[发明专利]云计算系统中高频次连续失效任务的在线识别方法和系统

权利要求书

1.一种云计算系统中高频次连续失效任务的在线识别方法，根据离线监控数据进行基于时间序列的离线分析与学习，得到在一定置信水平上能代表所有非高频次连续失效任务失效频率特征的失效频率阈值，再识别得到在线数据中的高频次连续失效任务；包括如下步骤：

1)从离线监控数据中抽取出事件和资源时间序列数据，通过转换为特定格式得到离线数据格式转换结果，包括任务失效频次和资源使用量；

2)配置参数值，所述参数包括失效频次阈值、失效连续指数阈值、资源变动阈值和置信度阈值；所述失效频次阈值和失效连续指数阈值用于定义高频次连续失效任务；

3)根据步骤1)所述离线数据格式转换结果和步骤2)所述高频次连续失效任务定义参数(失效频次阈值和失效连续指数阈值)，将离线数据中的任务标记为高频次连续失效任务或非高频次连续失效任务；

4)利用步骤2)所述资源变动阈值和置信度阈值，分析得到非高频次连续失效任务的资源使用模式和失效频率特征，学习得到在一定置信水平上能代表所有非高频次连续失效任务失效频率特征的失效频率阈值；

5)将在线监控数据实时输入，抽取出任务的事件和资源时间序列数据，转换为特定格式，得到在线数据格式转换结果，包括任务失效频次和资源使用量；

6)根据步骤5)获取的在线数据格式转换结果和步骤4)得到的失效频率阈值，实时地识别得到在线数据中的高频次连续失效任务。

2.如权利要求1所述云计算系统中高频次连续失效任务的在线识别方法，其特征是，步骤1)所述将事件和资源时间序列数据转换为特定格式，具体是：

设定所述事件和资源时间序列数据中存在n个任务，任务i(1≤i≤n)在t_i0时刻提交进入系统，在系统中驻留时间为T_i个时间周期；为每个任务i抽取出T_i个三元组{t,F_i,t,R_i,t}；

针对所述事件和资源时间序列数据，得到特定格式为四元组{i,t,F_i,t,R_i,t}列表；其中，t∈{t_i0,t_i0+1,…,t_i0+T_i-1}表征任务i(1≤i≤n)在系统中驻留的每一个时间周期；F_i,t为任务i在第t个时间周期内的失效频次，通过统计离线数据中的失效事件求得，若任务i在第t个时间周期内没有发生失效事件，则F_i,t为0；R_i,t为任务i在第t个时间周期内的资源使用量，由监控系统获取并通过离线数据源传入。

3.如权利要求1所述云计算系统中高频次连续失效任务的在线识别方法，其特征是，步骤3)所述将离线数据中的任务标记为高频次连续失效任务或非高频次连续失效任务，具体为：

根据步骤1)所述离线数据中的任务的失效频次，计算得到任务的失效总频次；根据连续的失效次数占该任务失效总频次的百分比求得失效连续指数；将所述失效总频次大于步骤2)所述失效频次阈值而且所述任务失效连续指数大于步骤2)所述失效连续指数阈值的任务，标记为高频次连续失效任务；否则标记为非高频次连续失效任务。

4.如权利要求1所述云计算系统中高频次连续失效任务的在线识别方法，其特征是，步骤4)所述通过学习得到在一定置信水平上能代表所有非高频次连续失效任务失效频率特征的失效频率阈值，具体包括如下步骤：

41)划分资源异常窗口；

根据资源使用量得到资源异常程度，通过步骤2)所设定的资源异常阈值，根据资源异常程度将非高频次连续失效任务在系统中的驻留时间划分为多个资源异常窗口，得到每个任务的资源异常窗口的划分结果；

42)计算得到失效频率；

根据步骤41)得到的每个任务的资源异常窗口的划分结果，计算得到每个任务在每个资源异常窗口内的失效频率；再将每个任务在所有窗口内失效频率的最大值设定为该任务的失效频率；

43)通过学习得到失效频率阈值；

根据步骤42)得到的所有非高频次连续失效任务的失效频率，拟合出任务失效频率的累积分布函数，通过步骤2)所设定的置信度阈值，计算得到在一定置信水平上能代表所有非高频次连续失效任务失效频率的失效频率阈值。