首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--微型计算机论文--各种微型计算机论文--服务器、工作站论文

云计算平台中心服务器系统异常检测技术研究及系统实现

中文摘要第3-4页
英文摘要第4-9页
1 绪论第9-15页
    1.1 课题背景第9页
    1.2 国内外研究现状第9-12页
        1.2.1 基于统计性模型的异常检测研究现状第10页
        1.2.2 基于机器学习模型的异常检测研究现状第10-11页
        1.2.3 异常检测的优化研究第11页
        1.2.4 异常监测平台现状第11-12页
    1.3 课题来源与意义第12-13页
    1.4 本文相关工作第13-14页
    1.5 本文组织结构第14-15页
2 相关技术和方法概述第15-21页
    2.1 引言第15页
    2.2 控制反转容器框架Spring第15页
    2.3 微服务开发框架SpringCloud第15-16页
    2.4 非阻塞的网络编程框架Netty第16-18页
    2.5 浏览器与服务器全双工通信协议WebSocket第18页
    2.6 分布式发布订阅消息系统Kafka第18-19页
    2.7 列式存储数据库HBase第19页
    2.8 开源可视化库Echarts和商用版可视化库Highcharts第19页
    2.9 本章小结第19-21页
3 云平台中心服务器系统异常检测的需求分析第21-26页
    3.1 软件需求分析第21-22页
    3.2 服务器状态查看第22-23页
    3.3 异常识别第23-24页
        3.3.1 基于用户设定的异常识别第23页
        3.3.2 基于历史数据的识别第23-24页
    3.4 异常溯源第24页
    3.5 异常状态通知第24页
    3.6 非功能性需求第24页
    3.7 本章小结第24-26页
4 云平台中心服务器系统异常检测的详细设计第26-43页
    4.1 软件总体架构第26-28页
    4.2 数据采集模块第28-32页
    4.3 数据传输模块第32-36页
        4.3.1 数据接收第32-34页
        4.3.2 数据分发第34-36页
    4.4 数据存储模块第36-37页
    4.5 异常分析模块第37-41页
        4.5.1 基于用户设定阈值的异常判断第38页
        4.5.2 基于监督学习的异常检测第38-39页
        4.5.3 基于非监督学习的异常检测第39-40页
        4.5.4 基于滑动窗口的优化第40页
        4.5.5 服务器异常状态通知第40-41页
    4.6 异常溯源模块第41-42页
    4.7 数据展示模块第42页
    4.8 本章小结第42-43页
5 云平台中心服务器系统异常检测的系统实现第43-59页
    5.1 搭建开发框架第43页
    5.2 关键功能实现第43-54页
        5.2.1 服务器状态获取第43-45页
        5.2.2 非阻塞的长链接传输第45-47页
        5.2.3 列式数据库HBase的存储与读取第47-49页
        5.2.4 基于消息中间件的消息分发第49-50页
        5.2.5 基于WebSocket的实时数据展示第50-52页
        5.2.6 邮件通知第52-54页
    5.3 系统集成测试第54-58页
    5.4 本章小结第58-59页
6 云平台中心服务器系统异常检测的环境搭建与测试第59-75页
    6.1 搭建测试环境第59-61页
        6.1.1 软件的组件介绍第59-60页
        6.1.2 软件的部署结构第60-61页
    6.2 异常发现测试第61-74页
        6.2.1 基于用户配置的阈值测试异常判断第61-63页
        6.2.2 基于监督学习的异常判断测试第63-67页
        6.2.3 基于非监督学习的异常判断测试第67-70页
        6.2.4 基于滑动窗口的优化第70-74页
    6.3 本章小结第74-75页
7 总结与展望第75-77页
    7.1 本文工作总结第75-76页
    7.2 展望第76-77页
致谢第77-79页
参考文献第79-83页
附录:作者在攻读硕士学位期间参与科研项目第83页

论文共83页,点击 下载论文
上一篇:云计算系统虚拟机调度中放置技术研究
下一篇:基于限制性选择与程序信息的变概率自适应随机测试方法