摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 论文背景以及研究意义 | 第11-13页 |
1.2 论文主要工作 | 第13-14页 |
1.3 论文总体结构 | 第14-16页 |
第二章 相关技术概述 | 第16-24页 |
2.1 时间序列的长期趋势归纳 | 第16-17页 |
2.1.1 趋势归纳的意义以及应用背景 | 第16-17页 |
2.1.2 趋势归纳的算法设计及相关技术 | 第17页 |
2.2 神经网络相关技术 | 第17-21页 |
2.2.1 BP神经网络的基本结构 | 第18-19页 |
2.2.2 BP神经网络的优缺点 | 第19-20页 |
2.2.3 长短期记忆网络基本结构 | 第20-21页 |
2.3 时间序列分析相关技术 | 第21-23页 |
2.3.1 时间序列平稳性检测 | 第21-22页 |
2.3.2 相对熵异常挖掘模型 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
第三章 应用运行态势预测与分析子系统的需求分析 | 第24-31页 |
3.1 APM系统整体概述 | 第24-25页 |
3.2 态势预测与分析子系统的应用场景分析 | 第25-26页 |
3.3 应用运行态势预测与分析子系统的需求分析 | 第26-29页 |
3.3.1 应用资源消耗趋势归纳的功能 | 第26-27页 |
3.3.2 应用资源消耗态势预测功能 | 第27页 |
3.3.3 预测结果分析功能 | 第27-29页 |
3.4 应用运行态势预测与分析子系统功能分解 | 第29-30页 |
3.5 本章小结 | 第30-31页 |
第四章 相关算法模型的设计 | 第31-40页 |
4.1 应用运行态势预测与分析子系统中数据分析模型设计 | 第31-32页 |
4.2 基于神经网络的时间序列预测算法 | 第32-37页 |
4.2.1 时间序列预测模块的神经网络功能结构设计 | 第33-35页 |
4.2.2 神经网络超参数选取 | 第35-36页 |
4.2.3 对比实验 | 第36-37页 |
4.3 系统异常变化检测算法 | 第37-39页 |
4.3.1 相对熵算法 | 第38页 |
4.3.2 实验结果 | 第38-39页 |
4.4 本章小结 | 第39-40页 |
第五章 应用运行态势预测与分析子系统的设计与实现 | 第40-82页 |
5.1 应用运行态势预测与分析子系统的功能结构 | 第40-50页 |
5.1.1 APM系统总体结构 | 第40-41页 |
5.1.2 应用运行态势预测与分析子系统模块说明 | 第41-50页 |
5.2 应用运行态势预测与分析子系统的关键流程 | 第50-55页 |
5.2.1 应用资源消耗态势归纳流程 | 第50页 |
5.2.2 应用资源消耗态势预测流程 | 第50-52页 |
5.2.3 预测结果分析流程 | 第52-55页 |
5.3 应用运行态势预测与分析子系统的内外接口 | 第55-59页 |
5.3.1 外部接口 | 第55-57页 |
5.3.2 内部接口 | 第57-59页 |
5.4 数据结构定义 | 第59-62页 |
5.4.1 时间序列的数据结构设计 | 第59-60页 |
5.4.2 应用运行态势预测模型数据结构设计 | 第60-61页 |
5.4.3 应用资源消耗态势异常变化 | 第61-62页 |
5.5 系统类图设计 | 第62-81页 |
5.5.1 总体类图 | 第62-63页 |
5.5.2 应用资源消耗态势归纳模块 | 第63-69页 |
5.5.3 应用运行态势预测模块 | 第69-74页 |
5.5.4 预测结果分析模块 | 第74-81页 |
5.6 本章小结 | 第81-82页 |
第六章 应用运行态势与分析子系统的测试 | 第82-92页 |
6.1 测试环境 | 第82-83页 |
6.1.1 系统部署环境 | 第82页 |
6.1.2 硬件环境 | 第82-83页 |
6.1.3 软件环境 | 第83页 |
6.2 系统功能测试 | 第83-91页 |
6.2.1 测试用例总表 | 第83-84页 |
6.2.2 应用运行态势归纳模块测试用例 | 第84-86页 |
6.2.3 应用运行态势预测模块测试用例 | 第86-87页 |
6.2.4 预测结果分析模块测试用例 | 第87-91页 |
6.3 本章小结 | 第91-92页 |
第七章 结束语 | 第92-94页 |
7.1 论文工作总结 | 第92-93页 |
7.2 未来工作展望 | 第93-94页 |
参考文献 | 第94-96页 |
致谢 | 第96-97页 |
攻读学位期间取得的研究成果 | 第97页 |