基于Linux的局域网分布式监控系统研究

来源 :西南科技大学 | 被引量 : 0次 | 上传用户:kuaijizhidu2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息技术的发展,计算机局域网络的规模不断扩大,局域网内的设备与应用系统数量越来越多,网络结构也越来越复杂。如何保证网内设备与应用系统的安全运行,需要依靠相应的监控系统进行准确定位并向管理员报告系统中的故障位置,这种要求越来越受到人们的关注。本文设计了一套基于Linux的局域网分布式监控系统。该系统能够对局域网环境中的设备运行状态进行实时监控并提供异常告警,可通过Web终端实现监控系统的配置与管理。  监控系统是依托开源、稳定的LAMP平台设计,采用基于代理控制域的分布式架构,由客户端模块、数据库模块、代理节点模块、前端管理模块、监控服务模块五部分组成,实现了服务器与工作站、存储区、应用系统日志等多种目标和参数的监控与告警功能,并结合逻辑回归与贝叶斯方法实现主机安全状态的审计。与传统的局域网监控系统相比,该系统具有更清晰地网络层次划分,更强的网络适应能力和更灵活的故障管理机制。  目前该监控系统已在绵阳电视台全台业务网中试运行,实际应用证明,该系统使全台网八大子系统的运维更加安全高效。
其他文献
乳腺癌是全世界女性最常见的恶性肿瘤之一,且其发病率和死亡率在近年呈现迅速增长的趋势,早期的发现与确诊是降低乳腺癌死亡率的关键,也是早期诊断的关键。其中,肿块是乳腺疾
图像的边缘细节信息直接影响图像的视觉质量。传统的超分辨算法会出现边缘模糊和锯齿等现象,本课题分析了国内外的成果,把张量能保持图像局部结构信息的特征引入到超分辨中,根据
无线传感器网络(Wireless Sensor Network-WSN)作为物联网的“末梢神经”,是一种综合数据感知与采集、融合处理和信息传输功能于一体的无线自组织智能群体型网络信息系统,其
随着信息技术的不断发展,信息获取能力的不断提高,人们往往需要分析和处理各种高维数据,如:海量web数据、遥感图像、微阵列数据等等。这些高维数据通常会导致机器学习算法的计算
频繁模式挖掘是数据挖掘领域的重要算法。频繁模式挖掘在事务数据库、时间序列数据库和许多其他类型数据库的挖掘研究中都得到了广泛的应用。然而,传统的Frequent-patternGrow
近年来,大量研究表明,脑网络在结构和功能上具有一定的拓扑结构和组织特征,并能够提供稳定的生物标记,这为人们理解大脑机制提供了新的视角。因此,针对脑网络的研究吸引了大量学者
MapReduce是Google开发的一种并行分布式计算模型,已在搜索和处理海量数据领域得到了广泛的应用,Hadoop是它的开源实现。MapReduce编程模型因为其良好的可扩展性、高可用性以及
针对聚合签名系统中的密钥泄漏问题,本文将密钥隔离机制引入到聚合签名系统中,提出了三种不同的密钥隔离聚合签名方案。取得的研究成果如下:1.提出了密钥隔离聚合签名的概念,
群体异常行为检测与识别技术是指通过分析视频中的群体行为实现自动检测群体异常行为并识别出其类型的过程。本文在研究和分析了现有的群体异常行为识别关键技术的基础上,对群
前mRNA剪接是一种复杂且无处不在的核过程,它是基因表达中引起致癌错误的天然来源。此外,过去20年来的许多研究报道了在没有基因组突变的情况下癌症特异性的选择性剪接。受影响