基于数据分析的资源池故障诊断研究

发布时间：2024-01-14 10:43

　　云计算资源池将计算机硬件抽象成虚拟资源,从而为用户提供弹性的可伸缩的按需获取的服务。资源池由于其固有的复杂性和共享性容易出现异常和故障。现有的云平台故障诊断系统大多通过阈值进行故障诊断,在自适应性和可扩展性上存在问题。因此研究云平台资源池的故障诊断方法是很有必要的。由于底层资源异常会引起上层应用故障,本文将通过检测资源池节点的异常行为进行故障诊断。本文主要研究通过数据分析进行故障诊断的方法。具体而言,本文的主要研究工作如下:(1)研究云平台资源池的数据采集方法。本文通过注入云计算操作系统的控制台接口获取计算资源数据;利用openflow协议设计了一种基于多级流表的自适应性网络流量采集方案。通过轮询边缘交换机测量网络带宽利用率、流量和丢包率等信息。(2)研究云平台资源池中单节点故障的诊断方法。不同运行环境中的结点状态差异很大,会对故障诊断准确性造成干扰。本文结合结点性能及所进行的操作设计了基于环境划分的故障诊断模型。首先采用近邻传播聚类进行结点运行环境划分。为使其适应混合属性的大规模数据,本文提出了基于信息割的快速混合属性近邻传播聚类。算法将数据集分为多个子集,在子集中进行聚类,再对这些...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外发展情况
    1.4 主要内容与章节安排
第二章 相关技术概述
    2.1 云计算资源池
    2.2 SDN技术分析
        2.2.1 OpenFlow协议
        2.2.2 Ryu控制器
    2.3 云平台故障分析技术
        2.3.1 故障分析技术概述
        2.3.2 异常类型
        2.3.3 故障分析方法
    2.4 本章小结
第三章 资源池节点数据采集方法研究
    3.1 采集方法
        3.1.1 计算与存储资源采集
        3.1.2 流量信息采集算法
    3.2 数据存储与数据类型
    3.3 本章小结
第四章 基于运行环境划分的单节点故障诊断模型
    4.1 模型基本策略与参数定义
    4.2 基于改进的AP聚类的环境划分
        4.2.1 AP聚类算法分析
        4.2.2 改进的AP聚类算法设计
        4.2.3 利用FIHMAP进行节点环境划分
    4.3 基于改进的一类支持向量机的故障诊断
        4.3.1 一类支持向量机算法分析
        4.3.2 改进的一类支持向量机算法设计
        4.3.3 利用聚合的一类支持向量机进行故障诊断
    4.4 实验分析
        4.4.1 测试环境与测试方法
        4.4.2 实验数据与故障注入
        4.4.3 测试结果分析
    4.5 本章小结
第五章 基于Eclat算法的关联故障模型
    5.1 Eclat基本原理分析及模型定义
    5.2 改进的Eclat算法设计
        5.2.1 非频繁二项集
        5.2.2 双ID结构体
        5.2.3 模式挖掘
    5.3 基于i-eclat算法的关联故障诊断
    5.4 实验分析
    5.5 本章小结
第六章 资源池故障诊断系统设计与实现
    6.1 系统开发与部署环境
    6.2 系统总体设计
        6.2.1 系统架构设计
        6.2.2 系统数据库设计
        6.2.3 系统功能模块设计
    6.3 系统实现
        6.3.1 主要数据分析算法实现
        6.3.2 可视化子系统实现
    6.4 系统性能分析
    6.5 本章小结
第七章 总结与展望
    7.1 本文总结
    7.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3878079