面向云平臺的虛擬機異常行為檢測方法研究.pdf

1、隨著云計算的不斷發(fā)展和成熟，越來越多的業(yè)務(wù)系統(tǒng)被部署到云平臺上以提高硬件資源利用率和降低IT運營成本。虛擬機是云平臺的核心部件，負(fù)責(zé)為業(yè)務(wù)系統(tǒng)提供計算和存儲資源，從而保證業(yè)務(wù)系統(tǒng)的正常運行。然而，隨著業(yè)務(wù)系統(tǒng)種類和數(shù)量的不斷增多，云平臺的規(guī)模不斷擴(kuò)大，云平臺變得日益復(fù)雜，而且云平臺上的虛擬機共享硬件資源，會引起資源競爭等問題，這些使得虛擬機在運行過程中容易出現(xiàn)異常。虛擬機異常的存在不僅會導(dǎo)致業(yè)務(wù)系統(tǒng)無法正常運行，造成各種難以估量的損失；

2、而且會引發(fā)企業(yè)對云計算的擔(dān)憂，阻礙云計算的發(fā)展和應(yīng)用。面向云平臺的虛擬機異常行為檢測通過對云平臺中虛擬機運行狀態(tài)的連續(xù)監(jiān)測，及時發(fā)現(xiàn)虛擬機的異常行為，以通知云平臺管理員采取必要措施，來保證虛擬機的正常運行。因此，面向云平臺的虛擬機異常行為檢測研究具有重要的科學(xué)意義及應(yīng)用價值。
　　本文針對云平臺中虛擬機異常行為檢測的若干關(guān)鍵問題展開研究。在對現(xiàn)有相關(guān)技術(shù)及研究成果的總結(jié)和深入分析基礎(chǔ)上，提出了面向云平臺的虛擬機異常行為檢測框架，解

3、決了虛擬機運行狀態(tài)信息傳輸策略、虛擬機性能指標(biāo)數(shù)據(jù)降維算法、虛擬機工作負(fù)載聚類算法以及在線異常檢測機制等關(guān)鍵問題。具體而言，本文的主要研究內(nèi)容和創(chuàng)新點如下：
　?、僭O(shè)計了監(jiān)控代理組件和異常檢測組件分開部署的虛擬機異常行為檢測框架，同時分析了虛擬機異常行為檢測流程及虛擬機異常行為檢測框架的特性。
　　②抽象出虛擬機運行狀態(tài)信息傳輸模型，并設(shè)計出三種虛擬機運行狀態(tài)信息傳輸策略：自適應(yīng)周期性推策略、基于窗口的事件驅(qū)動推策略以及基于

4、窗口的混合推策略，有效地解決了傳統(tǒng)推策略存在動態(tài)時間間隔無法感知虛擬機性能指標(biāo)數(shù)據(jù)變化程度的問題以及動態(tài)閾值無法感知虛擬機性能指標(biāo)數(shù)據(jù)變化趨勢的問題。實驗結(jié)果表明，三種虛擬機運行狀態(tài)信息傳輸策略都能滿足虛擬機運行狀態(tài)信息傳輸模型的需求，其中基于窗口的混合推策略在數(shù)據(jù)傳輸次數(shù)和數(shù)據(jù)一致性兩個指標(biāo)上都優(yōu)于現(xiàn)有的數(shù)據(jù)傳輸策略。
　　③設(shè)計出全局感知的局部保持投影法對虛擬機性能指標(biāo)數(shù)據(jù)進(jìn)行降維，使得降維后的低維數(shù)據(jù)樣本不僅可以保留原始數(shù)據(jù)

5、樣本的大部分方差信息，而且可以保留原始數(shù)據(jù)樣本中數(shù)據(jù)之間的近鄰信息。實驗結(jié)果表明，全局感知的局部保持投影法不僅可以提高異常檢測性能，而且有效地降低了平均計算時間開銷，滿足在線異常檢測機制的實時性要求。
　?、芴岢鲈隽渴教摂M機工作負(fù)載聚類算法，將具有相似虛擬機工作負(fù)載的虛擬機運行狀態(tài)信息劃分到同一簇，達(dá)到提高異常檢測性能的目的。實驗結(jié)果表明，增量式虛擬機工作負(fù)載聚類算法不僅提高了異常檢測性能，而且大大降低了計算量，從而減少平均計算時