基于MAC自学习的链路层拓扑发现算法研究

将交换机纳入拓扑发现的范畴成为网络管理技术中的热门研究课题.本文通过总结SNMP(简单网络)协议对链路层发现的缺陷,提出了一种新的基于交换机MAC自学习的拓扑发现算法,并对算法的相关假设、定义、原理与流程进行了研究,旨为其他学者在网络管理领域提供理论支撑.     

一种以太网拓扑发现算法

网络第2层设备拓扑结构的自动发现对于现代IP网络管理变得日益重要，在分析比较现有基于交换机地址转发表的拓扑发现算法的基础上，提出了一种基于网桥生成树的算法，利用SNMP获取交换机MIB中的生成树信息就能更加准确地推导出交换以太网拓扑结构。     

基于Web和MA的网络配置及拓扑管理方案

介绍了移动代理的定义、特性及系统构成,重点讨论了IBM Aglet系统;提出了基于Web和MA的层次式网络管理方案,给出了网络管理框架;阐述了网络的配置和拓扑管理模块的实现方法及步骤,指出拓扑发现算法能准确地发现物理网络拓扑,即子网内交换机到交换机、交换机到路由器、交换机到主机之间的连接关系.     

一种基于SNMP的以太网拓扑自动发现算法

提出一种新的基于SNMP的拓扑自动发现算法，该算法能够实现以太网内部的交换机、主机互联的拓扑自动发现。从而降低基于以太网变换技术的园区网的网络管理难度。以太网是当前园区网所使用的主要网络技术，利用以太网交换机划分网段并实现网内互联。以太网通信使用交换技术，数据交换双方依据MAC地址识别。在一个以太网内，每一台交换机都存储着网络内所有活动主机的MAC地址。利用SNMP协议能够获取交换机中MAC地址表数据，利用笔者所述算法处理这些数据能够实现以太网内部交换机、主机拓扑结构的自动发现。由于SNMP和MIB被各厂商所接受，因此笔者提出的算法具有通用性。     

一种网络拓扑算法的研究和分析

网络拓扑是一种表达网络逻辑连接关系和物理连接关系的方法,对配置管理乃至整个网络管理都是十分必要的。论文首先对基于SNMP协议的网络拓扑发现算法进行了研究,接着在定义拓扑发现技术衡量指标的基础上,总结了基于SNMP拓扑发现技术的最佳使用环境。之后提出了具体的基于SNMP拓扑发现技术工具的实现方式,介绍了拓扑发现算法实现。对三层交换机的发现和指定子网内活动主机的发现作出了算法改进,并对一些关键技术的实现细节进行了分析。     

基于SNMP协议的网络拓扑发现

提高网络设备和服务管理的智能性和可操作性,对网络中的设备拓扑连接自动准确的发现以及发现结果的可视化具有重大意义。文章介绍了采用SNMP协议对网络中设备拓扑结构进行深度搜索的算法。     

卫星综合信息网拓扑发现算法的研究与实现

为卫星综合信息网络的拓扑发现,提出一种基于SNMP的拓扑发现算法。算法中,对设备的MIB库进行了扩充,引入了卫星的轨道信息与经纬信息;同时,结合卫星综合信息网中分域管理的特点,将拓扑发现由各地域的地面分管理站并发执行。     

基于IP网络的自动拓扑搜索算法

目前局域网规模不断扩大、结构日趋复杂,网络速度及网络管理成为网络系统正常运行的主要指标及关键,其中网络拓扑自动发现是网管系统的基本要求和重要功能.要求网络拓扑发现速度快并可反映使用权级而决定服务内容、服务器、路由器和交换机的布局状况,提供可视化管理界面,如系统配置、节点状态和流量监控、异常告警等,对网络系统正常运行、防范网络攻击具有重要意义.本文提出一种基于移动Agent的网络拓扑发现改进算法(广度优先搜索算法),降低了拓扑生成的复杂度,从而提高了系统速度.     

综合网管中拓扑发现算法的设计与实现

拓扑发现是网络管理中的配置管理的一部分,是实现网络管理其他功能的基础.分析了几种常用的拓扑发现方法的优缺点,综合提出了一钟有效的网络拓扑发现的算法,并对此算法中会遇到的问题作了详细说明,最后给出了用JAVA实现该算法生成拓扑图的关键技术.     

一种网络仿真实验床映射问题的启发式算法

提出了一种求解网络仿真实验床映射问题的启发式算法．该算法的思想是：为尽量少地占用仿真实验床的网络资源，应尽可能地将实验者要求的逻辑拓扑中连接紧密的结点映射到同一台交换机上．为此，将仿真实验床的物理拓扑以交换机为单位分成若干子图，之后在实验者要求的逻辑拓扑上进行迭代，每次迭代按边和权值选取结点进行子图划分，最终得到的划分图即为逻辑拓扑到仿真实验床物理拓扑的映射结果．实验结果表明，该算法能在较短的时间内求得近优解，并且当结点个数增大时，算法的求解时间远少于遗传算法．     

基于谓词逻辑推理与生成树的优化链路层网络拓扑发现方法

 物理拓扑结构发现的目标是确定网络中的各种设备以及这些设备物理端口之间的链路连接关系,这对于网络性能监测与评估、故障发现与定位、资源分配与管理等一系列维护工作具有重要意义。本文所提供的基于谓词逻辑推理和基于生成树协议的优化拓扑发现算法,在AFT数据不完全的情况下,能够有效计算出网络节点信息,从而克服了现有链路层网络拓扑发现方法的不足,提高了获得网络物理拓扑的可能性。     

基于SNMP协议的网络拓扑发现算法

网络拓扑发现对于现代网络管理是一个重要的课题,尤其是第2层网络拓扑发现是一个难题.针对这一难题,基于大多数网络设备都支持的SNMP协议,提出了一个快捷、高效的算法,并对该算法进行了详细的描述,用该算法进行了真实环境的测试,测试结果和真实网络情况完全吻合,说明了此算法是一个有效的拓扑发现算法.     

异构多子网的物理拓扑发现算法

精确的网络拓扑信息对于网络管理和网络性能预测十分重要.大多数的拓扑发现研究集中在路由层以及单子网物理层,对于多子网物理拓扑发现特别是异构(多厂家生产)多子网拓扑发现的研究很少.文中提出了在异构IP网络中发现多子网物理拓扑的算法.此算法依赖于标准的SNMP MIB信息,在现代的IP网络设备中广泛支持这种SNMP MIB信息.依据多子网属性,该算法提出一些用来判断多子网内设备端口互连的引理.根据这些引理可以给出得到所有匹配端口对拓扑发现算法的实现步骤.实验表明,此算法无需修改运行在网络设备以及主机中的操作系统,只需要保证MIB信息足够充分来唯一识别网络拓扑,就可以准确进行拓扑发现.     

基于SNMP的网络拓扑发现算法

对现有使用ICMP协议、FDB地址转发表进行网络拓扑发现的算法进行分析,提出了一种基于SNMP协议并适合校园网环境的网络层拓扑发现和链路层拓扑发现算法. 该算法能够快速准确地计算出整个被管网络的二层和三层拓扑结构.     

分布物理网络拓扑发现

研究了分布混合型网络环境下的物理网络拓朴发现，提出了根搜索定理．分析了直接连接定理的不足，给出了一种新的基于简单连接定理和根搜索定理的算法，由于只利用标准的管理信息库，所以该算法不依赖于特定产品类别．通过简单连接定理，可用最少的信息来判断设备的连接关系，再利用根搜索定理进行设备的分类，获得物理网络拓朴；引入虚交换机的概念，用以解决哑交换机问题．该算法已用于分布网络管理系统，实验证明了它满足高效、快速、准确等网络拓朴生成的基本原则。     

学校多媒体计算机网络系统优化设计和实现

介绍了根据学校实际情况,依据网络设计的五大原则,为了达到设计目的,应用节点布局算法、综合优化算法设计各个子网,运用初始拓扑生成算法、拓扑生成算法设计主干网,容量、流量分配算法优化网络性能,设计出了一种适合网络多媒体教学、现代化管理的多媒体校园网络系统的设计思想设计方案以及实现方法.     

基于距离的IPv6校园网拓扑发现整合算法

针对IPv6网络拓扑发现方法存在的不足,提出一种基于距离的IPv6校园网拓扑发现整合算法.该算法利用开放式最短路径优先(OSPF)路由协议里的子网信息,以节点之间的最短距离作为度量,将基于Traceroute6的和基于OSPF路由协议的两种拓扑发现方法的结果进行整合,并根据子网前缀、接口等信息进行修正.在实际网络中对该算法进行了测试,并与基于跳数的整合算法进行了比较.结果表明:该算法能迅速有效地整合拓扑发现的结果,提高拓扑信息的完整性和准确性.     

一种基于SNMP的网络拓扑发现算法

网络拓扑发现是网络管理中一项非常重要的技术;网络拓扑发现的算法和实现技术是衡量网络管理系统性能的一个重要方面,基于 SNMP 的网络拓扑发现技术速度最快,使用范围也最广泛,网络层的拓扑发现算法有效地解决了路由器的多 IP 地址问题;在此研究多层网络拓扑自动发现,提出了一种基于sNMP 协议的全新的网络拓扑发现的实现算法,使得算法更简单、效率更高.     

基于k边连通最小生成子图的网络拓扑管理算法

可移动社区依托于移动自组网,其特征决定了社区网络的临时性通信范围的有限性以及网络拓扑结构的高度动态性.利用图论的理论和方法,提出了一种基于k边连通最小生成子图的网络拓扑管理算法,算法以能量消耗等因素衡量链路的代价值,通过减少高代价的冗余链路来优化拓扑结构,能够较好地适应可移动社区拓扑管理的需求.实验结果表明:该拓扑管理算法有效地减少了网络整体能量损耗,延长了网络的生命周期.     

考虑主题和时间的在线社交网络团体发现算法

如何准确、有效地发现虚拟社交网络中的社区或群体是复杂社交网络中的一个热点问题。本研究认为在线社交网络中用户之间显性的对话或彼此评论形成了一种网络结构,既包含社交网络底层的拓扑结构信息,又包含网络实体进行交互的确切时间,具有时效性。为了揭示虚拟社交网络中隐藏的动态现象,给出了一种同时考虑主题和时间的在线社交网络发现算法——多时间密集子图发现算法。首先,将在线社交网络中的对话或评论建模为一个交互网络,再利用拓扑结构将网络划分为属于不同主题(如热门新闻或话题)的社区,然后依据时间维度对每个主题下的社区挖掘稠密子图,最后在真实数据集上对所提算法进行了评估。与比较算法相比,本算法发现的团体内部间的交互在时间上更加密集,具有更高的时效性。