基于大数据驱动的网络信息平面研究

《基于大数据驱动的网络信息平面研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于大数据驱动的网络信息平面研究　　摘要：在互联网技术以日新月异的速度飞快发展的背景下，其被广泛应用于人们日常工作及生活中的方方面面，随着时代的进步，人们对互联网的功能要求越来越高，然而由于感知能力无法在网络中得以提升等因素，严重阻碍了互联网的服务质量。在这种情况下，本文从基于大数据驱动的网络信息平面架构设计入手，对多维多源参数测量感知的网络信息平面、多样化数据分析的网络信息平面展开了研究。　　关键词：大数据驱动；网络信息平面；研究　　前言：互联网自应用以来，对人们的生活方式进行了极大的改变。然而，在人们生活质量不断提升的背景下，对互联网的功能需

2、求也越来越高，然而在互联网规模不断扩大的过程中，其服务功能却没有随之增长。例如时延和带宽问题在跨AS链路中的存在等。而网络信息平台的构建，能够有效解决网络同应用互相独立的缺陷，在这种情况下，积极加强基于大数据驱动的网络信息平面研究具有重要意义。　　一、基于大数据驱动的网络信息平面架构设计　　（一）总体目标6　　在设计网络信息平面过程中，必须从整体上首先构建一个科学的目标，即在对网络测量平台及相关测量设备进行应用的基础上，对网络数据的多维多源参数进行采集，在预处理实施以后，综合应用多种分析模型及工具，展开可视化分析以及数据挖掘，并将数据分析结果以信

3、息资源的方式提供给使用者，从而满足使用者多种不同的需求，促使各项服务的不同阶段能够在这一数据资源的支持下得以优化，更重要的是，通过对这一网络体系结构的应用，应有助于同全新的网络架构展开融合[1]。　　（二）网络信息平面架构　　通常情况下，数据分析、服务、数据管理以及测量四个平台是网络信息平面的重要成分，测量平台在运行中，能够有效采集各种多维多源参数；数据管理平台运行中，可以将可追溯和高效能的管理应用于以上采集到的数据；数据分析平台运行中，可以从多个层次出发，对数据及其功能展开深入分析，最后应用信息资源和知识的形式取得原有的数据形式；服务平台运行中

4、，通过利用以上产生的知识和信息资源，将多种类型的数据分析服务提供给使用者。　　二、多维多源参数测量感知的网络信息平面　　（一）网络基础设施测量感知　　这一感知主要是指对网络拓扑进行获取，受商业机密的影响，网络服务中无法直接将拓扑信息提供给使用者。因此积极加强网络拓扑信息收集研究具有重要意义。而IP别名解析法是路由器级拓扑结构的研究重点，其应用中，能够对同归于一个路由器接口的IP方法进行推动。现阶段，在IP别名解析过程中，产生了多种方法，包括KAPAR、APAR等。从整体上来看，探测和分析推断是IP别名解析的良好综方法[2]。前者应用中，主要能够将

5、探测分组发送到不同IP，一定的标记由路由器响应数据携带，在对其进行利用的过程中，可以对同一个路由器中的IP6进行判断。这一方法必须将大量的探测包发送到网络中，造成较大的负载，而网络安全防御能力提升的过程中，探测包会被路由器所屏蔽，造成失败的探测；后者主要对Traceroute及改进版进行利用，数据采集中，两相邻IP在Trace路径中的关系可以对一个路由器中的IP进行推断。值得注意的是，同探测方法相比，这一方法的精度较低，然而可以有效解析大量数据，同时促使网络中的负载减少。　　（二）网络性能测量感知　　这一感知主要指感知不同IP之间的路径性能，可用

6、带宽、丢包率以及时延等都是感知的对象。在较大的网络规模下，对两不同IP之间的路径性能进行测量，要想对未知路径性能进行推断，需要对已知的路径性能进行应用，这是因为直接路径性能测量不可能实现。以下为路径测量中的典型方法：将ping测量应用于测量节点、终端用户和其他测量节点之间，S、D分别为两终端用户，二者之间的延时，应用该方法，可以玩VS和VD两个延时最小测量节点，接下来带入公式delay（S，D）=delay（S，VS）+delay（VS，VD）+delay（VD，D），IDMaps即可。由于这种方法在应用过程中，预测任意IP之间的网络时延具有明显

7、效果，但是路径拟合法可以有效预测多种不同的路径性能，因此应用更为广泛。　　三、多样化数据分析的网络信息平面　　（一）数据分析预处理工具库　　在对大数据进行分析的过程中，要想提升质量，将预处理应用于输入6的数据当中至关重要，促使数据表示形式具有可支持和可视性，并以此替代动态变化和相互冲突的数据内容是关键，在对数据分析预处理工具库进行应用的过程中，可以应用规范性较强的可分析数据来替代以往的碎片化数据。在实施预处理时，导入工作每秒可到达百兆和千兆级，面对海量的数据，在对并行数据预处理算法提供支持的过程中，需要严格遵守并行数据转换规则，促使大数据预处理过

8、程中的信息安全性提升；在有效的输入和输出规范基础上，对分析工具进行科学的应用，分析海量输入数据，对其进行预测、分析和估计等，在对模型分析