[发明专利]一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法

说明书

本发明提出了一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法，包括以下步骤：步骤1、启动实时云环境，运行云服务；步骤2、启动实时云服务状态参数获取组件；步骤3、获取某一段时间内集群正常运行环境下的云服务状态参数，采用核密度估计模型对其进行建模，同时开启模糊推理系统；步骤4、新获得的状态参数输入到该模糊推理系统中，计算出瓶颈指数；步骤5、设置阈值，观察每一个云服务瓶颈指数的历史规律，如果在某一时间段内一直超过阈值，则启动预警机制。本发明的方法能够实时获取云集群中每一个服务的运行状态，存入数据仓库；实现对每一个实时云服务的瓶颈检测；当实时云服务的瓶颈指数长时间超过某一阈值，启动预警机制。

技术领域

本发明涉及云计算大数据计算、实时服务计算和异常检测领域，具体涉及到一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法。

背景技术

对云计算环境下实时服务的异常检测是极为困难的。

首先是云服务状态参数获取与选择上的困难，实时云环境中的云服务分布在各个集群节点中，有的云服务还运行在同一节点不同虚拟机上面，这就造成了对云服务运行的状态难以获取。

其次是实时云服务的运行模式不可预测，一个云服务的空闲、繁忙等状态没有一个规定的标准加以定义，这就造成了一个云服务的瓶颈也难以定义。加之，集群规模不可控，当一个云计算集群中的节点个数的规模很大时，这对集群内部的网络产生障碍，而获取云服务状态本身就会消耗资源，这也造成了针对云服务的瓶颈检测算法必须要求资源消耗少等特点；同时数量庞大的云服务也要求检测算法必须为非监督，不然会消耗大量的人工操作，后者显然是不可行的。

发明内容

为解决现有技术的不足，本发明提出一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法。

本发明的技术方案是这样实现的：

一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法，包括以下步骤：

步骤1、启动实时云环境，运行云服务；

步骤2、启动实时云服务状态参数获取组件；

步骤3、获取某一段时间内集群正常运行环境下的云服务状态参数，采用核密度估计模型对其进行建模，同时开启模糊推理系统；

步骤4、新获得的状态参数输入到该模糊推理系统中，计算出瓶颈指数；

步骤5、设置阈值，观察每一个云服务瓶颈指数的历史规律，如果在某一时间段内一直超过阈值，则启动预警机制。

可选地，所述核密度估计模型首先根据每一个服务的属性日志建立关于“确认数”与“吞吐量”之间的二维概率密度模型，以及“延迟”与“CPU使用率”之间的二维概率密度模型；当模型建立完成，新的日志接收到以后，将云服务的日志输入到建立好的两个概率密度模型，输出相对应的概率；最后将两个概率密度模型的两个输出作为模糊推理系统的输入。

可选地，所述模糊推理系统的算法具体如下：

算法开始：

输入变量：

延迟-CPU：实数；

确认数-吞吐量：实数；

输出变量：

瓶颈：实数；

模糊化：延迟-CPU

术语 低：＝(0，1)(0.2，0)；

术语 中：＝高斯0.5 0.12；

术语 高：＝(0.75，0)(1，1)；

模糊化：确认数-吞吐量