抽象性
今日使用的大部分容错技术首先强调万一虚拟机失效,先生产克隆替换它,而不是提前预测故障本身数种当前使用技术优先迁移优于恢复 万一虚拟机失效这是因为资源约束和对服务器可用性的关切算法单目标实例包括容错性、迁移预测和单纯期望失败另外一个例子就是容错性研究中,我们的目标是确定从运行不良系统向运行不良系统过渡的最有效策略关键是要能够及时预测虚拟机失效问题,如浪费资源、能源和成本问题自云计算启动以来,虚拟计算机可靠性问题一直存在,虚拟计算机常被称为VMs作为容错系统的一个组成部分,先发制人措施是保证继续服务绝对需要的正因如此,必须努力提高和强调虚拟机主动故障预测关键动机是递减故障时间并增强可缩放性使用技术安全地将预测失效资源从一台虚拟机转至另一机使用压缩策略减少了完成迁移所需时间,资源利用率提高文章提供人工智能,使云计算有效故障预测技术提高资源优化
开工导 言
网络化虚拟计算机网络提供按需访问数组计算机资源的方法,包括数据存储和处理电源,称为“云计算”。词“云计算”指活动其它服务器提供与主服务器相同的功能,而每个额外服务器都连接到主服务器主服务器是唯一可代理主服务器云环境配置易变,由组织需求决定正因如此,服务部署基于公司需求,并反映在云环境配置中云服务可安装为三大配置消费者使用软件服务时可获取云源资源,可按月交会费获取云源资源。第一件事需要解决 关于软件服务PaaS表示平台服务,它为客户提供构建、运行和开发自身应用的能力,使用最基本配置选项平台独立性使用术语描述此能力IaS缩写表示“基础设施服务”,它指互联网计算机资源无障碍性(Forporation服务)。使用这种方法向用户提供服务器、联网装置和存储空间[一号..亚马逊WebService和微软Azure例子
技术在不远的将来有可能以几种方式改变计算机和存储器无障碍性云计算服务商获益于效率更高和费用较低的基础或平台采云服务有好益有几个原因服务质量和可靠性因云技术的广泛使用而大为改善2..现收现付模式云计算原理由客户负责选择适量服务满足需求用户能够利用云平台、软件或基础设施运行自有a3..通过审查服务度量服务协议,人们能够确定服务提供的质量量4..
大规模小型数据中心可互连创建虚拟机网络,云环境计算单元可开发云框架因当前环境,这些虚拟机应能尽人性可行性快速工作本工具的主要用法是移动或替换虚拟机而不干扰已经运行的应用程序举例说,它可用于各种应用修改VM栈,提供容错性并减少功用2..
虚拟化的好处之一是它更容易在不同计算机系统移动数据迁移用词描述计算机从一物理机传到二物理机的过程内存在此过程内几点移动迁移时考虑目的地和重定位日期举例说,实验中对资源需求最大的机器常移到使用较少的设备上新安装机器为最终目标选择提供基础目前的系统使用率和系统效率等度量法有助于确定机器最优位置。云计算高需求,因为虚拟化使动态分配所需资源成为可能能力驱动虚拟化受欢迎5..
云计算使用提供各种优势其中一个领域是资源管理程序的目标是有效管理资源,不至于冻结或崩溃虚拟机可增加吞吐量,可减少努力量,如果使用负载平衡法可增加灵活性5..初级和二级素材组组成全部集合第一类资源称为逻辑资源,第二类资源称为物理资源系统可提供各种服务,包括监测和管理易变物理资源、高效通信协议以及支持应用开发服务提供逻辑资源管理能力,同时提供资源分配和万一失效迁移在分布式服务帮助下,它将能够提高容错率并因此增强负载平衡过程
与可用资源相关的工作量调度是与云计算相关的另一个难点这对情况有相当大的影响各种计算机资源有可能分配到不同的客户工作量6并视客户需求而定更均衡分配工作会增加资源分配并提升客户体验的快感水平存取多件资源后,故障可减到最小值初级包处理法允许生成2拷贝每项活动名表示策略划分为两个部分:初级和二级网格和集群过去都投入使用管理各种资源的存储和分配虚拟环境资源优化有可能独立实现或作为云服务的一个组成部分实现。
绝大多数科学家将很大一部分研究用在容错题上失容度是指进程可有效处理而不会对产生结果产生有害影响的程度系统完全摧毁计算机或资源的能力不受此影响,外部世界触发器对原计划操作没有影响世界上所有问题都可追溯到过多设备和程序上此外,需要额外资源使用现有软件完成操作
系统或系统整体不按理运行时,问题起因被称为“故障”[7..系统缺陷产生错误,妨碍系统按预期功能提供期望结果的能力系统有漏洞时 势必有漏洞破解万一至少出现问题,系统必须能够继续正常工作,尽管执行质量下降。文章提供云计算环境中有效缺陷预测方法 人工智能驱动6..这些策略的目标是提高资源优化
二叉文献调查
为了提高预测精度,多位研究人员集中努力提高故障预测通过使用多种方法实现这一点云计算尚未产生预测活动方法,使用科学过程数据时不成功我们在这方面进行了综合调查,以确定哪些方法最有效预测和识别工作故障在这方面可采取许多替代方法。
数位作者提出并应用故障检测预测技术Fu和Xu工作8使用这些概念开发模型此外,它们还搭建框架,预告失效预测组件失效通过使用监督学习算法,有可能在预测故障方面实现精度介于网下70.1%至离线74%之间
周等[九九创建方法查找实际工作流引擎故障工作流管理系统如Pegasus需要安装使用Yu等人推荐的不敏化工作流调度技术不仅预测联机资源失效,还预测任务失效使用决策树或贝叶斯网络识别和预测保健数据失灵是关和同僚提议的附加方法10..计及多位作者提供的健康数据缺陷预测方法后,有可能提高工作流调度技术在评价科学工作流数据方面的性能分析科学工作流就是这种情况
使用心跳消息协议[11建立并复制故障可能得到识别和纠正Jhawar等提出类似工作[12使用心电文协议12云设置中,这些研究者在试图识别VM崩溃时没有考虑科学应用失效刘和沙巴兹等[13创建缺陷预测方法使用贝叶斯分类器和决策树构建可依赖云系统方法搭建时使用卫生数据采集Deepak等建议[14容错工作流调度可减少高达70%的开支,故障预测算法可在未来研究中使用以实现这一目标有必要创建新机器学习统计方法提高这些方法的性能相对而言,研究云故障预测的学术家寥寥无几
显示Catal15机器学习模型比统计方法效果更好直接结果之一是需要使用机器学习策略主动预测故障学习中16研究者Malhotra和Jain发现随机森林比其他方法更精确预测电故障张等[17多变分析技术使用爱立信电信AB数据预测故障类使用人工神经网络可更精确预测云基系统资源使用
事实显示,将人工神经网络输入云计算系统提高预测资源提供时的精度根据Catal研究发现, Naive贝叶斯模型是使用机器学习预测软件错误的最有效技术纳伊夫贝叶斯与其他机器学习算法相比,如ANN、LR和随机森林等性能并没有得到比较在评价这一方法时,资源过度使用或资源失效造成的故障也未考虑在内。上文描述的办法无一成功精确预测工作结果,尽管使用数种不同的算法学习机器
科学应用方面,精确故障预测可能有助于减少故障影响整理云提供的许多资源、应用和服务是可行的,以尽量减少故障对系统的影响处理工作流等复杂应用时, 难以预设足够时间精确预测!尽管如此,这样做是应用智能容错策略科学程序的先决条件
Glass等显示[18号等前模式只为每项活动提供一种资源,应记住多资源与活动之间有联系此外,研究介绍19号描述恢复策略综合自重配置自定路由这有助于澄清点对点网络自恢复属性背后的推理通过使用检查站,允许任务改变不使用隐式任务状态
Fan等[20码使用自适应学习技术计数并记住管理员在进一步发展基于架构自适应法时所作的决策虽然提出了模型驱动技术,但这种方法不考虑系统功能和自愈合组件的实际使用
代理系统通过冗余提供恢复能力,使他们能够处理环境意外事件并实现为自己设定的目标系统考虑数个合作性持久代理物并发
Lohani等建议[21号使用各种技术消除发现规则并增强软件自适应能力为消除任何潜在冲突,必须用图形描述政策,规则模型应取自政策策略实现高层策略的目的 高层次规则公告由政策驱动自愈合算法自动识别、诊断并恢复缺陷[22号..
为了成功完成动作选择步骤,必须搭建强化学习系统基于规则方法的科米SAbotosi和同事23号创建了独特的框架 被称为BP-FAMA并重构一套业务规则为图解因果关系需要提高口味Wlodzimierz Funika和他的同事24码设计自愈合系统监控机制 描述如下规则与动作可用本体学保存
3级方法论
根据所提供的模型,显然使用科学方法预计无法完成作业为了这些科学应用,进程或计算以数据流和任务依赖形式显示。通过主动分析各种科学工作流数据并借助前沿故障预测机学习算法,有可能减少故障使用云资源对这些工作流活动的影响通过实时分析数据实现这一点在规划科学工作流的过程中,任务失效可能由各种因素引起,包括资源使用过度、资源使用不足、执行时间或费用超出阈值、基础库安装不当、存储器或盘空间耗竭以及其他类似事件任务失效(中央处理单元、随机存取存储器、盘存储器和网络带宽)因资源过度使用此处介绍方法的目的是构建模型,能实时跟踪科学过程数据以发现作业问题模型分析云库中保存的许多工作流,以便在潜在过程问题出现前确定问题所拟模型取自实验结果,使用机学习法证明最成功预测故障图中显示云计算环境故障预测技术流程图以改善资源优化一号.故障预测技术遵循三大步骤:特征选择从输入数据集使用CPA算法,数据分类使用NiveBayes,随机Forest和线性回归,以及故障预测
逻辑回归25码方法之多可用预测依存变量为了确定哪些类最有可能失效,使用多变资源消耗模型模型参考了大量特征识别哪组独立变量组成最实用集时,可使用前向选择或后向消除策略
使用随机森林方法时,有可能生成千株树26..包装法和随机选择法的优缺点合并使用此方法随机特征选择检查每个节点查找随机子集最优分解特征,并用打包算法从各种概率分布式数据集中持续提取样本随机森林对基于输入矢量的新项分类时,会计及矢量渗透到每一树的程度。森林中每棵树都依据输入矢量分类法投票,森林最终选择分类法,因为它从森林中其他树中得票最多。
贝叶斯定理是一种统计公式,使用贝叶斯方法时用于数据分类过程假设概率模型适用于数值数据和绝对数据与其他分类方法相比,这个方法非常省时通过整合数种不同的分类算法和标准操作程序及行业最佳做法以生成分类模型实现这一点常人认为每个人都有系统共享的所有特征这些常用分类方法不受数据特征挑战的困扰,如大尺寸复杂度和典型工具类型实时数据模型比传统模型更注重缺失值问题Nave贝叶斯分类器用于传感器网络对事件结果时间作精确预测27号..
4级结果分析
sRNA识别协议使用高通量技术和激光干涉表渐变Inspira资源使用特征通过比较CPU值、带宽值、随机存取存储器和盘用法阈值是通过查看过去因过度使用虚拟机(VMs)而导致任务失效历史来确定的万一使用参数值大于最大阈值,操作将被视为不成功免得成功之后,预测故障模型使用机器学习策略构建,最小可行RMSE、MAPE和完全精度错误行动路线已经决定
工作流Sim1.0应用测试优化并改进科学工作流应用故障模式CloudSim帮助实现这一点特例中静态调度器和动态调度器联结成链条开发科学工作流应用时使用XML模式,并使用工作流引擎分析这些工作流结果除此以外,集群和容错性也包括在内。由CloudSim和WorkFlor Sim帮助分析并记录科学界工作流应用
在当前调查中,数据提取法和预测结果算法都使用,两者都是使用Weka算法类型的例子性能指示数和预测任务故障数项不同程序记录
为了分析资源消耗度量,使用CPU使用值、带宽使用值、随机存取内存使用值和盘使用值阈值通过查看过去任务故障确定,这些故障可归结为过多VM使用如果参数值大于预设阈值,任务失效状态将发布免故障状态分配
输入数据集有九大属性:任务ID、VMID、数据中心ID、CPU使用、带宽使用、RAM使用、磁盘使用、任务大小和状态
在这次研究中,对数种不同算法性能的分析和比较基于三大标准:精度、敏感度、RMSE和特性性能显示图2-5. TP真实正数,TN真实负数,FP虚正数,FN虚负数
5级结论
今日使用的大部分容错技术首先强调,万一虚拟机失效,即生产克隆替换它,而不是提前预测故障本身数种当前使用技术优先迁移优于恢复 万一虚拟机失效这是因为资源约束和对服务器可用性的关切算法单目标实例包括容错性、迁移预测和单纯期望失败另外一个例子就是容错性研究中,我们的目标是确定从运行不良系统向运行不良系统过渡的最有效策略关键是要能够及时预测虚拟机失效问题,如浪费资源、能源和成本问题自云计算启动以来,虚拟计算机可靠性问题一直存在,虚拟计算机常被称为VMs作为容错系统的一个组成部分,先发制人措施是保证继续服务绝对需要的正因如此,必须努力提高和强调虚拟机主动故障预测关键动机是下降停机期并增强可缩放性使用技术安全地将预测失效资源从一台虚拟机转至另一机通过压缩策略,完成迁移所需时间减少,资源利用率提高文章提供人工智能,使云计算有效故障预测技术提高资源优化
数据可用性
数据可应请求从相关作者处获取
利益冲突
作者声明他们没有利益冲突