云环境下基于多属性信息熵的虚拟机异常检测.pdf

硕士学位论文云环境下基于多属性信息熵的虚拟机异常检测 Anomaly Detection ofVirtual Machines Based onMulti_attribute Entropy puting EnVironments 学 21209030 大连理工大学 DalianUIliVerS时of Tecllllolog)r 万方数据大连理工大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导师的指导下进行研究工作所取得的成果。尽我所知,除文中已经注明引用内容和致谢的地方外, 本论文不包含其他个人或集体已经发表的研究成果,也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处,本人愿意承担相关法律责任。学位论文题目:亟塑盥蔓重垒丕惶盎墼豳!虚凼生丝型作者签名: 丝堕日期:二尘年—￡月』}-日万方数据大连理工大学硕士学位论文摘要准确、及时的对虚拟机状态进行监控和检测是优化云平台IaaS类的资源调度和完善虚拟机迁移机制的重要途径之一。但是现有的监控技术往往忽略了对虚拟机异常状态的预测,如果这个问题不能得到及时有效的解决和改善,那么异常的影响和危害将会扩大。因此,加强完善对云环境下虚拟机的状态监控和提高异常检测技术的研究对进一步提高云平台的运行管理水平具有重要的应用价值。本文针对Hadoop云平台下虚拟机的多属性监控及异常预测的问题,提出了一种基于多属性信息熵的虚拟机异常检测方法。首先是信息熵分析阶段,构建实时采样矩阵,对采样数据进行标准化后,。然后,,计算出虚拟机当前状态的多属性信息熵。当该熵值取最大值时,进入异常分析阶段。其次是异常分析阶段,, 利用非参数CUS切Ⅵ算法完成异常状态的判定。基于Hadoop的实验结果表明,该方法既能降低偶发暂态异常引发的虚警干扰,又能在虚拟机运行状态出现显著异常之前准确地发出告警。最后,依据本文异常检测方法的特点,提出一种基于滑动平均值的多属性异常定位方法。当本文方法检测出虚拟机状态的异常并报警后,为了减少管理员查找问题原因的时间,提高准确性,算法将继续启动异常定位模块,得出监测虚拟机属性的定位图,管理员可以根据发生异常的属性特性,有针对性的找出发生异常的原因,进而解决相应的问题。关键词:异常检测;云计算;虚拟机;多属性决策万方数据云环境下基于多属性信息熵的虚拟机异常检测 Anomaly detectionof Vilmlalmachillesbased onmulti—at仃伯uteen仃opy in cloudcoInputiIlg eIⅣironments Abstract Mollito渤g and testiIlg the virtIlalmachine urately and timely is one of the important ways tooptimize thecloud IaaS resourCe scheduling t0improVe tlleVirn埝lmachine r11i咖ion 'the isoRen ig:110red inexisting monito血g technology锄d theh锄will beenla略ed iftheanomaly stateofviItllalmachine momtor problemc锄lot ,Ⅱle virtualmachine statemonitoring andanomaly detection technology researCh incloudenViro衄ents hasimportant印plication Value f-0rilnpr0ViIlg theleVelofope枷on andmanagement ofalll【indsofcloud platfonn. A method based info加诅tion en缸Dpy isproposed todetectanomalous states ofvirtl“machines puting eIⅣiroIunents. FirsUy,the ofvarious撕ibutes characterizing me states of avirl:ualmachine puted foreachs锄pled‰.Then,the j