论文部分内容阅读
随着计算机网络的迅速发展,目前的网络规模极为庞大和复杂,基于网络的应用急剧增长。网络互联环境越复杂,就意味着网络服务越容易出现问题,网络的性能越容易受到影响。为了给用户提供优质的服务,网络的维护和管理显得尤为重要。如何获取网络流量数据,建立网络流量模型并对流量进行预测,是网络管理中实时监测的重要方面。流量数据是建立流量模型和预测的必要条件,流量模型是网络性能分析和通信网络规划设计的基础。精确的流量模型可提供精确的模拟网络业务流,以作为高性能网络协议设计和拓扑结构设计的实验数据;流量模型的另一个重要用途是业务量预测,为网络规划和管理提供依据。
本文主要完成以下几个方面的工作:1.讨论了基于SNMP的网络流量数据的采集,并对采集工具MRTG进行介绍和二次开发应用,应用此工具采集数据。SNMP协议可以用于采集网络流量数据,一方面在网络设备支持的MIB中,有一些和网络流量相关的参数;另一方面,SNMP协议已经成为业界的统一标准,得到了广泛的支持,流量采集系统将SNMP作为了数据传输方式。而MRTG作为流量数据采集工具,使得流量数据以更直观地方式显示给用户。
2.通过对数据的各种预处理使数据序列达到平稳,然后建立流量模型;时间序列模型是建立在随机序列平稳性假设的基础上的,因为在实际的随机系统产生的大量样本数据绝大多数符合平稳性条件,所以对于任意给定的数据序列要进行差分处理即方差分析(ANOVA),使数据序列平稳。
3.利用ARMA模型进行网络流量预测。并针对某接口的接收和发送的数据率研究算法并建立流量模型。网络流量的预测是网络性能分析、网络管理和拥塞控制的重要手段。网络规模的扩大、网络带宽的提升、网络病毒的泛滥使得网络突发事件越来越频繁和紧急,传统的网络模型已经不能满足网络流量预测的需要,所以有必要采用一种新方法来对网络流量进行预测。
4.网络异常检测及其OPNET仿真实现。由于网络规模的扩大,设备的多样化,导致网络出现各种性能问题的可能性增大,发现和诊断问题的难度加大。另一方面用户对网络服务性能提出了更高的要求。这些都增加了网络管理的难度,对网络流量进行实时监测和管理及时地发现网络流量异常,对提高网络的可靠性和可用性有重要的意义。