校园网流量分析
学校校园网络安全管理的网络流量分析与监控
学校校园网络安全管理的网络流量分析与监控随着互联网的普及和应用的广泛，学校校园网络安全管理变得越来越重要。
为了确保学校网络的稳定和安全，校园网络的流量分析与监控成为了不可或缺的一环。
本文将从网络流量分析和网络监控两个方面探讨学校校园网络安全管理的重要性。
一、网络流量分析的意义网络流量分析是指对网络中数据的传输量、来源、目的地、协议等进行统计、分析和监控的过程。
通过对网络流量进行分析，可以获得大量有关学校网络使用情况的数据信息，进而进行合理调整和管理。
1. 检测异常网络行为通过对网络流量的分析，可以及时检测到异常网络行为，如大量数据传输、频繁的登录尝试等。
这些异常行为可能是由病毒、恶意软件或网络攻击引起的，及时发现并采取相应的措施可以避免网络安全事故的发生。
2. 优化网络资源分配网络流量分析可以提供关于网络资源使用情况的详细数据，帮助学校了解网络资源的利用率和瓶颈所在。
通过根据分析结果进行网络资源的合理分配，可以提高网络的效率和性能，避免资源浪费。
3. 提升网络服务质量通过对网络流量进行分析，可以了解学生和教职工在网络上的使用习惯和需求，并据此优化网络服务。
例如，如果发现某一应用程序或网站的访问量很大，学校可以增加带宽，以提供更好的访问体验。
二、网络监控的重要性网络监控是指对学校校园网络中的网络流量、设备和用户行为进行实时监控和记录的过程。
通过网络监控，学校可以及时发现和解决网络安全问题，保障网络的稳定和正常运行。
1. 预防网络攻击网络监控可以检测到未经授权的访问、非法入侵和网络攻击等安全威胁，并及时采取相应措施进行防范。
通过实时监控，学校可以防止恶意攻击者入侵网络，保护师生的个人隐私和学校机密信息的安全。
2. 解决网络故障网络监控可以帮助学校及时发现和解决网络故障，提高网络的可用性和稳定性。
通过监控网络设备的运行状态和网络流量的传输情况，学校可以快速定位故障原因，并采取措施进行修复。
3. 提供安全教育和培训通过网络监控，学校可以了解学生在网络上的行为和活动，及时发现并纠正不良行为。
学校校园网络安全管理中的网络流量监测与分析
学校校园网络安全管理中的网络流量监测与分析在现代化的学校教育中，网络已经成为了不可或缺的工具。
学校网络的广泛使用为师生提供了便利，同时也给学校的信息安全带来了新的挑战。
为了保障校园网络的安全稳定运行，学校应该加强网络流量监测与分析。
本文将介绍学校校园网络安全管理中的网络流量监测与分析的重要性以及具体实施方法。
一、网络流量监测与分析的重要性网络流量监测与分析是学校校园网络安全管理的重要一环。
通过监测网络流量，学校可以及时获取网络使用情况，从而保障网络资源的公平合理利用。
网络流量监测还可以帮助学校发现网络攻击和异常行为，防范黑客攻击、病毒传播等安全风险。
此外，网络流量分析也是评估网络性能的重要手段，可以帮助学校了解网络带宽利用率、瓶颈问题等，并进行相应的优化调整。
二、网络流量监测与分析的实施方法1. 安装网络流量监测系统为了监测和分析学校的网络流量，学校需安装网络流量监测系统。
该系统可以实时捕获和记录网络流量数据，并进行分析和报告生成。
学校可以选择专业的流量监测软件，如Wireshark、SolarWinds等，也可委托相关企业提供网络流量监测服务。
2. 设定监测指标和阈值在网络流量监测系统中，学校需要设定监测指标和阈值。
监测指标可以包括网络带宽利用率、上行和下行流量、连接数等。
阈值则是用于衡量网络异常情况的临界值，一旦超过阈值就会触发报警机制。
学校可以根据实际需求和带宽容量来设定监测指标和阈值，以保障网络的正常运行。
3. 进行实时监测与分析网络流量监测系统能够实时获取各类网络流量数据，学校可以通过该系统进行实时监测与分析。
通过查看流量图表、统计报告等，学校能够了解网络的使用情况、流量分布、利用率等信息，及时发现异常情况。
同时，学校还可以根据流量数据分析结果，判断网络性能瓶颈，调整网络设备配置，提升网络带宽利用率。
4. 进行历史数据分析除了实时监测与分析，学校还应当对历史数据进行分析，以了解网络使用趋势和长期变化情况。
面向高校网络管理的流量分析与优化研究
面向高校网络管理的流量分析与优化研究随着互联网的快速发展和普及，现如今，互联网已经渗透到了各行各业。
对于大多数高校而言，网络已经成为了一种必需品，高校网络不仅仅要享受互联网所带来的便利，更需要面对和解决一系列的网络问题，其中最关键的就是网络流量问题。
因此，本文将探讨面向高校网络管理的流量分析与优化研究。
一、高校网络流量状况分析1、高校网络流量表现高校的网络容量和设备并不都对应着完美的网络状况。
随着学校学生和教工日渐增加，网络流量也愈发激增。
不同的用户在不同的时间使用网络，网络流量也会发生变化。
而高校的宽带网络并没有容量大到足以保证足够的网络带宽供所有人同时在线，这也是高校网络出现拥堵的主要原因。
2、高校网络流量成因高校网络出现拥堵的原因有很多种，具体如下：（1）学生在上课自修时间过多，加上晚上上网时间较长，导致网络带宽被占用较多。
（2）在学生追求网络娱乐的同时，学校在禁止游戏等相关程序上力度不够，导致网络被过多占用。
（3）学生所在的公寓楼拥挤且数量众多，其所带来的网络需求后期被满足，需要更强劲的网络支持。
二、高校网络优化方向针对高校网络流量问题，应该进行优化。
具体的优化方法如下：1、全面掌握网络流量情况高校网络管理部门需要随时掌握网络流量情况，及时了解流量消耗情况、流量峰值以及流量瓶颈等信息，作出合理的网络规划和调节，保障网络带宽足够。
2、合理规划带宽资源高校网络管理部门应该根据不同区域，不同用途，对带宽资源进行合理规划。
对高峰和低谷时间带宽安排，通过网络管理软件对网络使用的人口密集场所和时段加以管控。
3、科学管理网络流量针对高校网络流量过多的问题，网络管理部门应该加强对用户访问所产生流量的控制，通过对用户访问的限制，来合理分配带宽资源，避免网络拥堵引发一系列网络问题。
4、加强网络日志管理网络日志管理是了解网站和以往访问情况的重要途径，可以对网站进行分析和优化，还可以利用日志进行逆向IP找出企业伪冒等黑客攻击手段，这也是一种非常有助于网络安全的优化策略。
大学生4G手机流量使用分析报告
大学生4G手机流量使用分析报告
本月27号，我们在网上放出了“大学生4G手机流量使用分析报告
”。
经过几天网友地积极参与，截至10月29日我们回收了 298 份调查问卷。
经过对结果的整合与分析，我们整理出了这篇报告。
现阶段网民的手机网络使用情况
从本次调查结果来看，参与测试的网民均为大学生，其中使用4G手机的占大多数，为62.5%。
使用4G手机的学生中，每天使用手机上网的时间累计少于1小时的占1.75%，累计超过5小时的占40.35%；一个月累计花费流量在200MB以下的占5.26%，在200MB到500MB的占12.28%，500MB~1G的占19.3%，超过1G的占63.16%。
网络已经成为大学生生活的一部分，手机流量使用较多。
从大学生话费使用情况来看，每月使用30~50元话费的为49.2%，少数超过100元。
但多数学生话费使用在手机流量上。
据统计，每月流量使用占话费比例60%以上的占36.67%。
通过大学生使用4G网络做什么可以看出，浏览网页，看新闻的人数最多，占了42.11%，而用来聊天的人数也占到了40.35%.大学生是一个特殊人群，是学校和社会的一个过渡期，而大学生有很多时间没有利用起来，甚至不知道去做什么，所以上网打发时间已经成为大多数人的选择。
现阶段大学生对使用中手机4G网络的评价
参与测试的大学生都对流量数量有着更加强烈的需求，多数大学生认为现有的流量套餐是完全不够用的。
但是参与测试的大学生对4G网络速度比较满意，86.67%的大学生认为4G网速快。
结语。
校园网络流量的监测与分析
毕毕业设计（论文）( 2011届 )题目：校园网络流量的监测与分析分院机电信息分院专业班级学生姓名学号导师姓名成绩2011 年 4 月日目录摘要： (1)一、引言 (2)二、网络流量的监测方式 (2)（一）基于流量镜像的监测方式 (2)（二）基于Netflow的监测方式 (2)（三）基于SNMP的监测方式 (2)三、检测工具安装部署 (3)（一）网络拓扑图 (3)（二）配置Cisco 6509 (4)（三）IIS与SNMP服务的安装 (5)（四）ActivePerl和MRTG软件的安装 (6)1.安装ActivePerl (6)2.安装MRTG (7)（五）MRTG的基本配置 (7)（六）MRTG的高级配置 (8)（七）MRTG的使用 (8)四、实例分析 (9)（一）校园网络流量的监测与分析 (9)（二）校园网络流量问题产生的主要原因 (11)1.计算机病毒 (11)2.过度下载 (11)3.非法连接 (11)（三）校园网络流量控制的措施 (12)1.建立实时分析机制发现异常网络流量 (12)2.设置不同应用带宽 (12)3.设置IP带宽上限 (12)五、总结 (13)参考文献： (14)致谢： (15)校园网络流量的监测与分析机电信息分院指导教师：摘要：随着校园网络的高速发展，网络变得日益复杂，为了使校园网络在复杂环境下提供有质量保证的网络服务，必须对校园网络行为进行深入的了解和分析。
文章分析了网络流量的监测方式，并在实际的校园网络中，对Cisco6509网络设备进行配置，在Windows Server 2003的系统平台下安装配置IIS、SNMP服务和MRTG检测工具。
通过使用MRTG检测工具对关键链路的流量和关键设备的性能状况进行监控，实现了网络性能管理中的流量监测功能，得到了相关的详细网络流量统计图表，并制作成了网页。
还分析了校园网络流量问题产生的主要原因，并对校园网络流量控制采取相应的措施，为网络性能分析和通信网络规划提供了重要的参考依据，最后对此次实验做出了总结。
学校网络安全管理中的网络流量监测与分析
学校网络安全管理中的网络流量监测与分析随着互联网的普及，学校的网络安全问题愈发引人关注。
为了保障学校网络的安全稳定，网络流量监测与分析成为学校网络安全管理的重要环节。
本文将从网络流量监测的意义、监测方法以及分析的价值等方面探讨学校网络安全管理中的网络流量监测与分析。
一、网络流量监测的意义网络流量监测是指对学校网络中的数据流进行实时监测和记录的过程。
通过对网络流量的监测，学校能够及时发现网络异常行为，如恶意攻击、病毒传播等，提前做出应对措施，保障网络的正常运行。
同时，网络流量监测还能够提供有价值的数据信息，为学校制定网络安全策略和优化网络架构提供参考依据。
二、网络流量监测的方法1. 流量采集为了实现网络流量监测，学校需要部署相应的流量采集设备。
流量采集设备负责对学校网络中的数据流进行捕获和记录，通常采用镜像端口、防火墙或流量分析器等方式进行，确保采集到准确的网络流量数据。
2. 流量分析流量采集设备捕获到的网络流量数据需要进行分析，以获取有效的信息。
学校可以依据自身需求，选择适合的流量分析工具，如Wireshark、Ethereal等，对网络流量数据进行深入分析，提取重要的关键信息。
三、网络流量分析的价值网络流量分析作为学校网络安全管理的一项重要工作，具有以下几个价值：1. 异常行为检测：通过对网络流量的分析，学校可以及时发现网络中的异常行为，如恶意软件传播、网络攻击等，从而采取相应的措施进行防范和打击。
2. 网络性能优化：通过分析网络流量数据，学校可以了解网络负载、瓶颈等情况，从而针对性地优化网络架构和配置，提高网络性能和稳定性。
3. 网络安全策略制定：通过对网络流量的深入分析，学校可以了解网络中存在的安全漏洞和风险，并制定相应的安全策略和措施，提高学校网络的整体安全性。
4. 异常事件溯源：在网络安全事件发生后，学校可以通过对网络流量的分析，追踪攻击源头，获取攻击者的攻击方式和目标，进而采取相应的应对措施和防护措施。
校园网流量分析与控制策略应用
校园网流量分析与控制策略应用随着网络技术的不断发展和普及，校园网已经成为现代学生学习生活不可或缺的一部分。
在这个超级信息化的时代，校园网已经成为学校内部最重要且最广泛使用的网络形式。
随着校园网用户数量增加，尤其是移动设备的普及，网络流量的增加，以及无良用户大量下载文件和观看视频的情况，校园网的流量管理已经成为一个必须面对的问题。
流量分析是帮助学校了解校园网的流量使用情况，通过分析的数据得出校园网使用情况的状况，从而在问题出现时及时应对。
在分析之前应该进行分类，按照应用来将流量分为不同的类型。
比如，文件下载、视频观看、网页浏览、网络游戏等等。
然后，根据每一类资源的比例，利用专业的工具进行详细的分析，了解每一类资源的使用情况，从而判断用户对网络的依赖、需求程度及其所需的带宽、速度等。
通过对数据的分析，可以了解到用户使用网络的重点以及瓶颈。
将这些收集到的数据进行分析后，可以将校园网的运营情况完全掌握在手中。
教育机构可以优先为热门应用程序和内容保留带宽，降低低价值应用的优先级，从而最大程度地满足用户的需求，提高校园网的运营质量。
在分析了校园网流量的使用情况之后，为了保证网络质量，提高网络使用效率，必须进行流量控制。
流量控制是指校园网对网络我进行监管，对恶意用户、非法行为、超时用户等加以限制、控制。
这可以在服务器上完成，具体包括消除数据传输的时延，减少数据丢失和服务失败次数，保证流量的正常使用。
流量控制有许多形式，如限制用户的流量、带宽限制、优先级设置、数据压缩、访问限制等等。
这些控制措施可以帮助学校应对流量过大和恶意“占篓耗尽网络资源”的用户。
控制措施还可以避免学生在网络浪费时间，找到校园网问题的根本原因。
总之，校园网流量分析与控制策略可以帮助学校了解网络的使用情况，合理调配带宽资源，避免出现带宽瓶颈和其他问题，确保网络使用的稳定性、安全性和效率性。
通过这些措施，校园网可以为广大师生提供稳定优质的网络服务，让校园网成为学生学习和工作的重要平台之一。
学校校园网络安全管理中的网络流量分析与优化
学校校园网络安全管理中的网络流量分析与优化随着信息技术的快速发展，学校校园网络已经成为教学、学习和管理的必要基础设施。
然而，随之而来的挑战是如何确保学校校园网络的安全性。
网络流量分析与优化是实现校园网络安全的重要方法之一。
本文将探讨校园网络安全管理中的网络流量分析与优化的重要性，并介绍相关的技术和方法。
一、网络流量分析与优化的重要性在学校校园网络中，网络流量分析是一种必要的手段，它可以帮助学校了解网络的使用情况，发现潜在的安全威胁和漏洞。
通过对网络流量进行仔细分析，学校可以识别出异常的流量模式，及时发现并解决网络攻击、恶意软件传播等安全问题，从而保障教学秩序和学生信息的安全。
此外，网络流量分析还能帮助学校识别出网络使用中的瓶颈和问题，在这些问题的基础上进行网络优化，提升网络的性能和可用性。
二、网络流量分析技术1. 流量监测工具流量监测工具是网络流量分析的基础工具，它能够帮助学校实时监控网络中的数据流量，并记录和分析这些数据。
目前比较常用的流量监测工具有Wireshark、NetFlow等，这些工具可以提供详细的网络流量信息，包括IP地址、端口号、传输协议等，有助于学校进行精准的网络流量分析。
2. 流量数据分析技术流量数据分析技术是网络流量分析的核心技术之一。
通过对流量数据进行深入分析，可以挖掘出隐藏在大量数据背后的有价值信息。
常用的流量数据分析技术包括数据挖掘、机器学习等，它们可以帮助学校发现网络安全事件、异常行为和网络故障等问题，提高学校对校园网络安全的监测和管理能力。
三、网络流量优化方法1. 带宽管理学校校园网络中，带宽通常是有限的资源。
通过进行带宽管理，学校可以合理分配带宽资源，避免网络拥堵和负载不均衡的问题。
一种常用的带宽管理方法是QoS（Quality of Service），通过设置不同的优先级和服务质量策略，确保教学和学习的网络流量具有较高的优先级，提高网络的稳定性和可靠性。
2. 流量整形与过滤流量整形与过滤是网络流量优化的重要手段之一，它可以帮助学校对网络流量进行精确控制。
校园宽带流量构成情况分析
师大校园宽带流量构成情况分析
一、电信方向：
电信方向总体流量构成情况：从下图可以看出主要流量是网络电视及http 浏览占到60%以上；P2P下载在8%左右；网络游戏占到1.5%。
师大校园宽带构成情况：由于校园宽带是按流量计费，所以http浏览占到接近60%；网络电视流量比例较低仅为不足15%，较总体流量的占比低了20%；网络游戏占到3%是全总体流量占比的两倍；P2P下载也占到8%左右，其他构成基本一致。
二、联通方向
电信方向总体流量构成情况：从下图可以看出主要流量是网络电视及http浏览占到60%左右；P2P下载在9%左右；网络游戏占到2.5%。
师大校园宽带构成情况：由于校园宽带是按流量计费，所以http浏览占到接近50%；网络电视流量比例较低仅为不足6%，较总体流量的占比低了20%；网络游戏占到13%是全总体流量中占比的5倍；P2P下载也占到4%左右，其他构成基本一致。
综合电信及联通两个方向，校园宽带和普通宽带的构成，主要区别在于校园网络视频流量占比相对较少，P2P流量占比也有相对要低一些，但网络游戏流量占比较大，电信方向是总体流量占比的5倍，网页浏览的占比其他流量构成基本一致。
前期走访中发现学生宽带由于是按流量收费，学生都会计算着来使用，一般不会观看网络电视和P2P下载这样使用流量较大的应用，一般都是只浏览网页聊天等，但大部分学生都玩网络游戏，所以网络游戏的流量占比会比较大。
以上分析中的情况也正好与前期走访的情况相吻合。
学校校园网络安全管理的网络流量监测与分析
学校校园网络安全管理的网络流量监测与分析在当今数字化时代，学校校园网络安全管理已成为各教育机构亟需解决的重要问题之一。
为了维护校园网络的安全与稳定，网络流量监测与分析是一项不可或缺的工作。
本文将探讨学校校园网络安全管理中的网络流量监测与分析的重要性，并介绍一些有效的方法和工具用于实施监测和分析。
一、网络流量监测的重要性网络流量监测是指对学校校园网络中的数据传输进行实时监控和记录的过程。
通过网络流量监测，学校能够及时了解网络使用情况，确保网络通畅和高效，同时也能够发现和解决网络安全问题，并对相关违规行为进行监管。
1.1 提前预防网络安全威胁通过网络流量监测，学校能够监控和分析网络中的异常流量以及潜在的安全威胁。
例如，如果某个用户在短时间内下载大量数据或频繁访问可疑网站，可能会引起学校的注意。
及时发现和阻止网络攻击行为，能够帮助学校避免潜在的安全风险，并保障网络和数据的安全。
1.2 优化网络性能和资源管理通过监测网络流量，学校能够分析网络使用情况，找出网络瓶颈和性能问题，并采取相应的措施进行优化。
例如，识别出网络中带宽占用较高的应用或用户，可以进行流量限制或优化网络带宽分配，以提高整体网络性能和资源利用效率。
1.3 合规性监管和政策执行学校校园网络使用必须遵守法律法规以及学校制定的网络使用规范和政策。
通过网络流量监测，学校能够监管和审查网络使用行为，确保学生和教职员工在网络环境中遵守相关规定。
同时，如果发现网络违规行为，学校也可以及时采取相应的措施加以处理。
二、网络流量监测与分析的方法和工具为了实施网络流量监测与分析，学校可以采用各种方法和工具。
以下是几种常见的网络流量监测与分析方法和工具：2.1 流量监测系统学校可以部署流量监测系统来实时监控网络中的数据传输和使用情况。
这些系统通常通过捕获和分析网络数据包来提供详细的网络流量信息。
例如，网络流量监测系统能够记录每个用户的访问记录、流量使用量、访问时间等，以及检测异常流量和网络攻击。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4 主楼 7 图书馆 6 外文楼 8 学生公寓
主楼 VTP
1 总出口
3 北邮出口 5 电信出口
11 化学楼 13 地理楼 12 生物楼 14 环科楼 15 科技楼南 16 科技楼北 10 实验小学
科技楼 VTP
数学楼 VTP
18 心理学院 22 教育学院 24 认知所 20 物理楼 23 增宪梓楼 19 数学楼 21 电子楼
7.328
Mb/s 1.266 2.614 3.880
19.277
Mb/s 2.985 2.126 5.111
19.835
Mb/s 8.741 47.861 56.602
57.856
15.216 32.928 147.228
节点序号
aver18in aver18out aver18total aver18maxin aver18maxout
392.994
Mb/s 21.306 35.222 56.528
85.183
107.344
Mb/s 64.911 122.089 187.000
159.683
232.128
Mb/s 68.456 7.302 75.758
162.989
47.583
Mb/s 1.851 2.480 4.331
6.358
1.引 言
分析校园网络流量，可以估计校园网络用户的分布、使用情况，校园网络的有效利用度 和由于流量引起的网络故障情况。
题中提供了北京师范大学校园网 24 个主要节点的网络流量实际监测数据（监测从 2005 年 4 月 2 日到 4 月 19 日共 18 天，所有数据从 2005 年 3 月 5 日 18 时开始统计，包括各节点 的日流量图，周流量图，月流量图和年流量图)。要求：
3．在统计数据和用户——流量模型的基础上，找出故障多发的节点，并进一步从故障 和网络利用率方面讨论网络用户分布的合理性。
2
3.2 问题的关键与难点：
数据处理和发掘
用户不确定性的处理
涉及流量或用户数目的故障问题
3.3 模型假设
1．所有监测数据无误，校园网长期运作情况符合 18 天监测数据的统计规律。
中，并使用统计函数求出各个节点 18 天的平均流量和最大流量 [2] ：
节点序号
1
2
3
4
5
6
7
8
单位
单位
单位
单位
单位
单位
单位
单位
aver18in aver18out aver18total aver18max
in aver18max
out
Mb/s 66.622 202.650 269.272
161.806
Pranum （1×24）
24 个节点实际使用网络资源的用户数目（不包括关机状态的
网络用户）
4 分析建模
下图给出了北京师范大学校园网拓扑结构中 24 个主要节点的分布图，序号仅代表整理
3
各节点数据的先后顺序。红色细线代表千兆单位，蓝色粗线代表万兆单位，黑色点线代表十 兆单位。序号 2，9，17 的节点处，下联若干百兆单位。
1．根据数据并适当了解各楼宇的用户分布、专业性质、提供资源等情况，建立“用户—— 流量”模型，分析流量与网络用户分布的关系。
2．分析可能的故障多发地段；明确目前的网络用户分布是否合理。
2.解题步骤
文章分四个步骤实现题目所给的要求。 第一步：处理已知流量数据，得出流量分布规律。 从连续 18 天网络流量监测得到的大量数据中筛选有用的信息，并将筛选出的按日计算 的流量数据分类统计（包括平均流入量，平均流出量，平均总流量，最大流入量和最大流出 量），得到各个节点的网络实际流量分布规律。 对于极个别数据点上出现的异常超大流量，根据下面各个步骤对数据的不同需要进行了 分类讨论。 第二步：处理用户不确定性的问题，得出用户分布规律。 通过对用户情况的调查，依据用户分布、专业性质等不同对流量的影响不同，将 24 个
9 单位 Mb/s 38.006 10.250 48.255 115.172
51.094
10 单位 Mb/s 4.435 2.712 7.147 14.828
118.966
11 单位 Mb/s 4.703 15.528 20.231 18.058 27.706
12 单位 Mb/s 4.111 5.630 9.740 22.611
每天（1440 分钟平均）。 为了使 18 天实际监测数据具有统计意义，即 监测数据覆盖时间╱取平均的时长的数值
要比较大。为此我们选取按日的流量数据进行建模分析。这样做也将便于研究突发性流量造
4
成的故障问题。 4.1.2 数据整理：
把每日图表中的最大流量和平均流量数据（均包括流入和流出）分类录入 Excel 工作表
实际意义），在每一类节点中，调查测算 1～2 个节点的实际使用网络资源用户数目和标准用 户数目的比例关系；然后在“同一类节点的用户其使用流量近似相等”的假设下，以这个确定 的比例关系推断同类中其余节点的实际使用网络资源用户数目。最后由各个节点的实际使用 网络资源用户数目得到用户分布的规律。
第三步：建立“用户——流量”模型，分析流量与网络用户分布的关系。 在前两个步骤得出的流量分布规律和用户分布规律的基础上，按照节点顺序一致的原 则，通过作图分析，拟合分析，得出用户——流量模型；并在模型基础上，考察流量和用户 分布的关系，以反映各流量值下用户的分布情况和各节点不同用户数目下用户使用流量的分 布情况。 第四步：得出可能的故障多发地段，分析网络用户分布合理与否。 考察仅仅由于流量造成的网络故障成因，基于网络实际流量过大和突发性流量增量两种 考虑，结合实际情况权衡这两个因素对故障形成的影响程度，明确容易发生故障的地段。 以故障多发节点在三个交换机（主楼，科技楼，数学楼）上分布的集中程度和交换机与 节点之间带宽实际使用量相对大小作为标准，得到目前校园网络用户的分布不尽合理，应当 调整部分节点的用户分布或者对用户所在节点作适当调整。 文末，对模型给出必要的补充和修正，并对结果作了合理适度的评价。 附录中有模型处理涉及到的程序，电子版中各文件的说明，供评委及读者方便阅读使用。
3.问题分析
3.1 基本思路：
1．通过对题目所给的 24 个节点连续 18 天的网络流量实际监测数据，得到流量在 24 个节点的分布规律。
2．为建立用户——流量模型，想法是调查用户的分布情况和实际使用情况，然后对用 户数据和流量数据进行挖掘，得到“用户——流量”关系。但限于实际操作的不可行性，仅对 部分节点进行用户情况方面的调查统计，得到用户和流量的关系，并在此基础上，加以一定 的简化假设，将其余节点的用户——流量关系模型化。
注：上面定义的标准用户使用流量 104kb/s 是 3 天来在宿舍使用 netlljsq040101 网络流 量监视工具，随机模拟不同网络资源使用下的流量状况得到的。 4.2.2 节点分类：
用户——流量模型依赖平均来看各个节点实际使用的网络用户数目和相应流量数，流量 数已得到，而用户则具有很大的不确定性：不同节点处用户分布、专业性质、提供资源等情 况不同，导致他们对流量的影响不同。
29.355
13 单位 Mb/s 13.057 12.117 25.174 47.089
43.100
14 单位 Mb/s 28.453 2.113 30.565 79.545
17.593
15 单位 Mb/s 13.998 9.927 23.925 49.306
38.833
16 单位 Mb/s 8.644 5.503 14.147 34.544
2．连接到每一个节点的网络用户总数在一定时期内几乎不变。
3．就每一个节点而言，连接到该节点的用户没有差别，即他们对流量（包括流入和流
出两个方面）的贡献相同。
4．把网络用户按网络使用流量的多少不同分类，各类别中用户使用的流量无差别。
5．所考虑的网络故障问题仅由用户数量或流量引起，与其他因素无关。
3.4 符号说明
0
37.278
27.574
41.517
25.176
33.739
33.817
注：上面红色粗斜体部分仅对 17 天的 17 个值作了平均，而没有把异常的超大流量（流
入或流出）计算在内（这样的数据点有 3 个），以保证我们所处理的问题——“流量在 24 个
节点的分布”具有普遍意义。
4.1.3 流量在 24 个节点的分布规律：
aver18total 7.139 11.388 15.964 12.095 60.208 9.232 11.600 6.184
aver18maxi 9.274 37.633
n
23.404
38.206 110.956 17.398
33.252
26.217
aver18max 23.65
36.339
outin（1×24）
24 个节点 18 天的流入量均值（按日流量图）求和再对天数取
平均得到的均值
aver18out（1×24）
24 个节点 18 天的流出量均值（按日流量图）求和再对天数取
平均得到的均值
aver18total（1×24） 24 个节点 18 天的总流量均值（按日流量图）求和再对天数取
21.728
节点序号
17 单位
18 单位
19 单位
20 单位
21 单位
22 单位
23 单位
24 单位
Mb/s Mb/s
Mb/s
Mb/s
Mb/s
Mb/s
Mb/s
Mb/s
aver18in 6.033 6.637 11.833 9.329 51.617 2.899 7.487 2.682