隨著業(yè)務(wù)系統(tǒng)規(guī)模不斷擴大,系統(tǒng)結(jié)構(gòu)也變得十分復(fù)雜,常規(guī)基于規(guī)則的方法已經(jīng)很難判斷多個系統(tǒng)相互作用下的復(fù)合型故障,也難以對潛在故障進行預(yù)測.本文在多業(yè)務(wù)系統(tǒng)的復(fù)雜場景下,使用ELK平臺對日志進行集中化管理,梳理出復(fù)雜系統(tǒng)環(huán)境下日志與各業(yè)務(wù)系統(tǒng)、主機、進程之間的關(guān)系,篩選出系統(tǒng)中直接與故障相關(guān)的日志文件,進而在深度學習框架TensorFlow中使用這些海量數(shù)據(jù)對LSTM算法模型進行訓(xùn)練,從而實現(xiàn)對系統(tǒng)的實時故障預(yù)測. 

【文章來源】：計算機系統(tǒng)應(yīng)用. 2020,29(07)

【文章頁數(shù)】：4 頁

【參考文獻】：
期刊論文
[1]基于Spark Streaming的海量日志實時處理系統(tǒng)的設(shè)計[J]. 陸世鵬.  電子產(chǎn)品可靠性與環(huán)境試驗. 2017(05)
[2]基于Flume的分布式日志采集分析系統(tǒng)設(shè)計與實現(xiàn)[J]. 陳飛,艾中良.  軟件. 2016(12)
[3]基于Chukwa的大規(guī)模日志智能監(jiān)測收集方法[J]. 張川,鄧珍榮,鄧星,黃文明.  計算機工程與設(shè)計. 2014(09)

碩士論文
[1]基于Spark的網(wǎng)絡(luò)日志分析系統(tǒng)的設(shè)計與實現(xiàn)[D]. 劉季函(Liu,Chi Han).南京大學 2014



本文編號：3520489