基于云计算P2P识别系统架构研究.docVIP

基于云计算P2P识别系统架构研究 　　摘要：云计算技术的迅猛发展极大地促进了P2P应用，P2P应用产生的庞大流量给P2P流量识别带来了巨大的考验，针对P2P流量识别中的问题，提出一种利用云环境的识别模式。该模式将P2P的识别系统架设在云中，利用MapReduce系统架构和云环境超强的数据处理能力，能够应对海量P2P流量识别，缩短流量识别时间。 　　关键词关键词：云计算；P2P；流量识别系统；架构 　　中图分类号：TP302文献标识码：A文章编号文章编号2014）005001503 　　引言 　　云计算概念一经提出就得到各方广泛关注，几乎所有的IT巨头都开始研究甚至已经拥有自己的云。随着云计算的迅猛发展，云计算本身的一些特性给一直被诟病的P2P带来了新的发展机遇。云计算和P2P有诸多相通之处，两种技术可以互相促进。P2P技术得到广泛应用的同时，网络中巨大的P2P流量如何被快速地识别，以便很好地控制网络状况就成了一个棘手的问题。 　　1P2P识别技术 　　端口识别技术是对各种P2P软件的流量端口进行归纳，归纳出常用的一个或多个固定端口，一旦发现有流量的端口与已经归纳出的端口相同就认为该流量属于P2P的流量，如Gnutella使用6346和6347端口。该方法简单易行，但随着P2P技术的发展，现在大多数P2P软件所使用的端口不再固定，从而使端口识别法的识别准确度大大降低。 　　3.3办公时间 　　大多数美国教授（包括副教授）都会有自己的办公室。一门课选课前，会在教授各自的网站上公布该门课程的教学大纲、考核方式及教授的办公时间。有些老师为了吸引学生，甚至会在网上学生集中的地方发布课程广告。办公时间一般一周两次，如果有助教，通常也会公布助教的办公时间。在此期间会看到不少学生排队在办公室外，一个个依次进入教授的办公室向教授（或助教）请教和讨论问题。助教会承担批改作业和课程实验教学的任务，学生也可以和助教讨论课程教学中所遇到的知识点和难点，以及其它感兴趣的话题。 　　4美国大学计算机教育及启示 　　美国大学计算机教育的出发点是人，学生的自主学习是其中心所在。因此，大学计算机教育应立足长远，服务于学生的终身发展；大学计算机教育应有广阔的视野，学生应既能够深入专业领域，也能把握其最新研究方向；计算机教育具有高度弹性，教育过程具有极大的灵活性和可选择性，应尊重学生自主创新的能力和学习方法；普通教学和专业教学有着共同的目的，计算机教学应服务于学生的全面发展。 　　我国应积极借鉴先进国家计算机高等教育的教学模式、教学方法及教学理念，取其精华，博采众长，并和我国高等教育改革与发展实践结合起来，才能促进我国计算机高等教育事业不断发展创新，缩小与发达国家的差距，实现计算机高等教育的健康发展。 　　参考文献参考文献： 　　＼[1＼]吴汉军.美国大学教育特点探析[J].中国科技创新导刊，2011（2）：141. 　　[2]叶晓玲.美国大学教育的思考与借鉴[J].中国成人教育，2007（4）：121122. 　　[3]陈棣沭，韩婧.美国大学课程成绩评定方法及其技术支撑[J].高教发展与评估，2010（3）：27124. 　　[4]JIM CHEN.George mason university [EB/OL].http：///～jchen/. 　　责任编辑（责任编辑：黄健）关键字识别法不再使用端口，而是归纳出数据包中出现频率最高并且有一定意义的特征字符串或二进制数字串，通过对特定字符串的识别来判断流量是否为P2P流量。除以上两种方法外，还有Bayes流量分析法、聚类学习分类法等，基于云计算的P2P识别系统整合了以上多种识别机制。 　　2云环境中P2P识别机制 　　目前，主流云应用均使用MapReduce软件架构，该架构可以将一个作业划分成多个独立的数据块，利用多个Map同时进行运算，产生多个中间键值对，然后由多个Reduce处理函数将相同k 的中间值进行合并处理，最后每个Reduce输出一个结果，进一步处理后得到最终结果。这种并行计算能节省大量运算时间，提升设备的处理效率。本文采用MapReduce架构，P2P应用部分使用固定端口，可以先对送入待识别流量进行端口识别，端口识别速度极快。如果端口识别符合则可直接报出最终结果，大大缩短识别所耗费的时间。图1为本文使用的系统流程图，根据系统流程图在云中按图2架设实际系统。报文经过最初的端口识别后被送入分图状态机，下面对系统的工作流程进行详细说明。 　　2.1报文和规则分图 　　通过抓取大量报文分析发现，部分P2P的流量是明文的，并且有明显的Post、Get、Put、Http等字段，可以这些字段为标准将P2P流量分成两部分。报文进入分图状态后首先对报文中是