浅析大数据时代下的网络稳定性的论文
摘 要 ：大数据环境下网络稳定性，成为全球都比较关心的问题，这涉及到互联网的健康有序发展，本文将对大数据环境中网络稳定性测试分析。
关键词 ：大数据环境 ；网络稳定性 ；测试
近年来，在着物联网、移动互联网与云计算技术和应用的快速发展中，人类产生的数据量十分惊人，正以指数级速度迅速增长。在2011年，其数据就达到1.8万亿 GB。而 IDC（IntemetDataCenter，互联网络数据中心）预计到 2020 年全世界数据量会增加50 倍。但是在大数据环境下很多是用户信息等敏感信息、隐私信息以及国家的机密信息。这些信息难免不会引起全球各地的不怀好意的人进行攻击，包括信息泄漏、人不断非法入侵他人电脑、数据篡改、信息窃取、数据删添和病毒攻击等方式。可以说大数据的复杂性和涉及领域的广泛，给人们带来了很多的不安因素，同时网络实体还要面对水灾、火灾、地震、电磁辐射等危害的考验。
一、网络稳定性概述
网络的不断普及，给人们的生活学习工作带来了巨大的便利，但是网络是否稳定，又对人们的使用效率有巨大影响。所谓的稳定性是指网络系统可以长期、可靠、满足指标带宽的性能。网络稳定性也可以说在网络发生入侵等突发性危机的事件时，计算机网络所表现出的具有抗干扰、抗毁性能力的大小，并且具有为大规模数据通信下的突发性事件提供有效帮助，保证在一定时间效益最大化和网络损失最小化。假设网络稳定性不好，就会出现丢包率变高，轻的现象则是网速不稳定，重的话就会出现掉线情况发生。比较常见的网络稳定性问题主要有以下几种 ：一是网络局部或整体出现不定时掉线情况，这就是内网存在 ARP 欺骗。二是局域网访问缓慢，访问外网断线或者是丢包严重问题发生，这是内网发生病毒攻击或者是广播风暴。三是网络设备，如路由器、交换机等有缺陷或者是个体故障，造成网络断线，四是运营商线路遭受攻击或者是故障造成网络延迟或者断线发生。而在大数据环境下，网络稳定性主要指发生网络入侵等突发性危机的过程里，计算机网络抗干扰和抗毁性能力的大小。在大数据环境下入侵事件的发生，变得更加具有随机性、突发性、有限性等特征，做好对大数据环境中网络稳定性测试分析是下文要进行的。
二、大数据下网络稳定性评价体系分析
1、大数据环境下模糊层次下网络评价指标稳定度分析。模糊层次分析方法是把模糊分析法与层次分析法相结合起来的一类方法。层次分析法是美国运筹学家 T. L. Saaty 教授提出，该方法是对一些较为复杂、较为模糊的问题作出决策的简易处理，尤其适合于那些难于完全定量分析的问题。模糊层次分析方法实用性非常强，可以通过通过编程实现的建模，能有效解决在设备选择问题中的定性和定量的`抽象，还可以避免矩阵的一致性困难与建立的矩阵与人的思维差异问题。在大数据环境下采用模糊层次分析方法，可以得到各种指标下的评价权重，采集的指标在大数据网络下表现出网络稳定性分析层次性，并且大量检测指标呈现出了一定的模糊性，可利用模糊层次分析措施能够得到不同指标的权重 ：[Y=WTX] ，其中 Y 可以是 y1，y2，…，yn]，Y 代表的意思是用户行为在大数据环境中网络衡量指标的权重集。X 可以是x1，x2，…，xn]，表示的意思是专家对不同种指标的打分评价集，而且这类集合能够从经验中得出。W 是指描述模糊互补矩阵，具有 [i=1nwi=1]。然后在 Y 里各种数据量中网络稳定度测试指标的权重与达标评估系数依次进行相乘，在求和中得到单个不同指标的稳定度 ：[Ri=j=1nyjwj]。而 [Ri] 是指在大数据环境里用户行为的网络单个指标的稳定度表现。
2、大数据下多指标下网络稳定性评价。多指标通信网络构成，包括了大数据通信子系统、数据协调通信系统和漏洞修补子系统三个并联系统与一个串联系统。而在大数据下，对于多指标结构评估是由一个串联同并联融合的混合指标评估过程，因此，计算机网络总体指标的稳定度的运算公式就有 ：[R=j=131-i=1m（1-Ri）]，这样就能实现对大数据环境下的计算机网络的稳定性进行计算。
三、大数据下相应网络稳定性的区域评估模型测试建立
在大数据的通信环境中计算机网络的评价指标，主要利用大数据通信下反映高风险网络发展特征的主要指标，分别是 ：信道宽度 [x1]，紧急检测 [x2]，安全检测人员比例 [x3]，可承载的数据量 [x4]，信道可承载量 [x5]，调度能力 [x6]。区域评估模型测试建立首先假设存在 n 个年度，假设 n=10，p 个评估指标，其中 p=6。然后构建计算机网络性能评估指标体系的原始数据矩阵 ：[X=X11X12...X1pX21X22...X2p... ... ...Xn1Xn2...Xnp]。 计 算机网络性能评估指标体系的运算相关系数矩阵 ：[R=k11k12…k1pk21k22…k2p... ... ...kp1kp2…kpp] ， 而 [kij（i，j=1，2， …，p）] 是原始变量 [xi] 以及 [xj] 的相关系数，得到的运算公式为 ：[kij=k=1n（Xki-Xi）（Xkj-Xj）k=1n（Xki-Xi）2（Xkj-Xj）2] 。如果对称矩阵 [rij=rji]，则只运算其上三角元素和下三角元素就行。再次运算主成分贡献率，[Zi] ：[rik=1prki（i=1，2，…，p）] ；累计贡献率 [k=1γkk=2γi]，通常设在累计贡献率为85% ～ 95% 的特征值 [λ1，λ2，…，λm] 对应为第一，第二，…，第 [m（m ≤ p）]个主成分。运算主成分载荷为 e，[ei=γkeki（i=1，2，…，p）。]。最后将不同主成分的方差贡献率当成权重，线性加权求和获取综合评价函数 ：[Zi=j=1meiyj]（7）其中 [Zi] 用于描述第 i 个数据流的计算机通信网络的稳定性，该值越高，说明第 i 个数据区域网络稳定性越强，相反，就会越弱。
【浅析大数据时代下的网络稳定性的论文】相关文章：
浅析云存储技术在大数据时代的运用论文12-02
大数据时代下的林业发展研究论文12-02
大数据时代网络安全研究论文09-12
大数据时代下的电竞产业发展论文12-03
大数据时代下电子商务服务论文09-10
浅析移动通信网络数据传输论文09-12
大数据时代下网络安全与隐私保护论文03-23
浅析网络时代的邮件礼仪01-09