【摘 要】
：
近年来,云计算相关技术不断发展成熟,云计算技术的应用领域也越来越广泛,云计算技术逐渐成为IT行业的主流技术。云环境具有动态性、复杂性、共享性和大规模等特点,在复杂的云环境下,如果运行数据存在异常,将会影响云环境的正常运行,给云环境的可用性和稳定性带来巨大挑战。为了保证云环境可用性和稳定性,国内外相关专家对云环境下运行数据的监测和异常检测以及预测方法进行了深入研究,且提出了相关运行数据的监测框架和异
论文部分内容阅读
近年来,云计算相关技术不断发展成熟,云计算技术的应用领域也越来越广泛,云计算技术逐渐成为IT行业的主流技术。云环境具有动态性、复杂性、共享性和大规模等特点,在复杂的云环境下,如果运行数据存在异常,将会影响云环境的正常运行,给云环境的可用性和稳定性带来巨大挑战。为了保证云环境可用性和稳定性,国内外相关专家对云环境下运行数据的监测和异常检测以及预测方法进行了深入研究,且提出了相关运行数据的监测框架和异常检测及预测方法,但是仍然存在一些问题:1、云环境下运行数据监测系统耦合性高,可扩展性低,资源消耗大。2、对云环境下周期性数据进行异常检测时,由于周期性异常检测的滞后性特点,只有监测数据满一个周期时,才将整个周期的数据输入检测模型,得出的异常检测结果往往不能满足云环境下异常检测的及时性要求,且当前对周期性异常的检测结果只能反馈是否发生异常而不能反馈异常的程度,因此需要对周期性异常进行主动的预测,以及给出更全面的预测结果。3、在对周期性异常进行预测时,会使用到数据预测方法,现有的数据预测方法对周期性数据预测精度不够,具有一定的局限性。本文结合云环境的特点,以提升云环境的可用性和稳定性为出发点,对云环境下运行数据的监测及预测方法进行相关研究,主要的研究内容如下:1、为了克服云计算平台运行数据监测框架存在的部分问题,并在此基础上集成了异常预测功能,本文设计了一种云环境运行数据监测与异常预测框架。2、本文根据云环境下周期性运行数据的特点,提出了一种先进行数据预测再对预测数据进行检测的周期性异常预测方法（融合基于注意力机制的卷积门控单元编码-解码器数据预测模型（Attention-Conv GRU-Encoder-Decoder）和编码-解码器检测模型（Encoder-Decoder）的周期性异常预测方法）用于周期性运行数据的异常预测。方法先对监测数据预处理后输入到数据预测模型,预测出下一周期数据,再将预测数据输入检测模型中预测是否发生异常及给出异常程度的得分。3、针对现有数据预测方法的局限性,结合周期性运行数据的特点,提出使用基于Attention机制的Conv GRU单元进行周期性运行数据的时间和空间特征的提取,更好的预测下一周期的运行数据,为异常预测打下基础。4、在基于Open Stack的云平台上实现了云环境下周期性运行数据异常预测原型系统,并展示该原型系统的相关细节,验证本文原型系统的可用性。最后对本文提出的异常预测方法进行相关实验,验证本文方法的有效性。
其他文献
能量补充问题是无线可充电传感器网络（Wireless Rechargeable Sensor Networks,WRSN）的重要的一个研究课题,借助磁耦合谐振充电技术,可实现单个充电装置同时对充电覆盖范围内的多个传感器节点进行能量补充,还能够实现多跳充电从而有效延申充电距离,提高网络充电效率。本文基于磁耦合谐振充电技术,从单对多和多跳两个角度提出两种可行有效的方案对WRSN进行能量补充,主要研究内
并列结构作为自然语言中的一种常见组成结构,它的正确识别可以很大程度上提高自动句法分析器的性能和效率,也能推进汉语树库的构建工作,同时其识别结果也可直接应用于机器翻译、信息抽取等领域。由于汉语本身复杂多变的特点,并列结构识别成为中文信息处理领域的研究难点。目前的研究中,基于规则的方法需要人工根据具体语言语法和领域来构造规则模板,应用这种方法系统实现代价很高,并且可移植性较差。基于统计的方法虽取得效果
日冕物质抛射（Coronal Mass Ejection,CME）是一种日冕物质从太阳日冕层向行星际空间抛射的强烈空间天气现象。CME严重影响着太空天气和人类生活,所以提高CME的检测效果对预报CME和保障人类的生产生活安全具有重大意义。尽管学者已经探索出了许多CME检测方法,但现有检测方法多采用人为定义特征和人为界定阈值等方法检测CME。由于人为定义特征不能很好表征CME且具有普适性的阈值难于选
图像分割是将图像分割为互不相交、具有独特性质的区域的过程,是计图像场景理解中的关键点,是计算机视觉的基石任务。近年来,随着视觉场景技术的不断深入,图像分割被广泛的应用在医学诊断、自动驾驶、交通系统、增强现实等领域。传统的基于活动轮廓的分割方法可根据图像本身信息演化曲线至目标轮廓上,常用于快速分割具有复杂结构的图像。但是,该方法无法通过学习大量的数据来获取高级特征。随着深度学习的发展,基于全卷积网络
铁磁性材料零部件被广泛地应用于大型机械设备、航天航空、管道运输等领域,铁磁性材料零部件在长期的服役过程中,由于受运行环境、制造工艺和使用方式等因素的影响,易产生表面或内部不同程度的损伤,影响设备运行情况及使用寿命,留下安全隐患,甚至造成工业事故。为此,对设备的铁磁性材料零部件及时地进行非接触、非侵入的检测变得十分重要。为了构建非接触、非侵入的缺陷检测模型,本文利用无损检测技术中的红外热成像技术,建
近年来,随着物联网、微电子技术和无线充电技术的飞速发展,无线传感器网络逐渐在工业应用中发挥重要作用。可以由无线充电器提供能量补充的传感器网络称为无线可充电传感器网络（Wireless Rechargeable Sensor Networks,WRSN）,通常它由数量庞多的传感器节点组成,用于监测外界环境、数据传输、边缘计算。传感器节点通常由微电子组件和蓄电池构成,而能量有限的电池是制约WRSN寿命
周期性车辆路径问题（Periodic Vehicle Routing Problem,PVRP）是传统车辆路径问题的一个重要拓展,主要是为了满足客户多次配送服务的要求,优化配送周期内的客户组合和配送路径。目前,环境与能源问题的日益严峻,每个国家对环保的要求越来越严格。因此,考虑燃油消耗和碳排放等因素的绿色周期性车辆路径问题（Green Periodic Vehicle Routing Proble
节点被捕获是无线传感器网络（Wireless Sensor Network,WSN）内部攻击的第一阶段攻击,适宜的检测方法能够更好的保护WSN网络安全。在该论文提出的检测方法中,决策节点通过邻居节点交互信息得到决策,并将得到的决策由多跳路由发送给基站,基站将被认定已捕获的节点进行隔离。对于休眠机制问题,很多检测方法使用的是同步休眠而非异步休眠,甚至有些方法并不考虑休眠的问题;对于通信结构问题,现有
近几年,视网膜图像的血管分割一直是医学领域的研究热点,精确的分割视网膜血管是很多疾病诊断的重要前提,常常被作为诊断视网膜血管病变、糖尿病、高血压、青光眼的重要手段。传统的眼底血管分割是由医生手动完成的,但存在耗时长、过度依赖医生专业性的问题,随着图像处理的快速发展,视网膜自动分割取得了一些进展。然而,眼底血管图像存在数据集少、血管大小尺寸不一和病变背景干扰的问题,加大了图像分割的难度,也导致了视网
太阳耀斑是一种剧烈的太阳活动形式,强烈太阳耀斑引起的X射线增强会导致短波无线电衰减,从而影响无线电通信系统、全球定位系统、卫星和航天员的安全,造成大量的经济和商业损失。因此,建立太阳耀斑预报模型对空间天气预报具有重要意义。耀斑指数是对全日面耀斑活动强度的一个量化描述指数,是太阳辐射研究领域中最重要的太阳活动指数之一。相较于其他的太阳活动指数序列,耀斑指数时间序列的突发性更强,预测难度更大。耀斑指数