随着当今社会的发展,计算机网络技术得到了越来越广泛的使用,与此同时,人们对网络的性能和安全的要求也越来越高,所以网络管理人员对网络进行合理规划、对网络进行安全管理也变得越来越重要。现如今互联网出现了IPv4技术和IPv6技术混合使用的情况,两种技术的使用既扩大了网络规模也增加了网络流量数据的复杂度,所以在此基础上开展IPv4&IPv6网络环境下的流量数据分析十分有必要。通过对流量数据的分析,管理人员可以及时掌握网络情况,发现网络中新应用的发展趋势,也可以对网络通信协议研究、网络设备开发以及网络规划进行指导等。本文以Hadoop大数据平台网络流量采集为基础,以公司业务需求为背景,结合数据存储以及数据分析技术,研究开发了IPv4&IPv6数据分析系统。系统主要完成了以下几方面工作:(1)本文首先提出一种基于UA识别和随机森林的终端识别算法TRF,通过对手持设备和非手持设备的分类,对网络终端设备做分类展示。通过实验表明,TRF算法有效提高了分类准确率,提升了分类器的性能。(2)其次构建了基于Hadoop大数据平台的数据分析系统,通过Bro采集框架的改造和算法改进,对IPv4&IPv6数据流量进行了采集和预处理,同时为了使数据存储符合系统的多样性和复杂性,设计运用了多种存储方式对数据进行存储,并对存储后的数据流量进行分析,为系统展示提供更为准确和清晰的网络信息。(3)最后对系统分析后的网络信息运用饼图、柱状图和折线图进行可视化展示,便于系统用户对网络流量数据情况的直观了解;同时为了保证系统的可靠性和正确性,对系统进行功能性和非功能性测试。本文按照原计划顺利完成IPv4和IPv6流量数据的采集、分析和展示工作,通过使用本系统,一方面可以有效地减少技术人员对网络管理的成本和工作量,提高工作效率;另一方面可以使用户更加全面、客观的了解和掌握网络现状;更进一步的说,也为以后提高网络防御水平打下坚实的基础。