云計算作為當前互聯(lián)網(wǎng)技術(shù)的集大成者,在分布式計算、數(shù)據(jù)存儲等多個領(lǐng)域均有極大的優(yōu)勢。但是隨著云計算的普及,云中服務(wù)器的資源利用低的問題逐漸凸顯出來,為此部分云服務(wù)提供商采用了資源超額預定策略,該策略可以提高對云中服務(wù)器資源的利用。但由此可能引發(fā)虛擬機異常,這種異常是由同一虛擬資源池中的虛擬機對某種資源的使用峰值處于同一時間段造成的,表現(xiàn)為同一虛擬資源池中的虛擬機發(fā)生了資源搶占。由于這種異常情況與入侵異常、故障異常有所不同,所以需要依據(jù)該類異常的成因,設(shè)計相應(yīng)的檢測方法以及對異常虛擬機的恢復策略,主要研究內(nèi)容如下:（1）提出了一種適應(yīng)于云的改進的C-t-SNE（t-SNE Based on Classification selection,C-t-SNE）降維算法。該算法構(gòu)建原始空間與之對應(yīng)的投影空間,依據(jù)云虛擬機與所執(zhí)行任務(wù)之間的關(guān)系,針對每臺云虛擬機抽取對比數(shù)據(jù)集,減少降維過程中數(shù)據(jù)間的對比次數(shù),以實現(xiàn)對云虛擬機數(shù)據(jù)快速降維,同時保留虛擬機之間的關(guān)聯(lián)。（2）提出了一種基于密度空間的局部離群因子（Local Outlier Factor Based on Density Space,L... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要內(nèi)容
    1.4 本文組織結(jié)構(gòu)
2 相關(guān)技術(shù)
    2.1 資源超額預定策略
    2.2 降維算法
    2.3 局部離群點檢測算法
    2.4 花朵授粉算法
    2.5 本章小結(jié)
3 云虛擬機異常檢測的降維方法
    3.1 C-t-SNE思想概述
    3.2 相關(guān)定義
    3.3 云虛擬機之間的相似性
    3.4 基于分類選取優(yōu)化的t-SNE
    3.5 C-t-SNE偽代碼
    3.6 實驗結(jié)果與分析
    3.7 本章小結(jié)
4 云虛擬機異常檢測場景下改進的LOF算法
    4.1 LOFBDS算法
    4.2 LOFBDS算法偽代碼
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
5 異常虛擬機遷移目標選取策略
    5.1 相關(guān)定義
    5.2 三權(quán)重的花朵授粉算法
    5.3 實驗結(jié)果與分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
作者簡歷
學位論文數(shù)據(jù)集



本文編號：3180589