导读:本文包含了流量数据管理论文开题报告文献综述及选题提纲参考文献，主要关键词:云数据中心,多业务差异化,流量管理,斐波那契树优化算法
流量数据管理论文文献综述
王耀民,王霞,董易,高莲,张松海[1]（2019）在《面向云数据中心的多业务差异化流量管理优化策略》一文中研究指出为应对运营商云数据中心多业务差异化流量管理要求,提升网络性能和业务体验,构建符合运营商云数据中心运营要求的多业务差异化流量管理模型(MSD),针对MSD模型改进斐波那契树优化(FTO)算法,提出运营商SDN云数据中心流量管理的MSD-FTO策略。实验结果表明,该策略具备良好的全局优化能力和多模自适应特性,通过算法全局局部交替迭代寻优得到多个符合条件的差异化流量管理方案,可解决运营商云数据中心多业务差异化流量管理问题,有效提升云数据中心的网络性能和业务体验。(本文来源于《通信学报》期刊2019年11期）
韩剑峰[2]（2019）在《大数据技术在民航空管战术流量管理系统的应用》一文中研究指出随着我国航空事业的快速发展,飞行流量与保障能力、空域容量之间的矛盾日渐突出。本文分析现状并提出相应的解决方案,基于大数据技术实现一套用于民航空管战术流量管理的信息系统。该系统能够帮助空管决策者在流量管理战术阶段调整航班的起飞策略从而平衡空域的流量和容量,避免空中交通拥塞,减少航班地面等待的时间,实现空域资源的有效利用,最终提高空管单位的管制服务质量及航班旅客的出行体验。(本文来源于《软件工程》期刊2019年08期）
刘鹏,王光武,孙谦[3]（2018）在《利用大数据技术辅助校园管理决策的探索与应用——以校园网络流量大数据为例》一文中研究指出近年来,互联网早已进入多元化时代,各领域数据已呈爆发式增长,教育行业尤其是高校,一直是数据生产大户。中共十九大报告中提到要建设"数字中国",推动互联网、大数据、人工智能和实体经济深度融合。实施大数据战略,加快建设数字中国。由此可见,针对大数据的研究已经成为国家基础性战略资产储备和衡量国家竞争力的重要标志。教育行业尤其是高校领域,如何抓住机遇并充分利用大数据技术,为高教事业管理提供强有力的参考和辅助,是高校管理者所面临的重要机遇,也是必由之路。(本文来源于《数字通信世界》期刊2018年08期）
臧韦菲[4]（2018）在《云数据中心网络流量管理关键技术研究》一文中研究指出云计算和虚拟化技术的应用,使云数据中心网络(Data Center Networking for Cloud Computing)内部“东西向”流量急剧增长,并在虚拟化、流量模式和拓扑结构等方面呈现出了新的特征。传统的流量管理技术因忽略了云数据中心网络的内部特征,导致网络拥塞、吞吐量降低、传输时延增大,严重影响了服务质量和用户体验。因此,如何对云数据中心网络内部流量进行有效的管理和优化成为了研究人员关注的重点。云数据中心网络流量管理的目标是提高网络性能和服务质量。考虑到虚拟机在网络中的放置位置对流量的空间分布具有很大的影响,以及不同业务产生的流在长度和传输需求上的差异性,研究人员从分布优化和传输优化两个方面,设计了网络感知的虚拟机放置技术、多路径路由技术和传输控制技术对云数据中心网络的流量进行管理。上述研究取得了很大的进展,但仍存在通信代价过高、链路负载不均、多业务传输性能无法同时保障等问题。针对上述现状,本文依托于国家863计划课题“软件定义网络体系结构与关键技术研究”,以云数据中心网络的新特征为出发点,针对现有云数据中心网络流量管理的关键技术:网络感知的虚拟机放置技术、多路径路由技术、传输控制技术存在的不足,从流量分布优化和传输优化两个角度着手展开研究。本文的研究工作及主要贡献如下:1.针对云数据中心网络内部流量的快速增长导致链路拥塞以及全网通信代价过高的问题,提出一种基于虚拟机放置的流量分布优化算法。首先,以最小化最大链路利用率和通信代价为目标,建立多目标优化模型;然后,根据该整数规划模型,对差分进化算法进行改进,综合考虑通信代价、最大链路利用率、硬件资源约束违反度和链路容量约束违反度四项指标,提出基于?松弛的多子群精英选择策略,挑选最优的虚拟机放置方案;最后,仿真结果表明,与现有网络感知的虚拟机放置方案相比,该方案能够降低全网通信代价17.5%,减少拥塞链路数目25%。2.针对传统静态多路径路由技术导致云数据中心吞吐量低、负载不均衡的问题,提出一种基于SDN的多路径流调度机制。首先,主机通过对超出TCP缓存阈值的数据包进行标记,实现大流检测;然后,控制器周期性的收集大流信息进行路径优化,实现负载均衡。其中,为降低控制器与交换机之间的交互流量,通过对粒子群算法进行改进,提出大流选择算法,减少重路由的大流数目;为挑选全局最优调度路径,设计全局最佳适应算法实现大流路径优化;为提高流的传输效率,采用分段路由技术实现大流重路由。最后,仿真结果表明,相比于现有多路径流调度机制,该机制能够提高吞吐率9.3%,同时减少控制器通信开销35%。3.针对现有传输控制技术无法同时满足云数据中心网络中截止时间流和非截止时间流的传输需求,提出一种基于松弛时间与累积发送量的混合流调度机制。首先通过引入松弛时间的概念,衡量截止时间流对非截止时间流在传输时延上的宽容度;然后根据松弛时间,通过使截止时间流尽可能接近其规定截止时间完成,降低非截止时间流的排队时延;最后,利用最小累积发送量优先策略进一步降低非截止时间流的平均完成时间。仿真结果表明,该机制能有效降低非截止时间流的平均完成时间,同时保证较低的截止时间错失率。(本文来源于《战略支援部队信息工程大学》期刊2018-04-25）
张霖[5]（2018）在《软件定义数据中心网络的低能耗流量管理策略研究》一文中研究指出数据中心规模的爆炸性膨胀加剧了能量消耗,限制了云服务的可持续增长并且严重困扰着数据中心的运营商。近年来,研究学者们提出大量先进的数据中心网络架构来提供较高的网络容量,这些架构通常具有丰富连接的拓扑结构以及多路径的路由方案。但是在通信量低谷期间,大量服务器处于空闲状态导致网络能源利用率很低。为了解决以上问题,能量感知(Energy-Aware,EA)的路由/调度算法应运而生。能量感知路由的主要思想是:首先将流量聚集到网络链路/交换机的一个子集中,为了节省能耗,将空闲的网络设备设置为睡眠模式。一般情况下,链路容量是制约能量感知算法的主要因素之一。冗余消除(Redundancy Elimination,RE)技术是近年来提出的一种增加网络链路容量的技术。通过这个技术可以避免在网络中传输重复的内容,即通过在发送端的路由器中查找数据存储库中相同的数据模式,进而发送一个容量很小的签名来替代原始数据的传输,最后通过在接收端查找该签名来恢复原始数据。然而该技术忽略了冗余消除造成路由器能耗增加的问题。因此,本文首先结合能量感知技术和冗余消除技术,提出了一种具有冗余消除的流抢占路由机制。然后,在应用能量感知技术频繁地切换网络设备模式时,为了避免网络振荡以及网络性能的下降,本文提出了相关感知的流量整合模型。本文的主要研究内容如下:(1)本文提出了一种具有冗余消除的流抢占路由(Flow Preemption Routing with Redundancy Elimination,RE-FPR)机制。该机制采用软件定义网络(Software Defined Network,SDN)技术分别为流量高峰时期和流量低谷时期的网络流选择不同的路由路径,并且全局控制相应路由器的冗余消除功能的开启/关闭。SDN控制器需要更新网络流的状态和链路的状态。本文在流量守恒约束和链路容量约束下将RE-FPR机制刻画为一个最小化网络总能耗问题,然后将其进一步转化为线性规划问题。仿真结果表明,RE-FPR机制在流的完成时间以及活动链路/RE路由器的数量方面远远低于传统的路由机制,并且RE-FPR机制更加节能。(2)本文考虑到在流量低谷时期频繁地切换网络设备模式可能会导致网络振荡甚至网络性能下降。为了解决这个问题,本文提出了一种具有相关性分析的流量整合(Correlation-Aware Traffic Consolidation,CATC)模型。CATC模型尽可能集中地处理和转发网络流,从而减少网络设备的模式切换次数并且延长其休眠时间。最后,本文通过仿真平台Mininet部署仿真实验进行CATC的评估。结果显示:与现有的节能算法相比,CATC模型不仅可以为数据中心网络节省大约45%的能量,而且只增加极少的网络延迟。(本文来源于《西南大学》期刊2018-03-29）
肖大薇,纪璎芮[6]（2018）在《互联网数据流量销售管理系统的设计》一文中研究指出针对数据流量的销售来源参差不齐的现状,本文研究并设计了一个基于网络环境的数据流量销售管理系统。系统采用Struts2+Spring MVC+My Batis+My SQL进行开发,主要实现了地区管理、业务办理、充值缴费及预警管理等功能模块。运行结果表明该系统具有业务处理速度快、灵敏度高等优势,可以极大方便企业及客户的使用。(本文来源于《中国管理信息化》期刊2018年01期）
刘洪[7]（2017）在《面向业务性能需求的数据中心网络流量管理技术研究》一文中研究指出近年来,随着云计算和虚拟化技术的广泛应用以及新兴业务模式的快速发展,数据中心网络的结构、功能、业务模式和规模发生着深刻变革,作为信息化基础设施的数据中逐渐处于数据传输、计算和存储的核心地位。当前,Goole、微软、百度、腾讯等国内外知名IT公司都建立了自己的大型数据中心以支持例如在线搜索、网络购物、社交应用以及Map Reduce等大规模集群计算的关键业务。数据中心通常包含成千上万台相互连接的服务器,大量运行的业务使得网络内部通信流量呈现指数级增长,往往会出现丢包、时延增加、吞吐率下降的现象,导致数据中心网络性能的下降,严重影响业务的性能和服务质量(Qo S)。另外,由于数据中心网络流量大小不均匀和分布不均衡的特征以及在线应用的软实时限制,传统互联网流量工程僵化的路由与调度优化模式已经难以适应新兴业务的发展需求,因此给数据中心网络流量管理带来了新的挑战和问题。本文首先对数据中心网络的研究进展以及相关流量管理技术进行详尽总结,分析归纳了数据中心网络的业务流量特征与流量优化技术的主要矛盾。然后,紧紧围绕如何提供面向业务性能需求的数据中心网络流量管理这一关键技术问题,以数据中心网络流量特征作为切入点,从由低到高的网络层级,主要研究了虚拟机放置以优化流量布局、传输层的改进TCP协议以及基于SDN的路由机制。本文的主要研究成果如下:1.针对目前大规模软件定义数据中心网络流量路由机制中可扩展性低所带来的性能瓶颈问题,本文提出一种面向树型结构的数据中心网络分段路由机制。该机制利用边缘交换机对数据流大小进行阀值检测以区分大小流,同时为满足其不同业务的Qo S和网络可扩展性的要求,提出了一种针对大流的在线最先适应算法。仿真结果表明,与传统的ECMP算法和Hedera算法相比,该机制在降低了控制器总开销的同时还具有更高的网络吞吐率。2.针对当前数据中心网络传输机制缺乏对Online Data-Intensive(OLDI)应用软实时性和高吞吐量的综合性能保障的问题,本文提出一种基于动态优先级的数据中心网络闲时感知协议LSTCP。该协议采用最小空闲时间优先(Least Slack First,LSF)调度策略对流进行优先级划分,利用ECN机制的反馈,根据流优先级和网络拥塞程度实现拥塞窗口的动态调整,实现对紧急流和截止期越早的流优先调度。实验结果表明,与传统截止时间感知协议相比,LSTCP减少了短流的平均流完成时间,保证了长流的吞吐量特性。3.针对数据中心网络静态虚拟机放置策略难以满足虚拟机动态的资源需求的问题,本文提出一种基于马尔科夫决策的虚拟机动态放置模型,该模型将流量优化问题转变为动态虚拟机放置问题DVMPP。提出一种基于Q-learning的动态虚拟机放置算法Q-DVMPA,同时利用Q-learning算法解决过大的搜索空间。实验结果表明:相比目前的放置算法,Q-VMDPA在合理的运行时间开销下,减少了数据中心网络的拥塞,优化了网络流量分布。(本文来源于《解放军信息工程大学》期刊2017-04-20）
焦宇轩[8]（2017）在《基于NoSQL的视频流量数据管理系统的设计与实现》一文中研究指出随着云时代的来临,网络视频用户数量急剧增长,运营商提出了大视频时代的概念。在大视频时代背景下,运营商面临的视频流量可视化和管理问题尤为显着。视频传输承载网络所面对的数据规模从GB级发展到TB,随着流量数据几何级增长,传统的关系数据库技术在扩展性上遇到了挑战,难以完成大数据分析的任务。从这点出发,本文提出了一个基于非关系数据库的视频流量管理系统,能有效解决大数据存储、分析以及可视化展示等一系列问题。系统有分布式和单机两种架构,能够满足不同运营商需求。系统在华为FusionInsight云平台下运行,本文首先对系统进行了需求分析,完成了系统的架构设计、功能设计,并给出了系统的基本类图。然后将系统分为查询引擎、数据管理、数据存储、数据采集四个模块进行详细设计,并重点阐述了系统总体功能设计、各模块设计思路等。在系统实现部分,概述了实验环境,并对查询引擎、数据存储模块实验结果进行了总结分析,也介绍了数据管理模块功能开发环境、实现过程,并展示了部分实现代码。最后在系统测试部分,选取了部分选型结果进行了功能性测试、可靠性测试,对测试进行了分析,总结出一些需要注意的问题。本文通过研究大数据技术,结合华为视频智能运维平台开发实例,能够最大程度上满足运营商需求和大视频时代承载网发展规律,并显着提高新一代智能运维系统数据分析能力与存储性能。(本文来源于《华中科技大学》期刊2017-04-01）
张治鹏[9]（2017）在《铁路数据网网络资源管理中的网络流量趋势研究》一文中研究指出随着铁路信息化的快速发展和业务多样化的需要,铁路数据网成为承载铁路各MIS系统数据交互、视频会议、视频监控等通信信息的主要平台,构建在铁路数据网上的应用越来越多,其复杂程度和对网络的依赖程度日益增高。各业务对带宽需求也越来越大,如何更好地了解网络流量状况对网络进行合理的带宽分配成为了铁路数据网网络资源管理研究中的关键问题。基于流属性的网络流量模型是网络性能分析和网络带宽分配的基础,精准的网络流量模型对于业务流量预测、网络拓扑设计、网络性能都有重要的意义。因此,通过统计分析铁路业务流量和各业务子网流量行为特性建立高效的网络流量分析预测模型是实现网络带宽分配的前提,也是实现铁路数据网智能化调配的首要研究课题。但是,目前铁路数据网流量分析停留在简单粗略的监控,流量精确统计、流量预测技术等还有待研究。本文基于网络流量采集以及流量建模的研究,针对铁路数据网承载业务特性,设计基于业务的流量统计方案并且采用分数差分自回归和滑动平均模型对铁路实际网络流量数据进行建模分析和预测。主要研究内容包括以下几个方面:(1)分析归纳了铁路数据网业务承载特性及IP地址分配规律,在此基础上,研究分析相关流量统计技术方法的优劣性,重点分析了 NetFlow技术的数据采集、缓存、老化机制以及聚合策略。设计基于源IP地址前缀匹配聚合策略方法,建立铁路业务系统流量统计方案,为未来基于业务流量预测的带宽分配提供数据基础。(2)根据铁路数据网流量的自相似性和复杂性特点,分析网络流量模型的优缺点,选择分数自回归整合滑动平均(Fractal Autoregressive Integrated Moving Average,FARIMA)模型作为文章的建模分析技术。为了简化FARIMA模型分析算法的复杂度,本文将FARIMA模型分解为差分过程和ARMA过程。通过仿真验证了 FARIMA模型的长相关性,并且对铁路数据网实际流量数据进行FARIMA建模预测。通过与ARMA模型预测拟合对比分析验证FARIMA模型预测的精准度,实验结果证明FARIMA建模预测分析拟合度较高,能够作为铁路数据网网络流量趋势预测分析。本文得出的预测数据能够对网络进行动态带宽分配,对于铁路数据网业务而言,预测出每一个业务流量趋势能够实现各业务子系统VPN带宽分配,在业务网络繁忙时,能够提前预知并且扩大带宽,避免丢包、延时等网络性能的劣化,保障铁路数据网运行安全。在业务网络空闲时,能够合理规划带宽分配,节省带宽资源。(本文来源于《北京交通大学》期刊2017-04-01）
陈旭[10]（2016）在《流量与数据分析在网络管理中的应用》一文中研究指出随着网络化在企业和单位中的推进,网络管理就成为网络应用的重要组成部分。通常情况下网络管理者因为设备地理位置的分散,而往往又需要集中的对设备运行情况进行集中管理,会造成管理难度的增大。当网络出现异常情况的时候不容易定位判别。不过就根本上来说,网络的运行状况最终都要以数据和流量的形式体现出来。因此,对数据和流量的捕获分析就成为网络管理中的一个重要方面,通常将这种对流量和数据进行分析的行为称之为"网络分析"。(本文来源于《留学生》期刊2016年09期）
流量数据管理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国航空事业的快速发展,飞行流量与保障能力、空域容量之间的矛盾日渐突出。本文分析现状并提出相应的解决方案,基于大数据技术实现一套用于民航空管战术流量管理的信息系统。该系统能够帮助空管决策者在流量管理战术阶段调整航班的起飞策略从而平衡空域的流量和容量,避免空中交通拥塞,减少航班地面等待的时间,实现空域资源的有效利用,最终提高空管单位的管制服务质量及航班旅客的出行体验。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
流量数据管理论文参考文献
[1].王耀民,王霞,董易,高莲,张松海.面向云数据中心的多业务差异化流量管理优化策略[J].通信学报.2019
[2].韩剑峰.大数据技术在民航空管战术流量管理系统的应用[J].软件工程.2019
[3].刘鹏,王光武,孙谦.利用大数据技术辅助校园管理决策的探索与应用——以校园网络流量大数据为例[J].数字通信世界.2018
[4].臧韦菲.云数据中心网络流量管理关键技术研究[D].战略支援部队信息工程大学.2018
[5].张霖.软件定义数据中心网络的低能耗流量管理策略研究[D].西南大学.2018
[6].肖大薇,纪璎芮.互联网数据流量销售管理系统的设计[J].中国管理信息化.2018
[7].刘洪.面向业务性能需求的数据中心网络流量管理技术研究[D].解放军信息工程大学.2017
[8].焦宇轩.基于NoSQL的视频流量数据管理系统的设计与实现[D].华中科技大学.2017
[9].张治鹏.铁路数据网网络资源管理中的网络流量趋势研究[D].北京交通大学.2017
[10].陈旭.流量与数据分析在网络管理中的应用[J].留学生.2016