Deutsch In dieser Arbeit liegt der Fokus auf der Entwicklung einer Middleware zur Überwachung von Netzwerken. Dieser Aspekt ist ein immer wichtiger werdender, wenn es um die Zuverlässigkeit, sowie Robustheit eines Netzwerkes geht. Es wird untersucht, wie weit man mittels Freeware eine anbietbare Lösung konstruieren kann, welche ein Netzwerk genauer unter die Lupe nimmt. Auch der Aspekt, eine funktionierende Lösung mittels Java zu entwickeln, welche das Sammeln von Daten ermöglicht, soll ein wesentlicher Teil dieser Arbeit sein. Das Hauptziel dieser Arbeit ist die Konzeption und Implementierung einer Middleware, die mittels Spring Boot Frameworks, Daten von Cisco- und Meraki-Netzwerkgeräten erfasst. Diese Daten sollen im Elastic Stack indexiert und visualisiert werden, um ein effizientes Monitoring und eine präzise Analyse der Netzwerkaktivitäten zu ermöglichen. Dies soll helfen verschiedenste Problemen wie Überlastungen, hohe Latenzen oder auch Fehler im Netzwerk vorzubeugen. Mittels Machine-Learnigs soll zudem ein Vorhersagemodell geschaffen werden, welches Anomalien frühzeitig erkennen kann.

Unser Projekt wird bearbeitet und erstellt an der HTL Mössingerstraße

Dieses Projekt wird gemeinsam mit einem Wirtschaftspartner durchgeführt:

English In this work, the focus is on the development of middleware for network monitoring. This aspect is becoming increasingly important when it comes to the reliability and robustness of a network. It investigates, how far a viable solution can be constructed using freeware, which takes a closer look at a network. Also, the aspect of developing a functioning solution using Java, which enables data collection, is to be a significant part of this work. The main goal of this work is the conception and implementation of middleware that captures data from Cisco and Meraki network devices using the Spring Boot framework. These data are to be indexed and visualized in the Elastic Stack, to enable efficient monitoring and precise analysis of network activities. This is intended to prevent various problems such as overloads, high latencies, or errors in the network. Additionally, a predictive model is to be created using machine learning, which can detect anomalies at an early stage.

Details