随着时代的发展,互联网已经渗透到人们日常生活中的每一个角落。从信息查询、上网娱乐,到医疗、教育,互联网都在给人们提供便利。互联网的发展同时还带来了爆炸式增长的网络流量数据。网络流量数据记录了人们上网过程中的所有信息。对于网络流量数据的分析也日渐成为人们研究的热点。网络流量数据分析不仅能对用户行为分析提供基础,并且对网络的管理、网络结构的优化和异常流量分析等也有着重要的意义。本文主要从网络流量数据的分布入手。先对网络流量数据分布的研究现状做了综述。然后介绍了 Hadoop分布式平台和Spark计算框架,它们为海量网络流量数据的存储和计算提供了平台支撑和技术保障。课题介绍了已有的倾斜数据的分布模型,并且指出了这些模型的不足之处。然后介绍了一种新的分布模型,高斯离散指数(DGX)分布,并且详细介绍了模型的建模过程和模型评估方法。接着,本文对网络流量中的数据进行DGX建模,发现网络流量有很多数据都服从DGX分布。在DGX模型的基础之上,本文还对流量数据中的一些指标就行了分析。然后,本文建立了一张基于共享用户的网站关系图,并对图中的指标进行了 DGX建模和分析。本文基于真实的互联网流量数据,研究了网络流量数据中一些指标的分布,并在此基础上对这些数据进行了分析。这对于用户行为分析和网络结构优化等有着重要的意义。