面向IaaS的虛擬機(jī)異常檢測系統(tǒng)研究.pdf

1、基礎(chǔ)設(shè)施即服務(wù)(Infrastructure as a Service,IaaS)是云計(jì)算的一種服務(wù)模式,它將計(jì)算機(jī)硬件抽象成虛擬資源池,并為用戶提供按需獲取、彈性可伸縮的服務(wù)。隨著云計(jì)算的發(fā)展,大量的應(yīng)用和用戶數(shù)據(jù)都部署在云端,云計(jì)算的可靠性面臨著巨大的挑戰(zhàn)。研究發(fā)現(xiàn),系統(tǒng)故障出現(xiàn)的根本原因是由于缺少異常檢測機(jī)制和容錯(cuò)手段。然而,云計(jì)算本身具有大規(guī)模、分布式、虛擬化和高動(dòng)態(tài)性等特點(diǎn),從而導(dǎo)致傳統(tǒng)的異常檢測技術(shù)不能適應(yīng)云計(jì)算環(huán)境。

2、>　　本文針對(duì)云環(huán)境下的虛擬機(jī),設(shè)計(jì)了一套通過采集虛擬機(jī)性能指標(biāo),采用基于主成分分析和貝葉斯決策的異常檢測方法,實(shí)現(xiàn)對(duì)虛擬機(jī)的異常檢測。針對(duì)虛擬機(jī)性能指標(biāo)的特點(diǎn),提取其主要特征,在半監(jiān)督模式下建立起虛擬機(jī)的正常輪廓,并與正常輪廓進(jìn)行對(duì)比。同時(shí),該機(jī)制可以根據(jù)虛擬機(jī)運(yùn)行狀態(tài)動(dòng)態(tài)調(diào)整虛擬機(jī)數(shù)據(jù)采集策略,并結(jié)合多種異常檢測策略提出了虛擬機(jī)多狀態(tài)異常檢測。
　　本文完成的主要工作如下:
　　(1)本文深入研究了云計(jì)算下IaaS模式的

3、特點(diǎn),針對(duì)虛擬機(jī)的資源可用性,提出了虛擬機(jī)性能指標(biāo)體系,用于刻畫虛擬機(jī)的運(yùn)行狀態(tài),并詳細(xì)介紹了IaaS下虛擬機(jī)性能指標(biāo)的采集方法。
　　(2)由于傳統(tǒng)的數(shù)據(jù)采集方法不能動(dòng)態(tài)調(diào)整數(shù)據(jù)采集的頻率,無法很好的適應(yīng)云計(jì)算環(huán)境的高動(dòng)態(tài)性,本文提出了一種自適應(yīng)數(shù)據(jù)采集策略,根據(jù)虛擬機(jī)的運(yùn)行狀態(tài),動(dòng)態(tài)選擇粗粒度和細(xì)粒度兩種數(shù)據(jù)采集方式,在不增加虛擬機(jī)性能開銷的情況下,提高了異常檢測的準(zhǔn)確性。
　　(3)針對(duì)傳統(tǒng)的異常檢測算法不能適應(yīng)Iaa

4、S環(huán)境下被檢測對(duì)象多、采集數(shù)據(jù)量大、數(shù)據(jù)維度高等特點(diǎn),本文提出了基于主成分分析和貝葉斯決策進(jìn)行異常檢測的機(jī)制。同時(shí),傳統(tǒng)的異常檢測方法不能適應(yīng)云計(jì)算環(huán)境的高動(dòng)態(tài)性,本文還提出了虛擬機(jī)多狀態(tài)異常檢測機(jī)制,結(jié)合了基于時(shí)間點(diǎn)和時(shí)間窗口的異常檢測策略,降低了異常檢測的誤報(bào)率。
　　(4)基于以上研究工作,設(shè)計(jì)并實(shí)現(xiàn)了面向IaaS的虛擬機(jī)異常檢測系統(tǒng)。并利用開源技術(shù)搭建了OpenStack云計(jì)算平臺(tái),通過異常注入的方式,根據(jù)異常的誤報(bào)率和漏