發(fā)布時間：2024-01-14 10:43

　　云計算資源池將計算機硬件抽象成虛擬資源,從而為用戶提供彈性的可伸縮的按需獲取的服務。資源池由于其固有的復雜性和共享性容易出現異常和故障�，F有的云平臺故障診斷系統大多通過閾值進行故障診斷,在自適應性和可擴展性上存在問題。因此研究云平臺資源池的故障診斷方法是很有必要的。由于底層資源異常會引起上層應用故障,本文將通過檢測資源池節(jié)點的異常行為進行故障診斷。本文主要研究通過數據分析進行故障診斷的方法。具體而言,本文的主要研究工作如下:(1)研究云平臺資源池的數據采集方法。本文通過注入云計算操作系統的控制臺接口獲取計算資源數據;利用openflow協議設計了一種基于多級流表的自適應性網絡流量采集方案。通過輪詢邊緣交換機測量網絡帶寬利用率、流量和丟包率等信息。(2)研究云平臺資源池中單節(jié)點故障的診斷方法。不同運行環(huán)境中的結點狀態(tài)差異很大,會對故障診斷準確性造成干擾。本文結合結點性能及所進行的操作設計了基于環(huán)境劃分的故障診斷模型。首先采用近鄰傳播聚類進行結點運行環(huán)境劃分。為使其適應混合屬性的大規(guī)模數據,本文提出了基于信息割的快速混合屬性近鄰傳播聚類。算法將數據集分為多個子集,在子集中進行聚類,再對這些...

【文章頁數】：86 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內外發(fā)展情況
    1.4 主要內容與章節(jié)安排
第二章 相關技術概述
    2.1 云計算資源池
    2.2 SDN技術分析
        2.2.1 OpenFlow協議
        2.2.2 Ryu控制器
    2.3 云平臺故障分析技術
        2.3.1 故障分析技術概述
        2.3.2 異常類型
        2.3.3 故障分析方法
    2.4 本章小結
第三章 資源池節(jié)點數據采集方法研究
    3.1 采集方法
        3.1.1 計算與存儲資源采集
        3.1.2 流量信息采集算法
    3.2 數據存儲與數據類型
    3.3 本章小結
第四章 基于運行環(huán)境劃分的單節(jié)點故障診斷模型
    4.1 模型基本策略與參數定義
    4.2 基于改進的AP聚類的環(huán)境劃分
        4.2.1 AP聚類算法分析
        4.2.2 改進的AP聚類算法設計
        4.2.3 利用FIHMAP進行節(jié)點環(huán)境劃分
    4.3 基于改進的一類支持向量機的故障診斷
        4.3.1 一類支持向量機算法分析
        4.3.2 改進的一類支持向量機算法設計
        4.3.3 利用聚合的一類支持向量機進行故障診斷
    4.4 實驗分析
        4.4.1 測試環(huán)境與測試方法
        4.4.2 實驗數據與故障注入
        4.4.3 測試結果分析
    4.5 本章小結
第五章 基于Eclat算法的關聯故障模型
    5.1 Eclat基本原理分析及模型定義
    5.2 改進的Eclat算法設計
        5.2.1 非頻繁二項集
        5.2.2 雙ID結構體
        5.2.3 模式挖掘
    5.3 基于i-eclat算法的關聯故障診斷
    5.4 實驗分析
    5.5 本章小結
第六章 資源池故障診斷系統設計與實現
    6.1 系統開發(fā)與部署環(huán)境
    6.2 系統總體設計
        6.2.1 系統架構設計
        6.2.2 系統數據庫設計
        6.2.3 系統功能模塊設計
    6.3 系統實現
        6.3.1 主要數據分析算法實現
        6.3.2 可視化子系統實現
    6.4 系統性能分析
    6.5 本章小結
第七章 總結與展望
    7.1 本文總結
    7.2 展望
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：3878079