云性能監(jiān)控中的智能采樣方法與異常事件檢測(cè)技術(shù).pdf

1、隨著云計(jì)算的深入發(fā)展和廣泛應(yīng)用，云應(yīng)用已經(jīng)逐漸成為應(yīng)用程序部署的一種重要形式。而對(duì)云應(yīng)用的監(jiān)控是確保云應(yīng)用穩(wěn)定高效運(yùn)行的關(guān)鍵技術(shù)。在云端應(yīng)用的部署和架構(gòu)具有多樣性、復(fù)雜性，傳統(tǒng)的監(jiān)控系統(tǒng)已很難滿足用戶的需求。應(yīng)用性能監(jiān)控與分析系統(tǒng)是一種應(yīng)用級(jí)別透明的監(jiān)控系統(tǒng)，并通過更細(xì)粒度的監(jiān)控及強(qiáng)有力的數(shù)據(jù)分析能力，為用戶提供更全貌的性能情況。本文分析了國(guó)內(nèi)外針對(duì)采樣算法、狀態(tài)故障檢測(cè)及異常檢測(cè)算法的研究現(xiàn)狀，并針對(duì)其中存在的問題，提出改進(jìn)方案。

2、r>　　本研究主要內(nèi)容包括：⑴針對(duì)采樣算法缺少靈活性，造成計(jì)算和存儲(chǔ)資源浪費(fèi)的現(xiàn)狀，結(jié)合關(guān)聯(lián)關(guān)系分析，提出一種動(dòng)態(tài)周期的采樣算法。在均值馬爾科夫模型的基礎(chǔ)上，加入機(jī)器之間的關(guān)聯(lián)關(guān)系來提高對(duì)機(jī)器性能走勢(shì)預(yù)測(cè)的準(zhǔn)確性。根據(jù)實(shí)驗(yàn)結(jié)果，算法動(dòng)態(tài)的調(diào)整了采樣周期，減少了不必要資源的浪費(fèi)。⑵針對(duì)狀態(tài)故障檢測(cè)算法缺少對(duì)實(shí)時(shí)網(wǎng)絡(luò)情況的準(zhǔn)確估計(jì)，以及二值邏輯檢測(cè)固有的缺陷，基于多值邏輯的ψ檢測(cè)算法，同時(shí)結(jié)合ARIMA時(shí)序數(shù)據(jù)預(yù)測(cè)模型，準(zhǔn)確的對(duì)采樣延遲進(jìn)行

3、估計(jì)，由此動(dòng)態(tài)的改進(jìn)ψ檢測(cè)算法中描述網(wǎng)絡(luò)延遲的高斯分布，并通過實(shí)驗(yàn)證明，改進(jìn)的算法在保證高準(zhǔn)確性的同時(shí)，降低了算法對(duì)故障的檢測(cè)延遲。⑶針對(duì)流式數(shù)據(jù)中單分類器模型對(duì)異常檢測(cè)概念漂移靈敏性差等問題，結(jié)合DBSCAN和iForest算法，提出了一種新的集成學(xué)習(xí)模型，實(shí)驗(yàn)表明，新的模型能更好的保障異常檢測(cè)時(shí)準(zhǔn)確率和召回率的平衡。⑷介紹了錢塘應(yīng)用性能管理系統(tǒng)，重點(diǎn)討論了系統(tǒng)在高性能和高可靠性上面對(duì)于架構(gòu)的設(shè)計(jì)以及在選型時(shí)的考量，使得可以將上述方法