本文關(guān)鍵詞：基于多屬性信息的云平臺(tái)異常檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)今,云計(jì)算已成為全球IT產(chǎn)業(yè)的主流模式,各個(gè)領(lǐng)域的發(fā)展都離不開(kāi)云計(jì)算。為了提高云計(jì)算平臺(tái)的服務(wù)質(zhì)量,需要對(duì)云平臺(tái)進(jìn)行全面的監(jiān)控。由于云計(jì)算資源具有多樣性、復(fù)雜性等特點(diǎn),給監(jiān)控任務(wù)帶來(lái)了巨大的挑戰(zhàn)。云監(jiān)控中涉及的關(guān)鍵問(wèn)題主要有監(jiān)控信息的獲取、監(jiān)控?cái)?shù)據(jù)的異常判定、異常信息的傳輸及異常預(yù)警。本文提出了一種基于主成分分析(Principal Component Analysis,PCA)和多屬性信息的虛擬機(jī)異常檢測(cè)方法。在此基礎(chǔ)上,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于多屬性信息的云平臺(tái)異常檢測(cè)系統(tǒng),該監(jiān)控系統(tǒng)能夠?qū)μ摂M機(jī)中的Hadoop集群節(jié)點(diǎn)進(jìn)行資源監(jiān)控和故障預(yù)警�；赑CA和多屬性信息的虛擬機(jī)異常檢測(cè)方法研究包括以PCA算法為核心的多屬性信息處理和以非參數(shù)CUSUM算法為核心的異常檢測(cè)。前者首先通過(guò)PCA算法將多個(gè)屬性數(shù)據(jù)重新組合成一組新的相互無(wú)關(guān)的綜合數(shù)據(jù)來(lái)代替原來(lái)的多維數(shù)據(jù),然后通過(guò)分析計(jì)算將該綜合數(shù)據(jù)劃分為“正�！薄ⅰ爱惓！奔啊肮收稀钡热�。后者主要針對(duì)異常數(shù)據(jù)而展開(kāi),當(dāng)檢測(cè)到異常數(shù)據(jù)時(shí),系統(tǒng)將啟動(dòng)CUSUM檢測(cè)機(jī)制,加快采集頻率,當(dāng)檢驗(yàn)序列由負(fù)變正時(shí)累加異常,當(dāng)異常累計(jì)值達(dá)到閾值門限時(shí)即發(fā)送警告。實(shí)驗(yàn)結(jié)果表明：基于PCA的多屬性信息異常檢測(cè)算法可以在虛擬機(jī)運(yùn)行狀態(tài)發(fā)生顯著異常之前準(zhǔn)確地檢測(cè)出異常,并具有較小的時(shí)延�；诙鄬傩孕畔⒌脑破脚_(tái)異常檢測(cè)系統(tǒng)設(shè)計(jì)主要在Xen云平臺(tái)中實(shí)現(xiàn),包括節(jié)點(diǎn)機(jī)功能設(shè)計(jì)和主控機(jī)功能設(shè)計(jì)。其中,節(jié)點(diǎn)機(jī)功能的實(shí)現(xiàn)首先通過(guò)Sysstat系統(tǒng)性能收集工具對(duì)節(jié)點(diǎn)信息進(jìn)行采集,然后通過(guò)后臺(tái)守護(hù)進(jìn)程將信息進(jìn)行整理并存入Mysql數(shù)據(jù)庫(kù),最后通過(guò)異常檢測(cè)算法進(jìn)行異常判定并進(jìn)行異常告警。主控機(jī)是異常檢測(cè)系統(tǒng)的人機(jī)交互界面,負(fù)責(zé)所有命令的接收與發(fā)送,并具有異常報(bào)警、警告記錄存儲(chǔ)和各個(gè)節(jié)點(diǎn)資源利用狀態(tài)查看的功能。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)可以完成各項(xiàng)預(yù)期的設(shè)計(jì)功能。
【關(guān)鍵詞】：云監(jiān)控 Xen虛擬機(jī) 多屬性信息 異常檢測(cè)
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP302
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 課題背景9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.3 研究目的與主要工作13
• 1.4 論文的組織結(jié)構(gòu)13-15
• 2 云監(jiān)控相關(guān)技術(shù)基礎(chǔ)15-25
• 2.1 云計(jì)算15-19
• 2.1.1 云計(jì)算的體系結(jié)構(gòu)15-17
• 2.1.2 HDFS分布式文件系統(tǒng)17-19
• 2.2 云平臺(tái)監(jiān)控技術(shù)19-21
• 2.3 Xen虛擬化技術(shù)21-23
• 2.4 Linux下自動(dòng)化編譯技術(shù)23-24
• 2.5 本章小結(jié)24-25
• 3 基于主成分分析的多屬性信息異常檢測(cè)25-43
• 3.1 基于主成分分析的數(shù)據(jù)處理25-35
• 3.1.1 主成分分析法原理25-26
• 3.1.2 主成分分析法算法26-27
• 3.1.3 PCA建模27-32
• 3.1.4 運(yùn)行狀態(tài)等級(jí)分類32-35
• 3.2 基于非參數(shù)CUSUM算法的異常檢測(cè)分析35-39
• 3.2.1 CUSUM算法簡(jiǎn)介35-37
• 3.2.2 非參數(shù)CUSUM算法的異常檢測(cè)分析37-38
• 3.2.3 非參數(shù)CUSUM閾值分析38-39
• 3.3 實(shí)驗(yàn)結(jié)果與分析39-42
• 3.4 本章小結(jié)42-43
• 4 多屬性信息的云平臺(tái)異常檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)43-60
• 4.1 多屬性信息的云平臺(tái)異常檢測(cè)系統(tǒng)體系結(jié)構(gòu)43-44
• 4.2 節(jié)點(diǎn)機(jī)的設(shè)計(jì)與實(shí)現(xiàn)44-50
• 4.2.1 節(jié)點(diǎn)機(jī)功能設(shè)計(jì)44-45
• 4.2.2 后臺(tái)守護(hù)進(jìn)程的設(shè)計(jì)45-47
• 4.2.3 UDP通信模塊設(shè)計(jì)47-48
• 4.2.4 數(shù)據(jù)持久化設(shè)計(jì)48-50
• 4.3 主控機(jī)設(shè)計(jì)與實(shí)現(xiàn)50-51
• 4.4 測(cè)試系統(tǒng)的實(shí)現(xiàn)51-59
• 4.4.1 測(cè)試平臺(tái)搭建51-55
• 4.4.2 實(shí)驗(yàn)數(shù)據(jù)采集55-57
• 4.4.3 運(yùn)行分析57-59
• 4.5 本章小結(jié)59-60
• 結(jié)論60-61
• 參考文獻(xiàn)61-64
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況64-65
• 致謝65-66

【參考文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 鄭佰平;云計(jì)算技術(shù)在汽車研發(fā)系統(tǒng)中的應(yīng)用研究[D];重慶交通大學(xué);2013年

  本文關(guān)鍵詞：基于多屬性信息的云平臺(tái)異常檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：271604