随着互联网应用的复杂性不断增加,传统的单体应用架构已经难以支撑用户增长带来的系统访问压力。分布式系统逐渐成为主流架构,消息通信已经成为广泛采用的模式。基于Actor消息通信模型的分布式框架逐渐开始流行,Actor模型如今已成为许多并行计算系统的理论基础。然而,应用Actor模型的系统在运行时无法避免故障的发生。目前对于Actor系统的异常检测主要是基于Java代码和JVM层面的检测,对于复杂的Actor系统中的消息处理异常难以及时发现,同时对于系统故障也无法提前预判。本文提出基于消息监测对Actor模型分析监控的方法,能够对Actor系统中的消息数据进行采集,利用核主成分分析等算法检测程序的异常状态,并通过随机森林算法对系统的故障情况进行预测。首先通过面向切面编程的字节码注入方式获取Actor系统中的消息传递情况和Actor的分布情况,并构建Actor拓扑和刻画消息轨迹,便于开发者了解系统运行情况。利用核主成分分析法通过非线性映射进行数据降维和特征抽取,然后通过K-means算法进行聚类分析,利用局部离群点检测算法进行异常点判断,从而快速有效的发现异常,及时进行预警以便开发者尽早采取防范措施。其次采用随机森林算法对Actor系统进行故障预测,利用系统中的消息数据作为训练样本通过随机森林算法进行预测模型的构建,从而建立Actor系统的故障预测模型并评估其准确率,然后用训练好的模型进行系统未来的故障状态进行预测,从而对未知实例进行分类,对Actor系统未来状态进行预测,提早发现程序中存在的潜在问题或安全威胁。使得系统管理者有更充分的时间诊断故障,组织防范和修复措施,防止重大生产事故发生。最后基于Actor系统异常检测算法和故障预测模型开发实现了分析监控系统,用于对Actor系统的异常监控和故障预测分析。