[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

摘要

本发明公布了一种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，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。本发明从事件和资源角度对云计算系统中的任务进行分析，得到时间周期内失效事件发生频率和任务消耗的系统资源，通过分析任务的失效频率特征和资源使用时间序列模式，实时识别云计算系统中反复失效且难以修复的高频次连续失效任务，提前通知云计算系统采取前摄性失效恢复措施，为云计算系统节约系统资源，提高云计算系统的可靠性和可用性。

主权项

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。