机在包的转发、虚拟局域网、生成树等方面的技术特点,以Supper-Stack Ⅱ 1000型局域网交换机为例,介绍局域网交换机的技术性能,阐述其用于扩充原有网络带宽、组建新的局域网、作为校园网的楼内交换机的典型应用方法。     

程控交换机的集中管理与远程维护分析

对当前程控交换机具体应用加以分析,程控交换机基本处于不间断运行状态。在24小时不间断工作中,极易出现诸多故障问题,这也意味着,对交换机要求逐渐提升。为提高程控交换机应用能力,应重点分析可能出现的故障因素,并针对不同问题,制定科学集中管理之策,并创新管理与维护方式,借助远程维护方式,解决传统维护存在的不足之处,进而提高程控交换机稳定运行能力,使程控交换机作用得到充分发挥。     

Performance Abstract Data Types as a Tool in Software Performance Analysis and Design

The concept of abstract data types is extended to associate performance information with each abstract data type representation. The resulting performance abstract data type contains a functional part which describes the functional properties of the data type and a performance part which describes the performance characteristics of the data type. The performance part depends upon 1) the algorithms and data representation selected to represent the data type, 2) the particular machine on which the software realization of the data type is realized, and 3) the statistical properties of the actual data represented by the data objects involved in the data type. Methods for determining the necessary information to specify the performance part of the representation are discussed.     

面向大数据存储的主动与被动相结合的性能评测方法体系结构与实现

随着数据量的日益增加,大数据存储在整个大数据应用框架体系中居于重要地位。对大数据存储系统进行性能评测可以指导大数据应用开发人员分析性能瓶颈,进行大数据系统的性能优化。在以往的工作中,通常使用基准测试的方式来对不同大数据框架进行性能评测,或者采用插桩并分析轨迹文件的方式对分布式文件系统进行性能分析。这2种方法采用的分析角度不同,并没有形成合理的评测体系来评价大数据分布式存储系统。本文提出主动与被动相结合的大数据存储系统性能评测方法体系结构及其具体实现。在主动性能评测方法方面,提供了6个领域,超过20个应用的基准测试程序,对大数据存储系统主动发起性能测试,分析大数据存储系统的基准性能指标;在被动性能评测方法方面,提供了对低效任务、低效算子、低效函数的分析及定位方法,通过分析运行在大数据存储系统之上的大数据应用,分析大数据应用程序低效的原因。通过实验表明,该大数据性能评测方法体系结构能够全面地对大数据存储系统进行性能评测。     

基于梯度提升回归树的处理器性能数据挖掘研究

现代处理器一般只内置了 4～8 个性能计数器,但可以监测多达上千个时钟周期级别的性能事件。这些事件可以轻易地产生大量数据,称为处理器性能大数据。然而,如何从这些性能大数据中提取有价值的信息面临着许多挑战。该文提出一种处理器性能数据分析方法,通过迭代使用梯度提升 回归树算法构建性能模型,为云计算负载的性能事件进行重要性排序,从而指导云计算平台的性能调优。     

网络性能评估系统研究

为了及时了解网络运行状态,准确评估网络性能水平,保障网络应用获得较为理想性能,对网络实时性能监测系统的结构进行了研究;从数据采集、数据管理、数据分析、数据表示4个层次进行了分析,重点介绍了两个关键层次:数据采集层和数据分析层;在数据采集层,实现了基于主动测量与被动测量相结合的网络性能监测方法;在数据分析层,重点介绍延迟、可用带宽两个关键性能参数测量模型,采用相关分析法对监测数据进行分析处理;实验表明本系统达到了实时监测网络性能、分析评估网络性能水平的目的.     

网络测量中的性能数据空间分析

如何从巨量性能数据提取出特征数据是网络测量中的一项非常困难的工作。首先定义了性能数据的特征，按指标类型、获取方式或流动特性将其划分成不同的数据集，并建立了性能数据空间。通过对数据的深入分析，将复杂的性能数据分析过程分为完备化和抽象化两个阶段，提高了数据分析的效率。最后根据性能数据空间和数据集的分析，设计和实施了一个分布式数据分析体系结构。     

基于语义描述与优化的网络性能数据聚类方法

为了从多源复杂的网络性能数据中挖掘有用模式以提高网络服务质量,研究了基于本体的网络性能监测数据聚类分析方法。阐述了网络性能监测数据的语义描述方法,提出基于语义和属性数据相融合的网络性能数据相似性度量模型,并给出基于改进k-means的NJW谱聚类算法。通过在UCI数据集和校园网性能监测数据集上的实验表明, 本文所提方法较相关比对方法具有更高的聚类准确性和区分度。     

面向网格的性能工具的研究

Performance is one of the key problems in either high performance computing or GRID application.Performance data must be collected and analyzed for co-allocating resource efficiently,obtaining high performance and fault toleration.Furthermore,with the development of Internet and GRID,the exchange of data between virtual organiz-tions is becoming more and more important,and the type of performance is increasing following the increasing of the resource type,which requires a proper representation of the performance data.This paper does some research on the collection,analysis and representation of the performance data,and presents a Grid-oriented performance tool prototype:THGPT,which can achieve the runtime performance data,describe the data in XML,and implement a browserbased visualization tool of performance data analysis.     

Data quality and firm performance: empirical evidence from the Korean financial industry

Despite popular belief that timely and precise data are important and indispensable to good decisions and that good decisions are related to better firm performance, empirical research that examines the effect of data quality on firm performance is still scarce. How great an impact does data quality have on firm performance? This study empirically investigates the effect of firm-level data quality on firm performance in the Korean financial industry during 2008–2010. The results show that commercial banks have high-quality data, while credit unions have comparatively low-quality data. They also show that better data quality has a positive influence on sales, operating profit, and value added. Improving the level of data quality management maturity by one can increase firm performance by 33.7 % in sales, 64.4 % in operating profit, and 26.2 % in value added.     

高性能数据仓库平台构建的研究

随着数据仓库逐渐成为企业决策支持的重要技术手段,提高数据仓库的综合性能问题日益成为人们重视与关注的焦点之一。在描述形成高性能数据仓库平台及高性能数据仓库环境的基本观点和技术的基础上,给出了建立高性能数据仓库平台的几个关键要素,提出了一种基于可扩展的数据集市的数据仓库系统结构。     

An empirical investigation of the effects of data warehousing on decision performance

Organizations implement data warehouses to overcome the limitations of DSS by adding this database component and thereby improve decision performance. However, no empirical evidence is available to show the effects of a data warehouse (DW) on decision quality and performance. To examine this, a laboratory experiment was conducted. The data warehouse variables considered were the time horizon of the data and its level of aggregation.It was found that using a full data warehouse resulted in significantly better performance and that using it resulted in better performance than using a partial data warehouse (long-time history with no aggregated data). However, using a partial data warehouse was not significantly better than not using a data warehouse at all.