余騫

摘 要： 受異常大數(shù)據(jù)區(qū)域參數(shù)波動(dòng)大的影響，市面上現(xiàn)存的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)可應(yīng)用性和穩(wěn)定性不高，與虛擬化網(wǎng)絡(luò)連接成功率較低。為此，設(shè)計(jì)新型虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)。該平臺(tái)由虛擬化網(wǎng)絡(luò)控制模塊、挖掘模塊和虛擬層組成。虛擬化網(wǎng)絡(luò)控制模塊利用SDN控制器對(duì)虛擬化網(wǎng)絡(luò)進(jìn)行控制，保證其中的大數(shù)據(jù)能夠被流暢、安全、穩(wěn)定地挖掘和傳輸。挖掘模塊先對(duì)虛擬化網(wǎng)絡(luò)控制模塊傳輸來(lái)的大數(shù)據(jù)進(jìn)行整流和濾波，再利用報(bào)警電路挖掘出其中的異常大數(shù)據(jù)，進(jìn)而搭建出異常大數(shù)據(jù)區(qū)域，并對(duì)其進(jìn)行完整存儲(chǔ)。軟件給出虛擬層的功能圖，以及平臺(tái)對(duì)異常大數(shù)據(jù)的挖據(jù)代碼。經(jīng)實(shí)驗(yàn)驗(yàn)證可知，所設(shè)計(jì)的平臺(tái)擁有較高的可應(yīng)用性和穩(wěn)定性，且與虛擬化網(wǎng)絡(luò)連接的成功率較高。

關(guān)鍵詞： 虛擬化網(wǎng)絡(luò)； 異常大數(shù)據(jù)區(qū)域； 挖掘平臺(tái)； SDN

中圖分類號(hào)： TN915?34； TP311 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）06?0053?04

Abstract： A new abnormal big data area mining platform in virtualization network was designed due to the big fluctuation of abnormal big data area parameters， low applicability and stability of existing virtualization network abnormal big data area mining platform and low success rate of the virtualization network connection. The platform is composed of virtualization network control module， mining module and virtual layers. SDN controller is used in the virtualization network control module to control the virtualization network to ensure smooth， security and stable mining and transmission of the big data. The mining module is used to rectify and filter the big data coming from the virtualization network control module， and then employs the alarm circuit to excavate the abnormal big data for establishment of the abnormal big data area and their entire storage. The software is adopted to generate the function diagram of the virtual layer and the mining code of the abnormal big data. The verification result from experiment shows that the platform has high applicability， high stability and high success rate of connection with virtualization network.

Keywords： virtualization network； abnormal big data area； mining platform； SDN

0 引 言

虛擬化網(wǎng)絡(luò)的出現(xiàn)，使當(dāng)今社會(huì)逐漸成為一個(gè)依靠網(wǎng)絡(luò)數(shù)據(jù)生存的社會(huì)。虛擬化網(wǎng)絡(luò)中各種各樣的數(shù)據(jù)形成了大數(shù)據(jù)，大數(shù)據(jù)的出現(xiàn)更進(jìn)一步提高了企業(yè)的經(jīng)濟(jì)效益和生存能力。然而，虛擬化網(wǎng)絡(luò)中異常大數(shù)據(jù)的存在，為大數(shù)據(jù)的有效獲取帶來(lái)了難度[1?3]。為了解決上述問題，產(chǎn)生了虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)。怎樣利用該平臺(tái)實(shí)現(xiàn)異常大數(shù)據(jù)的有效挖掘，為用戶提供最為有用的大數(shù)據(jù)，是數(shù)據(jù)挖掘領(lǐng)域需要重點(diǎn)研究的問題[4?6]。

目前，市面上現(xiàn)存的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)，由于受到異常大數(shù)據(jù)區(qū)域參數(shù)波動(dòng)大特質(zhì)的影響，均都或多或少地存在一些問題，如文獻(xiàn)[7]基于3D技術(shù)設(shè)計(jì)出的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)，其通過(guò)構(gòu)建映射3D虛擬大數(shù)據(jù)區(qū)域，并利用計(jì)算機(jī)軟件設(shè)計(jì)了挖掘算法，實(shí)現(xiàn)了平臺(tái)與虛擬化網(wǎng)絡(luò)的有效連接，以及對(duì)異常大數(shù)據(jù)的準(zhǔn)確挖掘。但3D技術(shù)的使用較為復(fù)雜，導(dǎo)致整個(gè)平臺(tái)的可應(yīng)用性較低。文獻(xiàn)[8]設(shè)計(jì)了一種使用專業(yè)數(shù)據(jù)處理軟件，進(jìn)行異常大數(shù)據(jù)挖掘的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)，該平臺(tái)的專業(yè)數(shù)據(jù)處理軟件是基于權(quán)函數(shù)設(shè)計(jì)的，并通過(guò)多種輔助方法對(duì)異常大數(shù)據(jù)進(jìn)行評(píng)估，進(jìn)而構(gòu)建異常大數(shù)據(jù)區(qū)域。整個(gè)平臺(tái)的穩(wěn)定性較高，但可應(yīng)用性偏低。文獻(xiàn)[9]設(shè)計(jì)基于WBT的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)，該平臺(tái)利用WBT對(duì)虛擬化網(wǎng)絡(luò)中的大數(shù)據(jù)進(jìn)行訓(xùn)練，并將挖掘出的異常大數(shù)據(jù)實(shí)時(shí)更新于數(shù)據(jù)庫(kù)中。該系統(tǒng)與虛擬化網(wǎng)絡(luò)連接成功率較高，但穩(wěn)定性仍需進(jìn)一步提升。文獻(xiàn)[10]設(shè)計(jì)基于網(wǎng)絡(luò)仿真技術(shù)的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)，該平臺(tái)經(jīng)由網(wǎng)絡(luò)仿真技術(shù)實(shí)現(xiàn)了對(duì)虛擬化網(wǎng)絡(luò)中異常大數(shù)據(jù)準(zhǔn)確挖掘，其優(yōu)勢(shì)在于大數(shù)據(jù)復(fù)雜度對(duì)平臺(tái)的影響不大。但其價(jià)格昂貴，對(duì)平臺(tái)管理人員技術(shù)水平的要求也較高，無(wú)法實(shí)現(xiàn)大規(guī)模推廣使用。

以上虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的缺陷主要在于：平臺(tái)的可應(yīng)用性和穩(wěn)定性不高，與虛擬化網(wǎng)絡(luò)連接成功率較低。為了改進(jìn)以上缺陷，設(shè)計(jì)一種新型的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)。

1 虛擬化網(wǎng)絡(luò)中的異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)設(shè)計(jì)

所設(shè)計(jì)的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)由虛擬化網(wǎng)絡(luò)控制模塊、挖掘模塊和虛擬層組成，其中，虛擬化網(wǎng)絡(luò)控制模塊和挖掘模塊是平臺(tái)的硬件實(shí)現(xiàn)端，虛擬層則為軟件實(shí)現(xiàn)端。

1.1 虛擬化網(wǎng)絡(luò)控制模塊設(shè)計(jì)

為了實(shí)現(xiàn)對(duì)虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域的有效挖掘，首先需要對(duì)虛擬化網(wǎng)絡(luò)進(jìn)行控制，保證大數(shù)據(jù)能夠被流暢、安全、穩(wěn)定地挖掘和傳輸。為此，虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)設(shè)計(jì)了虛擬化網(wǎng)絡(luò)控制模塊。

虛擬化網(wǎng)絡(luò)控制模塊選取SDN控制器作為其核心控制設(shè)備，該設(shè)備是一種能夠?qū)μ摂M化網(wǎng)絡(luò)中大數(shù)據(jù)進(jìn)行隔離控制的控制器，其應(yīng)用OPENFLIW技術(shù)，搭建大數(shù)據(jù)傳輸通道，通過(guò)控制大數(shù)據(jù)傳輸流量，實(shí)現(xiàn)對(duì)虛擬化網(wǎng)絡(luò)的整體控制。SDN控制器的使用，能夠大力增強(qiáng)虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)與虛擬化網(wǎng)絡(luò)的連接成功率。經(jīng)虛擬化網(wǎng)絡(luò)控制模塊控制后的虛擬化網(wǎng)絡(luò)，擁有較強(qiáng)的兼容性，并能夠?yàn)樘摂M化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)提供多種挖掘通道。圖1是虛擬化網(wǎng)絡(luò)控制模塊控制原理圖。

由圖1可知，虛擬化網(wǎng)絡(luò)控制模塊分為計(jì)算端和控制端，計(jì)算端和控制端經(jīng)由固定接口（圖1中的接口1）相連接，保證虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的整體連貫性，增強(qiáng)其可應(yīng)用性。SDN控制器中的控制算法由計(jì)算端提供，控制端則與SDN控制器一同直接作用于虛擬化網(wǎng)絡(luò)。

控制端對(duì)虛擬化網(wǎng)絡(luò)的控制表現(xiàn)在參數(shù)重置，即為虛擬化網(wǎng)絡(luò)注入符合平臺(tái)挖掘需求的參數(shù)，圖1中的接口2便是平臺(tái)專門用來(lái)為控制端輸入網(wǎng)絡(luò)參數(shù)重置標(biāo)準(zhǔn)的；而SDN控制器對(duì)虛擬化網(wǎng)絡(luò)的控制則表現(xiàn)為參數(shù)重置后的大數(shù)據(jù)流量分流，即將虛擬化網(wǎng)絡(luò)中不同類型的大數(shù)據(jù)區(qū)分開，并傳送到挖掘模塊中，便于挖掘模塊實(shí)施穩(wěn)定的異常大數(shù)據(jù)挖掘工作。

1.2 挖掘模塊設(shè)計(jì)

挖掘模塊分為預(yù)處理端和存儲(chǔ)器端，同時(shí)，虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)還為挖掘模塊設(shè)計(jì)了報(bào)警電路和緩沖電路，用來(lái)改進(jìn)用戶使用體驗(yàn)、增強(qiáng)平臺(tái)穩(wěn)定性。挖掘模塊的結(jié)構(gòu)圖如圖2所示。

由圖2可知，在虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)中，挖掘模塊所進(jìn)行的工作主要包括：異常報(bào)警、異常大數(shù)據(jù)挖掘、異常大數(shù)據(jù)區(qū)域的搭建與存儲(chǔ)。

1.2.1 預(yù)處理端設(shè)計(jì)

當(dāng)虛擬化網(wǎng)絡(luò)中的大數(shù)據(jù)由虛擬化網(wǎng)絡(luò)控制模塊分流傳入挖掘模塊，挖掘模塊隨即調(diào)用預(yù)處理端進(jìn)行大數(shù)據(jù)的預(yù)處理，其首先對(duì)大數(shù)據(jù)進(jìn)行整流和濾波，再利用報(bào)警電路篩選其中的異常大數(shù)據(jù)，進(jìn)而將虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)挖掘出來(lái)。預(yù)處理端的報(bào)警電路見圖3。

由圖3可知，當(dāng)虛擬化網(wǎng)絡(luò)中大數(shù)據(jù)接受整流和濾波操作后，會(huì)形成較為清晰的電路信號(hào)。把該電路信號(hào)依次輸入到報(bào)警電路中，電路中的控制器會(huì)根據(jù)軟件的預(yù)設(shè)算法對(duì)其進(jìn)行挖掘，若其中存在異常大數(shù)據(jù)，報(bào)警電路便會(huì)經(jīng)由警報(bào)器發(fā)出警報(bào)，警報(bào)燈也會(huì)同時(shí)亮起。此時(shí)，挖掘模塊會(huì)調(diào)用軟件代碼收集異常大數(shù)據(jù)，并將匯總后的異常大數(shù)據(jù)傳輸?shù)酱鎯?chǔ)端。

1.2.2 存儲(chǔ)端設(shè)計(jì)

存儲(chǔ)端進(jìn)行異常大數(shù)據(jù)區(qū)域的搭建工作，并對(duì)搭建好的異常大數(shù)據(jù)區(qū)域進(jìn)行完整存儲(chǔ)。為了減弱存儲(chǔ)端的瞬時(shí)存儲(chǔ)壓力，挖掘模塊在存儲(chǔ)端內(nèi)加入了緩沖器，圖4是緩沖器內(nèi)部電路簡(jiǎn)圖。

圖4中的緩沖器電路針對(duì)的是簡(jiǎn)單虛擬網(wǎng)絡(luò)中異常大數(shù)據(jù)的傳輸緩沖，對(duì)復(fù)雜虛擬網(wǎng)絡(luò)來(lái)說(shuō)，應(yīng)該額外設(shè)計(jì)功能更為強(qiáng)大的緩沖電路?；谝陨弦蛩?，在存儲(chǔ)端的設(shè)計(jì)中，加入了外設(shè)接口，以應(yīng)對(duì)不同的虛擬網(wǎng)絡(luò)進(jìn)行異常大數(shù)據(jù)挖掘。

存儲(chǔ)器采用先進(jìn)先出的方式搭建異常大數(shù)據(jù)區(qū)域，最大化地利用了緩沖器功能，所搭建的異常大數(shù)據(jù)區(qū)域較為合理，既縮減了其在存儲(chǔ)器中占用的空間，又能夠有效保護(hù)異常大數(shù)據(jù)不外泄。

2 虛擬化網(wǎng)絡(luò)中的異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)軟

件設(shè)計(jì)

2.1 平臺(tái)虛擬層功能設(shè)計(jì)

虛擬層是虛擬化網(wǎng)絡(luò)中異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的功能實(shí)現(xiàn)層，能夠?yàn)橛脩籼峁┨摂M化網(wǎng)絡(luò)服務(wù)。虛擬層功能如圖5所示。

由圖5可知，虛擬層能夠?yàn)樘摂M化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)提供的功能有：主機(jī)管理、虛擬機(jī)管理、存儲(chǔ)器管理和網(wǎng)絡(luò)層管理。

主機(jī)管理是平臺(tái)管理者為用戶提供在線平臺(tái)管理的一種功能，也是平臺(tái)對(duì)用戶行為進(jìn)行監(jiān)控的有效手段。平臺(tái)管理者利用主機(jī)管理對(duì)用戶可能造成異常大數(shù)據(jù)的不良行為加以提醒，保障用戶用網(wǎng)安全。

虛擬機(jī)管理是指利用虛擬化網(wǎng)路中的特定服務(wù)，對(duì)所設(shè)計(jì)的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)進(jìn)行服務(wù)補(bǔ)充。在這一功能中，用戶能夠自由下載特定屬性的網(wǎng)絡(luò)服務(wù)，并將其添加到平臺(tái)虛擬層中進(jìn)行實(shí)現(xiàn)。

存儲(chǔ)器管理是一項(xiàng)能夠提高平臺(tái)對(duì)虛擬化網(wǎng)絡(luò)中異常大數(shù)據(jù)區(qū)域挖據(jù)效率的功能。當(dāng)平臺(tái)存儲(chǔ)器的內(nèi)存將滿，或存儲(chǔ)器中存在明顯異常的大數(shù)據(jù)時(shí)，虛擬層將開啟存儲(chǔ)器管理功能，提醒用戶清理存儲(chǔ)器，并自動(dòng)處理其中的異常大數(shù)據(jù)。

網(wǎng)絡(luò)層管理是一種能夠調(diào)出存儲(chǔ)器中的大數(shù)據(jù)，對(duì)其進(jìn)行異常大數(shù)據(jù)二次挖掘的功能。二次挖掘的周期可由用戶自行設(shè)置。這一功能有效提高了虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的穩(wěn)定性和可應(yīng)用性。

2.2 異常大數(shù)據(jù)挖掘代碼設(shè)計(jì)

軟件所設(shè)計(jì)的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘工作的原理是：先將虛擬化網(wǎng)絡(luò)中異常大數(shù)據(jù)的最大范圍確定出來(lái)，將此范圍作為軟件代碼設(shè)計(jì)中的輸入值輸入到異常大數(shù)據(jù)區(qū)域中，進(jìn)而產(chǎn)生異常大數(shù)據(jù)的高頻組合和低頻組合。

高頻組合內(nèi)的異常大數(shù)據(jù)主要是警報(bào)響起次數(shù)較多的大數(shù)據(jù)，低頻組合則正相反。根據(jù)警報(bào)響起次數(shù)進(jìn)行挖掘工作的代碼設(shè)計(jì)，能夠有效縮減代碼復(fù)雜度、提高平臺(tái)穩(wěn)定性。所設(shè)計(jì)的異常大數(shù)據(jù)挖掘代碼為：

T0={maximum0，range input}

if（i=2；T-1；i++）

M=forecast_information（T，least_gain）；

Combination of high frequency and low frequency output；

{

M=aggregate（T，i）； %測(cè)試挖掘平臺(tái)可行性

The implementation of abnormal large data mining；

T++；

}

T={data least_gain}

{

Output0=T；

Void forecast_information（T，least_gain）

{

Dig according to achieve of reaeh；

Range set；

%第一輪挖掘工作結(jié)束后，重新設(shè)置異常大數(shù)據(jù)范圍

if（12[0]=13[0]）&（1，[1]=13）&（12[i?1]=11[i?1]）&（12[i?2]<1：[i?2]）

{

x=120 013；

if be_Low frequency_aggregate（x，T++）

Delete non high frequency large data else；

%刪除非高頻大數(shù)據(jù)

Accede to N； %將異常大數(shù)據(jù)匯總于區(qū)域N

}

Output N； %輸出匯總區(qū)域N

}

be_Low frequency_aggregate（T；least_gain）

run up to range set（i=i-1）? replace input of M

output TRUE：

output FALSE：

}

3 實(shí)驗(yàn)驗(yàn)證

利用實(shí)驗(yàn)對(duì)本文所設(shè)計(jì)的虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的相關(guān)性能進(jìn)行驗(yàn)證?；谠O(shè)計(jì)初衷，實(shí)驗(yàn)主要對(duì)本文平臺(tái)的可應(yīng)用性和穩(wěn)定性，以及其與虛擬化網(wǎng)絡(luò)的連接成功率進(jìn)行驗(yàn)證。

在虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的可應(yīng)用性驗(yàn)證實(shí)驗(yàn)中，選取市面上現(xiàn)存的兩種平臺(tái)作為實(shí)驗(yàn)的對(duì)比量，分別是WBT平臺(tái)和網(wǎng)絡(luò)仿真技術(shù)平臺(tái)。利用三種平臺(tái)同時(shí)對(duì)某一綜合性較強(qiáng)的虛擬化網(wǎng)絡(luò)進(jìn)行異常大數(shù)據(jù)區(qū)域挖掘。平臺(tái)的可應(yīng)用性需要經(jīng)由平臺(tái)對(duì)異常大數(shù)據(jù)的挖掘能力（挖掘異常大數(shù)據(jù)的容量）來(lái)驗(yàn)證。平臺(tái)對(duì)異常大數(shù)據(jù)的挖掘能力越強(qiáng)，其硬件與軟件間的契合度就越高，平臺(tái)的可應(yīng)用性就越高。實(shí)驗(yàn)結(jié)果如圖6所示。

由圖6可知，在三種平臺(tái)中，WBT平臺(tái)的挖掘能力最弱，證明其可應(yīng)用性不高；網(wǎng)絡(luò)仿真技術(shù)平臺(tái)在挖掘時(shí)間為120 s之前的挖掘能力較強(qiáng)，但隨著挖掘時(shí)間的延長(zhǎng)，其挖掘能力并沒有明顯提升，在實(shí)驗(yàn)后期，幾乎沒有異常大數(shù)據(jù)被挖掘出來(lái)，平臺(tái)的可應(yīng)用性仍待提高；本文平臺(tái)挖掘出的異常大數(shù)據(jù)容量始終在平穩(wěn)上升，并能夠?qū)⑻摂M網(wǎng)絡(luò)中的異常大數(shù)據(jù)完全挖掘出來(lái)，初步驗(yàn)證了本文平臺(tái)擁有較高的可應(yīng)用性。

然而，由于本文平臺(tái)檢測(cè)出的異常大數(shù)據(jù)均高于其他兩平臺(tái)，為了確定其挖掘出的大數(shù)據(jù)是否完全屬于異常大數(shù)據(jù)，在穩(wěn)定性驗(yàn)證實(shí)驗(yàn)中，引入“挖掘準(zhǔn)確率”這一概念，進(jìn)一步驗(yàn)證本文平臺(tái)的可應(yīng)用性，并同時(shí)確定出平臺(tái)的穩(wěn)定性高低。

在虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)的穩(wěn)定性驗(yàn)證實(shí)驗(yàn)中，選取三種差異性較大的虛擬化網(wǎng)絡(luò)，利用本文平臺(tái)對(duì)其進(jìn)行異常大數(shù)據(jù)區(qū)域挖掘，本文平臺(tái)的挖掘準(zhǔn)確率曲線如圖7所示。

由圖7可知，本文平臺(tái)的三條準(zhǔn)確率曲線波動(dòng)范圍相差不大，且準(zhǔn)確率始終維持在[90%，98%]范圍內(nèi)，證明本文平臺(tái)對(duì)不同種類虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域的挖掘較高且較為恒定，驗(yàn)證了本文平臺(tái)擁有較高的可應(yīng)用性和穩(wěn)定性。虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)與虛擬化網(wǎng)絡(luò)的成功連接，是平臺(tái)進(jìn)行異常大數(shù)據(jù)準(zhǔn)確挖掘的前提條件。連接成功率不佳的平臺(tái)，縱使擁有再高的可應(yīng)用性和穩(wěn)定性，其設(shè)計(jì)也是不成功的，因?yàn)檫@種平臺(tái)往往存在較大的硬件問題，無(wú)法實(shí)現(xiàn)用戶的長(zhǎng)遠(yuǎn)需求。圖8描述的是本文平臺(tái)與穩(wěn)定性實(shí)驗(yàn)中三種虛擬化網(wǎng)絡(luò)的連接成功率曲線。

由圖8可知，本文平臺(tái)與虛擬化網(wǎng)絡(luò)3的連接最為成功；其與虛擬化網(wǎng)絡(luò)1的連接波動(dòng)較大，但仍維持在90%以上；其與虛擬化網(wǎng)絡(luò)2的連接，則隨著挖掘時(shí)間的增長(zhǎng)而增大，最終實(shí)現(xiàn)完全成功連接。針對(duì)這種情況，可以利用軟件設(shè)計(jì)給出的網(wǎng)絡(luò)層管理功能，對(duì)其進(jìn)行二次挖掘，以提高平臺(tái)的各項(xiàng)性能。以上結(jié)果能夠驗(yàn)證，本文平臺(tái)與虛擬化網(wǎng)絡(luò)的連接成功率較高。

4 結(jié) 論

本文設(shè)計(jì)新型虛擬化網(wǎng)絡(luò)異常大數(shù)據(jù)區(qū)域挖掘平臺(tái)，該平臺(tái)由虛擬化網(wǎng)絡(luò)控制模塊、挖掘模塊和虛擬層組成。虛擬化網(wǎng)絡(luò)控制模塊利用SDN控制器對(duì)虛擬化網(wǎng)絡(luò)進(jìn)行控制，保證其中的大數(shù)據(jù)能夠被流暢、安全、穩(wěn)定地挖掘和傳輸。挖掘模塊先對(duì)虛擬化網(wǎng)絡(luò)控制模塊傳輸來(lái)的大數(shù)據(jù)進(jìn)行整流和濾波，再利用報(bào)警電路挖掘出其中的異常大數(shù)據(jù)，進(jìn)而搭建出異常大數(shù)據(jù)區(qū)域，并對(duì)其進(jìn)行完整存儲(chǔ)。軟件給出虛擬層的功能圖，以及平臺(tái)對(duì)異常大數(shù)據(jù)的挖據(jù)代碼。經(jīng)實(shí)驗(yàn)驗(yàn)證可知，所設(shè)計(jì)的平臺(tái)擁有較高的可應(yīng)用性和穩(wěn)定性，且與虛擬化網(wǎng)絡(luò)連接的成功率較高。

參考文獻(xiàn)

[1] 張帆，毋濤.基于云計(jì)算的服裝物料管理系統(tǒng)[J].西安工程大學(xué)學(xué)報(bào)，2015，29（6）：740?745.

[2] 嚴(yán)英杰，盛戈皞，陳玉峰，等.基于色調(diào)分形維數(shù)的柑橘糖度和有效酸度檢[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（1）：52?59.

[3] 吉根林，趙斌.時(shí)空軌跡大數(shù)據(jù)模式挖掘研究進(jìn)展[J].數(shù)據(jù)采集與處理，2015，30（1）：47?58.

[4] 牟乃夏，張恒才，陳潔，等.軌跡數(shù)據(jù)挖掘城市應(yīng)用研究綜述[J].地球信息科學(xué)學(xué)報(bào)，2015，17（10）：1136?1142.

[5] 王秀英，張聰聰，王成亮.一種前兆觀測(cè)時(shí)序特征量的數(shù)據(jù)挖掘方法[J].大地測(cè)量與地球動(dòng)力學(xué)，2015，35（3）：533?536.

[6] 呂芳，魏杰，寧?kù)o，等.大數(shù)據(jù)在動(dòng)物醫(yī)院的應(yīng)用研究[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2015，41（17）：64?67.

[7] 瞿海妮，張鵬飛，凌平，等.基于海量數(shù)據(jù)的電網(wǎng)需求側(cè)用戶行為分析研究[J].華東電力，2014，42（12）：2922?2925.

[8] 劉小溪，黃建新.基于新浪微博的異常數(shù)據(jù)挖掘研究[J].甘肅科技，2014，30（21）：12?14.

[9] 付鈺，李洪成，吳曉平，等.基于大數(shù)據(jù)分析的APT攻擊挖掘研究綜述[J].通信學(xué)報(bào)，2015，36（11）：1?14.

[10] 丁潔，王磊，沈荻帆，等.一種大數(shù)據(jù)異常檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[J].海南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，33（1）：24?27.