基于時(shí)間序列預(yù)測的自適應(yīng)失效檢測模型.pdf

1、隨著全球范圍內(nèi)分布式系統(tǒng)發(fā)展進(jìn)程的加快及其構(gòu)造的日趨復(fù)雜，越來越多的失效現(xiàn)象層出不窮，嚴(yán)重威脅著系統(tǒng)的高可用性。失效檢測作為保障分布式系統(tǒng)高可用性的核心技術(shù)之一，已成為研究熱點(diǎn)方向。目前，失效檢測已被廣泛應(yīng)用于通信協(xié)議、Web服務(wù)器、集群管理和失效恢復(fù)等方面。同時(shí)，失效檢測在無線網(wǎng)絡(luò)、云計(jì)算平臺(tái)、大數(shù)據(jù)等領(lǐng)域也得到了重要應(yīng)用。
　　 通過研究現(xiàn)有自適應(yīng)失效檢測算法及其實(shí)現(xiàn)過程可以發(fā)現(xiàn)，失效檢測的本質(zhì)是研究非線性時(shí)間序列的預(yù)測問題

2、。而最小二乘支持向量回歸算法是非線性時(shí)間序列預(yù)測領(lǐng)域的有效方法之一，在小樣本空間和預(yù)測精度等方面有一定優(yōu)勢(shì)。傳統(tǒng)失效檢測算法基于概率統(tǒng)計(jì)模型計(jì)算下一心跳的到達(dá)時(shí)間，受限于某種概率分布且需要較大數(shù)據(jù)量，存在一定局限性。而采用最小二乘支持向量回歸算法進(jìn)行失效檢測預(yù)測恰能彌補(bǔ)其不足。在實(shí)際應(yīng)用中常面臨小樣本空間，為此本文提出FD-LSSVR模型并進(jìn)行了討論。針對(duì)現(xiàn)有自適應(yīng)失效檢測算法需考慮離群值這一問題，模型引入聚類分析法綜合考慮心跳延遲和權(quán)