面向大規(guī)模數(shù)據(jù)中心網(wǎng)絡(luò)故障管理關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf

1、數(shù)據(jù)中心是Internet的重要基礎(chǔ)設(shè)施，它為用戶提供數(shù)據(jù)存儲(chǔ)、計(jì)算和傳輸?shù)群诵姆?wù)支撐。隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展，特別是大數(shù)據(jù)時(shí)代的到來，數(shù)據(jù)中心在Web服務(wù)、搜索引擎、電子商務(wù)、社交網(wǎng)絡(luò)、網(wǎng)絡(luò)游戲及大規(guī)模集群計(jì)算等領(lǐng)域中的關(guān)鍵作用日益顯現(xiàn)。大規(guī)模數(shù)據(jù)中心網(wǎng)絡(luò)運(yùn)行的應(yīng)用通常對(duì)網(wǎng)絡(luò)性能要求嚴(yán)格，需要管理者能更加實(shí)時(shí)、精確的掌握全網(wǎng)態(tài)勢(shì)和端到端的通信性能，在網(wǎng)絡(luò)性能下降之后能及時(shí)發(fā)現(xiàn)、定位故障和解決網(wǎng)絡(luò)擁塞。本文針對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)研究高效的網(wǎng)

2、絡(luò)故障診斷方法，提出了以下創(chuàng)新點(diǎn)：
　　1.數(shù)據(jù)中心網(wǎng)絡(luò)具有規(guī)模大、異構(gòu)性強(qiáng)、數(shù)據(jù)變化快和流量復(fù)雜等特點(diǎn)，采用現(xiàn)有的數(shù)據(jù)采集方法很難達(dá)到網(wǎng)絡(luò)管理的需求，提出了分布式數(shù)據(jù)采集節(jié)點(diǎn)部署方法，以較小的數(shù)據(jù)采集集合來獲取網(wǎng)絡(luò)中的數(shù)據(jù)信息，在此基礎(chǔ)上提出了并發(fā)自適應(yīng)分布式數(shù)據(jù)采集方法，采用自適應(yīng)采集策略和并發(fā)多線程機(jī)制，能根據(jù)數(shù)據(jù)中心網(wǎng)絡(luò)數(shù)據(jù)變化自適應(yīng)調(diào)整數(shù)據(jù)采集周期，并根據(jù)網(wǎng)絡(luò)規(guī)模調(diào)整并發(fā)采集粒度，極大提高了數(shù)據(jù)采集的效率。
　　2

3、.針對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)中事件告警存在數(shù)據(jù)量大、冗余信息多的問題，提出了基于冗余消減機(jī)制的告警相關(guān)性分析方法，對(duì)收集的告警事件數(shù)據(jù)進(jìn)行歸一化處理，判斷告警數(shù)據(jù)的拓?fù)湎嚓P(guān)性，根據(jù)拓?fù)湎嚓P(guān)性分為不同的拓?fù)浣M，對(duì)每個(gè)拓?fù)浣M進(jìn)行時(shí)間相關(guān)性和告警相關(guān)度的計(jì)算，最終確定故障的根源告警。
　　3.面對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)中眾多的相關(guān)信息，如何進(jìn)行故障診斷獲得引起網(wǎng)絡(luò)異常的最有可能的故障集合是一個(gè)富有挑戰(zhàn)性的問題，論文提出了基于自學(xué)習(xí)機(jī)制貝葉斯的故障分類方法，

4、對(duì)貝葉斯分類器進(jìn)行訓(xùn)練，利用分類器來對(duì)網(wǎng)絡(luò)故障進(jìn)行分類，在分類過程中產(chǎn)生錯(cuò)誤的故障，采用自學(xué)習(xí)機(jī)制根據(jù)故障屬性建立新的故障類型加入到故障類型庫中，不斷完善分類器，提高了故障分類的精度。
　　4.設(shè)計(jì)并實(shí)現(xiàn)了面向數(shù)據(jù)中心網(wǎng)絡(luò)的故障管理原型系統(tǒng)，該系統(tǒng)基于Spring的管理框架，采用分層的體系架構(gòu)，從上至下包括可視化層、決策層、網(wǎng)絡(luò)感知和資源層，對(duì)網(wǎng)絡(luò)中的大量數(shù)據(jù)采用上述算法進(jìn)行分析和故障診斷，提供實(shí)時(shí)準(zhǔn)確的全網(wǎng)故障和性能視圖，并通過