[发明专利]一种基于数据挖掘的云服务性能预警事件生成方法

权利要求书

1.一种基于数据挖掘的云服务性能预警事件生成方法，包括如下步骤：

步骤1：监测物理机群数据、虚拟机数据、服务组件数据；

步骤2：针对实时监测的数据利用触发事件库进行触发判断：若当前数据触发约束事件，则执行步骤4，否则执行步骤3；

所述触发事件库中包括约束事件和预警事件：根据SLA生成约束事件；根据历史运营日志数据库生成预警事件；

步骤3：判断当前数据是否触发预警事件：是，则执行步骤4，否则返回步骤1；

步骤4：根据自适应方法库进行云服务性能自优化动作类型选择；

根据历史自优化轨迹数据库建立自适应方法库，自适应方法库中包括资源调整方案决策方法、服务迁移方案决策方法和虚拟机副本增删方案决策方法；

步骤5：反馈学习，更新触发事件库，返回步骤1；

其特征在于，所述触发事件库的建立过程如下：

步骤2-1：根据历史运营日志、历史自优化轨迹建立历史运营日志数据库、历史自优化轨迹数据库；

历史运营日志信息包括某时间段某服务组件所占内存大小、负载大小、吞吐量；

历史自优化轨迹是：服务组件的性能下降、自优化方案及其执行效果的历史信息；

步骤2-2：根据历史运营日志数据库和SLA约束生成触发事件库；

步骤2-2-1：根据SLA生成约束事件；

步骤2-2-2：根据历史运营日志数据库生成预警事件；

步骤2-2-3：根据约束事件和预警事件生成触发事件库；

预警事件生成：结合当前组件服务环境的资源量、部署环境及所需的预警事件的预警阈值Vlim，生成该环境下该组件的预警事件，并存入触发事件数据库De中。

2.根据权利要求1所述的一种基于数据挖掘的云服务性能预警事件生成方法，其特征在于，所述步骤1包括以下步骤：

步骤1-1：实时采集物理机群数据、虚拟机数据、服务组件数据；

物理机群数据、虚拟机数据均包括CPU核数、内存大小、带宽、服务组件数据、可用磁盘大小；

服务组件数据包括CPU占用率、内存占用率、并发量、响应时间、I/O设备调用频率；

步骤1-2：预处理：对筛选出的数据中的错误信息、非法信息、冗余信息和噪点信息进行清洗。

3.根据权利要求1所述的一种基于数据挖掘的云服务性能预警事件生成方法，其特征在于，所述步骤2-2-2根据历史运营日志数据库生成预警事件，按以下步骤进行：

步骤2-2-2-1：预警事件数据定位与采集：

触发约束事件的某时间点Ts的采集数据超过设定阈值且距离前次自优化结束的时间点Te时间间隔ti大于N个监测周期，则时间点Ts为预警事件触发节点；

采集的数据包括物理机群数据、虚拟机数据、服务组件数据；

物理机群数据、虚拟机数据均包括CPU核数、内存大小、带宽、服务组件数据、可用磁盘大小；

服务组件数据包括CPU占用率、内存占用率、并发量、响应时间、I/O设备调用频率；

步骤2-2-2-2：预警事件数据整合：将Ts至Te之间的M个监测周期内采集的数据分别按组件ID分组，随后再将各分组不同监测周期内的数据按资源类型分组，并删去非特征属性的干扰数据；

所述特征属性数据包括内存占用率、内存使用率和组件调用率；

所述删去非特征属性的干扰数据：计算在Ts之后的特征属性值得均值Vn，将各时间段内与均值Vn偏差大于n％的数据作为噪点数据去除；

步骤2-2-2-3：预警事件特征属性阈值提取：

步骤2-2-2-3-1：去除干扰数据后剩余有效数据的均值记为Va，并取Va的r％作为特征属性阈值指标，并标记为As，r为特征属性阈值系数，As＝Va*r％；

步骤2-2-2-3-2：计算在Ts之前的若干个大于As且小于Va的最高峰值，计算均值，取该均值的q％作为该组件在此环境下的该资源的最高阈值，记作Vlim，q为阈值系数。