基于PCA降维的云资源状态监控数据压缩技术

被引：5

作者：

洪斌 ^{[1
]}

邓波 ^{[1
]}

彭甫阳 ^{[1
]}

包阳 ^{[2
]}

冯学伟 ^{[3
]}

机构：

[1] 北京市系统工程研究所

[2] 清华大学计算机科学与技术系

[3] 信息系统安全技术国家重点实验室

来源：

计算机科学 | 2016年 / 43卷 / 08期

基金：

国家高技术研究发展计划(863计划);

关键词：

云计算; 状态监控; 数据降维; 大数据; 主成分分析;

D O I：

暂无

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

云计算资源状态监控作为保障云服务质量和可靠性的重要自动化手段,必须从海量的监控数据中分析出各类云资源的真实状态信息。为了减少资源监控任务自身对云计算资源的消耗,提出一种基于PCA(Principal Components Analysis)降维的监控数据的降维和筛选技术。监控数据转换利用PCA降维,将原始监控数据映射至若干主成分方向上,实现数据压缩。而监控数据筛选则着眼于在保留原始数据的前提下,筛选出关键监控指标以有效表征资源状态。基于VICCI云服务实验平台的实验结果证明,所提出的方法能够从多种监控数据中快速筛选出表征资源状态的核心数据,在保证状态监控效果的前提下,有效减少了监控任务所需处理的数据量。

引用

页码：19 / 25

页数：7

共 7 条

[1] 云计算环境下支持复杂查询的多维数据索引机制 [J].

朱夏 ;

罗军舟 ;

宋爱波 ;

东方 .

计算机研究与发展, 2013, 50 (08) :1592-1603

[2] 云计算环境下面向数据密集型应用的数据布局策略与方法 [J].

郑湃 ;

崔立真 ;

王海洋 ;

徐猛 .

计算机学报, 2010, 33 (08) :1472-1480

[3]

Cloud monitoring: A survey[J] . Giuseppe Aceto,Alessio Botta,Walter de Donato,Antonio Pescapè.Computer Networks . 2013 (9)

[4] Feature extraction for novelty detection as applied to fault detection in machinery [J].

McBain, Jordan ;

Timusk, Markus .

PATTERN RECOGNITION LETTERS, 2011, 32 (07) :1054-1061

[5] A Survey of Online Failure Prediction Methods [J].

Salfner, Felix ;

Lenk, Maren ;

Malek, Miroslaw .

ACM COMPUTING SURVEYS, 2010, 42 (03)

[6]

Anomaly detection[J] . Varun Chandola,Arindam Banerjee,Vipin Kumar.ACM Computing Surveys (CSUR) . 2009 (3)

[7]

Principal component analysis in linear systems: controllability, observability and model reduction .2 Moore BC. IEEE Transactions on Automatic Control . 1981

← 1 →