基于数据分析的资源池故障诊断研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外发展情况 | 第12-14页 |
| 1.4 主要内容与章节安排 | 第14-15页 |
| 第二章 相关技术概述 | 第15-24页 |
| 2.1 云计算资源池 | 第15-17页 |
| 2.2 SDN技术分析 | 第17-19页 |
| 2.2.1 OpenFlow协议 | 第17-18页 |
| 2.2.2 Ryu控制器 | 第18-19页 |
| 2.3 云平台故障分析技术 | 第19-22页 |
| 2.3.1 故障分析技术概述 | 第19-20页 |
| 2.3.2 异常类型 | 第20-21页 |
| 2.3.3 故障分析方法 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 资源池节点数据采集方法研究 | 第24-33页 |
| 3.1 采集方法 | 第24-30页 |
| 3.1.1 计算与存储资源采集 | 第25-26页 |
| 3.1.2 流量信息采集算法 | 第26-30页 |
| 3.2 数据存储与数据类型 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于运行环境划分的单节点故障诊断模型 | 第33-52页 |
| 4.1 模型基本策略与参数定义 | 第33-35页 |
| 4.2 基于改进的AP聚类的环境划分 | 第35-41页 |
| 4.2.1 AP聚类算法分析 | 第35-36页 |
| 4.2.2 改进的AP聚类算法设计 | 第36-39页 |
| 4.2.3 利用FIHMAP进行节点环境划分 | 第39-41页 |
| 4.3 基于改进的一类支持向量机的故障诊断 | 第41-45页 |
| 4.3.1 一类支持向量机算法分析 | 第41-42页 |
| 4.3.2 改进的一类支持向量机算法设计 | 第42-44页 |
| 4.3.3 利用聚合的一类支持向量机进行故障诊断 | 第44-45页 |
| 4.4 实验分析 | 第45-51页 |
| 4.4.1 测试环境与测试方法 | 第45-46页 |
| 4.4.2 实验数据与故障注入 | 第46-47页 |
| 4.4.3 测试结果分析 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于Eclat算法的关联故障模型 | 第52-64页 |
| 5.1 Eclat基本原理分析及模型定义 | 第52-53页 |
| 5.2 改进的Eclat算法设计 | 第53-58页 |
| 5.2.1 非频繁二项集 | 第53-54页 |
| 5.2.2 双ID结构体 | 第54-55页 |
| 5.2.3 模式挖掘 | 第55-58页 |
| 5.3 基于i-eclat算法的关联故障诊断 | 第58-60页 |
| 5.4 实验分析 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 资源池故障诊断系统设计与实现 | 第64-79页 |
| 6.1 系统开发与部署环境 | 第64-65页 |
| 6.2 系统总体设计 | 第65-70页 |
| 6.2.1 系统架构设计 | 第65-66页 |
| 6.2.2 系统数据库设计 | 第66-68页 |
| 6.2.3 系统功能模块设计 | 第68-70页 |
| 6.3 系统实现 | 第70-77页 |
| 6.3.1 主要数据分析算法实现 | 第71-74页 |
| 6.3.2 可视化子系统实现 | 第74-77页 |
| 6.4 系统性能分析 | 第77-78页 |
| 6.5 本章小结 | 第78-79页 |
| 第七章 总结与展望 | 第79-81页 |
| 7.1 本文总结 | 第79-80页 |
| 7.2 展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间取得的成果 | 第86页 |
