基于XGBoost和LSTM的智能监控系统的设计与实现

发布时间：2021-01-02 16:30

　　软件质量已经影响到人们的日常工作和生活。监控系统是软件质量保障的其中一种手段。当前监控系统大多采用固定阈值报警的方式检测异常,由于监控指标之间的关联性及不同服务器的差异性,采用固定阈值方式检测异常容易产生大量误报和漏报。监控系统的趋势预测功能还不成熟,运维人员不能及早发现系统问题和资源瓶颈,不能及时调度资源以保证系统稳定运行。因此,采用机器学习技术进一步完善监控系统对于软件质量保障具有重要的价值。本文结合工业场景分析系统需求,设计与实现了一个基于XGBoost和LSTM的智能监控系统。XGBoost适合多维数据二分类问题,能够挖掘监控数据间的关联。LSTM适合长时间序列趋势预测,能够对具有时间特征的监控数据进行准确的趋势预测。本系统引入孤立森林算法完成数据标注预处理工作,从而减少运维人员数据标注工作量,进一步通过迭代更新数据标签并重置模型的方式不断提高异常检测和趋势预测准确率。本系统主要分为四个模块。监控模块负责监控数据的采集和存储,当系统出现异常数据时能通过微信企业号和邮件通知相关用户。数据处理模块负责数据的处理和管理,为异常检测模块和趋势预测模块提供服务。异常检测模块提供实时数据异... 

【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

图２．１：?Ｚａｂｂｉｘ架构图??

?？??图２．２：?ＬＳＴＭ算法结构图??ＬＳＴＭ算法结构如图２．２所示，ＬＳＴＭ算法中状态保存十分重要，图中??是状态，它用于长时间记忆需要保留的信息，ＬＳＴＭ算法的具体训练流程如下。??１４??

第三章智能监控系统的需求分析与设计来趋势走向。在满足系统功能性需求的前提下，保证系统及时重要。因此本小节从系统使用者的视角分析本系统非功能性需求及时性。本系统应该及时对采集的数据进行异常检测，如果有通知相关运维人员，以便运维人员及时掌握系统故障并处理。??扩展性。为方便后期系统加入更多的功能和业务，系统功能模尽可能小。对于基础功能，系统应该预留接口，方便未来业务着监控指标的增长、系统所需硬件资源和网络资源应该能够扩常检测和趋势预测需求。??可靠性。系统在模型训练完成后应该将模型对象备份，如出现者重启的情况时，系统能够将原有模型对象恢复以保证实时数据趋势预测的正确性，保证系统可靠稳定运行。??系统用例描述??

【参考文献】：
期刊论文
[1]基于Zabbix的分布式服务器监控应用研究[J]. 郭晓慧,李润知,张茜,王宗敏.  通信学报. 2013(S2)
[2]基于贝叶斯组合模型的短期交通量预测研究[J]. 郑为中,史其信.  中国公路学报. 2005(01)



本文编号：2953252