热图
　　热图是将二维空间中的数据用不同颜色的像素来区分，其中黑色或灰色像素表示大的数值，而小的数值则用浅颜色像素来表示。热图最初来源于数据矩阵的二维图形展示，Sneath首先采用热图来显示数据聚类分析的结果，Wilkinson则在1994年利用计算机程序产生出了第一个高分辨率热图。目前，热图已经应用于IP地址范围、AS域分布以及BGP路由表等网络数据的可视化。图2是根据BGP Routing测量结果绘制的IPv4地址分布范围热图，图3则用热图显示了Internet中存在恶意行为的IP地址范围的监测结果，两者均使用Hiebert曲线将IPv4地址映射到二维空间，来实现同种类型IP地址的临近分布，另一种可能的映射方法是QuadTree算法。此外，Google Analytics也通过热图来分析显示不同Web的访问频率，CDN服务商Akamai也使用热图来比较显示来自不同地区的网络攻击、数据流量、网络延时等信息。

　　三维图像可视化方法

　　以上介绍的都是二维空间的平面可视化方法，随着计算机图形技术的发展，基于三维空间的数据可视化方法越来越普及，许多现有的二维可视化技术也逐步向三维可视化转移。相对于二维可视化方法，三维可视化能够更丰富的展示海量的网络数据，更深层次的挖掘数据之间的内涵关系，更准确地发现数据中蕴含的问题，有利于揭示新现象和新规律，提出新的解决方法。下面我们主要以两个实例进行说明。

　　与AWStat等日志分析软件不同，Raju Varghese使用三维图来实现Web服务器日志的可视化，可以同时显示时间、IP地址、访问对象和服务器状态等多维数据信息。

　　与Flowtools等流量分析工具相比，Flamingo可以实现网络流量的实时三维可视化，它提供了一系列方法来展示Netflow数据所蕴含的不同方面，并分析其中存在的现象和问题。Flamingo在实验中也发现了图5中所展示的相同问题，并称之为“Slashdot现象”。

　　总之，网络数据可视化是网络技术研究和应用中的一个非常重要的组成部分。随着计算机图形学和数据处理技术的不断发展，新的数据可视化方法层出不穷，并被不断应用到网络数据的可视化实现中，因此，网络数据可视化技术具有方法越来越丰富，功能越来越强大、结果越来越美观的特点。本文主要结合实际的应用图例，概要性地介绍了现有的几种典型的网络数据可视化方法，希望能达到抛砖引玉的目的。
　　（作者单位为山东大学网络信息中心）

　　来源：《中国教育网络》2009年6月刊