數(shù)據(jù)中心運(yùn)維數(shù)據(jù)關(guān)聯(lián)規(guī)則知識(shí)庫的構(gòu)建.pdf

1、隨著信息技術(shù)的飛速發(fā)展，集群規(guī)模不斷擴(kuò)大，對系統(tǒng)的運(yùn)維技術(shù)提出了更高的要求。為了保障系統(tǒng)的運(yùn)行以及對系統(tǒng)運(yùn)行狀況的監(jiān)控，運(yùn)維人員采集了系統(tǒng)的多個(gè)維度的運(yùn)行信息，通過這些運(yùn)維數(shù)據(jù)對系統(tǒng)進(jìn)行維護(hù)。然而運(yùn)維人員通常對各個(gè)維度運(yùn)維數(shù)據(jù)單獨(dú)進(jìn)行分析，沒有分析各個(gè)維度運(yùn)維數(shù)據(jù)之間潛在關(guān)系。對積累的海量的各個(gè)維度的運(yùn)維數(shù)據(jù)，缺少行之有效的關(guān)聯(lián)分析與挖掘手段，沒有將采集到的運(yùn)維數(shù)據(jù)進(jìn)行有效的分析利用。
　　為了挖掘運(yùn)維數(shù)據(jù)的潛在價(jià)值，提高運(yùn)維人員

2、的運(yùn)維手段。本文介紹了基于運(yùn)維數(shù)據(jù)的關(guān)聯(lián)規(guī)則知識(shí)庫進(jìn)行挖掘與構(gòu)建的技術(shù)。能夠?qū)Χ嘣催\(yùn)維數(shù)據(jù)的進(jìn)行深度挖掘和關(guān)聯(lián)分析，構(gòu)建一個(gè)描述多源運(yùn)維數(shù)據(jù)之間的相關(guān)性及因果結(jié)構(gòu)等關(guān)聯(lián)關(guān)系的知識(shí)庫，讓運(yùn)維人員更加了解系統(tǒng)的內(nèi)在運(yùn)行情況，以及系統(tǒng)各層次間事件的關(guān)聯(lián)關(guān)系，增強(qiáng)運(yùn)維手段和效率。在本工作中，首先將運(yùn)維數(shù)據(jù)轉(zhuǎn)化為系統(tǒng)事件數(shù)據(jù)，再基于系統(tǒng)事件數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘。
　　在將原始運(yùn)維數(shù)據(jù)轉(zhuǎn)化為系統(tǒng)事件數(shù)據(jù)時(shí)，需要使用原始運(yùn)維數(shù)據(jù)中的類別屬性作為

3、對應(yīng)系統(tǒng)事件數(shù)據(jù)的類別。而原始系統(tǒng)日志沒有類別屬性，所以在將原始系統(tǒng)日志數(shù)據(jù)轉(zhuǎn)化為系統(tǒng)事件數(shù)據(jù)時(shí)，需要先對系統(tǒng)日志其進(jìn)行類別標(biāo)記，然后基于日志的類別轉(zhuǎn)化為相應(yīng)的系統(tǒng)事件。系統(tǒng)日志的類別標(biāo)記分為聚類和分類兩個(gè)過程。聚類過程完成日志類別的特征提取、構(gòu)建類別特征知識(shí)庫的工作。分類過程完成對未進(jìn)行類別標(biāo)記的日志，根據(jù)類別特征知識(shí)庫進(jìn)行類別匹配與標(biāo)記的工作。本技術(shù)依據(jù)類別特征知識(shí)庫可對日志進(jìn)行精準(zhǔn)分類，分類精準(zhǔn)度遠(yuǎn)高于傳統(tǒng)文本聚類與分類方法。通過

4、詳細(xì)的理論分析，以及基于大規(guī)模日志數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果，證明了該日志類別標(biāo)記方法的有效性。
　　為了使挖掘到的關(guān)聯(lián)規(guī)則更加具有使用價(jià)值，在進(jìn)行關(guān)聯(lián)規(guī)則挖掘時(shí)，需要保留關(guān)聯(lián)項(xiàng)之間時(shí)序信息，而當(dāng)前常用的關(guān)聯(lián)規(guī)則挖掘算法都丟失了關(guān)聯(lián)項(xiàng)之間的時(shí)序信息。本工作對Apriori算法進(jìn)行了修改，主要對Apriori算法的支持度的計(jì)數(shù)方式和生成k+1項(xiàng)候啊選集的規(guī)則進(jìn)行了改進(jìn)。對Apriori算法進(jìn)行的改進(jìn)使得在進(jìn)行多源運(yùn)維數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘時(shí)，能夠保