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。     

用sFlow技术管好网络

实现完善的网络管理一直是各种规模公司长期追求的目标。努力理解所有可能的传输流量、带宽需求、性能含义、安全威胁和计费分配,仅仅是当今网络管理人员所面临挑战中的一部分。随着网络在规模、速度和容量方面的发展,采用基于 RMON 或NetFlow计数器和统计的传统工具,进行监视和管理变得越来越困难。sFlow“永远在线”sFlow(RFC　3176)是基于标准的最新网络导出协议,能够解决当前网络管理人员面临的很多问题。sFlow已经成为一项线速运行的“永远在线”技术,可以将sFlow技术嵌入到网络路由器和交换机ASIC芯片中。与使用镜像端口、探针…     

基于被动测量的高速网络管理系统

文章介绍了,面向大规模宽带IP网络的运维和管理需求,以大规模网络流量测量和知识挖掘为基础,研究基于分布式流量测量的新一代宽带网络管理架构,采用网络被动模式测量和主动采集技术手段,实现对高速网络的性能、状态和行为的管理,并对网络测量技术的发展及现状、系统的架构、关键技术和应用情况作了详细阐述,明确下一步研究工作的目标。     

适于云计算的异步光分组交换互连网络节点

提出一种适合云计算的异步光分组交换互连网络节点模型。节点采用主从式树型架构进行分布式控制和管理,高速数据流在各级节点基于组播方式实现异步交换,可实现大批量计算、存储节点的可扩展性互连。提出了基于循环光纤延时线的全光分组冲突解决机制。介绍了互连网络节点架构,建立了节点稳定性及时延性能分析模型,进行了数值仿真分析。结果表明,一个256字节分组在32波密集波分复用系统中传输时,分组平均等待时延为0.072 ns。因此,该节点架构可满足云计算互连网络的可扩展性及高速、大容量、实时数据交互需求。     

基于SOC的IPSec协议实现技术

本文在分析了IPSec协议的基础上,提出了基于SOC的全新IPSec协议实现架构。该架构可消除协议处理的瓶颈问题,极大地提高IPSec协议的处理性能。该技术可应用于各种高速安全网络接入设备的设计。     

一种面向自相似业务的新型主动队列管理算法

网络业务的自相似性对网络性能具有重要影响,可能导致严重的队列时延和分组丢失率.为解决这一问题,提出了一种考虑业务自相似性的主动队列管理算法.该算法基于小波方法对网络业务的赫斯特参数进行估计,并使用该参数的估计结果分析网络自相似过程和确定自相似性的程度.然后实时估计赫斯特参数,并基于此对网络业务进行实时分类.仿真用MATLAB生成网络架构,并使用帕累托分布模拟网络业务,将该算法和其他缓存管理算法的性能进行了比较,仿真结果验证了该算法具有更好的公平性,并且在网络拥塞的情况下,可以避免丢弃分组对其他队列造成影响.     

一种改进的高性能处理器网络子系统架构设计

针对传统处理器网络子系统在高速网络环境下的性能瓶颈,特别是BD管理效率低、数据传输延迟大等问题,提出一种改进的网络子系统架构。该架构将BD管理功能从NIC上移至处理器,并扩展了BD信息,同时增加了cache的查找和读后无效操作。通过Simics模拟器对系统架构进行了仿真及评估。实验结果表明,较传统的架构和采用DCA技术的架构相比,改进后架构在取得了更高带宽利用率的同时,降低了CPU利用率,更好地保持了性能和资源的平衡。     

一种适合于网络处理器的并行多维分类算法AM-Trie

针对当前高速网络应用对分组分类算法的要求以及网络处理器体系结构的特点,提出了一种高速多维分组分类算法--AM-Trie算法(asymmetrical multi-bit trie,非对称多杈Trie树).该算法具有搜索速度快,并行性、可扩展性良好的特点,特别适合于在网络处理器上实现.同时,给出了一种空间最优的启发式分类字段分段算法,并从理论上证明其在确定AM-Trie树层数的情况下使得存储空间最小.最后,基于Intel IXP2400网络处理器设计并实现了该算法.性能实测表明,该算法性能良好并具有很好的可     

基于FPGA+TCAM架构的网络分流系统的设计与实现

网络流量分类技术为网络服务提供有力保障,在网络行为分析和网络监管方面发挥重要作用。设计并实现了一种基于FPGA+TCAM架构的网络分流系统,接入高速网络信号,恢复数据流信息,并对其进行分流管理。解决了传统网络分流系统接入速率不高,分流效果差的问题。最后对系统平台进行了测试,测试结果表明,该系统具备在高速网络环境下数据流实时分流处理的能力。     

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LAM P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,T w ig与H T M L相结合的方式减轻了服务端的负担,改善了用户体验;采用RES T框架与Cache机制对海量临时数据进行缓存,降低了...     

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。