[发明专利]一种非侵入式的服务依赖关系发现方法

摘要

本发明公开了一种非侵入式的服务依赖关系发现方法，设计一种分步计算方法，为了照顾特殊节点，同时设计了一个综合考虑资源使用情况相似度和TCP/UDP连接数相似度的方法来度量服务之间的距离，服务聚类更准确：通过对比基于资源使用情况和TCP/UDP连接数的层次聚类算法聚类结果，获取有效描述每个服务类的代表中心点，然后通过将剩余服务向中心点靠拢的方式来完成聚类，聚类结果较单纯的层次聚类算法更准确，聚类算法复杂度更低：相对于传统KMeans不断迭代所有服务来寻找最优的中心组，本方法通过重叠类过滤的方式，降低了中心服务寻找的复杂度。

主权项

1.一种非侵入式的服务依赖关系发现方法，其特征在于，包括如下步骤：11）计算基于资源使用情况的距离矩阵和基于TCP/UDP连接数的距离矩阵，并基于两个矩阵分别进行层次聚类，获得两个一轮聚类结果；所述资源使用情况的距离矩阵为一种服务之间距离的表示方法，通过计算服务的多维资源使用情况的皮尔森相似度的平均值来度量服务之间的相似度，然后取相似度的负值，即可获得资源使用情况距离矩阵；所述TCP/UDP连接数距离矩阵为一种服务之间的距离的表示方法，通过计算服务上的TCP和UDP的连接数之和的皮尔森相似度，然后取相似度的负值，即可获得TCP/UDP连接数距离矩阵；所述层次聚类方法为一种聚类方法，通过计算所有待聚类的点之间的互相距离，将距离最近的点归为一类；12）对于两个一轮聚类结果，通过计算类间距离分别重新构建距离矩阵，把聚类的类个数压缩，分别选择具有最大Silhouette值的聚类结果作为二轮聚类结果；13）对比两个二轮聚类结果，选出具有交集个数超过2的类叠加形成新的类，在形成的新类中计算每个点与其他所有点的距离之和，距离矩阵采用复合距离矩阵，并选取具有最小距离之和的点加入初始类中心点集；14）遍历2到初始中心点集内点的个数减l的所有类数，在每一个类数下，选择互相距离之和最大的类数个点作为初始类中心，然后采用KMeans方法将服务聚类到离其最近的中心所在类中，取具有最大的Silhouette值的聚类个数和聚类结果作为最终服务聚类结果；初始中心点为聚类过程中被选择成为类中心点的服务。