自云計算的概念被正式提出以來,眾多學術界的學者和產(chǎn)業(yè)界的知名企業(yè)在云計算的研究和實踐方面投入大量資源,近些年在云計算領域出現(xiàn)了許多重要的研究成果。伴隨著研究和應用的深入,也出現(xiàn)了新的問題和需求,近十年以來,云服務提供上都出現(xiàn)過不同的云計算平臺故障事件,即使是如Google、Amazon這種站在業(yè)界風口浪尖的公司也無法避免云計算平臺故障的出現(xiàn)。云計算改變了傳統(tǒng)應用和服務的部署方式,因此如果云計算平臺出現(xiàn)故障,將對眾多互聯(lián)網(wǎng)企業(yè)造成經(jīng)濟和名譽的嚴重損失。因為這樣的問題的存在,云計算平臺故障檢測和故障恢復技術的研究在近幾年迅速成為熱點,相繼出現(xiàn)了眾多故障檢測與恢復的研究成果,但是對于如此眾多的云計算平臺故障檢測與恢復方法的測評卻幾乎沒有系統(tǒng)的研究,本文主要研究內容聚焦云計算平臺故障檢測與恢復能力測評體系研究。本文對現(xiàn)今云計算平臺的特點進行了分析,通過大量查閱資料總結了當前故障注入、故障檢測以及故障恢復技術的發(fā)展現(xiàn)狀,結合常見的云計算平臺故障類型,設計了云計算平臺故障檢測與恢復能力測評體系,重點設計了測評指標和評估模型。為了驗證本文所設計的云計算平臺故障檢測與恢復能力測評體系,本文根據(jù)現(xiàn)有實驗環(huán)境,選取openstack平臺搭建了實驗測試環(huán)境,結合測評需求對測評工具進行了詳細設計,設計過程選取合適的指標采集與存儲技術,故障注入技術以及相應報表生成技術。測試過程中,本文選取常見的計算服務故障、消息隊列服務故障、API服務故障、CPU故障作為典型故障進行測試,以此驗證測評體系。本文的研究重點是測評體系的指標設計和評估模型的設計。在故障檢測指標設計方面,本文將故障檢測時間作為主要指標衡量故障檢測能力。在故障恢復指標設計方面,本文將故障恢復手段分為高可用策略和虛擬機遷移策略,針對高可用策略,本文選取數(shù)據(jù)恢復時間和數(shù)據(jù)恢復程度作為主要測評指標;針對虛擬機遷移策略,本文選取總遷移時間和停機時間作為主要測評指標。評估模型方面,本文主要采取對指標數(shù)據(jù)進行歸一化,將歸一化后的數(shù)據(jù)以雷達圖的形式展示出來。本文將故障檢測和故障恢復實驗取得的指標數(shù)據(jù)通過數(shù)據(jù)聚合的方式聚合成為本文的能力評估值來評估云計算平臺的故障檢測與恢復能力。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP393.06
【部分圖文】：

負載的作用主要模擬云計算平臺中運行的常見應用，例如：HTTP數(shù)據(jù)庫讀寫請求等，使測試環(huán)境更符合云計算平臺日常運行下的環(huán)時，也可以模擬特定資源占用環(huán)境下的應用場景； 性能指標的選擇，受兩方面影響，分別是云計算平臺故障處理不同測評思路和選取的不同負載的特定。指標是劃分不同的層次，底層指標反應了云計算平臺與負載的一些性能水平，如：虛擬機創(chuàng)建時此種指標的特點在于能夠通過監(jiān)控工具或者某種方式進行獲取； 測試流程，表示的是整個測試過程中每一步執(zhí)行的內容。在測試流包含啟動虛擬機、啟動測試負載、采集指標、生成測試報告、清理境等常見的步驟，測試流程用于指導工具的控制的實驗流程； 評估模型，在指標選擇中，說明指標是分不同層次，而將不同層次組合，闡述底層指標與高層指標之間的計算關系，并最終以量化的量云計算平臺的能力的方式，稱之為評估模型。評估模型最終用于的性能指標的計算與分析。3.1 所示，測評體系結構圖，主要描述測評體系的組成部分。

西安電子科技大學碩士學位論文分，與云計算平臺故障檢測與恢復障檢測與恢復機制的測評體系。接介紹。析與設計模擬云用戶在生產(chǎn)環(huán)境中的使用情，使測試結果更具備參考價值。由延遲敏感型工作，例如：搜索引擎數(shù)據(jù)分析等。通過層次化分析方法將負載特征進行分層分析，具體劃描述如下：

圖 3.3 數(shù)據(jù)庫熱度圖（來自于 DB-Engines）考慮 NoSql 數(shù)據(jù)庫使用普遍性，選擇使用率最高的 MongoDB。MongoDB 是一于分布式文件存儲的數(shù)據(jù)庫。由 C++ 語言編寫。旨在為 WEB 應用提供可擴展性能數(shù)據(jù)存儲解決方案。作為介于關系型數(shù)據(jù)庫和非關系型數(shù)據(jù)庫之間的數(shù)據(jù)庫。MongoDB 通過集群部署的方式訪問，配置 Mongodb 數(shù)據(jù)庫集群。由于 Mongodb庫有多種搭建部署方式，第一種，單機部署方式，一臺機器運行 Mongodb 數(shù)據(jù)庫，是最簡單的搭建方式；第二種，Mongodb Replica Set，采用一主一從或一主多從的方式，是保證了ngodb 的高可用性；第三種，Sharding 集群。主要包括三個角色：a) Shards：作為 Sharding 集群的存儲節(jié)點，Shards 保證了高可用性和數(shù)據(jù)一致性，在結構上，每一個 shard 是一個“replica set”。b) Query routers：又稱 mongos 節(jié)點，作為 Sharding 集群的路由節(jié)點，mongos負責接收客戶端請求，根據(jù)相應路由規(guī)則將接收到的 operations 轉發(fā)給合適
【相似文獻】

相關期刊論文 前10條

1 陳炳欽;;電子電路故障檢測技術探索[J];電子測試;2020年03期

2 任仁良;袁鵬;;航空鋰電池故障檢測與診斷[J];電源技術;2018年12期

3 張京;;故障檢測技術在電子電路的研究[J];通訊世界;2017年03期

4 馮珊珊;;芻議數(shù)字電路在線故障檢測技術[J];信息通信;2015年12期

5 郭瞻;洪超;;在《汽車故障檢測與維修》中應用思維導圖教學法的研究[J];科技風;2016年08期

6 李景林;;大數(shù)據(jù)環(huán)境下的網(wǎng)格動態(tài)故障檢測研究[J];計算機應用與軟件;2016年06期

7 劉杰;;關于暖通空調系統(tǒng)故障檢測與診斷技術研究進展[J];企業(yè)導報;2016年19期

8 王毅敏;;基于高服務質量的云網(wǎng)絡故障檢測方案分析[J];信息通信;2015年10期

9 黃曉桃;;電子電路故障檢測技術與方法[J];數(shù)碼世界;2017年08期

10 韓琦;魏東;曹勇;;暖通空調系統(tǒng)故障檢測與診斷技術研究進展[J];暖通空調;2014年03期

相關博士學位論文 前10條

1 李楠;基于局部特征強化的過程監(jiān)測方法研究[D];上海交通大學;2016年

2 周萌;基于多目標觀測器設計的故障檢測與分離[D];哈爾濱工業(yè)大學;2018年

3 王艷芹;網(wǎng)絡環(huán)境下離散隨機系統(tǒng)故障檢測及應用研究[D];東北石油大學;2017年

4 王世林;基于多元統(tǒng)計分析的工業(yè)過程故障檢測研究[D];華北電力大學(北京);2018年

5 段超群;基于退化特征的隱狀態(tài)裝備故障檢測策略優(yōu)化及健康預測[D];華中科技大學;2018年

6 韓克鎮(zhèn);基于LMI的魯棒濾波和記憶調度故障檢測優(yōu)化設計[D];東北大學;2017年

7 惠永永;基于鄰域保持嵌入的復雜過程故障檢測研究[D];蘭州理工大學;2019年

8 蔣立;基于自編碼器模型的非線性過程監(jiān)測[D];浙江大學;2018年

9 潘怡君;基于魯棒主元分析方法的大型高爐故障檢測研究[D];浙江大學;2018年

10 宋凱;基于PLS的統(tǒng)計質量監(jiān)控研究與應用[D];浙江大學;2005年

相關碩士學位論文 前10條

1 支寒曉;無線傳感器網(wǎng)絡節(jié)點軟故障檢測與處理技術研究[D];南京郵電大學;2019年

2 張弘韜;基于PCA的制冷空調系統(tǒng)的故障檢測與診斷優(yōu)化方法研究[D];華中科技大學;2019年

3 潘浩;輸電線路巡檢圖像故障檢測算法和軟件設計[D];華中科技大學;2019年

4 李丁;無人機輸電線路巡檢中圖像處理技術的應用研究[D];華中科技大學;2019年

5 劉德軍;基于高階統(tǒng)計量的串聯(lián)電弧故障檢測研究[D];福州大學;2017年

6 張芷瑜;基于多元統(tǒng)計分析的故障檢測在化工過程中的應用[D];遼寧石油化工大學;2019年

7 周程;飛行器組合導航系統(tǒng)故障檢測及濾波響應量化研究[D];電子科技大學;2019年

8 余紹斌;基于KECA-ELM的冷水機組故障檢測與診斷研究[D];杭州電子科技大學;2019年

9 李銘璐;基于深度學習的風機葉片覆冰故障檢測方法研究[D];華中科技大學;2019年

10 劉曉舟;無線傳感器網(wǎng)絡故障檢測算法的研究[D];安徽理工大學;2019年

本文編號：2883936