事件序列中的时序依赖发现

发布时间：2021-01-06 04:15

　　随着数据采集和存储技术的不断发展,各个领域中产生的时序数据的类型和规模都有了巨大的增长,对这些时序数据进行信息采集发现成为数据挖掘的一个重要研究方向。特别是在系统管理中,对历史日志事件序列中的隐藏模式进行挖掘,有助于管理人员了解系统内部的运行状态,进行系统日志管理,异常检测和故障溯源等工作。对于事件序列依赖发现,传统方式一方面采用时间窗口机制挖掘事件之间简单的关联依赖,另一方面对于存在交叉依赖的情况下只能挖掘成对时序依赖。因此本文针对以上这些问题进行研究工作,主要的研究内容如下:（1）本文首先对事件序列和时序依赖进行了问题描述和分析,对事件序列依赖发现中的频繁情节发现和基于交叉依赖的成对时序依赖发现算法进行了研究和讨论,总结了这两类事件序列依赖发现的优缺点。（2）本文提出一种基于时滞特征的成对时序依赖情节发现算法,引入时滞情节发现的概念,在事件匹配环节采用相邻事件匹配集算法,避免预先设定时间窗口,通过时滞的概率统计模型处理可能存在的交叉关联,并得到时滞情节之间的时间间隔分布。与迭代最近事件算法相比,该算法衡量事件多种匹配情况的可能性,获得一对多的相邻事件匹配集,更加有效得模拟了时滞的实... 

【文章来源】：南京邮电大学江苏省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

事件序列

真实数据合成数据集上进行算法准确性和效果的检验后，将在实际应用中的数据集上进本文中所采用的真实数据集是某运营商 openstack 上的日志数据，一条原始的日3.6 所示。每一条原始日志都是由 6 个部分组成，依次为：日志发生时间戳，日别，日志发生的代码模块，代码模块的 request-id，日志内容。图 3.6 openstack 原始日志数据始日志的形式并不能直接适用于时滞情节挖掘的情况，所以本文的实验是建立析后的事件提取结果[49-50]上的。实验中使用的事件记录格式如图 3.7(a)所示。每始日志记录路径，事件发生时间戳，代码模块的 request-id 以及事件类型 ID。日志提取模板如图 3.7(b)用于记录每个事件类型 ID 对应的实际事件内容，用于。在实验中只使用了每个事件实例的事件类型和发生时间。

究生学位论文 。在实际系统中<A,B>和<B,C>可能是两个不同的系统任务中间的依赖。则）：事件链1 2 -1< , ,..., ,m me e e e 和1 2 1=< , ,..., ,n ne e e e 个事件类型me 和事件链 的第一个事件类型1e 相同，且事例集合 ( )mP e 和事件链 中事件 存在依赖的实例集合1P ( e 11=( ) ( )mme eP e P e 和 事 件 链 可 以 进 行 连 接 生 成 ( 1)m n - 阶 1 2 1, , ,..., ,m n ne e e e 。


本文编号：2959912