基于Spark的云数据中心性能异常实时检测方法

• 作者: 蔡斌雷 郭芹
• 来源期刊: 西安职业技术学院学报
• 学科: 工学
• 关键词: 异常检测 流数据聚类 SPARK 资源调度 云数据中心
• 年，卷（期）: 2016,（3）
• 页码范围: 1-5
• 页数: 5页
• 分类号: TH453

摘要

针对当前云计算环境下数据中心性能异常检测方法的实时性、可扩展性问题，提出一种云数据中心环境下基于Spark的性能异常实时检测方法Spark—ADOPD（Spark-based Anomaly Detection OverPerformance DataInRealtime）．方法设计基于Spark的分布式、可扩展流数据聚类算法对采集的云数据中心性能数据进行自动分类，建立性能异常预测模型；定义相似度函数，通过计算持续到达的性能数据与预测模型的相似度，挖掘性能异常行为，以动态调整资源分配．实验结果证明Spark-ADOPD具有较好的实时性和准确性．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡斌雷	山东省科学院情报研究所	4	10	1.0	3.0
2	郭芹	南开大学数学科学学院	1	0	0.0	0.0