云中虚拟机异常检测与恢复的研究

发布时间：2021-05-11 03:04

　　云计算作为当前互联网技术的集大成者,在分布式计算、数据存储等多个领域均有极大的优势。但是随着云计算的普及,云中服务器的资源利用低的问题逐渐凸显出来,为此部分云服务提供商采用了资源超额预定策略,该策略可以提高对云中服务器资源的利用。但由此可能引发虚拟机异常,这种异常是由同一虚拟资源池中的虚拟机对某种资源的使用峰值处于同一时间段造成的,表现为同一虚拟资源池中的虚拟机发生了资源抢占。由于这种异常情况与入侵异常、故障异常有所不同,所以需要依据该类异常的成因,设计相应的检测方法以及对异常虚拟机的恢复策略,主要研究内容如下:（1）提出了一种适应于云的改进的C-t-SNE（t-SNE Based on Classification selection,C-t-SNE）降维算法。该算法构建原始空间与之对应的投影空间,依据云虚拟机与所执行任务之间的关系,针对每台云虚拟机抽取对比数据集,减少降维过程中数据间的对比次数,以实现对云虚拟机数据快速降维,同时保留虚拟机之间的关联。（2）提出了一种基于密度空间的局部离群因子（Local Outlier Factor Based on Density Space,L... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要内容
    1.4 本文组织结构
2 相关技术
    2.1 资源超额预定策略
    2.2 降维算法
    2.3 局部离群点检测算法
    2.4 花朵授粉算法
    2.5 本章小结
3 云虚拟机异常检测的降维方法
    3.1 C-t-SNE思想概述
    3.2 相关定义
    3.3 云虚拟机之间的相似性
    3.4 基于分类选取优化的t-SNE
    3.5 C-t-SNE伪代码
    3.6 实验结果与分析
    3.7 本章小结
4 云虚拟机异常检测场景下改进的LOF算法
    4.1 LOFBDS算法
    4.2 LOFBDS算法伪代码
    4.3 实验结果与分析
    4.4 本章小结
5 异常虚拟机迁移目标选取策略
    5.1 相关定义
    5.2 三权重的花朵授粉算法
    5.3 实验结果与分析
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3180589