虛擬計算環(huán)境下節(jié)點異常檢測方法研究.pdf

1、隨著云計算的快速發(fā)展，云平臺的集群規(guī)模急劇擴大，由于資源競爭和軟件衰退等原因，虛擬機在運行過程中可能會發(fā)生異常行為。虛擬機一旦出現(xiàn)異常會影響云平臺的服務質量，進而會造成用戶流失等嚴重后果。因此，虛擬計算環(huán)境下的節(jié)點異常檢測方法研究對于提高云平臺的穩(wěn)定性有重要的應用價值。
　　本文針對虛擬計算環(huán)境下集群節(jié)點的異常行為檢測展開研究，分析和總結了現(xiàn)有的節(jié)點異常檢測方法的優(yōu)缺點。在此基礎上，根據(jù)虛擬計算環(huán)境的特點，著重研究了單個節(jié)點的異常

2、檢測方法、多個同構節(jié)點的異常檢測方法，解決了虛擬機實時異常檢測、多節(jié)點異常檢測準確率低和誤報率高等關鍵問題。
　　論文的工作主要包括以下幾個方面:
　　1.針對基于單聚類的節(jié)點異常檢測方法準確率低、誤報率高等問題，提出一種基于組合聚類的單節(jié)點異常檢測框架，該框架通過改進子空間聚類算法和密度聚類算法，以滿足數(shù)據(jù)流聚類的要求，并以改進的兩種算法作為基聚類算法產(chǎn)生聚類成員，采用基于聚類差異度的選擇策略選擇聚類成員，最后設計基于共聯(lián)

3、矩陣的共識函數(shù)實現(xiàn)聚類成員的融合。該模型基于聚類融合技術，相比于單聚類，具備更好的適用性、穩(wěn)定性等特點。實驗結果表明，改進的聚類算法在保證聚類精度的同時，在處理效率上有明顯提升，并且提出的組合模型相比于單一聚類方法，在準確率、誤報率上都有明顯的改進。
　　2.針對多節(jié)點異常檢測問題，提出一種基于上下文的多節(jié)點異常檢測方法。該方法是針對同構分布式計算系統(tǒng)的多節(jié)點異常檢測方法，結合同構節(jié)點間的上下文信息和單節(jié)點的歷史信息進行異常檢測。