[發(fā)明專利]一種虛擬機異常檢測方法、裝置、設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201710627200.3
• 申請日: 2017-07-28
• 公開（公告）號: CN109308225A
• 公開（公告）日: 2019-02-05
• 發(fā)明（設計）人: 陳力
• 申請（專利權）人: 上海中興軟件有限責任公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06F9/455;G06K9/62
• 代理公司: 北京元本知識產(chǎn)權代理事務所 11308
• 代理人: 秦力軍

本發(fā)明公開了一種虛擬機異常檢測方法、裝置、設備及存儲介質(zhì)，涉及信息及通訊技術領域，所述方法包括：獲取虛擬機的非高斯性的殘差數(shù)據(jù)；對所述非高斯性的殘差數(shù)據(jù)進行獨立元分析，確定所述虛擬機發(fā)生異常行為的時間點。本發(fā)明實施例采用基于殘差數(shù)據(jù)的獨立元異常檢測，得到的檢測結果更加準確、有效。

技術領域

本發(fā)明涉及信息及通訊技術(Information and Communication Technologies，ICT)的計算機性能指標監(jiān)控及異常檢測領域，特別涉及一種虛擬機異常檢測方法、裝置、設備及存儲介質(zhì)。

背景技術

云計算通過虛擬化等技術將現(xiàn)有的硬件資源進行整合，形成共享的資源池，使業(yè)務系統(tǒng)能夠按需獲取計算、存儲以及網(wǎng)絡資源，有效地解決了傳統(tǒng)IT基礎架構存在的問題。虛擬機是云平臺的核心部件，負責為業(yè)務系統(tǒng)提供計算和存儲資源，從而保證業(yè)務系統(tǒng)的正常運行。然而，隨著業(yè)務系統(tǒng)種類和數(shù)量的不斷增多，云平臺的規(guī)模不斷擴大，云平臺變得日益復雜，使得虛擬機在運行過程中很容易出現(xiàn)異常。虛擬機異常的存在不僅會導致業(yè)務系統(tǒng)無法正常運行，造成各種難以估量的損失；而且會引發(fā)企業(yè)對云計算的擔憂，阻礙云計算的發(fā)展和應用。因此，需要引入虛擬機異常檢測技術，及時發(fā)現(xiàn)虛擬機的異常行為，以提醒管理員采取必要措施，來保證虛擬機的正常運行。

由于虛擬機往往包含多個系統(tǒng)資源監(jiān)控指標，因此可采用近年來業(yè)界廣泛研究的多變量統(tǒng)計分析來應用于過程監(jiān)控和故障診斷。傳統(tǒng)的多變量統(tǒng)計監(jiān)控方法多采用主元分析(Principle Component Analysis，PCA)，它將數(shù)據(jù)空間分解為主元子空間和殘差子空間，每一組測量數(shù)據(jù)都可以投影到這兩個子空間內(nèi)，同時在兩個空間中分別引入HotellingT²(衡量包含在主元模型中的信息量的大小)和平方預測誤差SPE(Squared PredictionError，衡量不能被主元模型所描述的信息量的大小)這兩個統(tǒng)計量來監(jiān)測故障的發(fā)生。一般認為T²體現(xiàn)的是系統(tǒng)性變化，SPE體現(xiàn)的是非系統(tǒng)性變化，也就是說，基于殘差空間的SPE更能反映異常特征。PCA的問題在于，它是基于信號二階統(tǒng)計特性的分析方法，一般需要假設過程變量服從高斯分布。采用PCA算法的異常告警檢測系統(tǒng)如圖1所示，PCA算法服務接收時間序列源數(shù)據(jù)(即時間序列數(shù)據(jù))，經(jīng)過處理后輸出檢測的異常時間點，同時作為告警服務的輸入，從而產(chǎn)生異常告警。

另一種使用較多的方法是獨立元分析方法(Independent Component Analysis，ICA)，與PCA不同，它是一種基于信號高階統(tǒng)計特性的分析方法，其目的是將觀察得到的數(shù)據(jù)進行某種線性分解，利用源信號的獨立性和非高斯性，使其分解成統(tǒng)計獨立的成分。將ICA應用于異常檢測時，與PCA一樣，對應引入I²(衡量包含在獨立元模型中的信息量的大小)和平方預測誤差SPE(Squared Prediction Error，衡量不能被獨立元模型所描述的信息量的大小)這兩個統(tǒng)計量來監(jiān)測故障的發(fā)生。ICA的問題在于，它的假設前提是獨立成分需要具有非高斯分布，否則將無法確定混合矩陣。采用ICA算法的異常告警檢測系統(tǒng)如圖2所示，ICA算法服務接收時間序列源數(shù)據(jù)，經(jīng)過處理后輸出檢測的異常時間點，同時作為告警服務的輸入，從而產(chǎn)生異常告警。

由于虛擬機上承載的業(yè)務類型和應用行為多種多樣，實際系統(tǒng)觀測到的數(shù)據(jù)分布往往并不理想，兼具有高斯和非高斯分布的特點，因此僅采用傳統(tǒng)的PCA或ICA方法，就可能會造成故障的誤報和漏報。從已公開的一些專利和文獻來看，有學者嘗試將ICA算法用于高斯和非高斯信號的劃分，但實際并沒有克服ICA算法的假設前提，且對于高斯和非高斯信號的劃分缺乏比較好的指導原則；還有學者考慮時間序列的相關性，將數(shù)據(jù)按滑窗劃分為一個個局部片段數(shù)據(jù)，這樣雖然窗口內(nèi)的數(shù)據(jù)可能不會形成復雜的分布，但由于樣本個數(shù)會大大減少，實際并不適合實施PCA、ICA等統(tǒng)計學算法。

發(fā)明內(nèi)容

本發(fā)明實施例提供的一種虛擬機異常檢測方法、裝置、設備及存儲介質(zhì)，解決現(xiàn)有技術無法準確檢測虛擬機發(fā)生異常行為的時間點的問題。