李維宇　沈溶溶

摘 要 云計算下網(wǎng)絡異常流量的管理，需要從初次分類統(tǒng)計中來進行合理選擇分組方法?；贐IRCH算法的網(wǎng)絡異常流量分組管理，能夠在網(wǎng)絡數(shù)據(jù)驟增等異常變化中，實現(xiàn)初次聚類，并就網(wǎng)絡流量進行分組融合，減少異常流量帶來的網(wǎng)絡阻斷風險。

關鍵詞 云計算 BIRCH算法 流量分組 方法研究

隨著海量運算資源和網(wǎng)絡平臺的發(fā)展，對于云計算環(huán)境下的用戶訪問量的驟增帶來的網(wǎng)絡異常流量問題，一直是當前流量工程研究的重要課題。2015年11月11日以網(wǎng)絡購物為主的訪問并發(fā)峰值達到數(shù)千萬，對于如此巨大的訪問流量，如何從大數(shù)據(jù)流量管理中進行有效分組就顯得尤為重要。當前，在大流量數(shù)據(jù)管理上，多采用MPLS分組方法，如基于不同業(yè)務類型和基于不同數(shù)據(jù)包類型來進行分組等。但對于云計算環(huán)境下，隨著用戶群的幾何級增長，對于各類數(shù)據(jù)包、業(yè)務類型的劃分已經(jīng)難以分界，在提升異常流量分組效率上，迫切需要從云計算中重新進行算法優(yōu)化，以實現(xiàn)精細化管理目標。

一、當前常用的網(wǎng)絡流量分組方法

針對網(wǎng)絡流量分組方法的研究，王勁松等人從基于異常流量的字節(jié)特征入手，提出對多個特征匹配的不同分組交集獲取來實現(xiàn)分組，該方法需要從異常流量數(shù)據(jù)中進行獲取特征字節(jié)，并建立特征字節(jié)庫，從而來進行流量分組優(yōu)化；裴楊等人從基于SVM網(wǎng)絡流量分類方法上，來優(yōu)化分組的準確率，但因SVM算法過于復雜，并不適應海量數(shù)據(jù)處理；孫韓林等人提出C4.5決策樹方法，從海量數(shù)據(jù)流量分析中利用決策樹方法進行問題優(yōu)化，但對于不同類型的數(shù)據(jù)流量分析上，無法直接對其他類型的流量進行有效分組。針對云數(shù)據(jù)下的數(shù)據(jù)挖掘與聚類分析算法，利用BIRCH快速聚類算法，來優(yōu)化網(wǎng)絡異常條件下的數(shù)據(jù)分組效率，特別是在氣象數(shù)據(jù)分析中獲得較高應用。對于網(wǎng)絡環(huán)境下的用戶數(shù)據(jù)的分組，也可以通過模擬聚類的方法進行優(yōu)化，為此，本文將從BIRCH算法改進中提出動態(tài)的分組方法。

二、BIRCH算法的分組原理

對于網(wǎng)絡流量數(shù)據(jù)的分組，BIRCH算法首先通過對網(wǎng)絡數(shù)據(jù)的提取，從用戶信息及流量類型上進行聚類分組，在結合數(shù)據(jù)信息進行分組融合，獲得分組效果。對于流量數(shù)據(jù)的特征提取，主要將流量數(shù)據(jù)轉換為聚類分析所需分組向量，并利用BIRCH算法進行網(wǎng)絡流量特征的用戶聚類；分組融合是對不同時刻的分組進行聚類，并對聚類結果進行處理，有平衡網(wǎng)絡流量。

（1）對網(wǎng)絡數(shù)據(jù)流量特征的提取。

對于海量數(shù)據(jù)進行聚類分組前，需要從網(wǎng)絡數(shù)據(jù)的特征進行選取，特別是數(shù)據(jù)相似性特征，常用的方法有馬爾可夫算法、小波分析方法等，這些方法能夠從網(wǎng)絡流量數(shù)據(jù)自相似度上進行分析，不足的是選取方法較為復雜，對數(shù)據(jù)計算耗時、耗性能。Silveira等人通過對異常數(shù)據(jù)流量問題的選取方法進行改進，從區(qū)分異常流量特征上，從低緯度上進行選取即可；另外對于原始數(shù)據(jù)的差分序列方差分析，能夠較好的反映數(shù)據(jù)波動問題。為此，本文將選取網(wǎng)絡流量當前采樣值和兩次差分值來進行網(wǎng)絡聚類特征分析。也就是說，對于異常網(wǎng)絡流量特征可以表示為：（，），對于表示為流量值，對于表示數(shù)據(jù)流量采集的時刻。

（2）聚類分組方法。

根據(jù)BIRCH算法，在對海量數(shù)據(jù)進行聚類分組分析中，BIRCH是基于距離的層次聚類算法，通過引入聚類特征和聚類特征樹概念，利用三元組聚類特征來進行標識，對于式中的N表示為某一節(jié)點中的數(shù)據(jù)對象個數(shù)；對于LS表示為N個對象對應的特征向量的線性和；對于S表示為N個對象特征向量的平方和。利用CF聚類特征分析方法，能夠對N個用戶的特征樹中進行表示，即{，（，），（，）2}，其中對于聚類特征樹中的分支因子B，以及閥值T的設置，是實現(xiàn)對特征樹的平衡目標。當分支因子被限定為非葉節(jié)點中最大孩子數(shù)目時，閥值是對葉子節(jié)點中簇的最大半徑進行限制。BIRCH算法首先是對整個數(shù)據(jù)信息進行掃描，并從聚類特征樹的初始化中，對每一個對象與之最近的葉子節(jié)點進行關聯(lián)；如果這個簇的半徑大于閥值T，則該葉子節(jié)點將被分割；同時，對于特征樹的建立后，根據(jù)聚集特征頭，可以對原有數(shù)據(jù)進行再聚集分類，從而獲得聚類結果。

（3）分組融合計算。

從聚類算法來看，聚類分組后并非是最終的結果，也不能直接進行分組優(yōu)化，因為BIRCH算法所得到的分組是一種硬性分組，無法與各個用戶進行關聯(lián)。此時需要從多次聚類分組結果中進行差異化分析，并進行修正。由于異常網(wǎng)絡環(huán)境下數(shù)據(jù)流量較大，對于數(shù)據(jù)流量中特征相似度較大的用戶，在一定時間段內(nèi)被聚類到同一分組的可能性較大。因此，可以通過對不同分組用戶信息相似度計算，來對各個分組中數(shù)據(jù)進行分組融合。其融合的步驟如下：首先在進行分組之初，需要對所有用戶進行分組，并將分組與其他數(shù)據(jù)分組建立相應關聯(lián)。如將每一用戶指定給改組的生存時間計作，其初始值為。當聚類產(chǎn)生分組后，需要對當前分組與新分組進行交集計算，并從當前分組中獲得最大交集的新分組列為當前分組；再次對于不同用戶，根據(jù)用戶與前兩個分組的交集計算，來獲得生存時間，但不能超過；如果兩個用戶沒有交集，但屬于已有分組，則生存時間計作；當用戶生存時間為 = 1時，則清除該用戶，否則對用戶的生存時間賦初始值。最后，對于聚類融合后，對于未被合并的分組，則計作新的當前分組。利用該方法，對于某一用戶來說并不屬于某一個分組，但經(jīng)過多次聚類后，隨著生存時間的下降則被清除。由此可見，對于分組融合就是通過生存時間的計算來獲得。

三、結語

對于改進后的BIRCH算法，我們可以通過一個應用場景來進行仿真驗證。利用云計算數(shù)據(jù)中心的數(shù)據(jù)，將1000個模擬用戶產(chǎn)生的業(yè)務數(shù)據(jù)流量進行計算，選取250個用戶進行異常流量分析，由此來進行網(wǎng)絡擁塞處理。通過實驗過程可知，對于異常用戶的區(qū)分上，BIRCH分組方法能夠實現(xiàn)對丟包問題、流量分組的多種處理，確保異常用戶的數(shù)據(jù)流量控制比例在70%以上，有效減少丟包問題。在實際運用中，該方法將分組細心和分組方法進行優(yōu)化，能夠體現(xiàn)精細化分組和流量平衡管理。

參考文獻：

[1]武魯，王連海，顧衛(wèi)東.基于云的計算機取證系統(tǒng)研究[J].計算機科學，2012（05）.

[2]李世明.具備web數(shù)據(jù)整合功能的負載均衡系統(tǒng)設計與實現(xiàn)[D]. 北京郵電大學，2014.

（作者單位：河南省輕工業(yè)學校）