隨著云計(jì)算技術(shù)的不斷發(fā)展和完善,虛擬化技術(shù)已成為未來(lái)網(wǎng)絡(luò)發(fā)展的核心特征之一,越來(lái)越多的業(yè)務(wù)和服務(wù)將被部署到云平臺(tái)上。虛擬機(jī)作為云平臺(tái)的主要載體,為業(yè)務(wù)和服務(wù)提供存儲(chǔ)、計(jì)算等各類資源,但由于虛擬機(jī)部署在物理平臺(tái)上共享基礎(chǔ)物理資源,各個(gè)虛擬機(jī)之間存在資源競(jìng)爭(zhēng)的關(guān)系,所以導(dǎo)致虛擬機(jī)容易出現(xiàn)異常狀態(tài)。然而,由于云計(jì)算環(huán)境下大規(guī)模虛擬機(jī)的部署使得其本身具有高動(dòng)態(tài)性、數(shù)據(jù)規(guī)模大等特性,使得傳統(tǒng)的虛擬機(jī)異常行為檢測(cè)方法不能適應(yīng)虛擬化結(jié)構(gòu)下的云計(jì)算環(huán)境。本文在考慮到現(xiàn)階段虛擬機(jī)異常行為檢測(cè)方法的局限性,對(duì)虛擬機(jī)的異常行為檢測(cè)展開相關(guān)研究工作,分析和總結(jié)了現(xiàn)階段傳統(tǒng)的異常檢測(cè)方法的優(yōu)缺點(diǎn),在此基礎(chǔ)上,根據(jù)虛擬環(huán)境的特性,設(shè)計(jì)了一套虛擬機(jī)異常檢測(cè)系統(tǒng),提出自適應(yīng)周期性數(shù)據(jù)傳輸策略解決虛擬機(jī)性能數(shù)據(jù)傳輸?shù)膯?wèn)題,并提出虛擬機(jī)運(yùn)行環(huán)境聚類算法,將具有相似運(yùn)行環(huán)境的虛擬機(jī)放在同一集群中進(jìn)行檢測(cè),并結(jié)合基于上下文的虛擬機(jī)異常檢測(cè)方法,對(duì)被監(jiān)控虛擬機(jī)的運(yùn)行狀態(tài)進(jìn)行檢測(cè)判斷。解決了現(xiàn)階段虛擬機(jī)異常檢測(cè)存在的精確率低、誤報(bào)率高等問(wèn)題。本文完成的工作如下:(1)通過(guò)研究虛擬機(jī)工作模式下的資源可用性,提出了虛擬機(jī)異常檢測(cè)的系...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)理論和技術(shù)
    2.1 云計(jì)算技術(shù)
        2.1.1 云計(jì)算相關(guān)概述
        2.1.2 虛擬化技術(shù)
    2.2 異常檢測(cè)技術(shù)
        2.2.1 數(shù)據(jù)標(biāo)簽
        2.2.2 基于統(tǒng)計(jì)的異常檢測(cè)方法
        2.2.3 基于聚類的異常檢測(cè)方法
        2.2.4 基于最近鄰居的異常檢測(cè)方法
        2.2.5 基于分類的異常檢測(cè)方法
    2.3 性能指標(biāo)體系
    2.4 虛擬機(jī)運(yùn)行狀態(tài)定義
    2.5 本章小結(jié)
第三章 虛擬機(jī)異常檢測(cè)系統(tǒng)框架設(shè)計(jì)
    3.1 云環(huán)境下虛擬機(jī)異常檢測(cè)面對(duì)的問(wèn)題
    3.2 虛擬機(jī)異常行為檢測(cè)框架的總體設(shè)計(jì)
    3.3 虛擬機(jī)性能指標(biāo)數(shù)據(jù)采集
    3.4 虛擬機(jī)性能指標(biāo)數(shù)據(jù)傳輸
        3.4.1 自適應(yīng)周期性數(shù)據(jù)傳輸策略
    3.5 實(shí)驗(yàn)及分析
        3.5.1 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)方案
        3.5.2 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第四章 虛擬機(jī)異常檢測(cè)系統(tǒng)關(guān)鍵技術(shù)實(shí)現(xiàn)
    4.1 數(shù)據(jù)處理
        4.1.1 特征提取形式化描述
        4.1.2 主成分分析
    4.2 虛擬機(jī)運(yùn)行環(huán)境聚類算法
    4.3 基于上下文的虛擬機(jī)異常數(shù)據(jù)流檢測(cè)模型
        4.3.1 數(shù)據(jù)流獲取和快照生成
        4.3.2 多數(shù)據(jù)流快照異常量化
        4.3.3 數(shù)據(jù)流異常判斷
    4.4 實(shí)驗(yàn)及分析
        4.4.1 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)方案
        4.4.2 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
攻讀碩士學(xué)位期間參與項(xiàng)目



本文編號(hào)：3852957