隨著數(shù)據(jù)采集和存儲技術(shù)的不斷發(fā)展,各個領(lǐng)域中產(chǎn)生的時序數(shù)據(jù)的類型和規(guī)模都有了巨大的增長,對這些時序數(shù)據(jù)進行信息采集發(fā)現(xiàn)成為數(shù)據(jù)挖掘的一個重要研究方向。特別是在系統(tǒng)管理中,對歷史日志事件序列中的隱藏模式進行挖掘,有助于管理人員了解系統(tǒng)內(nèi)部的運行狀態(tài),進行系統(tǒng)日志管理,異常檢測和故障溯源等工作。對于事件序列依賴發(fā)現(xiàn),傳統(tǒng)方式一方面采用時間窗口機制挖掘事件之間簡單的關(guān)聯(lián)依賴,另一方面對于存在交叉依賴的情況下只能挖掘成對時序依賴。因此本文針對以上這些問題進行研究工作,主要的研究內(nèi)容如下:（1）本文首先對事件序列和時序依賴進行了問題描述和分析,對事件序列依賴發(fā)現(xiàn)中的頻繁情節(jié)發(fā)現(xiàn)和基于交叉依賴的成對時序依賴發(fā)現(xiàn)算法進行了研究和討論,總結(jié)了這兩類事件序列依賴發(fā)現(xiàn)的優(yōu)缺點。（2）本文提出一種基于時滯特征的成對時序依賴情節(jié)發(fā)現(xiàn)算法,引入時滯情節(jié)發(fā)現(xiàn)的概念,在事件匹配環(huán)節(jié)采用相鄰事件匹配集算法,避免預(yù)先設(shè)定時間窗口,通過時滯的概率統(tǒng)計模型處理可能存在的交叉關(guān)聯(lián),并得到時滯情節(jié)之間的時間間隔分布。與迭代最近事件算法相比,該算法衡量事件多種匹配情況的可能性,獲得一對多的相鄰事件匹配集,更加有效得模擬了時滯的實... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

事件序列

真實數(shù)據(jù)合成數(shù)據(jù)集上進行算法準(zhǔn)確性和效果的檢驗后，將在實際應(yīng)用中的數(shù)據(jù)集上進本文中所采用的真實數(shù)據(jù)集是某運營商 openstack 上的日志數(shù)據(jù)，一條原始的日3.6 所示。每一條原始日志都是由 6 個部分組成，依次為：日志發(fā)生時間戳，日別，日志發(fā)生的代碼模塊，代碼模塊的 request-id，日志內(nèi)容。圖 3.6 openstack 原始日志數(shù)據(jù)始日志的形式并不能直接適用于時滯情節(jié)挖掘的情況，所以本文的實驗是建立析后的事件提取結(jié)果[49-50]上的。實驗中使用的事件記錄格式如圖 3.7(a)所示。每始日志記錄路徑，事件發(fā)生時間戳，代碼模塊的 request-id 以及事件類型 ID。日志提取模板如圖 3.7(b)用于記錄每個事件類型 ID 對應(yīng)的實際事件內(nèi)容，用于。在實驗中只使用了每個事件實例的事件類型和發(fā)生時間。

究生學(xué)位論文 。在實際系統(tǒng)中<A,B>和<B,C>可能是兩個不同的系統(tǒng)任務(wù)中間的依賴。則）：事件鏈1 2 -1< , ,..., ,m me e e e 和1 2 1=< , ,..., ,n ne e e e 個事件類型me 和事件鏈 的第一個事件類型1e 相同，且事例集合 ( )mP e 和事件鏈 中事件 存在依賴的實例集合1P ( e 11=( ) ( )mme eP e P e 和 事 件 鏈 可 以 進 行 連 接 生 成 ( 1)m n - 階 1 2 1, , ,..., ,m n ne e e e 。


本文編號：2959912