[发明专利]多级云计算体系自适应故障诊断算法

说明书

本发明公开了一种多级云计算体系自适应故障诊断算法，其步骤包括：与上个监测周期内监测数据进行比较，采取信息熵的思想进行数据预判断；将信息熵较大点定义为可疑节点，并利用邻居协作的方式对可疑节点进一步确认；针对已确定的故障点，进行决策树训练得到具体故障类型。本发明可以有效判断故障节点并作出相应的故障类型判断，并提高故障诊断的及时性。

技术领域

本发明涉及故障诊断算法领域，尤其涉及一种多级云计算体系自适应故障诊断算法。

背景技术

云服务依靠服务器集群的整体工作，可以将服务器模型抽象为二元组(I，S)。如图2所示，I是指所有服务器节点共享的具有带宽的内部通信网络，负责节点之间的信息交换；S＝{S_i}，S_i表示编号为i的服务器节点，其中i＝1，2，3，4…， N。每个节点都驻留一个内部通信系统C_i，专门负责本服务器节点与其它服务器节点之间的消息传递。若节点S_i出现故障，表明S_i不能正常工作，即C_i将不能正常发送信息到S_i，同时C_i不能从S_i获取信息。因此如何在监控周期内精准识别故障发生的原因，诊断其所在服务器的位置，成为目前所需要解决的难点与问题。

发明内容

本发明针对上述问题，提供一种能够快速诊断故障类型的多级云计算体系算法。

为了达到上述目的，本发明提供了一种多级云计算体系自适应故障诊断算法，具体步骤包括：

S1：获取本监测周期与上一监测周期的监测数据，并计算所述两种监测数据的服务器节点信息熵，所述信息熵的计算公式为：

其中，p(x_i)＝|x_i|/|U|，i＝1，...，m，其为x_i发生的概率，x_i为服务器节点的检测数据；m为服务器节点总数，U为信息系统的非空有限集，A为信息系统的有限属性集；

S2：将所述服务器节点中信息熵较大的节点定义为可疑节点；

S3：采用邻居协作的方式对所述可疑节点进一步确定为故障节点；

S4：针对所述已确定的故障节点，首先对所述故障节点进行数据预处理，去除所述故障节点中不需要以及重复的数据；

S5：其次，设置所述故障节点的数据为训练样本(x_i，y_i)，i＝1，...，l，将所述训练样本映射至高维特征空间，建立线性模型：

f(x，k)＝kO(x)+b

其中，故障类型y_i为数据x_i的函数；O(x)为训练样本映射至高维特征空间的非线性变换，k为系数项，b为常数项；

S6：最后，建立SVM优化模型，所述SVM优化模型可表示为：

s.t.y_i-f(x_i，w)≤ε+ζ_ii＝1，...，l

f(x_i，k)-y_i≤ε+ζ_i^*i＝1，...，l

ζ_i≥0，ζ_i^*≥0 i＝1，...，l