面向服务起源的分布式服务的异常检测模型

扫码查看

原文链接

NETL

中文摘要：以谷歌、亚马逊为代表的互联网服务提供商将大量的服务部署在云平台上，通过分布式满足海量用户服务的并发访问请求。为了实现高可靠的服务质量，分布式服务的异常检测是一个急需解决的问题。并且，这种分布式的部署方式给服务的异常检测带来了困难。首先，服务的动态组合形成了复杂的引用关系，这种不确定性导致服务异常检测变得困难。其次，服务的高频调用，产生了海量的数据，这给服务异常的实时性发现带来了挑战。针对上述问题，本文借鉴生物免疫流程，提出了一套面向服务起源的分布式服务的异常检测模型。该模型以服务起源日志作为研究基础，服务起源日志描述了服务的动态组合关系，以及服务的调用信息和执行路径，模型共分为两层，第一层叫做响应层，主要是依据“危险源于变化”的思想，利用微分来描述海量服务的行为数据，捕获危险信号，发现异常源;第二层叫做免疫层，以捕获的异常源作为研究点，通过计算它与其他服务间的起源调用关系，可以将单个服务的异常扩展到某个区域，称之为危险区域。该区域不是一成不变的，而是随着时间、空间等维度进行不断演化的，例如在服务网络中，热点服务也是随着用户行为演化的，因此，根据危险理论的思想以及服务起源关系，通过不同的计算方法研究危险区域的演化模式。最后通过实验表明了模型的可行性，并且支持追踪产生异常服务的原因。

作者：

李锦民

展开 >

关键词：

分布式服务异常检测服务起源用户行为危险理论

授予学位：

硕士

学科专业：

软件工程

导师：

李涛

学位年度：

2017

学位授予单位：

武汉科技大学

语种：

中文

中图分类号：