准确、及时的对虚拟机状态进行监控和检测是优化云平台IaaS类的资源调度和完善虚拟机迁移机制的重要途径之一。但是现有的监控技术往往忽略了对虚拟机异常状态的预测,如果这个问题不能得到及时有效的解决和改善,那么异常的影响和危害将会扩大。因此,加强完善对云环境下虚拟机的状态监控和提高异常检测技术的研究对进一步提高云平台的运行管理水平具有重要的应用价值。本文针对Hadoop云平台下虚拟机的多属性监控及异常预测的问题,提出了一种基于多属性信息熵的虚拟机异常检测方法。首先是信息熵分析阶段,构建实时采样矩阵,对采样数据进行标准化后,计算当前采样矩阵中多个虚拟机状态属性的2-范数。然后,统计该2-范数的取值在一定时间内的出现频率,计算出虚拟机当前状态的多属性信息熵。当该熵值取最大值时,进入异常分析阶段。其次是异常分析阶段,以各2-范数的移动加权均值及方差为基础构建检测统计量,利用非参数CUSUM算法完成异常状态的判定。基于Hadoop的实验结果表明,该方法既能降低偶发暂态异常引发的虚警干扰,又能在虚拟机运行状态出现显著异常之前准确地发出告警。最后,依据本文异常检测方法的特点,提出一种基于滑动平均值的多属性异常定位方法。当本文方法检测出虚拟机状态的异常并报警后,为了减少管理员查找问题原因的时间,提高准确性,算法将继续启动异常定位模块,得出监测虚拟机属性的定位图,管理员可以根据发生异常的属性特性,有针对性的找出发生异常的原因,进而解决相应的问题。