王開放，姜 瑛，陳威偉

（1.云南省計算機(jī)技術(shù)應(yīng)用重點實驗室，云南 昆明 650500；2.昆明理工大學(xué)信息工程與自動化學(xué)院，云南 昆明 650500）

0 引 言

隨著計算機(jī)技術(shù)的發(fā)展，基于虛擬化技術(shù)的大型分布式云計算系統(tǒng)開始廣泛地部署和應(yīng)用。云計算作為當(dāng)今互聯(lián)網(wǎng)的主要計算方式，將軟硬件資源以共享的方式提供給相應(yīng)的計算機(jī)，并以這種方式為網(wǎng)絡(luò)用戶提供服務(wù)，使得用戶能夠按需獲得計算資源、存儲資源等[1]。作為實現(xiàn)云計算架構(gòu)的關(guān)鍵，虛擬化技術(shù)能夠?qū)⒂邢薜奈锢碣Y源抽象虛擬出多個具有相似特性的虛擬機(jī)實體，以便提供給更多的服務(wù)對象使用[2]，從而使云計算環(huán)境中不同的物理資源都以虛擬機(jī)的形式靈活進(jìn)行封裝和分配，為用戶按需提供租用服務(wù)。虛擬機(jī)作為云計算平臺的服務(wù)實體，其內(nèi)部通常會部署很多密集型和關(guān)鍵型的應(yīng)用，它們會產(chǎn)生頻繁的訪存操作，這可能導(dǎo)致虛擬機(jī)內(nèi)存崩潰，一旦內(nèi)存崩潰，與內(nèi)存相關(guān)的所有訪存操作都將終止，會極大地影響云計算環(huán)境下虛擬機(jī)的運(yùn)行[3]。特別在大規(guī)模的云計算環(huán)境中，提供服務(wù)的虛擬機(jī)有成千上萬臺，部分虛擬機(jī)會因為內(nèi)存、CPU、網(wǎng)絡(luò)等各種原因發(fā)生故障，導(dǎo)致虛擬機(jī)性能下降、宕機(jī)等，這將對云計算環(huán)境下虛擬機(jī)的可靠性、服務(wù)質(zhì)量及用戶體驗造成嚴(yán)重影響。因此，有效預(yù)測出虛擬機(jī)的故障是亟待解決的問題。

1 相關(guān)工作

國內(nèi)外已經(jīng)開展了對云計算環(huán)境下的虛擬機(jī)故障預(yù)測的廣泛研究。目前云計算環(huán)境下虛擬機(jī)故障預(yù)測的研究工作主要是：在虛擬機(jī)正常工作的條件下，采集虛擬機(jī)運(yùn)行狀態(tài)數(shù)據(jù)；然后通過對采集的數(shù)據(jù)進(jìn)行分析，得到故障發(fā)生的規(guī)律，用于判斷虛擬機(jī)在未來一段時間內(nèi)是否發(fā)生故障。在虛擬機(jī)發(fā)生故障之前采取相關(guān)的預(yù)防措施，可以避免故障的發(fā)生或者降低故障發(fā)生帶來的損失，為云計算環(huán)境下虛擬機(jī)的可用性和可靠性提供保證[4]。

通過預(yù)測云計算環(huán)境中物理節(jié)點的故障，可以將虛擬機(jī)分配和遷移到健康節(jié)點，從而提高服務(wù)可用性。Lin 等人提出了一種MING 模型，該模型根據(jù)歷史數(shù)據(jù)預(yù)測云服務(wù)系統(tǒng)中節(jié)點的故障傾向性，返回排序為Topr的節(jié)點為故障節(jié)點[5]。Guan 等人提出利用貝葉斯方法和決策樹方法來預(yù)測云計算系統(tǒng)中的故障。該方法需要管理員驗證檢測到的異常行為后，將這些數(shù)據(jù)添加標(biāo)簽即獲取到一些具有標(biāo)簽的數(shù)據(jù)集；然后利用監(jiān)督學(xué)習(xí)方法將數(shù)據(jù)集訓(xùn)練出決策樹分類器來預(yù)測云計算中的故障[6]。

魯明等人提出了一種虛擬機(jī)性能異常的預(yù)測方法，通過采用隱馬爾可夫模型刻畫當(dāng)前系統(tǒng)的正確狀態(tài)，并根據(jù)業(yè)務(wù)系統(tǒng)預(yù)測結(jié)果是否偏移正常狀態(tài)來判定業(yè)務(wù)系統(tǒng)是否出現(xiàn)性能異常[7]。丁三軍等人利用虛擬機(jī)的運(yùn)行日志數(shù)據(jù)進(jìn)行故障的模糊關(guān)聯(lián)規(guī)則挖掘，提出一種基于規(guī)則的日志數(shù)據(jù)加權(quán)處理方法，并獲得故障預(yù)測的關(guān)聯(lián)規(guī)則，得出故障預(yù)測結(jié)果[8]。Li 等人提出了一種AdaBoost 和隱馬爾可夫模型的虛擬機(jī)故障預(yù)測算法，以預(yù)測虛擬機(jī)未來的故障狀態(tài)[9]。Saxena 等人提出了一種在線虛擬機(jī)故障預(yù)測和容錯模型（OFP?TM），根據(jù)未來的資源使用情況實時估計容易發(fā)生故障的虛擬機(jī)，對易發(fā)生故障的虛擬機(jī)進(jìn)行遷移，提前處理中斷，提高云平臺的可用性[10]。

在上述研究中，如文獻(xiàn)[5?6]基于云計算節(jié)點運(yùn)行的時間特征建立了相應(yīng)的機(jī)器學(xué)習(xí)故障預(yù)測方法和模型，并根據(jù)節(jié)點的性能數(shù)據(jù)來預(yù)測性能數(shù)據(jù)，然后對預(yù)測結(jié)果進(jìn)行分析，這易受到云計算平臺高動態(tài)性的影響。

此外，還有通過虛擬機(jī)可觀測的系統(tǒng)特征來對虛擬機(jī)進(jìn)行故障檢測和故障預(yù)測的研究，文獻(xiàn)[7]通過可觀測的系統(tǒng)特征如CPU 利用率，來對云計算環(huán)境下虛擬機(jī)系統(tǒng)當(dāng)前的異常狀態(tài)進(jìn)行預(yù)測，但不能預(yù)測系統(tǒng)下一個時刻虛擬機(jī)系統(tǒng)的運(yùn)行狀態(tài)。部分研究針對云計算平臺下的虛擬機(jī)故障預(yù)測主要是采取收集相關(guān)的日志數(shù)據(jù)，根據(jù)數(shù)據(jù)挖掘規(guī)則進(jìn)行故障預(yù)測，如文獻(xiàn)[8]易受到數(shù)據(jù)挖掘使用樣本的限制。文獻(xiàn)[9?10]的預(yù)測方法中存在由虛擬機(jī)負(fù)載所表現(xiàn)出的觀測狀態(tài)與虛擬機(jī)內(nèi)部安全狀態(tài)之間的關(guān)系存在不確定性，這需要進(jìn)一步的探究。

針對上述研究中存在的問題，本文提出了一種基于虛擬機(jī)的歷史故障規(guī)律建立故障預(yù)測的方法。本文方法通過分析虛擬機(jī)的歷史數(shù)據(jù)和當(dāng)前運(yùn)行數(shù)據(jù)的差異度來判定虛擬機(jī)當(dāng)前的狀態(tài)，隨后根據(jù)虛擬機(jī)的當(dāng)前狀態(tài)結(jié)合歷史故障轉(zhuǎn)移規(guī)律預(yù)測下一時刻故障。為了保證云計算環(huán)境下虛擬機(jī)的可靠性和可用性，本文方法根據(jù)云計算環(huán)境下虛擬機(jī)的運(yùn)行，持續(xù)對預(yù)測方法中的訓(xùn)練數(shù)據(jù)進(jìn)行動態(tài)更新，不斷提升其故障預(yù)測的有效性。

2 虛擬機(jī)故障預(yù)測方法的建立

本文將云計算環(huán)境下虛擬機(jī)故障限定為性能故障，指偏離虛擬機(jī)正常行為性能退化。與造成虛擬機(jī)立即停止運(yùn)行的宕機(jī)或崩潰失效不同，性能故障通常只是造成虛擬機(jī)運(yùn)行效率下降，如虛擬機(jī)CPU 負(fù)載過高，或內(nèi)存泄露可能會導(dǎo)致可用CPU 占用率上升、內(nèi)存數(shù)量減少等。而因為故障導(dǎo)致的性能異常，均可以通過對虛擬機(jī)的運(yùn)行狀態(tài)的監(jiān)測數(shù)據(jù)來進(jìn)行判斷。因此，本文通過監(jiān)測云計算環(huán)境下虛擬機(jī)的性能數(shù)據(jù)來預(yù)測虛擬機(jī)的故障。

云計算平臺下的虛擬機(jī)在持續(xù)運(yùn)行過程中其狀態(tài)數(shù)據(jù)始終源源不斷地產(chǎn)生，新的數(shù)據(jù)可能蘊(yùn)含著新的故障規(guī)律。現(xiàn)有的故障預(yù)測方法大多利用固定的數(shù)據(jù)集進(jìn)行一次性學(xué)習(xí)，根據(jù)學(xué)習(xí)結(jié)果進(jìn)行預(yù)測，未學(xué)習(xí)新運(yùn)行數(shù)據(jù)所包含的故障規(guī)律。因此，本文的故障預(yù)測方法通過持續(xù)將虛擬機(jī)產(chǎn)生的運(yùn)行數(shù)據(jù)加入到訓(xùn)練集進(jìn)行不斷訓(xùn)練，學(xué)習(xí)新數(shù)據(jù)所蘊(yùn)含的故障規(guī)律，以提高故障預(yù)測的準(zhǔn)確性。

本文的故障預(yù)測方法過程為：首先對持續(xù)采集的性能指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理；接著對預(yù)處理之后的數(shù)據(jù)進(jìn)行特征選擇；然后計算現(xiàn)有數(shù)據(jù)與歷史數(shù)據(jù)正常狀態(tài)和故障狀態(tài)下的特征差異，并根據(jù)特征差異度來對虛擬機(jī)的當(dāng)前狀態(tài)進(jìn)行判斷；再根據(jù)虛擬機(jī)的歷史狀態(tài)變化規(guī)律建立馬爾可夫鏈故障預(yù)測方法，預(yù)測虛擬機(jī)下一時刻的故障狀態(tài)；最后持續(xù)的更新訓(xùn)練集，學(xué)習(xí)新故障發(fā)生規(guī)律。云計算環(huán)境下虛擬機(jī)故障預(yù)測方法的流程如圖1所示。

圖1 虛擬機(jī)故障預(yù)測方法流程

2.1 預(yù)處理虛擬機(jī)運(yùn)行數(shù)據(jù)

由于虛擬機(jī)運(yùn)行數(shù)據(jù)各個指標(biāo)的量綱和單位不同，有些指標(biāo)數(shù)據(jù)值很大但卻不是造成故障的主要因素，而有些指標(biāo)數(shù)據(jù)值很小但卻有可能是造成故障的重要因素，在不對特征進(jìn)行歸一化時很難選出與故障預(yù)測、故障估測具有強(qiáng)相關(guān)的特征，因此本文采用StandarScaler方法對采集到的數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，使得新的數(shù)據(jù)集方差為1，均值為0，目的是消除不同維度的數(shù)據(jù)量級對故障特征選擇的影響。標(biāo)準(zhǔn)化之后的數(shù)據(jù)既保留了原數(shù)據(jù)的特性，又避免了數(shù)據(jù)值比較集中的情況。

2.2 對運(yùn)行數(shù)據(jù)進(jìn)行特征選擇

2.1 節(jié)中對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理之后，消除了量綱不同而造成的影響，但是由于采集到的虛擬機(jī)運(yùn)行數(shù)據(jù)的指標(biāo)過多，其中有一些指標(biāo)屬于噪聲數(shù)據(jù)或者與故障不相關(guān)，而這些數(shù)據(jù)輸入到預(yù)測方法將會增大運(yùn)算量和開銷，并且會影響方法的預(yù)測準(zhǔn)確性。所以為了獲得云計算環(huán)境下虛擬機(jī)的有效狀態(tài)特征，對原始數(shù)據(jù)進(jìn)行降維處理是不可或缺的過程。目前常用的特征降維方法是特征提取和特征選擇，特征提取得到的最終特征集失去了原始特征集的物理含義，從而使得新得到的特征子集的可理解性差；特征選擇可以剔除掉無關(guān)的、冗余的及對虛擬機(jī)故障預(yù)測起副作用的狀態(tài)特征后，得到與故障預(yù)測強(qiáng)相關(guān)的精簡數(shù)據(jù)特征子集，更能反映故障規(guī)律的本質(zhì)特征[11]。且在云計算的環(huán)境中，一旦發(fā)現(xiàn)故障，可根據(jù)特征子集進(jìn)行反差其故障原因，可解釋性強(qiáng)。因此，本文利用特征選擇的方法，即Relief 算法來獲取與虛擬機(jī)故障預(yù)測具有強(qiáng)相關(guān)的特征。

2.3 根據(jù)特征差異度判斷虛擬機(jī)狀態(tài)

通過第2.2 節(jié)中的特征選擇方法，得到了和虛擬機(jī)的故障預(yù)測具有強(qiáng)相關(guān)的精簡特征子集，該特征子集能反映故障規(guī)律的本質(zhì)特征，且能夠很好地判別出虛擬機(jī)的運(yùn)行狀態(tài)。由于虛擬機(jī)上的負(fù)載具有復(fù)雜性、動態(tài)性，其運(yùn)行數(shù)據(jù)的波動性大，所以虛擬機(jī)在故障狀態(tài)下和在正常狀態(tài)下所表現(xiàn)出的特征具有很大的差異性。根據(jù)歸屬同一類別的對象之間具有很強(qiáng)的相似性，反之具有極大的差異性這一特點，選取能夠刻畫不同類標(biāo)簽的代表性對象實例作為參考目標(biāo)，并利用其余對象與代表性對象之間的差異性來判斷其余對象的類別。本文根據(jù)差異性判別的基本思想是：訓(xùn)練樣本集E中包含正常數(shù)據(jù)訓(xùn)練集M和故障數(shù)據(jù)訓(xùn)練集F。正常訓(xùn)練集M中包含n個對象實例，故障訓(xùn)練集F中包含n個對象實例，即M={x1，x2，…，xn}，F(xiàn)={f1，f2，…，fn}，分別從各自的訓(xùn)練集中選取r個對象構(gòu)成原型集Y1，Y2，Y1={q1，q2，…，qr}，Y2={s1，s2，…，sr}，要求該r個對象實例能夠顯著刻畫該類標(biāo)簽的特征。i∈E，q1∈Y1，s1∈Y2，Label（q1）=A，Label（s1）=B，若dis（i，q1）>dis（i，s1），則Label（i）=B，其中dis（·）函數(shù)表示兩個樣本間的距離函數(shù)，本文根據(jù)樣本之間的距離大小來表示差異度。

在差異度計算的方法中，原型集代表了一類對類標(biāo)簽具有顯著識別能力的有用的樣本子集，將其作為差異度計算過程中的參考數(shù)據(jù)集[12]。本文采用文獻(xiàn)[12]中的二進(jìn)制粒子群優(yōu)化算法選取最佳的樣本子集作為原型集。通過分析虛擬機(jī)當(dāng)前運(yùn)行數(shù)據(jù)與不同的原型集之間的差異度判斷虛擬機(jī)當(dāng)前的故障狀態(tài)。根據(jù)特征差異度判斷虛擬機(jī)狀態(tài)算法，如算法1 所示。

算法1：根據(jù)特征差異度判斷虛擬機(jī)狀態(tài)

輸入：虛擬機(jī)歷史正常數(shù)據(jù)ntraindata 和標(biāo)簽nlabel，歷史故障數(shù)據(jù)ftraindata 和標(biāo)簽flabel，虛擬機(jī)當(dāng)前數(shù)據(jù)cdata

輸出：虛擬機(jī)故障狀態(tài)plabel

2.4 馬爾可夫鏈預(yù)測方法構(gòu)建

第2.3 節(jié)中利用虛擬機(jī)歷史運(yùn)行數(shù)據(jù)得到了通過特征差異，來對虛擬機(jī)當(dāng)前的故障狀態(tài)進(jìn)行判定，然后在當(dāng)前狀態(tài)的基礎(chǔ)上對虛擬機(jī)進(jìn)行故障預(yù)測。雖然虛擬機(jī)的運(yùn)行情況是根據(jù)其負(fù)載情況而動態(tài)變化的，但是虛擬機(jī)下一時刻的運(yùn)行情況往往只受當(dāng)前情況的影響，即虛擬機(jī)下一個時刻的運(yùn)行狀態(tài)受當(dāng)前狀態(tài)的影響較大而受除當(dāng)前狀態(tài)之前的狀態(tài)影響較小。基于虛擬機(jī)運(yùn)行情況的無后效性特點，本文提出了基于一階馬爾可夫鏈的故障預(yù)測方法，利用上文所述的虛擬機(jī)當(dāng)前狀態(tài)的判定方法判定虛擬機(jī)的當(dāng)前狀態(tài)，并通過虛擬機(jī)的歷史運(yùn)行狀態(tài)來得出其馬爾可夫的預(yù)測方法。

馬爾可夫鏈?zhǔn)怯啥韲鴶?shù)學(xué)家安德雷馬爾可夫提出，相關(guān)定義和性質(zhì)在文獻(xiàn)[13]中有詳細(xì)的介紹，本文中簡單地引入介紹在故障模型建立的過程中所用到的一些相關(guān)的定義和性質(zhì)。馬爾可夫鏈?zhǔn)且唤M具有馬爾可夫性質(zhì)的離散隨機(jī)變量的集合，具體而言，假設(shè)隨機(jī)過程{Xn，n∈T}的參數(shù)集T是離散的時間集合，其相應(yīng)Xn的狀態(tài)空間是離散的狀態(tài)集I={i1，i2，…}，如果對于任意的整數(shù)n∈T和任意的i1，i2，…，in+1∈I，條件概率滿足P{Xn+1=in+1|X0=i0，X1=i1，X2=i2，…，Xn=in}=P{Xn+1=in+1|Xn=in}，則稱{Xn，n∈T}為馬爾可夫鏈[14]。通過上述馬爾科夫鏈的定義不難看出，馬爾可夫鏈具有無后效性，即系統(tǒng)下一次的狀態(tài)只與當(dāng)前狀態(tài)有關(guān)。

在一個完整的馬爾可夫鏈預(yù)測過程中，條件轉(zhuǎn)移概率是至關(guān)重要的，條件轉(zhuǎn)移概率：pij（n）=P{Xn+1=j|Xn=i}，即馬爾可夫鏈Xn在時刻n的一步轉(zhuǎn)移概率，其中i，j為狀態(tài)集中的狀態(tài)。根據(jù)一步轉(zhuǎn)移概率可以得出系統(tǒng)狀態(tài)的一步轉(zhuǎn)移概率矩陣P。虛擬機(jī)歷史階段中每一次狀態(tài)與下一次狀態(tài)發(fā)生的種類轉(zhuǎn)移的次數(shù)，即為狀態(tài)轉(zhuǎn)移矩陣K。公式如下：

式中：kij的物理意義為上次系統(tǒng)的狀態(tài)是i而下一次系統(tǒng)的狀態(tài)是j的次數(shù)；pij為條件概率，其物理意義為上一次發(fā)生的是狀態(tài)i的條件下，下一次發(fā)生的是狀態(tài)j的概率。根據(jù)條件概率的定義，得：

根據(jù)概率的加法公式得到：

綜合以上兩個公式并考慮kij的物理意義，則P{xs=因此有

根據(jù)其物理意義統(tǒng)計虛擬機(jī)歷史數(shù)據(jù)狀態(tài)轉(zhuǎn)移次數(shù)即狀態(tài)轉(zhuǎn)移矩陣K，并計算一步轉(zhuǎn)移概率矩陣P，并將當(dāng)前虛擬機(jī)的狀態(tài)作為初始概率向量。根據(jù)初始概率向量和轉(zhuǎn)移概率矩陣計算出下一時刻的故障概率，根據(jù)概率判斷是否發(fā)生故障?；谔摂M機(jī)歷史數(shù)據(jù)構(gòu)建的馬爾可夫鏈預(yù)測算法如算法2 所示。

算法2：根據(jù)虛擬機(jī)歷史數(shù)據(jù)構(gòu)建一階馬爾可夫鏈預(yù)測算法

輸入：虛擬機(jī)歷史狀態(tài)集transition

輸出：預(yù)測狀態(tài)state

2.5 虛擬機(jī)下一時刻的運(yùn)行狀態(tài)預(yù)測

根據(jù)第2.3 節(jié)中對虛擬機(jī)當(dāng)前狀態(tài)判定的結(jié)果和第2.4 節(jié)中的一階馬爾可夫鏈預(yù)測方法，可以預(yù)測虛擬機(jī)下一時刻的運(yùn)行狀態(tài)。

具體過程為：根據(jù)第2.3 節(jié)中介紹的差異度計算方式求出當(dāng)前虛擬機(jī)當(dāng)前的運(yùn)行狀態(tài)，確定初始概率向量，并根據(jù)轉(zhuǎn)移概率矩陣和初始概率矩陣構(gòu)建虛擬機(jī)故障預(yù)測方法，預(yù)測下一時刻虛擬機(jī)故障；然后動態(tài)更新訓(xùn)練數(shù)據(jù)。在動態(tài)更新訓(xùn)練數(shù)據(jù)時，首先是利用測試集來驗證預(yù)測方法的準(zhǔn)確性，將預(yù)測的結(jié)果保存下來，預(yù)測結(jié)束后將預(yù)測結(jié)果與真實結(jié)果進(jìn)行對比，計算其預(yù)測準(zhǔn)確率，然后將測試集當(dāng)作訓(xùn)練集，繼續(xù)訓(xùn)練來修正預(yù)測誤差。具體算法如算法3 所示。

算法3：預(yù)測虛擬機(jī)故障算法

輸入：虛擬機(jī)運(yùn)行測試數(shù)據(jù)集data

輸出：下一時刻的虛擬機(jī)故障狀態(tài)fstate

3 實驗及分析

為了驗證所提方法的有效性，本文在實驗部分搭建了Hadoop 平臺，并對平臺中虛擬機(jī)運(yùn)行的真實數(shù)據(jù)進(jìn)行了采集。該平臺有1 個NameNode 節(jié)點、9 個DataNode節(jié)點，共10 個虛擬機(jī)節(jié)點，分別部署在3 臺不同的物理節(jié)點上，其中2 臺為工作站，另外1 臺為服務(wù)器。數(shù)據(jù)采集部分，利用dstat 監(jiān)測工具和筆者開發(fā)的監(jiān)控程序獲取各個虛擬機(jī)運(yùn)行狀態(tài)相關(guān)的數(shù)據(jù)。NameNode 節(jié)點為Master 節(jié)點，DataNode 節(jié)點為Slave 節(jié)點。DataNode 節(jié)點負(fù)責(zé)獲取虛擬機(jī)的運(yùn)行數(shù)據(jù)，NameNode 節(jié)點負(fù)責(zé)處理各個虛擬機(jī)的運(yùn)行數(shù)據(jù)并進(jìn)行故障預(yù)測。物理節(jié)點的配置如表1所示。DELL Precesion（3630）是工作站，SR650 是服務(wù)器。本文搭建的Hadoop 平臺中每臺虛擬機(jī)的環(huán)境配置都是相同的，即全都采用CentOS 7.6 版本的操作系統(tǒng)，3 個VCPU，3GB 運(yùn)行內(nèi)存，30 GB 的磁盤大小，Name Node 節(jié)點的IP 地址為192.168.100.223，DataNode1～DataNode9 節(jié)點的IP 地址為192.168.100.171～192.168.100.179。

表1 物理節(jié)點配置表

NameNode 部署在服務(wù)器上，DataNode1～DataNode5部署在工作站A 上，DataNode6～DataNode9 部署在工作站B 上。將云平臺下的各個虛擬機(jī)設(shè)置在同一個網(wǎng)段中，使得其能夠相互通信和執(zhí)行分布式的工作。

將采集到的原始屬性通過特征選擇，選擇出16 個和虛擬機(jī)故障預(yù)測具有密切相關(guān)的屬性特征，特征信息表如表2所示。

表2 特征信息表

表2是通過特征選擇方法選擇的16 個特征，其能夠很好地表現(xiàn)虛擬機(jī)的運(yùn)行狀態(tài)，且和故障預(yù)測有較強(qiáng)的相關(guān)性。故障預(yù)測效果的評估方法有很多種，比較常見的評估方法有準(zhǔn)確率（Accuracy）、召回率、精確度（Precision）和F值（召回率與精確度的調(diào)和平均）等[15]。本文的實驗評價指標(biāo)是以預(yù)測準(zhǔn)確率和預(yù)測效率作為評價指標(biāo)。其中預(yù)測準(zhǔn)確率是正確預(yù)測到的虛擬機(jī)運(yùn)行狀態(tài)的樣本數(shù)占總樣本數(shù)的比率，預(yù)測效率是預(yù)測出虛擬機(jī)狀態(tài)所花費(fèi)的時間。

實驗部分一共采集各虛擬機(jī)的運(yùn)行數(shù)據(jù)540 936條，其中包括140 532 條故障數(shù)據(jù)。本文將前270 000 條數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，剩下的數(shù)據(jù)作為測試數(shù)據(jù)。訓(xùn)練數(shù)據(jù)用以獲取正常數(shù)據(jù)原型集和故障數(shù)據(jù)原型集作為差異度計算依據(jù)，以及構(gòu)建一階馬爾可夫鏈預(yù)測方法，并將訓(xùn)練完成的方法保存在NameNode 節(jié)點上。

3.1 實驗一

在本次實驗中使用270 000 條訓(xùn)練數(shù)據(jù)，按照本文的方法和文獻(xiàn)[9]的方法分別進(jìn)行了訓(xùn)練，270 000 條數(shù)據(jù)中有故障數(shù)據(jù)68 522 條。然后將虛擬機(jī)所發(fā)送的25 000 條測試據(jù)作為測試集，分別輸入以上兩個預(yù)測方法中進(jìn)行驗證。實驗過程中通過記錄各個方法的預(yù)測準(zhǔn)確率和預(yù)測效率來進(jìn)行實驗效果的對比。兩種方法的預(yù)測準(zhǔn)確率和預(yù)測效率如圖2、圖3所示。

圖2 故障預(yù)測準(zhǔn)確率

圖3 故障預(yù)測效率

圖2和圖3中S1～S9表示虛擬機(jī)DataNode1～DataNode9。通過以上實驗的結(jié)果可知：本文方法在對各臺虛擬機(jī)進(jìn)行故障預(yù)測時，預(yù)測準(zhǔn)確率平均在85%，預(yù)測效率為0.19 s；而文獻(xiàn)[9]方法，預(yù)測準(zhǔn)確率平均在76%，效率為7.50 s。對比實驗結(jié)果可以看出，本文方法在預(yù)測準(zhǔn)確率和預(yù)測效率上均優(yōu)于文獻(xiàn)[9]方法。因為文獻(xiàn)[9]方法利用Adaboost 進(jìn)行預(yù)測，而Adaboost 集成了很多的弱分類器，每次通過迭代來更新不同分類器的權(quán)值，相對比較耗時，且文獻(xiàn)[9]方法針對預(yù)測的觀測結(jié)果和虛擬機(jī)隱狀態(tài)之間尚存在不確定性，所以預(yù)測準(zhǔn)確率欠佳。

3.2 實驗二

在本次實驗中，利用每臺虛擬機(jī)所發(fā)送的25 000 條數(shù)據(jù)作為測試數(shù)據(jù)來驗證預(yù)測方法，在NameNode 節(jié)點上將每個虛擬機(jī)的25 000 條數(shù)據(jù)分為5 個批次進(jìn)行測試和訓(xùn)練，每個批次為連續(xù)的5 000 條數(shù)據(jù)。首先用第1 批次的數(shù)據(jù)在本文的預(yù)測方法上進(jìn)行驗證，得出其預(yù)測預(yù)測準(zhǔn)確率和預(yù)測效率；然后將第1 批次的測試數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)在之前訓(xùn)練好的方法的基礎(chǔ)之上繼續(xù)訓(xùn)練，學(xué)習(xí)新運(yùn)行數(shù)據(jù)的故障規(guī)律。在第1 批次數(shù)據(jù)訓(xùn)練結(jié)束后，以第2 批次的數(shù)據(jù)繼續(xù)作為測試數(shù)據(jù)進(jìn)行測試，得出其預(yù)測結(jié)果；接著將第2 批數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，在第1 批數(shù)據(jù)訓(xùn)練完成的基礎(chǔ)上進(jìn)行繼續(xù)訓(xùn)練，繼續(xù)學(xué)習(xí)新的運(yùn)行數(shù)據(jù)所包含的故障規(guī)律，依次進(jìn)行迭代，直到將第5 批數(shù)迭代完成，最終得到通過迭代更新訓(xùn)練數(shù)據(jù)集的故障預(yù)測方法對每臺虛擬機(jī)的預(yù)測效果。

在訓(xùn)練數(shù)據(jù)未更新之前，以及加入前一批次作為訓(xùn)練數(shù)據(jù)，相鄰的后一批次作為測試數(shù)據(jù)，在本文故障預(yù)測方法上進(jìn)行驗證的預(yù)測效果如圖4所示。

圖4 訓(xùn)練數(shù)據(jù)更新之后故障預(yù)測準(zhǔn)確率

由圖4實驗結(jié)果可以看出：在未對訓(xùn)練數(shù)據(jù)集進(jìn)行迭代更新之前，本文方法對各個虛擬機(jī)的預(yù)測準(zhǔn)確率為85%左右；在每次進(jìn)行訓(xùn)練集迭代更新之后，對故障的預(yù)測準(zhǔn)確率都有不同程度的提高，在測試集的5 批數(shù)據(jù)迭代更新完之后，該方法最終的預(yù)測準(zhǔn)確率達(dá)到了90%左右。該實驗結(jié)果說明了通過對訓(xùn)練集的迭代更新能夠提升對故障的預(yù)測準(zhǔn)確率。

在訓(xùn)練數(shù)據(jù)未進(jìn)行更新迭代時，本文預(yù)測方法的預(yù)測效率是0.2 s，隨著訓(xùn)練樣本進(jìn)行累計更新，預(yù)測效率是2.2 s，預(yù)測效率隨著樣本累計而有所降低，但仍高于文獻(xiàn)[9]的預(yù)測效率。

從實驗結(jié)果可以看出，本文預(yù)測方法的初始預(yù)測準(zhǔn)確率不高，數(shù)據(jù)更新迭代之后存在一定的收斂等，通過分析認(rèn)為，本文方法對于突變情況下預(yù)測虛擬機(jī)狀態(tài)的效果有待提高。

4 結(jié) 語

針對云計算環(huán)境下虛擬機(jī)故障預(yù)測，本文提出了一種基于馬爾可夫鏈的故障預(yù)測算法。首先對虛擬機(jī)運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理；然后對運(yùn)行數(shù)據(jù)進(jìn)行特征選擇，選擇出和故障預(yù)測具有強(qiáng)相關(guān)性的最佳特征子集；接著利用特征差異來判斷虛擬機(jī)當(dāng)前的故障狀態(tài)；最后利用虛擬機(jī)的歷史運(yùn)行數(shù)據(jù)建立馬爾可夫鏈故障預(yù)測方法，并持續(xù)地將虛擬機(jī)的運(yùn)行數(shù)據(jù)加入到訓(xùn)練集對訓(xùn)練集進(jìn)行持續(xù)更新。實驗結(jié)果表明，本文建立的故障預(yù)測方法對虛擬機(jī)故障的預(yù)測是有效的，且對訓(xùn)練數(shù)據(jù)進(jìn)行持續(xù)的更新能夠提高故障的預(yù)測準(zhǔn)確率。但是本文中也存在對于突發(fā)性故障的預(yù)測性不是很好，下一步將針對虛擬機(jī)突發(fā)故障開展相關(guān)研究。