如何分析程序网络服务器数据

① 有没有软件可以分析电脑中有哪些程序正连接网络，发送多大数据流量

据我所知 Mocha BSM通过4+1解决方案，满足了网管3.0的需要：
Mocha BSM首先是提供了如下监控和管理的网管软件：
 - 主机
 - 网络设备与拓扑
 - IT资产
支持的网络设备的厂家包括：Cisco、华为、阿尔卡特、中兴、Nortel、Juniper、Netscreen、F5、AVAYA、Lucent、Foundary、D-link、迈普等，设备类型包括路由器、交换机、防火墙、安全设备等。
Mocha BSM也是支持应用管理的网管软件：
 - J2EE应用服务器 – WebSphere, Weblogic, SunOne
 - Lotus Domino
 - Portal – WebSphere, Weblogic, SunOne
 - 数据库 – Oracle, DB2, MySQL, MS SQL
 - LDAP – IBM, SunOne
 - Web Server – Apache, IIS, SunOne
 - URL & Ports
 - Mail – MS Exchange, Lotus Mail
监控响应时间的网管软件：
 - 录制与模拟用户使用网站的关键操作与步骤，并且可以定时回放，获得相关响应时间与HTTP状态。
 - 定位复杂的业务系统的瓶颈
以服务的视角来管理企业的网管软件，提供了以下功能：
 - 可视化服务定义
 - 服务仪表盘
 - 服务水平管理
通过IT运维管理，以ITIL的流程框架，缔造一个自动化，流程化和规范化的IT运维系统。

② 如何进行网站数据分析

1、网站服务器的运行状况及影响

通过对网站日志及监控工具的分析与观察，我们可以了解到网站在每个时段中的运行状态，网站是否被攻击、服务器是否出现问题，出现的这些问题是否影响访客的来访，网站在每个地区的运行是否都正常。

2、网站程序是否有利于搜索引擎

搜索引擎访问网站的爬行轨迹都会被服务器记录，观察总结搜索引擎对网站各个部分的访问情况，可以查看到网站程序中是否有死循环，网站是否有利于蜘蛛的爬行收录，网站程序代码是否需要精简，去除无用的代码。

3、网站哪些内容收录

网站的在搜索引擎的的收录，影响着整个网站的流量，收录越多，流量的来源越广，流量也就越多。通过对各个搜索引擎的收录分析，我们可以总结观察出网站在搜索引擎的表现主题，搜索引擎对网站的整体的定位，关键词与整体内容的表现含义越相近，排名也就越高。

4、网站的访客情况与分析

通过对网站流量数据的分析，我们可以获知网站的主体访问人群以及访客来自的地区，是否是我们想要的访问者，而这些访问者又需要什么样的内容，有什么需求，网站哪些部分吸引他们。

5、网站各种关键词的表现情况

网站的关键词是流量来源的根本(排除品牌网站)，所以对各种关键词在搜索引擎的表现情况的研究分析就变得尤为的重要。总结分析网站流量来源前列的关键词排名，然后针对流量大的关键词及有很大提升空间的关键词加以优化，使得网站能够有更好的流量。

③ 常用的网站数据分析工具有哪些

常用的网站数据分析工具或者软件有很多，可以分为很多不同的类型。

比如网站流量分析类，目前国内外比较好用的工具主要是AdobeAnalytics。它是通过高级可视化显示您的网站流量，进而揭示用户是如何导航、互动和转化的。

AdobeAnalytics功能有以下：

多渠道数据收集

通过多种方式来捕获几乎任何来源的数据，如网络、电子邮件、营销活动、基于Web的自助终端、移动设备、客户端服务器应用程序和大部分可访问互联网的应用程序。

自定义变量

捕获对于数据驱动型决策制定来说最为重要的以及与业务目标对应的网络和移动应用数据。

独特的处理规则

通过服务器端方法处理和填充报告变量并定义访客细分规则，从而使您能够创建所有线上数据的实时细分，而无需在站点上创建复杂的规则。

线下数据整合

将来自CRM系统或任何其他线上或线下企业数据源（如忠诚度计划级别）的数据整合成为额外的分析维度。

标签管理

AdobeExperiencePlatformLaunch可以简化标签管理并提供创新工具，以便跨数字营销系统收集和分配数据。

数据仓库和数据源

AdobeAnalytics可以为数据仓库中的客户数据提供延期存储、数据再处理和报告功能。并且数据源可以按照每日或每小时交付计划提供批量原始数据。

④ 网络数据分析

192.168.58.134 从56900端口 到 ip A的80端口你可以理解为客户端请求服务器端，
192.168.58.134 从80端口 到 ip A的56900端口你可以理解为服务器给客户端的应答；
如果你好奇，你可以把他访问的资源直接拿过来访问一下你就知道它在做什么了，它干了什么事！

⑤ 如何获取一个程序向服务器发送的数据

利用抓包程序，首先断掉网络，关掉所有其他连接网络的程序，例如浏览器，QQ啊什麽的。开启抓包程序，然后连接网络。打开你想要看的程序，然后等待程序发送数据。稍后就看到有数据包发送出来。然后找对应服务器，找对应的数据包。然后解析数据包。就可以看到了。但是解析数据包比较麻烦，一般数据包都会经过加密。需要解密，才可以看到数据包的明文。

⑥ 网站新手，怎么分析网站服务器端的代码结构，以及每个文件夹内对应的数据结构以及代表的内容。求大神指教

1、你这个站是.net程序的，并且是动态程序。从“index.aspx ASP.NET”可以判断
2、你说的识别这些文件里面的内容大体给你说一下，因为太多了，没法一个一个说：
app_DATA，这里面放的是数据库文件
flash javascript bin 这些都是一些外部调用程序，主要是一些特效程序 动态程序没有专门放网页的文件夹，都是代码生成的

⑦ 海量移动互联网数据 怎么做数据分析

一、数据量过大，数据中什么情况都可能存在。
如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至 过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时， 前面还能正常处理，突然到了某个地方问题出现了，程序终止了。
二、软硬件要求高，系统资源占用率高。
对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源。一般情况，如果处理的数据过TB级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大CPU和内存，就象面对着千军万马，光有勇气没有一兵一卒是很难取胜的。
三、要求很高的处理方法和技巧。
这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验的积累，也是个人的经验的总结。没有通用的处理方法，但有通用的原理和规则。
下面我们来详细介绍一下处理海量数据的经验和技巧：
一、选用优秀的数据库工具
现在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用Oracle或者DB2，微软 公司最近发布的SQL Server 2005性能也不错。另外在BI领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的ETL工具和好的OLAP工具都十分必要， 例如Informatic，Eassbase等。笔者在实际数据分析项目中，对每天6000万条的日志数据进行处理，使用SQL Server 2000需要花费6小时，而使用SQL Server 2005则只需要花费3小时。
二、编写优良的程序代码
处理数据离不开优秀的程序代码，尤其在进行复杂数据处理时，必须使用程序。好的程序代码对数据的处理至关重要，这不仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好的程序代码应该包含好的算法，包含好的处理流程，包含好的效率，包含好的异常处理机制等。
三、对海量数据进行分区操作
对海量数据进行分区操作十分必要，例如针对按年份存取的数据，我们可以按年进行分区，不同的数据库有不同的分区方式，不 过处理机制大体相同。例如SQL Server的数据库分区是将不同的数据存于不同的文件组下，而不同的文件组存于不同的磁盘分区下，这样将数据分散开，减小磁盘I/O，减小了系统负荷， 而且还可以将日志，索引等放于不同的分区下。
四、建立广泛的索引
对海量的数据处理，对大表建立索引是必行的，建立索引要考虑到具体情况，例如针对大表的分组、排序等字段，都要建立相应 索引，一般还可以建立复合索引，对经常插入的表则建立索引时要小心，笔者在处理数据时，曾经在一个ETL流程中，当插入表时，首先删除索引，然后插入完 毕，建立索引，并实施聚合操作，聚合完成后，再次插入前还是删除索引，所以索引要用到好的时机，索引的填充因子和聚集、非聚集索引都要考虑。
五、建立缓存机制
当数据量增加时，一般的处理工具都要考虑到缓存问题。缓存大小设置的好差也关系到数据处理的成败，例如，笔者在处理2亿条数据聚合操作时，缓存设置为100000条/Buffer，这对于这个级别的数据量是可行的。
六、加大虚拟内存
如果系统资源有限，内存提示不足，则可以靠增加虚拟内存来解决。笔者在实际项目中曾经遇到针对18亿条的数据进行处理， 内存为1GB，1个P42.4G的CPU，对这么大的数据量进行聚合操作是有问题的，提示内存不足，那么采用了加大虚拟内存的方法来解决，在6块磁盘分区 上分别建立了6个4096M的磁盘分区，用于虚拟内存，这样虚拟的内存则增加为 4096*6 + 1024 =25600 M，解决了数据处理中的内存不足问题。
七、分批处理
海量数据处理难因为数据量大，那么解决海量数据处理难的问题其中一个技巧是减少数据量。可以对海量数据分批处理，然后处 理后的数据再进行合并操作，这样逐个击破，有利于小数据量的处理，不至于面对大数据量带来的问题，不过这种方法也要因时因势进行，如果不允许拆分数据，还 需要另想办法。不过一般的数据按天、按月、按年等存储的，都可以采用先分后合的方法，对数据进行分开处理。
八、使用临时表和中间表
数据量增加时，处理中要考虑提前汇总。这样做的目的是化整为零，大表变小表，分块处理完成后，再利用一定的规则进行合 并，处理过程中的临时表的使用和中间结果的保存都非常重要，如果对于超海量的数据，大表处理不了，只能拆分为多个小表。如果处理过程中需要多步汇总操作， 可按汇总步骤一步步来，不要一条语句完成，一口气吃掉一个胖子。
九、优化查询SQL语句
在对海量数据进行查询处理过程中，查询的SQL语句的性能对查询效率的影响是非常大的，编写高效优良的SQL脚本和存储 过程是数据库工作人员的职责，也是检验数据库工作人员水平的一个标准，在对SQL语句的编写过程中，例如减少关联，少用或不用游标，设计好高效的数据库表 结构等都十分必要。笔者在工作中试着对1亿行的数据使用游标，运行3个小时没有出结果，这是一定要改用程序处理了。
十、使用文本格式进行处理
对一般的数据处理可以使用数据库，如果对复杂的数据处理，必须借助程序，那么在程序操作数据库和程序操作文本之间选择， 是一定要选择程序操作文本的，原因为：程序操作文本速度快；对文本进行处理不容易出错；文本的存储不受限制等。例如一般的海量的网络日志都是文本格式或者 csv格式（文本格式），对它进行处理牵扯到数据清洗，是要利用程序进行处理的，而不建议导入数据库再做清洗。
十一、定制强大的清洗规则和出错处理机制
海量数据中存在着不一致性，极有可能出现某处的瑕疵。例如，同样的数据中的时间字段，有的可能为非标准的时间，出现的原因可能为应用程序的错误，系统的错误等，这是在进行数据处理时，必须制定强大的数据清洗规则和出错处理机制。
十二、建立视图或者物化视图
视图中的数据来源于基表，对海量数据的处理，可以将数据按一定的规则分散到各个基表中，查询或处理过程中可以基于视图进行，这样分散了磁盘I/O，正如10根绳子吊着一根柱子和一根吊着一根柱子的区别。
十三、避免使用32位机子（极端情况）
目前的计算机很多都是32位的，那么编写的程序对内存的需要便受限制，而很多的海量数据处理是必须大量消耗内存的，这便要求更好性能的机子，其中对位数的限制也十分重要。
十四、考虑操作系统问题
海量数据处理过程中，除了对数据库，处理程序等要求比较高以外，对操作系统的要求也放到了重要的位置，一般是必须使用服务器的，而且对系统的安全性和稳定性等要求也比较高。尤其对操作系统自身的缓存机制，临时空间的处理等问题都需要综合考虑。
十五、使用数据仓库和多维数据库存储
数据量加大是一定要考虑OLAP的，传统的报表可能5、6个小时出来结果，而基于Cube的查询可能只需要几分钟，因此处理海量数据的利器是OLAP多维分析，即建立数据仓库，建立多维数据集，基于多维数据集进行报表展现和数据挖掘等。
十六、使用采样数据，进行数据挖掘
基于海量数据的数据挖掘正在逐步兴起，面对着超海量的数据，一般的挖掘软件或算法往往采用数据抽样的方式进行处理，这样 的误差不会很高，大大提高了处理效率和处理的成功率。一般采样时要注意数据的完整性和，防止过大的偏差。笔者曾经对1亿2千万行的表数据进行采样，抽取出 400万行，经测试软件测试处理的误差为千分之五，客户可以接受。
还有一些方法，需要在不同的情况和场合下运用，例如使用代理键等操作，这样的好处是加快了聚合时间，因为对数值型的聚合比对字符型的聚合快得多。类似的情况需要针对不同的需求进行处理。
海量数据是发展趋势，对数据分析和挖掘也越来越重要，从海量数据中提取有用信息重要而紧迫，这便要求处理要准确，精度要高，而且处理时间要短，得到有价值信息要快，所以，对海量数据的研究很有前途，也很值得进行广泛深入的研究。
海量数据处理专题（一）——开篇
大数据量的问题是很多面试笔试中经常出现的问题，比如 google 腾讯 这样的一些涉及到海量数据的公司经常会问到。
下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能完全覆盖所有的问题，但是这样 的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目，方法不一定最优，如果你有更好的处理方法，欢迎与我讨 论。
本贴从解决这类问题的方法入手，开辟一系列专题来解决海量数据问题。拟包含 以下几个方面。
Bloom Filter
Hash
Bit-Map
堆(Heap)
双层桶划分
数据库索引
倒排索引（Inverted Index）
外排序
Trie树
MapRece
在这些解决方案之上，再借助一定的例子来剖析海量数据处理问题的解决方案。
最简单的一点专业的事情让专业的人去做吧 招聘懂的人来做才王道