發(fā)布時間：2020-11-14 20:46

　　 自云計(jì)算的概念被正式提出以來,眾多學(xué)術(shù)界的學(xué)者和產(chǎn)業(yè)界的知名企業(yè)在云計(jì)算的研究和實(shí)踐方面投入大量資源,近些年在云計(jì)算領(lǐng)域出現(xiàn)了許多重要的研究成果。伴隨著研究和應(yīng)用的深入,也出現(xiàn)了新的問題和需求,近十年以來,云服務(wù)提供上都出現(xiàn)過不同的云計(jì)算平臺故障事件,即使是如Google、Amazon這種站在業(yè)界風(fēng)口浪尖的公司也無法避免云計(jì)算平臺故障的出現(xiàn)。云計(jì)算改變了傳統(tǒng)應(yīng)用和服務(wù)的部署方式,因此如果云計(jì)算平臺出現(xiàn)故障,將對眾多互聯(lián)網(wǎng)企業(yè)造成經(jīng)濟(jì)和名譽(yù)的嚴(yán)重?fù)p失。因?yàn)檫@樣的問題的存在,云計(jì)算平臺故障檢測和故障恢復(fù)技術(shù)的研究在近幾年迅速成為熱點(diǎn),相繼出現(xiàn)了眾多故障檢測與恢復(fù)的研究成果,但是對于如此眾多的云計(jì)算平臺故障檢測與恢復(fù)方法的測評卻幾乎沒有系統(tǒng)的研究,本文主要研究內(nèi)容聚焦云計(jì)算平臺故障檢測與恢復(fù)能力測評體系研究。本文對現(xiàn)今云計(jì)算平臺的特點(diǎn)進(jìn)行了分析,通過大量查閱資料總結(jié)了當(dāng)前故障注入、故障檢測以及故障恢復(fù)技術(shù)的發(fā)展現(xiàn)狀,結(jié)合常見的云計(jì)算平臺故障類型,設(shè)計(jì)了云計(jì)算平臺故障檢測與恢復(fù)能力測評體系,重點(diǎn)設(shè)計(jì)了測評指標(biāo)和評估模型。為了驗(yàn)證本文所設(shè)計(jì)的云計(jì)算平臺故障檢測與恢復(fù)能力測評體系,本文根據(jù)現(xiàn)有實(shí)驗(yàn)環(huán)境,選取openstack平臺搭建了實(shí)驗(yàn)測試環(huán)境,結(jié)合測評需求對測評工具進(jìn)行了詳細(xì)設(shè)計(jì),設(shè)計(jì)過程選取合適的指標(biāo)采集與存儲技術(shù),故障注入技術(shù)以及相應(yīng)報(bào)表生成技術(shù)。測試過程中,本文選取常見的計(jì)算服務(wù)故障、消息隊(duì)列服務(wù)故障、API服務(wù)故障、CPU故障作為典型故障進(jìn)行測試,以此驗(yàn)證測評體系。本文的研究重點(diǎn)是測評體系的指標(biāo)設(shè)計(jì)和評估模型的設(shè)計(jì)。在故障檢測指標(biāo)設(shè)計(jì)方面,本文將故障檢測時間作為主要指標(biāo)衡量故障檢測能力。在故障恢復(fù)指標(biāo)設(shè)計(jì)方面,本文將故障恢復(fù)手段分為高可用策略和虛擬機(jī)遷移策略,針對高可用策略,本文選取數(shù)據(jù)恢復(fù)時間和數(shù)據(jù)恢復(fù)程度作為主要測評指標(biāo);針對虛擬機(jī)遷移策略,本文選取總遷移時間和停機(jī)時間作為主要測評指標(biāo)。評估模型方面,本文主要采取對指標(biāo)數(shù)據(jù)進(jìn)行歸一化,將歸一化后的數(shù)據(jù)以雷達(dá)圖的形式展示出來。本文將故障檢測和故障恢復(fù)實(shí)驗(yàn)取得的指標(biāo)數(shù)據(jù)通過數(shù)據(jù)聚合的方式聚合成為本文的能力評估值來評估云計(jì)算平臺的故障檢測與恢復(fù)能力。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP393.06
【部分圖文】：

負(fù)載的作用主要模擬云計(jì)算平臺中運(yùn)行的常見應(yīng)用，例如：HTTP數(shù)據(jù)庫讀寫請求等，使測試環(huán)境更符合云計(jì)算平臺日常運(yùn)行下的環(huán)時，也可以模擬特定資源占用環(huán)境下的應(yīng)用場景； 性能指標(biāo)的選擇，受兩方面影響，分別是云計(jì)算平臺故障處理不同測評思路和選取的不同負(fù)載的特定。指標(biāo)是劃分不同的層次，底層指標(biāo)反應(yīng)了云計(jì)算平臺與負(fù)載的一些性能水平，如：虛擬機(jī)創(chuàng)建時此種指標(biāo)的特點(diǎn)在于能夠通過監(jiān)控工具或者某種方式進(jìn)行獲��； 測試流程，表示的是整個測試過程中每一步執(zhí)行的內(nèi)容。在測試流包含啟動虛擬機(jī)、啟動測試負(fù)載、采集指標(biāo)、生成測試報(bào)告、清理境等常見的步驟，測試流程用于指導(dǎo)工具的控制的實(shí)驗(yàn)流程； 評估模型，在指標(biāo)選擇中，說明指標(biāo)是分不同層次，而將不同層次組合，闡述底層指標(biāo)與高層指標(biāo)之間的計(jì)算關(guān)系，并最終以量化的量云計(jì)算平臺的能力的方式，稱之為評估模型。評估模型最終用于的性能指標(biāo)的計(jì)算與分析。3.1 所示，測評體系結(jié)構(gòu)圖，主要描述測評體系的組成部分。

西安電子科技大學(xué)碩士學(xué)位論文分，與云計(jì)算平臺故障檢測與恢復(fù)障檢測與恢復(fù)機(jī)制的測評體系。接介紹。析與設(shè)計(jì)模擬云用戶在生產(chǎn)環(huán)境中的使用情，使測試結(jié)果更具備參考價值。由延遲敏感型工作，例如：搜索引擎數(shù)據(jù)分析等。通過層次化分析方法將負(fù)載特征進(jìn)行分層分析，具體劃描述如下：

圖 3.3 數(shù)據(jù)庫熱度圖（來自于 DB-Engines）考慮 NoSql 數(shù)據(jù)庫使用普遍性，選擇使用率最高的 MongoDB。MongoDB 是一于分布式文件存儲的數(shù)據(jù)庫。由 C++ 語言編寫。旨在為 WEB 應(yīng)用提供可擴(kuò)展性能數(shù)據(jù)存儲解決方案。作為介于關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫之間的數(shù)據(jù)庫。MongoDB 通過集群部署的方式訪問，配置 Mongodb 數(shù)據(jù)庫集群。由于 Mongodb庫有多種搭建部署方式，第一種，單機(jī)部署方式，一臺機(jī)器運(yùn)行 Mongodb 數(shù)據(jù)庫，是最簡單的搭建方式；第二種，Mongodb Replica Set，采用一主一從或一主多從的方式，是保證了ngodb 的高可用性；第三種，Sharding 集群。主要包括三個角色：a) Shards：作為 Sharding 集群的存儲節(jié)點(diǎn)，Shards 保證了高可用性和數(shù)據(jù)一致性，在結(jié)構(gòu)上，每一個 shard 是一個“replica set”。b) Query routers：又稱 mongos 節(jié)點(diǎn)，作為 Sharding 集群的路由節(jié)點(diǎn)，mongos負(fù)責(zé)接收客戶端請求，根據(jù)相應(yīng)路由規(guī)則將接收到的 operations 轉(zhuǎn)發(fā)給合適
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳炳欽;;電子電路故障檢測技術(shù)探索[J];電子測試;2020年03期

2 任仁良;袁鵬;;航空鋰電池故障檢測與診斷[J];電源技術(shù);2018年12期

3 張京;;故障檢測技術(shù)在電子電路的研究[J];通訊世界;2017年03期

4 馮珊珊;;芻議數(shù)字電路在線故障檢測技術(shù)[J];信息通信;2015年12期

5 郭瞻;洪超;;在《汽車故障檢測與維修》中應(yīng)用思維導(dǎo)圖教學(xué)法的研究[J];科技風(fēng);2016年08期

6 李景林;;大數(shù)據(jù)環(huán)境下的網(wǎng)格動態(tài)故障檢測研究[J];計(jì)算機(jī)應(yīng)用與軟件;2016年06期

7 劉杰;;關(guān)于暖通空調(diào)系統(tǒng)故障檢測與診斷技術(shù)研究進(jìn)展[J];企業(yè)導(dǎo)報(bào);2016年19期

8 王毅敏;;基于高服務(wù)質(zhì)量的云網(wǎng)絡(luò)故障檢測方案分析[J];信息通信;2015年10期

9 黃曉桃;;電子電路故障檢測技術(shù)與方法[J];數(shù)碼世界;2017年08期

10 韓琦;魏東;曹勇;;暖通空調(diào)系統(tǒng)故障檢測與診斷技術(shù)研究進(jìn)展[J];暖通空調(diào);2014年03期

相關(guān)博士學(xué)位論文 前10條

1 李楠;基于局部特征強(qiáng)化的過程監(jiān)測方法研究[D];上海交通大學(xué);2016年

2 周萌;基于多目標(biāo)觀測器設(shè)計(jì)的故障檢測與分離[D];哈爾濱工業(yè)大學(xué);2018年

3 王艷芹;網(wǎng)絡(luò)環(huán)境下離散隨機(jī)系統(tǒng)故障檢測及應(yīng)用研究[D];東北石油大學(xué);2017年

4 王世林;基于多元統(tǒng)計(jì)分析的工業(yè)過程故障檢測研究[D];華北電力大學(xué)(北京);2018年

5 段超群;基于退化特征的隱狀態(tài)裝備故障檢測策略優(yōu)化及健康預(yù)測[D];華中科技大學(xué);2018年

6 韓克鎮(zhèn);基于LMI的魯棒濾波和記憶調(diào)度故障檢測優(yōu)化設(shè)計(jì)[D];東北大學(xué);2017年

7 惠永永;基于鄰域保持嵌入的復(fù)雜過程故障檢測研究[D];蘭州理工大學(xué);2019年

8 蔣立;基于自編碼器模型的非線性過程監(jiān)測[D];浙江大學(xué);2018年

9 潘怡君;基于魯棒主元分析方法的大型高爐故障檢測研究[D];浙江大學(xué);2018年

10 宋凱;基于PLS的統(tǒng)計(jì)質(zhì)量監(jiān)控研究與應(yīng)用[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 支寒曉;無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)軟故障檢測與處理技術(shù)研究[D];南京郵電大學(xué);2019年

2 張弘韜;基于PCA的制冷空調(diào)系統(tǒng)的故障檢測與診斷優(yōu)化方法研究[D];華中科技大學(xué);2019年

3 潘浩;輸電線路巡檢圖像故障檢測算法和軟件設(shè)計(jì)[D];華中科技大學(xué);2019年

4 李丁;無人機(jī)輸電線路巡檢中圖像處理技術(shù)的應(yīng)用研究[D];華中科技大學(xué);2019年

5 劉德軍;基于高階統(tǒng)計(jì)量的串聯(lián)電弧故障檢測研究[D];福州大學(xué);2017年

6 張芷瑜;基于多元統(tǒng)計(jì)分析的故障檢測在化工過程中的應(yīng)用[D];遼寧石油化工大學(xué);2019年

7 周程;飛行器組合導(dǎo)航系統(tǒng)故障檢測及濾波響應(yīng)量化研究[D];電子科技大學(xué);2019年

8 余紹斌;基于KECA-ELM的冷水機(jī)組故障檢測與診斷研究[D];杭州電子科技大學(xué);2019年

9 李銘璐;基于深度學(xué)習(xí)的風(fēng)機(jī)葉片覆冰故障檢測方法研究[D];華中科技大學(xué);2019年

10 劉曉舟;無線傳感器網(wǎng)絡(luò)故障檢測算法的研究[D];安徽理工大學(xué);2019年

本文編號：2883936