SDN-Campus控制器性能数据汇聚分析系统的设计与实现

发布时间：2021-04-11 15:56

　　当前SDN-Campus控制器已应用于传统园区及连锁零售、连锁酒店和连锁餐厅等具有园区网络特点的集中化管理场景中。然而随着SDN市场的发展,控制器需要纳管的网络设备越来越多,原有小容量场景的设计方案无法承载用于监测网络设备的海量性能数据。在本论文中,主要通过引入大数据技术重新设计性能数据的汇聚与分析方案,重点解决海量性能数据的高效存储、快速统计分析与预测分析等问题。在SDN-Campus控制器性能数据汇聚分析系统中,主要解决了以下几个问题:（1）通过对比不同的大数据储存系统,本课题选择HBase作为存储海量性能数据的数据库。根据性能数据具备时间维度和空间维度的特点,对HBase的主键Rowkey进行设计优化,并通过自定义过滤器Filter和BulkLoad快速导入方式进一步提高性能数据的存储和查询效率。（2）通过对比不同的计算框架以及将HBase作为大数据存储系统的综合考量,本课题选择Spark作为处理汇聚与分析海量性能数据任务的大数据计算平台。通过运用RDD和DataFrame数据结构、MapReduce操作和Spark-SQL技术,并以Java与Scala混合编程方式,共同实现海量... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【图文】：

基于SDN-Campus控制器的新型园区网络架构图

第三章 系统需求分析本章主要对 SDN-Campus 控制器性能数据汇聚分析系统的需求进行分析，通过分析与总结系统的功能需求与性能需求，阐述系统需要实现的目标，进而解决控制器在大容量场景下对海量性能数据处理时遇到的问题。3.1 功能需求分析通过绪论中分析可知，在园区网络架构中，网络设备以接入点为主，因此在本课题中主要针对接入点进行分析。对于接入点而言，性能数据包括接入点 CPU消耗率、内存消耗率、温度、接入数和网络配置响应时间等，其中接入数指接入点在上传性能数据的单个周期内，连接在该接入点的用户终端信息列表。上述数据中最能反馈接入点工作效率和用户连接状态的数据为接入数，故在本课题中主要对性能数据中的接入数进行研究和分析。系统用例图如图 3-1 所示。

东南大学硕士学位论文第四章 系统概要设计中对 SDN-Campus 控制器性能数据汇聚分析系统的功能需求分析。本章将阐述本系统与 SDN-Campus 控制器的关系以及，并依据需求分析对本系统进行概要设计，包括系统的总体设块设计等内容。统设计概述绪论和需求中对园区网络特点的分析，由企业统一管理的酒店锁机构也可以纳入基于 SDN-Campus 控制器的新型园区网络SDN-Campus 控制器部署及应用概况图如图 4-1 所示。

【参考文献】：
期刊论文
[1]Hadoop与Spark应用场景研究[J]. 冯兴杰,王文超.  计算机应用研究. 2018(09)
[2]众核与Spark结合的高速流量监测系统[J]. 周小宇,雒江涛,罗林,唐刚.  计算机系统应用. 2017(06)
[3]深度学习框架下LSTM网络在短期电力负荷预测中的应用[J]. 陈亮,王震,王刚.  电力信息与通信技术. 2017(05)
[4]中国移动选择博科NFV软件设备来支持“互联网+”使命[J]. 王佳莹.  计算机与网络. 2017(04)
[5]基于园区网的SDN控制器设计研究[J]. 桂兴亮,张晓如,程伟.  信息技术. 2017(02)
[6]基于深度循环神经网络的时间序列预测模型[J]. 杨祎玥,伏潜,万定生.  计算机技术与发展. 2017(03)
[7]基于Spark的智慧校园数据挖掘研究[J]. 李慧芳,白珊,马强,贾鑫.  智能计算机与应用. 2016(06)
[8]大规模用电数据流的快速聚类和异常检测技术[J]. 王桂兰,周国亮,赵洪山,米增强.  电力系统自动化. 2016(24)
[9]HBase中基于时空特征的监测视频大数据关联查询研究[J]. 徐爱萍,王波,徐武平.  计算机应用研究. 2017(05)
[10]基于HBase数据分类的压缩策略选择方法[J]. 王海艳,伏彩航.  通信学报. 2016(04)



本文编号：3131545