云平台的请求跟踪及异常检测系统

发布时间：2021-10-25 21:01

　　作为日渐成熟的技术，云计算系统的资源规模正在指数级的膨胀。云平台本身有着大规模的组件和超复杂的组件间依赖。大量的外部请求进入平台后，在各个组件间流动，给云平台带来了很大的压力。对于请求驱动的云服务来说，需要了解请求在平台内的执行状态和执行性能，及时发现系统瓶颈并优化系统性能。如果请求处理失败或者性能下降，还需要检测发生故障的组件所在。面对这样的问题，传统手段无法解决。云平台内的请求跟踪及异常检测系统被设计用于解决上述问题。其通过请求跟踪捕捉技术，为每个到达平台的外部请求分配唯一标识的ID，并让其附于组件间传递的调用信息中，从而贯穿于整条请求路径。同时，记录下请求在各个组件中的响应时间、执行状态等调用信息，生成组件跟踪日志。根据每个请求ID将其涉及的所有组件跟踪日志聚合形成完整的请求路径，并通过分析跟踪日志标记的组件调用关系，进一步获得请求路径的拓扑图。通过分析请求路径的结构特点及各组件的执行状态，筛选出发生功能异常的请求路径。读取功能正常的请求路径，通过对每个组件的响应时间进行聚类，将响应时间正常和异常的请求分类，实现在智能地检测请求组件性能状态。功能测试表明，请求跟踪系统可以准确地获... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

函数装饰器对于类的封装操作则比较复杂

导入包的使用

跟踪日志转发模块工作记录图4.3中所示，共包含八个记录，分别代表着请求涉及的四个组件在执行前后的两次跟踪日志

【参考文献】：
期刊论文
[1]Localizing root causes of performance anomalies in cloud computing systems by analyzing request trace logs[J]. LYU Michael R..  Science China（Information Sciences）. 2012(12)
[2]Python的元类编程研究[J]. 王丽.  电脑编程技巧与维护. 2011(06)
[3]基于人工免疫聚类的异常检测算法[J]. 黄学宇,魏娜,陶建锋.  计算机工程. 2010(01)
[4]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇.  软件学报. 2008(01)



本文编号：3458154