网络作为数据传输的载体,运行过程中会不可避免的出现异常情况,仅凭人力无法及时了解网络环境中设备的运行状态。一旦出现异常,若未能及时发现、解决,势必影响数据传输效率,甚至导致网络瘫痪,对生产环境造成影响。网络状态监控技术可分为:主动监控和被动监控。主动监控技术由于其测量节点向网络环境注入样本数据,会对网络环境及设备造成性能上的影响。被动监控技术通过人为设定阈值参数衡量网络运行状态,受个人经验影响,无法准确衡量是否为异常状态。并且它们都不具备异常数据深度分析功能。基于主被动网络监控技术的优缺点,本文以被动网络监控技术为基础,以网络延迟、丢包、流量、CPU状态、内存状态及日志信息为数据对象。分析数据特征,实现异常数据检测、异常根因分析等功能。异常数据检测功能结合Kmeans算法、正态分布算法、动态阈值法,解决传统网络监控人工介入的不准确性影响等问题。其检测的异常数据比例不超过0.2%,符合算法理论预期;而人为设定阈值参数的方式,异常数据比例高于13.5%,显然本系统的异常数据检测功能更符合实际情况。异常数据根因分析功能模拟人工处理网络异常时的思维逻辑和方法,分析产生该异常数据的原因,经测试其准确性高达88%。实验结果表明,在网络异常数据检测及根因分析方面,该系统具有较好的数据处理性能及准确性,能够缩短运维人员处理网络异常时消耗的时间、数据搜集时间。该论文有图56幅,表22个,参考文献45篇。