云環(huán)境下基于多屬性信息熵的虛擬機(jī)異常檢測.pdf

1、準(zhǔn)確、及時(shí)的對虛擬機(jī)狀態(tài)進(jìn)行監(jiān)控和檢測是優(yōu)化云平臺IaaS類的資源調(diào)度和完善虛擬機(jī)遷移機(jī)制的重要途徑之一。但是現(xiàn)有的監(jiān)控技術(shù)往往忽略了對虛擬機(jī)異常狀態(tài)的預(yù)測，如果這個(gè)問題不能得到及時(shí)有效的解決和改善，那么異常的影響和危害將會擴(kuò)大。因此，加強(qiáng)完善對云環(huán)境下虛擬機(jī)的狀態(tài)監(jiān)控和提高異常檢測技術(shù)的研究對進(jìn)一步提高云平臺的運(yùn)行管理水平具有重要的應(yīng)用價(jià)值。
　　本文針對Hadoop云平臺下虛擬機(jī)的多屬性監(jiān)控及異常預(yù)測的問題，提出了一種基于多屬

2、性信息熵的虛擬機(jī)異常檢測方法。
　　首先是信息熵分析階段，構(gòu)建實(shí)時(shí)采樣矩陣，對采樣數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后，計(jì)算當(dāng)前采樣矩陣中多個(gè)虛擬機(jī)狀態(tài)屬性的2-范數(shù)。然后，統(tǒng)計(jì)該2-范數(shù)的取值在一定時(shí)間內(nèi)的出現(xiàn)頻率，計(jì)算出虛擬機(jī)當(dāng)前狀態(tài)的多屬性信息熵。當(dāng)該熵值取最大值時(shí)，進(jìn)入異常分析階段。
　　其次是異常分析階段，以各2-范數(shù)的移動加權(quán)均值及方差為基礎(chǔ)構(gòu)建檢測統(tǒng)計(jì)量，利用非參數(shù)CUSUM算法完成異常狀態(tài)的判定?；贖adoop的實(shí)驗(yàn)結(jié)果表明，