面向服務起源的分布式服務的異常檢測模型.pdf

1、以谷歌、亞馬遜為代表的互聯(lián)網(wǎng)服務提供商將大量的服務部署在云平臺上，通過分布式滿足海量用戶服務的并發(fā)訪問請求。為了實現(xiàn)高可靠的服務質(zhì)量，分布式服務的異常檢測是一個急需解決的問題。并且，這種分布式的部署方式給服務的異常檢測帶來了困難。首先，服務的動態(tài)組合形成了復雜的引用關系，這種不確定性導致服務異常檢測變得困難。其次，服務的高頻調(diào)用，產(chǎn)生了海量的數(shù)據(jù)，這給服務異常的實時性發(fā)現(xiàn)帶來了挑戰(zhàn)。
　　針對上述問題，本文借鑒生物免疫流程，提出了

2、一套面向服務起源的分布式服務的異常檢測模型。該模型以服務起源日志作為研究基礎，服務起源日志描述了服務的動態(tài)組合關系，以及服務的調(diào)用信息和執(zhí)行路徑，模型共分為兩層，第一層叫做響應層，主要是依據(jù)“危險源于變化”的思想，利用微分來描述海量服務的行為數(shù)據(jù)，捕獲危險信號，發(fā)現(xiàn)異常源;第二層叫做免疫層，以捕獲的異常源作為研究點，通過計算它與其他服務間的起源調(diào)用關系，可以將單個服務的異常擴展到某個區(qū)域，稱之為危險區(qū)域。該區(qū)域不是一成不變的，而是隨著時