基于机器学习的云平台故障排查方法

• 作者: 王艳艳 张文正 沈佳辉 王亭 李小真
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 机器学习 云计算 支持向量机 平均链接聚类 网络拓扑识别 故障排查
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 124-130
• 页数: 7页
• 分类号: TP393.09
• 语种: 中文
• DOI: 10.19585/j.zjdl.202112017

摘要

随着云计算的发展,越来越多的企业将系统部署在云环境中,大大提高了企业应用服务的灵活性、弹性、扩展性和效率,浙江电网容器云平台是云计算在电力系统的典型应用.然而,云计算的弹性架构也导致企业应用的运维变得更复杂和难以监控,当前运维手段大多缺乏清晰的云上应用访问可见性,给云环境下的故障排查带来了困难.针对这一问题,提出一种基于机器学习的故障排查方法.首先,通过层次聚类方法动态生成节点的网络拓扑结构,实时监测浙江电网容器云平台的各节点性能指标,以此作为特征向量;然后,采用支持向量机和随机搜索方法对其进行故障分类,达到实时排查故障的目的,有效提高了该云平台的性能和可靠性,验证了机器学习方法在电力系统中的应用前景.