网络数据传输量及其分布规律的研究主要涉及以下几个方面：

研究人员通过捕获和分析网络流量数据，收集传输量信息。这通常借助网络流量监控工具实现，如Snort、Wireshark等，这些工具能够实时监测网络中的数据包，记录其源地址、目的地址、协议类型、传输速率等关键参数。

对收集到的原始数据进行预处理，包括清洗、去重和标准化。这一步骤对于后续的分析至关重要，能够有效剔除异常值和噪声，确保分析结果的准确性。

接着，采用统计分析方法研究数据传输量的分布规律。常用的统计模型包括泊松分布、指数分布、正态分布等。通过拟合这些模型，研究人员可以量化不同时间段内数据传输量的变化趋势，识别高峰期和低谷期，并分析其背后的原因。

此外，研究人员还会利用机器学习算法进行深度分析。例如，通过聚类算法将相似的流量模式归类，或使用时间序列分析预测未来的传输量变化。这些方法能够揭示更复杂的分布特征，为网络优化提供更精准的指导。

最后，结合网络拓扑结构和应用场景进行综合分析。例如，研究人员会考虑虚拟机的数量、资源分配策略等因素，以全面理解数据传输量的分布规律。

综上所述，网络数据传输量及其分布规律的研究是一个多维度、多层次的过程，需要综合运用多种技术和方法。通过深入研究，可以为网络优化、资源分配和安全防护提供重要支持。