云平台故障检测与恢复能力测评体系研究

发布时间：2020-11-14 20:46

　　 自云计算的概念被正式提出以来,众多学术界的学者和产业界的知名企业在云计算的研究和实践方面投入大量资源,近些年在云计算领域出现了许多重要的研究成果。伴随着研究和应用的深入,也出现了新的问题和需求,近十年以来,云服务提供上都出现过不同的云计算平台故障事件,即使是如Google、Amazon这种站在业界风口浪尖的公司也无法避免云计算平台故障的出现。云计算改变了传统应用和服务的部署方式,因此如果云计算平台出现故障,将对众多互联网企业造成经济和名誉的严重损失。因为这样的问题的存在,云计算平台故障检测和故障恢复技术的研究在近几年迅速成为热点,相继出现了众多故障检测与恢复的研究成果,但是对于如此众多的云计算平台故障检测与恢复方法的测评却几乎没有系统的研究,本文主要研究内容聚焦云计算平台故障检测与恢复能力测评体系研究。本文对现今云计算平台的特点进行了分析,通过大量查阅资料总结了当前故障注入、故障检测以及故障恢复技术的发展现状,结合常见的云计算平台故障类型,设计了云计算平台故障检测与恢复能力测评体系,重点设计了测评指标和评估模型。为了验证本文所设计的云计算平台故障检测与恢复能力测评体系,本文根据现有实验环境,选取openstack平台搭建了实验测试环境,结合测评需求对测评工具进行了详细设计,设计过程选取合适的指标采集与存储技术,故障注入技术以及相应报表生成技术。测试过程中,本文选取常见的计算服务故障、消息队列服务故障、API服务故障、CPU故障作为典型故障进行测试,以此验证测评体系。本文的研究重点是测评体系的指标设计和评估模型的设计。在故障检测指标设计方面,本文将故障检测时间作为主要指标衡量故障检测能力。在故障恢复指标设计方面,本文将故障恢复手段分为高可用策略和虚拟机迁移策略,针对高可用策略,本文选取数据恢复时间和数据恢复程度作为主要测评指标;针对虚拟机迁移策略,本文选取总迁移时间和停机时间作为主要测评指标。评估模型方面,本文主要采取对指标数据进行归一化,将归一化后的数据以雷达图的形式展示出来。本文将故障检测和故障恢复实验取得的指标数据通过数据聚合的方式聚合成为本文的能力评估值来评估云计算平台的故障检测与恢复能力。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP393.06
【部分图文】：

负载的作用主要模拟云计算平台中运行的常见应用，例如：HTTP数据库读写请求等，使测试环境更符合云计算平台日常运行下的环时，也可以模拟特定资源占用环境下的应用场景； 性能指标的选择，受两方面影响，分别是云计算平台故障处理不同测评思路和选取的不同负载的特定。指标是划分不同的层次，底层指标反应了云计算平台与负载的一些性能水平，如：虚拟机创建时此种指标的特点在于能够通过监控工具或者某种方式进行获取； 测试流程，表示的是整个测试过程中每一步执行的内容。在测试流包含启动虚拟机、启动测试负载、采集指标、生成测试报告、清理境等常见的步骤，测试流程用于指导工具的控制的实验流程； 评估模型，在指标选择中，说明指标是分不同层次，而将不同层次组合，阐述底层指标与高层指标之间的计算关系，并最终以量化的量云计算平台的能力的方式，称之为评估模型。评估模型最终用于的性能指标的计算与分析。3.1 所示，测评体系结构图，主要描述测评体系的组成部分。

西安电子科技大学硕士学位论文分，与云计算平台故障检测与恢复障检测与恢复机制的测评体系。接介绍。析与设计模拟云用户在生产环境中的使用情，使测试结果更具备参考价值。由延迟敏感型工作，例如：搜索引擎数据分析等。通过层次化分析方法将负载特征进行分层分析，具体划描述如下：

图 3.3 数据库热度图（来自于 DB-Engines）考虑 NoSql 数据库使用普遍性，选择使用率最高的 MongoDB。MongoDB 是一于分布式文件存储的数据库。由 C++ 语言编写。旨在为 WEB 应用提供可扩展性能数据存储解决方案。作为介于关系型数据库和非关系型数据库之间的数据库。MongoDB 通过集群部署的方式访问，配置 Mongodb 数据库集群。由于 Mongodb库有多种搭建部署方式，第一种，单机部署方式，一台机器运行 Mongodb 数据库，是最简单的搭建方式；第二种，Mongodb Replica Set，采用一主一从或一主多从的方式，是保证了ngodb 的高可用性；第三种，Sharding 集群。主要包括三个角色：a) Shards：作为 Sharding 集群的存储节点，Shards 保证了高可用性和数据一致性，在结构上，每一个 shard 是一个“replica set”。b) Query routers：又称 mongos 节点，作为 Sharding 集群的路由节点，mongos负责接收客户端请求，根据相应路由规则将接收到的 operations 转发给合适
【相似文献】

相关期刊论文 前10条

1 陈炳钦;;电子电路故障检测技术探索[J];电子测试;2020年03期

2 任仁良;袁鹏;;航空锂电池故障检测与诊断[J];电源技术;2018年12期

3 张京;;故障检测技术在电子电路的研究[J];通讯世界;2017年03期

4 冯珊珊;;刍议数字电路在线故障检测技术[J];信息通信;2015年12期

5 郭瞻;洪超;;在《汽车故障检测与维修》中应用思维导图教学法的研究[J];科技风;2016年08期

6 李景林;;大数据环境下的网格动态故障检测研究[J];计算机应用与软件;2016年06期

7 刘杰;;关于暖通空调系统故障检测与诊断技术研究进展[J];企业导报;2016年19期

8 王毅敏;;基于高服务质量的云网络故障检测方案分析[J];信息通信;2015年10期

9 黄晓桃;;电子电路故障检测技术与方法[J];数码世界;2017年08期

10 韩琦;魏东;曹勇;;暖通空调系统故障检测与诊断技术研究进展[J];暖通空调;2014年03期

相关博士学位论文 前10条

1 李楠;基于局部特征强化的过程监测方法研究[D];上海交通大学;2016年

2 周萌;基于多目标观测器设计的故障检测与分离[D];哈尔滨工业大学;2018年

3 王艳芹;网络环境下离散随机系统故障检测及应用研究[D];东北石油大学;2017年

4 王世林;基于多元统计分析的工业过程故障检测研究[D];华北电力大学(北京);2018年

5 段超群;基于退化特征的隐状态装备故障检测策略优化及健康预测[D];华中科技大学;2018年

6 韩克镇;基于LMI的鲁棒滤波和记忆调度故障检测优化设计[D];东北大学;2017年

7 惠永永;基于邻域保持嵌入的复杂过程故障检测研究[D];兰州理工大学;2019年

8 蒋立;基于自编码器模型的非线性过程监测[D];浙江大学;2018年

9 潘怡君;基于鲁棒主元分析方法的大型高炉故障检测研究[D];浙江大学;2018年

10 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年

相关硕士学位论文 前10条

1 支寒晓;无线传感器网络节点软故障检测与处理技术研究[D];南京邮电大学;2019年

2 张弘韬;基于PCA的制冷空调系统的故障检测与诊断优化方法研究[D];华中科技大学;2019年

3 潘浩;输电线路巡检图像故障检测算法和软件设计[D];华中科技大学;2019年

4 李丁;无人机输电线路巡检中图像处理技术的应用研究[D];华中科技大学;2019年

5 刘德军;基于高阶统计量的串联电弧故障检测研究[D];福州大学;2017年

6 张芷瑜;基于多元统计分析的故障检测在化工过程中的应用[D];辽宁石油化工大学;2019年

7 周程;飞行器组合导航系统故障检测及滤波响应量化研究[D];电子科技大学;2019年

8 余绍斌;基于KECA-ELM的冷水机组故障检测与诊断研究[D];杭州电子科技大学;2019年

9 李铭璐;基于深度学习的风机叶片覆冰故障检测方法研究[D];华中科技大学;2019年

10 刘晓舟;无线传感器网络故障检测算法的研究[D];安徽理工大学;2019年

本文编号：2883936