如何分析程序網路伺服器數據

① 有沒有軟體可以分析電腦中有哪些程序正連接網路，發送多大數據流量

據我所知 Mocha BSM通過4+1解決方案，滿足了網管3.0的需要：
Mocha BSM首先是提供了如下監控和管理的網管軟體：
 - 主機
 - 網路設備與拓撲
 - IT資產
支持的網路設備的廠家包括：Cisco、華為、阿爾卡特、中興、Nortel、Juniper、Netscreen、F5、AVAYA、Lucent、Foundary、D-link、邁普等，設備類型包括路由器、交換機、防火牆、安全設備等。
Mocha BSM也是支持應用管理的網管軟體：
 - J2EE應用伺服器 – WebSphere, Weblogic, SunOne
 - Lotus Domino
 - Portal – WebSphere, Weblogic, SunOne
 - 資料庫 – Oracle, DB2, MySQL, MS SQL
 - LDAP – IBM, SunOne
 - Web Server – Apache, IIS, SunOne
 - URL & Ports
 - Mail – MS Exchange, Lotus Mail
監控響應時間的網管軟體：
 - 錄制與模擬用戶使用網站的關鍵操作與步驟，並且可以定時回放，獲得相關響應時間與HTTP狀態。
 - 定位復雜的業務系統的瓶頸
以服務的視角來管理企業的網管軟體，提供了以下功能：
 - 可視化服務定義
 - 服務儀表盤
 - 服務水平管理
通過IT運維管理，以ITIL的流程框架，締造一個自動化，流程化和規范化的IT運維系統。

② 如何進行網站數據分析

1、網站伺服器的運行狀況及影響

通過對網站日誌及監控工具的分析與觀察，我們可以了解到網站在每個時段中的運行狀態，網站是否被攻擊、伺服器是否出現問題，出現的這些問題是否影響訪客的來訪，網站在每個地區的運行是否都正常。

2、網站程序是否有利於搜索引擎

搜索引擎訪問網站的爬行軌跡都會被伺服器記錄，觀察總結搜索引擎對網站各個部分的訪問情況，可以查看到網站程序中是否有死循環，網站是否有利於蜘蛛的爬行收錄，網站程序代碼是否需要精簡，去除無用的代碼。

3、網站哪些內容收錄

網站的在搜索引擎的的收錄，影響著整個網站的流量，收錄越多，流量的來源越廣，流量也就越多。通過對各個搜索引擎的收錄分析，我們可以總結觀察出網站在搜索引擎的表現主題，搜索引擎對網站的整體的定位，關鍵詞與整體內容的表現含義越相近，排名也就越高。

4、網站的訪客情況與分析

通過對網站流量數據的分析，我們可以獲知網站的主體訪問人群以及訪客來自的地區，是否是我們想要的訪問者，而這些訪問者又需要什麼樣的內容，有什麼需求，網站哪些部分吸引他們。

5、網站各種關鍵詞的表現情況

網站的關鍵詞是流量來源的根本(排除品牌網站)，所以對各種關鍵詞在搜索引擎的表現情況的研究分析就變得尤為的重要。總結分析網站流量來源前列的關鍵詞排名，然後針對流量大的關鍵詞及有很大提升空間的關鍵詞加以優化，使得網站能夠有更好的流量。

③ 常用的網站數據分析工具有哪些

常用的網站數據分析工具或者軟體有很多，可以分為很多不同的類型。

比如網站流量分析類，目前國內外比較好用的工具主要是AdobeAnalytics。它是通過高級可視化顯示您的網站流量，進而揭示用戶是如何導航、互動和轉化的。

AdobeAnalytics功能有以下：

多渠道數據收集

通過多種方式來捕獲幾乎任何來源的數據，如網路、電子郵件、營銷活動、基於Web的自助終端、移動設備、客戶端伺服器應用程序和大部分可訪問互聯網的應用程序。

自定義變數

捕獲對於數據驅動型決策制定來說最為重要的以及與業務目標對應的網路和移動應用數據。

獨特的處理規則

通過伺服器端方法處理和填充報告變數並定義訪客細分規則，從而使您能夠創建所有線上數據的實時細分，而無需在站點上創建復雜的規則。

線下數據整合

將來自CRM系統或任何其他線上或線下企業數據源（如忠誠度計劃級別）的數據整合成為額外的分析維度。

標簽管理

AdobeExperiencePlatformLaunch可以簡化標簽管理並提供創新工具，以便跨數字營銷系統收集和分配數據。

數據倉庫和數據源

AdobeAnalytics可以為數據倉庫中的客戶數據提供延期存儲、數據再處理和報告功能。並且數據源可以按照每日或每小時交付計劃提供批量原始數據。

④ 網路數據分析

192.168.58.134 從56900埠 到 ip A的80埠你可以理解為客戶端請求伺服器端，
192.168.58.134 從80埠 到 ip A的56900埠你可以理解為伺服器給客戶端的應答；
如果你好奇，你可以把他訪問的資源直接拿過來訪問一下你就知道它在做什麼了，它幹了什麼事！

⑤ 如何獲取一個程序向伺服器發送的數據

利用抓包程序，首先斷掉網路，關掉所有其他連接網路的程序，例如瀏覽器，QQ啊什麽的。開啟抓包程序，然後連接網路。打開你想要看的程序，然後等待程序發送數據。稍後就看到有數據包發送出來。然後找對應伺服器，找對應的數據包。然後解析數據包。就可以看到了。但是解析數據包比較麻煩，一般數據包都會經過加密。需要解密，才可以看到數據包的明文。

⑥ 網站新手，怎麼分析網站伺服器端的代碼結構，以及每個文件夾內對應的數據結構以及代表的內容。求大神指教

1、你這個站是.net程序的，並且是動態程序。從「index.aspx ASP.NET」可以判斷
2、你說的識別這些文件裡面的內容大體給你說一下，因為太多了，沒法一個一個說：
app_DATA，這裡面放的是資料庫文件
flash javascript bin 這些都是一些外部調用程序，主要是一些特效程序 動態程序沒有專門放網頁的文件夾，都是代碼生成的

⑦ 海量移動互聯網數據 怎麼做數據分析

一、數據量過大，數據中什麼情況都可能存在。
如果說有10條數據，那麼大不了每條去逐一檢查，人為處理，如果有上百條數據，也可以考慮，如果數據上到千萬級別，甚至 過億，那不是手工能解決的了，必須通過工具或者程序進行處理，尤其海量的數據中，什麼情況都可能存在，例如，數據中某處格式出了問題，尤其在程序處理時， 前面還能正常處理，突然到了某個地方問題出現了，程序終止了。
二、軟硬體要求高，系統資源佔用率高。
對海量的數據進行處理，除了好的方法，最重要的就是合理使用工具，合理分配系統資源。一般情況，如果處理的數據過TB級，小型機是要考慮的，普通的機子如果有好的方法可以考慮，不過也必須加大CPU和內存，就象面對著千軍萬馬，光有勇氣沒有一兵一卒是很難取勝的。
三、要求很高的處理方法和技巧。
這也是本文的寫作目的所在，好的處理方法是一位工程師長期工作經驗的積累，也是個人的經驗的總結。沒有通用的處理方法，但有通用的原理和規則。
下面我們來詳細介紹一下處理海量數據的經驗和技巧：
一、選用優秀的資料庫工具
現在的資料庫工具廠家比較多，對海量數據的處理對所使用的資料庫工具要求比較高，一般使用Oracle或者DB2，微軟 公司最近發布的SQL Server 2005性能也不錯。另外在BI領域：資料庫，數據倉庫，多維資料庫，數據挖掘等相關工具也要進行選擇，象好的ETL工具和好的OLAP工具都十分必要， 例如Informatic，Eassbase等。筆者在實際數據分析項目中，對每天6000萬條的日誌數據進行處理，使用SQL Server 2000需要花費6小時，而使用SQL Server 2005則只需要花費3小時。
二、編寫優良的程序代碼
處理數據離不開優秀的程序代碼，尤其在進行復雜數據處理時，必須使用程序。好的程序代碼對數據的處理至關重要，這不僅僅是數據處理准確度的問題，更是數據處理效率的問題。良好的程序代碼應該包含好的演算法，包含好的處理流程，包含好的效率，包含好的異常處理機制等。
三、對海量數據進行分區操作
對海量數據進行分區操作十分必要，例如針對按年份存取的數據，我們可以按年進行分區，不同的資料庫有不同的分區方式，不 過處理機制大體相同。例如SQL Server的資料庫分區是將不同的數據存於不同的文件組下，而不同的文件組存於不同的磁碟分區下，這樣將數據分散開，減小磁碟I/O，減小了系統負荷， 而且還可以將日誌，索引等放於不同的分區下。
四、建立廣泛的索引
對海量的數據處理，對大表建立索引是必行的，建立索引要考慮到具體情況，例如針對大表的分組、排序等欄位，都要建立相應 索引，一般還可以建立復合索引，對經常插入的表則建立索引時要小心，筆者在處理數據時，曾經在一個ETL流程中，當插入表時，首先刪除索引，然後插入完 畢，建立索引，並實施聚合操作，聚合完成後，再次插入前還是刪除索引，所以索引要用到好的時機，索引的填充因子和聚集、非聚集索引都要考慮。
五、建立緩存機制
當數據量增加時，一般的處理工具都要考慮到緩存問題。緩存大小設置的好差也關繫到數據處理的成敗，例如，筆者在處理2億條數據聚合操作時，緩存設置為100000條/Buffer，這對於這個級別的數據量是可行的。
六、加大虛擬內存
如果系統資源有限，內存提示不足，則可以靠增加虛擬內存來解決。筆者在實際項目中曾經遇到針對18億條的數據進行處理， 內存為1GB，1個P42.4G的CPU，對這么大的數據量進行聚合操作是有問題的，提示內存不足，那麼採用了加大虛擬內存的方法來解決，在6塊磁碟分區 上分別建立了6個4096M的磁碟分區，用於虛擬內存，這樣虛擬的內存則增加為 4096*6 + 1024 =25600 M，解決了數據處理中的內存不足問題。
七、分批處理
海量數據處理難因為數據量大，那麼解決海量數據處理難的問題其中一個技巧是減少數據量。可以對海量數據分批處理，然後處 理後的數據再進行合並操作，這樣逐個擊破，有利於小數據量的處理，不至於面對大數據量帶來的問題，不過這種方法也要因時因勢進行，如果不允許拆分數據，還 需要另想辦法。不過一般的數據按天、按月、按年等存儲的，都可以採用先分後合的方法，對數據進行分開處理。
八、使用臨時表和中間表
數據量增加時，處理中要考慮提前匯總。這樣做的目的是化整為零，大表變小表，分塊處理完成後，再利用一定的規則進行合 並，處理過程中的臨時表的使用和中間結果的保存都非常重要，如果對於超海量的數據，大表處理不了，只能拆分為多個小表。如果處理過程中需要多步匯總操作， 可按匯總步驟一步步來，不要一條語句完成，一口氣吃掉一個胖子。
九、優化查詢SQL語句
在對海量數據進行查詢處理過程中，查詢的SQL語句的性能對查詢效率的影響是非常大的，編寫高效優良的SQL腳本和存儲 過程是資料庫工作人員的職責，也是檢驗資料庫工作人員水平的一個標准，在對SQL語句的編寫過程中，例如減少關聯，少用或不用游標，設計好高效的資料庫表 結構等都十分必要。筆者在工作中試著對1億行的數據使用游標，運行3個小時沒有出結果，這是一定要改用程序處理了。
十、使用文本格式進行處理
對一般的數據處理可以使用資料庫，如果對復雜的數據處理，必須藉助程序，那麼在程序操作資料庫和程序操作文本之間選擇， 是一定要選擇程序操作文本的，原因為：程序操作文本速度快；對文本進行處理不容易出錯；文本的存儲不受限制等。例如一般的海量的網路日誌都是文本格式或者 csv格式（文本格式），對它進行處理牽扯到數據清洗，是要利用程序進行處理的，而不建議導入資料庫再做清洗。
十一、定製強大的清洗規則和出錯處理機制
海量數據中存在著不一致性，極有可能出現某處的瑕疵。例如，同樣的數據中的時間欄位，有的可能為非標準的時間，出現的原因可能為應用程序的錯誤，系統的錯誤等，這是在進行數據處理時，必須制定強大的數據清洗規則和出錯處理機制。
十二、建立視圖或者物化視圖
視圖中的數據來源於基表，對海量數據的處理，可以將數據按一定的規則分散到各個基表中，查詢或處理過程中可以基於視圖進行，這樣分散了磁碟I/O，正如10根繩子吊著一根柱子和一根吊著一根柱子的區別。
十三、避免使用32位機子（極端情況）
目前的計算機很多都是32位的，那麼編寫的程序對內存的需要便受限制，而很多的海量數據處理是必須大量消耗內存的，這便要求更好性能的機子，其中對位數的限制也十分重要。
十四、考慮操作系統問題
海量數據處理過程中，除了對資料庫，處理程序等要求比較高以外，對操作系統的要求也放到了重要的位置，一般是必須使用伺服器的，而且對系統的安全性和穩定性等要求也比較高。尤其對操作系統自身的緩存機制，臨時空間的處理等問題都需要綜合考慮。
十五、使用數據倉庫和多維資料庫存儲
數據量加大是一定要考慮OLAP的，傳統的報表可能5、6個小時出來結果，而基於Cube的查詢可能只需要幾分鍾，因此處理海量數據的利器是OLAP多維分析，即建立數據倉庫，建立多維數據集，基於多維數據集進行報表展現和數據挖掘等。
十六、使用采樣數據，進行數據挖掘
基於海量數據的數據挖掘正在逐步興起，面對著超海量的數據，一般的挖掘軟體或演算法往往採用數據抽樣的方式進行處理，這樣 的誤差不會很高，大大提高了處理效率和處理的成功率。一般采樣時要注意數據的完整性和，防止過大的偏差。筆者曾經對1億2千萬行的表數據進行采樣，抽取出 400萬行，經測試軟體測試處理的誤差為千分之五，客戶可以接受。
還有一些方法，需要在不同的情況和場合下運用，例如使用代理鍵等操作，這樣的好處是加快了聚合時間，因為對數值型的聚合比對字元型的聚合快得多。類似的情況需要針對不同的需求進行處理。
海量數據是發展趨勢，對數據分析和挖掘也越來越重要，從海量數據中提取有用信息重要而緊迫，這便要求處理要准確，精度要高，而且處理時間要短，得到有價值信息要快，所以，對海量數據的研究很有前途，也很值得進行廣泛深入的研究。
海量數據處理專題（一）——開篇
大數據量的問題是很多面試筆試中經常出現的問題，比如 google 騰訊 這樣的一些涉及到海量數據的公司經常會問到。
下面的方法是我對海量數據的處理方法進行了一個一般性的總結，當然這些方法可能並不能完全覆蓋所有的問題，但是這樣 的一些方法也基本可以處理絕大多數遇到的問題。下面的一些問題基本直接來源於公司的面試筆試題目，方法不一定最優，如果你有更好的處理方法，歡迎與我討 論。
本貼從解決這類問題的方法入手，開辟一系列專題來解決海量數據問題。擬包含 以下幾個方面。
Bloom Filter
Hash
Bit-Map
堆(Heap)
雙層桶劃分
資料庫索引
倒排索引（Inverted Index）
外排序
Trie樹
MapRece
在這些解決方案之上，再藉助一定的例子來剖析海量數據處理問題的解決方案。
最簡單的一點專業的事情讓專業的人去做吧 招聘懂的人來做才王道