在做数据包分析的时候,经常会说一句话,“Packets never lie(数据包不会说谎)”,即数据包会真实反应网络服务和应用服务的真实状态。基于网络镜像的流量分析同样如此,如果镜像数据不可靠,就会导致分析系统结果的不准确,也无法发挥网络数据的真正价值。

本期,我们就来聊一聊什么是可靠的镜像,如何根据自身情况合理进行网络镜像的规划和设计,为分析系统提供高质量的可靠镜像数据。

什么是可靠的镜像?

可靠的镜像往往体现在完整性、顺序性和唯一性三个方面:

1、完整性:镜像本身没有丢包,镜像出来的数据包无缺失

2、顺序性:镜像的数据包顺序正常,没有乱序

3、唯一性:镜像的数据包是唯一的,没有重复

如果在镜像时没有合理规划,随意选择镜像来源,很可能会导致镜像数据的不准确,出现镜像丢包、数据包乱序、重复流量、单向流量等情况,这些问题都会对分析系统产生一定影响。

虽然针对流量重复、乱序等情况,天旦的数据分析系统可以通过去重、重组等实现正常分析,但这也会给分析系统带来额外的资源消耗,应尽量避免。

天旦老司机总结:常用镜像方法

天旦老司机基于多年实践总结了几种常用的镜像方法。大家可以根据自身情况“对症下药”,选择适合的镜像方法,合理进行网络镜像的规划和设计,确保镜像更加可靠。

1、单口双向法

适用于镜像比较简单,容易找到进出流量统一入口的场景。比如负载均衡连接交换机的接口、防火墙连接交换机的接口、特定的服务器连接交换机的接口等。只需配置特定接口的双向(Rx+Tx)镜像即可。

优势:容易规划、配置简单

劣势:只适用于简单场景,复杂场景中会有重复流量等问题

2、全口单向法

适用于镜像环境复杂的场景,如需要分析交换机上大多或全部的流量,找不到统一的流量出入口。部署时需要配置所有数据流经过接口的单向(Rx或Tx)镜像。

优势:适用几乎所有场景,而且镜像的流量比较干净

劣势:规划难度较高,容易出现镜像缺漏

3、配合Tap法

配合Tap法是将上述两种方法灵活组合,同时搭配Tap Switch的镜像方法。适用于复杂的镜像环境复杂,如镜像数量很多,不可避免存在重复流量;同时有多个分析系统,对镜像的需求也各不相同等。这时可以把所有镜像接入Tap Switch,由Tap进行去重、过滤、复制,统一进行策略规划。

优势:适用所有场景,镜像规划相对轻松

劣势:需采购Tap设备,极端环境下Tap本身可能存在丢包风险

总结:网络镜像口诀

综上,我们把部署网络镜像时,需要注意的问题总结成了四句口诀:

需求简单用单口

环境复杂全单向

配合Tap更合理

流量大小要关注

最后需要强调的是,流量大小是任何时候做镜像都需要关注的,如镜像源端口较多、数据流量较大,就需要适当增加镜像目的端口,否则会出现丢包、乱序等一系列问题。

希望通过本期内容分享,能够帮助大家根据自身情况,合理进行网络镜像的规划和设计,为分析系统提供高质量的可靠镜像,更好体现网络数据的价值。

更多网络镜像相关技术视频:

《网络镜像、agent、日志,三大性能监控流派有何不同?》

《如何在不同环境中部署网络抓包》

《如何保证数据源统一时间》

点击下方↓「了解更多」即刻观看

查处的数据如何乱序_老司机总结常用镜像方法,让镜像数据更加可靠相关推荐

  1. win10锁定计算机后黑屏,win10电脑突然黑屏无法唤醒怎么办?老司机告诉你解决方法...

    电脑使用时间长了,总会出现一些小问题.这不,一位用户说自己win10电脑突然黑屏无法唤醒,甚至连鼠标的光标也消失了,这是什么原因引起的?其实这有可能是系统兼容性问题,又或者关机的时候没有正常操作.不管 ...

  2. Pentium M处理器架构/微架构/流水线 (2) - 数据预取/乱序核/退役单元

    Data Prefetching Intel Pentium M处理器支持3种预取机制: 第一种是硬件指令预取,已在上面章节中讲述 第二种是自动的将数据预取到二级缓存.这个机制基本上与Intel Ne ...

  3. axi4协议的乱序_一篇文章读懂读透FPGA AXI4 总线协议

    新一代FPGA中采用的基本都是AXI4总线协议,例如与slaver侧的DMA或DDR等通信.这篇讲AXI4的文章感觉讲的很清楚. 0.绪论AXI是高级扩展接口,在AMBA3.0中提出,AMBA4.0将 ...

  4. 浅析LET无线移动网络为什么RTT抖动大为什么数据包乱序多

    浙江温州皮鞋湿,下雨进水不会胖!9月份错过了深圳的超猛台风,12月8号又错过了杭州的超猛大雪,当天却在深圳迎来了赵正则,马上2019年了,又一次错过了杭州的大雪,回到了深圳过元旦- 无奈啊无奈,去年夏 ...

  5. for循环数据量太大_中文文本分类roberta大力出奇迹之数据量大的问题

    问题描述: 笔者在文本分类场景中使用了roberta+pool+dense的三分类模型.采用预训练模型做项目的时候经常苦于数据太少,模型泛化性差,因此收集了1300W数据.在我尝试暴力出奇迹的时候,遇 ...

  6. python打开交互界面设计_老司机必备——用PyQt做一个有交互界面的妹子图爬虫...

    内容简介:老司机必备--用PyQt做一个有交互界面的妹子图爬虫 代码飙车,指日可待.今天的课程教大家结合PyQt和 Python 爬虫技术,做一个带有交互界面的妹子图网站爬虫程序. 一.实验简介 1. ...

  7. GDB调试乱序,出现value optimized out解决方法

    gdb调试乱序,value optimized out解决方法 在cmakelist中修改如下: # Add -O0 to remove optimizations when using gcc IF ...

  8. 扫地机器人能过凸起地面吗_老司机教你一眼看穿扫地机器人的套路

    原标题:老司机教你一眼看穿扫地机器人的套路 说到扫地机器人,想必大家都不陌生.它虽然很早就出现了,但确是近两年才走入人们视线的.敢于吃螃蟹的人有的已经体会到了扫地机器人带给我们的便利,有的用了几次感觉 ...

  9. webbrowser控件 有数据 但页面空白_如何在Excel中实现可以切换不同数据系列的滚珠图?...

    ▲更多精彩内容,请点击上方Excel小铲子▲ 操作系统版本 Windows 10 64位 Excel版本 Microsoft Excel 2016 64位 案例文档下载 链接:https://pan. ...

最新文章

  1. ajax请求的步骤,ajax请求的五个步骤
  2. ArcGIS 复制要素
  3. css3宽度变大动画_不会仪表?太尴尬了。14种动画让你轻松掌握各种流量计工作原理...
  4. Mybatis Plus为什么提供BaseMapper和IService两个相似CRUD操作的接口?
  5. 【OPTEE开发】从TA到安全驱动的功能设计
  6. 8.给物体设置材质球
  7. 苹果 AirPods 固件更新,这个新功能上线!
  8. LeetCode 109. Convert Sorted List to Binary Search Tree
  9. bzoj1612 奶牛的比赛
  10. WdatePicker的一些用法
  11. CSS中min-height:100%问题
  12. scienceWord总结
  13. 解析Esri WebScene
  14. 关于elasticsearch属性not_analyzed,坑
  15. Spring Security 自定义资源认证规则
  16. xp信息服务器iis5.0,XP中安装iis5.0/IIS6.0的详细操作方法步骤(图文教程)
  17. Opencv学习笔记 常用函数、基础知识二
  18. Form(窗体)的FormBorderStyle属性的不同效果
  19. 密码管理方案之SafeInCloud+坚果云同步
  20. ng-init、ng-bind、ng-model和ng-value区别

热门文章

  1. clusterProfiler对差异表达基因进行富集分析
  2. 观《超能陆战队》未来的“机器人设计师”的必备装备
  3. 第三代DNA测序及其相关生物信息学技术发展概况
  4. 数字图像处理1:基本概念
  5. ubuntu中命令打开图片、文档、音乐、视频等
  6. python opencv调节图片亮度与对比度
  7. 【文本分类】Convolutional Neural Networks for Sentence Classification
  8. CLion使用WSL的cmake报错解决: configure_file Problem configuring file Call Stack (most recent call first):
  9. mysql和java区别_java和mysql的length()区别及char_length()
  10. python创建一个简单的服务