資源描述：
《基于模型分析的中小型網(wǎng)絡(luò)流量監(jiān)測和預(yù)報(bào)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、東南大學(xué)碩士畢業(yè)論文據(jù)用統(tǒng)計(jì)學(xué)的方法進(jìn)行分析，才能發(fā)現(xiàn)其中規(guī)律，并對未來流量行為的變化進(jìn)行預(yù)測。統(tǒng)計(jì)的事件分布是一個(gè)事件序列，對于事件序列的分析已經(jīng)形成一個(gè)科學(xué)分支，而預(yù)測正是其中一個(gè)重要的組成部分?？聽柲缏宸?、勃克斯一詹金斯發(fā)展起來的基于時(shí)間序列分析的預(yù)測方法和維納、卡爾曼發(fā)展起來的基于狀態(tài)空間濾波技術(shù)的預(yù)測方法．是預(yù)測方法研究的兩大方向。特別是基于時(shí)間序列的分析，為預(yù)測理論與計(jì)算機(jī)結(jié)合提供可能。時(shí)間序列是按照時(shí)問順序取得的一系列觀測值。時(shí)間序列的一個(gè)典型特征是相鄶觀測值之間存在著依賴性，時(shí)間序列分析所討論的就是對這種依賴性進(jìn)行分析，也正是這
2、種依賴性使得時(shí)間序列成為當(dāng)今國內(nèi)外研究網(wǎng)絡(luò)業(yè)務(wù)流量的重要工具。常用的網(wǎng)絡(luò)業(yè)務(wù)流量分析預(yù)測方法，是通過對實(shí)際網(wǎng)絡(luò)進(jìn)行測量以收集大量的網(wǎng)絡(luò)流量數(shù)據(jù)，從中計(jì)算出關(guān)心的特征信息，選取合適的時(shí)間序列分析方法，利用歷史信息獲得網(wǎng)絡(luò)業(yè)務(wù)流量時(shí)間序列模型，從而進(jìn)一步預(yù)測網(wǎng)絡(luò)業(yè)務(wù)流量的變化靚律和發(fā)展趨勢。為適應(yīng)現(xiàn)有網(wǎng)絡(luò)業(yè)務(wù)流量的復(fù)雜特征，人們采用了不同的方法對計(jì)算機(jī)網(wǎng)絡(luò)流量進(jìn)行擬合建模和分析預(yù)測。研究者相繼提出了指數(shù)平均(ExponentialSmoothing)方法、馬爾可夫(Markov)過程、白回歸(AutoRegressive，AR)過程、滑動(dòng)平均(Mov
3、ingAverage，姒)過程、自回歸滑動(dòng)平均(AutoRegressiveMovingAverage，AR姒)過程以及自回歸求和滑動(dòng)平均(AutoRegressiveIntegratedMovingAverage，AliI眥)過程、分?jǐn)?shù)求和自回歸滑動(dòng)平均(FractionalAutoRegressiveIntegratedMovingAverage，F(xiàn)ARIMA)過程等各類方法，描述現(xiàn)有網(wǎng)絡(luò)業(yè)務(wù)流量的特性的模型．除了這類擬合歷史數(shù)據(jù)規(guī)律達(dá)到預(yù)測目的的方法之外，還有一類利用人工智能的方法，例如人工神經(jīng)網(wǎng)絡(luò)，從歷史數(shù)據(jù)中學(xué)習(xí)逼近，利用一段數(shù)據(jù)推導(dǎo)到
4、下一步數(shù)據(jù)的抽象函數(shù)，達(dá)到預(yù)測的目的。?“?目前大多數(shù)的網(wǎng)絡(luò)流量預(yù)測技術(shù)的研究都是針對主干網(wǎng)絡(luò)進(jìn)行的，要想將這些技術(shù)運(yùn)用到中小型網(wǎng)絡(luò)，需要針對中小型網(wǎng)絡(luò)流量雖然數(shù)據(jù)量不大，但是波動(dòng)大，隨機(jī)性強(qiáng)的特點(diǎn)，選擇臺適的模型，合理的配置再加以適當(dāng)?shù)母倪M(jìn)。這也是本文主要討論的問題之一．1．3SENTRY系統(tǒng)簡介為了幫助中小型網(wǎng)絡(luò)的管理者能夠更加方便、有效地開展網(wǎng)管工作。對網(wǎng)絡(luò)的運(yùn)行狀態(tài)加以不間斷的實(shí)時(shí)監(jiān)測，并且利用流量預(yù)報(bào)為管理者提供更多的參考依據(jù)，在本文的研究基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)稱為SENTRY的系統(tǒng)。它實(shí)際上是一個(gè)針對中小型網(wǎng)絡(luò)設(shè)計(jì)的輔助網(wǎng)絡(luò)管理與監(jiān)
5、測系統(tǒng)．由負(fù)責(zé)網(wǎng)絡(luò)監(jiān)測的守護(hù)進(jìn)程和相應(yīng)的分析工具組成。通過對網(wǎng)絡(luò)流量相關(guān)數(shù)據(jù)的匯總分析。發(fā)現(xiàn)可能的異常狀況，并且通過對歷史數(shù)據(jù)潛在規(guī)律的發(fā)掘，預(yù)報(bào)網(wǎng)絡(luò)的流量。該系統(tǒng)運(yùn)行于Linux平臺，且基于SNMP協(xié)議所提供的信息，因此具有很好的通用性。圖卜1是SENTRY系統(tǒng)的參考運(yùn)行環(huán)境。一般的中小型網(wǎng)絡(luò)都有一個(gè)或者多個(gè)的邊界路由器(路由接口)連接判不同的主干網(wǎng)絡(luò)。SENTRY系統(tǒng)的服務(wù)器運(yùn)行在中小型網(wǎng)絡(luò)之中，從邊界路由接口上采集需要的流量信息，以及路由器的資源使用信息。．4．第一章緒論主干圖1-1SENTRY系統(tǒng)參考運(yùn)行環(huán)境SENTRY系統(tǒng)主要完成兩方面
6、的功能：1．異常狀態(tài)的發(fā)現(xiàn)SENTRY系統(tǒng)的守護(hù)進(jìn)程從網(wǎng)絡(luò)的邊界設(shè)備上，定期采集需要的流量數(shù)據(jù)，并計(jì)算出系統(tǒng)所關(guān)心的測度值。它建立了一個(gè)網(wǎng)絡(luò)流量異常判定的模型，將測度值匯總分析后，給出一個(gè)統(tǒng)一的異常參考值，一旦系統(tǒng)發(fā)現(xiàn)這個(gè)值超過正常的范圍時(shí)，會(huì)記錄這個(gè)異常狀態(tài)。供管理員做晟終判定。當(dāng)管理員的確認(rèn)了這個(gè)異常狀態(tài)之后，SENTRY系統(tǒng)還會(huì)將它反饋到判定模型之中，進(jìn)一步優(yōu)化系統(tǒng)的異常判定能力。和傳統(tǒng)的異常發(fā)現(xiàn)方法相比，SENTRY系統(tǒng)有兩點(diǎn)不同，一是管理人員不需要通過對眾多的網(wǎng)絡(luò)參數(shù)進(jìn)行配置來定義異常，只需要設(shè)定一個(gè)異常參考值，簡化了配置的難度，二是s
7、ENTRY系統(tǒng)的異常判定機(jī)制，建立在歷史數(shù)據(jù)的基礎(chǔ)上，而且它的異常管理機(jī)制可以將管理人員的最終判斷反饋到系統(tǒng)中．這樣的方式不僅可以使異常判定模型隨著網(wǎng)絡(luò)環(huán)境的變化而動(dòng)態(tài)的調(diào)整，而且更加簡單，便于管理人員的使用和維護(hù)。2．網(wǎng)絡(luò)流量的預(yù)報(bào)SENTRY系統(tǒng)利用網(wǎng)絡(luò)監(jiān)控采集到的數(shù)據(jù)，建立合理的數(shù)學(xué)模型加以分析，發(fā)掘其中潛在的規(guī)律，從而進(jìn)一步預(yù)報(bào)網(wǎng)絡(luò)的未來流量，為管理員提供更多的幫助。不少網(wǎng)絡(luò)管理的日常工作，需要在網(wǎng)絡(luò)相對空閑的時(shí)間段進(jìn)行，有了流量預(yù)報(bào)功能，就給了管理員更多的依據(jù)。通過對流量的分析和預(yù)報(bào)，管理員也可以發(fā)現(xiàn)網(wǎng)絡(luò)需求變化的趨勢．為網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)
8、配置，提供了參考的數(shù)據(jù)。SENTRY系統(tǒng)以中小型網(wǎng)絡(luò)的實(shí)際環(huán)境為藍(lán)本設(shè)計(jì)，并以華東(北)地區(qū)網(wǎng)絡(luò)中心的內(nèi)部網(wǎng)作為測試接入網(wǎng)，進(jìn)行數(shù)據(jù)采集
