專利名稱：一種OpenStack云平臺(tái)異常的檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)異常監(jiān)控技術(shù)，特別涉及一種OpenStack云平臺(tái)異常的檢測(cè)方法，該方法能及時(shí)檢測(cè)出云計(jì)算平臺(tái)在服務(wù)過(guò)程中的異常情況。
背景技術(shù)：
隨著云計(jì)算技術(shù)的日益發(fā)展，多種云計(jì)算平臺(tái)應(yīng)運(yùn)而生，而OpenStack作為一種云計(jì)算平臺(tái)，為云計(jì)算基礎(chǔ)設(shè)施服務(wù)提供解決方案，OpenStack以其全開(kāi)源、易拓展的特點(diǎn)，贏得業(yè)界越來(lái)越多的關(guān)注。異常監(jiān)控是云計(jì)算服務(wù)平臺(tái)的一個(gè)重要部分，目前，云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)異常監(jiān)控多為異常預(yù)測(cè)和異常容錯(cuò)兩種模式；前者是在異常發(fā)生之前，通過(guò)已有的數(shù)據(jù)預(yù)測(cè)出將可能發(fā)生的異常，并做相應(yīng)的預(yù)防措施；后者則是在異常發(fā)生之后，將其檢測(cè)出來(lái)，并做相應(yīng)的異常處理。在實(shí)際應(yīng)用中，OpenStack云平臺(tái)容易出現(xiàn)各種各樣不穩(wěn)定的問(wèn)題，甚至?xí)霈F(xiàn)系統(tǒng)崩潰現(xiàn) 象，然而，處于發(fā)展階段的OpenStack云計(jì)算平臺(tái)，自身尚無(wú)相應(yīng)的異常監(jiān)控方案，而國(guó)內(nèi)外對(duì)此的研究較少，而且目前國(guó)內(nèi)還沒(méi)有OpenStack異常容錯(cuò)模式的異常監(jiān)控研究。在OpenStack異常容錯(cuò)模式的異常監(jiān)控中，異常檢測(cè)是亟須解決的首要環(huán)節(jié)。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種OpenStack云平臺(tái)異常的檢測(cè)方法，該方法能檢測(cè)OpenStack云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)的異常問(wèn)題，提取出OpenStack的異常事件，為異常容錯(cuò)模式的后續(xù)異常處理提供必要的條件。本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn):一種OpenStack云平臺(tái)異常的檢測(cè)方法，主要包括以下步驟:(I)定義異常監(jiān)測(cè)分析規(guī)則；監(jiān)測(cè)分析規(guī)則是后面定位、提取異常信息和提取異常事件的依據(jù)；(2)定位異常信息；0penStack的運(yùn)行信息描述云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)的資源情況、運(yùn)行狀態(tài)、異常情況等，我們需自行定位出對(duì)我們真正有用的異常信息；(3)提取異常信息；將運(yùn)行信息中的異常信息提取出來(lái)，并轉(zhuǎn)換成自定義的格式；(4)異常信息統(tǒng)計(jì)分析，得到最終的異常事件；(5)更新異常事件列表，方便管理人員查閱，以及供給后續(xù)的處理工作使用。上述技術(shù)方案中，所述步驟(I)的具體方案如下:目前OpenStack云計(jì)算基礎(chǔ)設(shè)施服務(wù)出現(xiàn)異常的常見(jiàn)特點(diǎn)是:某個(gè)運(yùn)行狀態(tài)信息標(biāo)識(shí)位出現(xiàn)“僵死”情況；當(dāng)某個(gè)應(yīng)在短時(shí)間內(nèi)跳轉(zhuǎn)的狀態(tài)，在設(shè)定的時(shí)間閾值內(nèi)不發(fā)生跳轉(zhuǎn)，則認(rèn)為符合異常規(guī)則；因此，所定義的異常檢測(cè)分析規(guī)則內(nèi)容包括:(1.1)異常類型:具體的異常事件編號(hào)；
(1.2)異常信息位置:需監(jiān)測(cè)的運(yùn)行信息的具體位置，實(shí)際是某個(gè)信息表中的唯一位置；(1.3)信息內(nèi)容特征:指定位置的運(yùn)行信息可能出現(xiàn)的內(nèi)容；(1.4)標(biāo)識(shí)狀態(tài)僵死時(shí)間閾值:判斷是否異常的重要參考數(shù)據(jù)，以下用h表示；(1.5)心跳檢測(cè)周期:讀取運(yùn)行信息的時(shí)間間隔，以下用Ttl表示；(1.6)統(tǒng)計(jì)分析的方法模型:定義計(jì)算是否出現(xiàn)異常的數(shù)學(xué)模型，目前，我們定義的模型是t.=!；*!!，其中η是心跳的次數(shù)。上述技術(shù)方案中，所述步驟(4)的具體方案如下:(4.1)針對(duì)顯性異常，直接從OpenStack的日志(log)文件中獲取異常事件；(4.2)針對(duì)常見(jiàn)的隱性異常，根據(jù)僵死時(shí)間閾值h做參考判斷；計(jì)算僵死時(shí)間總和Isum=Ttl*!!,當(dāng)則認(rèn)為出現(xiàn)異常；其中，Ttl的值需按異常類型的不同而設(shè)置為不同的值。對(duì)于隱性異常，僅僅依據(jù)“狀態(tài)僵死”來(lái)判斷是否出現(xiàn)異常，可能導(dǎo)致判斷錯(cuò)誤；故附加改進(jìn)技術(shù)方案是:附加一個(gè)；統(tǒng)計(jì)分析能力提高模塊；，專門用于對(duì)異常信息數(shù)據(jù)和異常信息提取結(jié)果進(jìn)行分析統(tǒng)計(jì)，用以完善異常分析的規(guī)則；其具體包括以下步驟:
(I)在上面的步驟(4)之前，將異常信息統(tǒng)計(jì)數(shù)據(jù)更新到“統(tǒng)計(jì)分析能力提高模塊”的源統(tǒng)計(jì)數(shù)據(jù)列表。(2)在上面的步驟(4)之后，將異常信息分析的結(jié)果反饋至“統(tǒng)計(jì)分析能力提高模塊”的結(jié)果統(tǒng)計(jì)數(shù)據(jù)列表。(3)對(duì)源統(tǒng)計(jì)數(shù)據(jù)列表和結(jié)果統(tǒng)計(jì)數(shù)據(jù)列表進(jìn)行關(guān)系性和非關(guān)系性統(tǒng)計(jì)，統(tǒng)計(jì)源數(shù)據(jù)與結(jié)果數(shù)據(jù)的映射關(guān)系，從而得到統(tǒng)計(jì)分析規(guī)則的準(zhǔn)確度。(4)根據(jù)準(zhǔn)確度調(diào)整統(tǒng)計(jì)分析規(guī)則。本發(fā)明的工作原理:本發(fā)明檢測(cè)OpenStack云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)的異常問(wèn)題，利用OpenStack的運(yùn)行日志和狀態(tài)數(shù)據(jù)表,挖掘OpenStack自身的運(yùn)行信息,經(jīng)過(guò)與異常信息映射表匹配和綜合的分析，從中提取出云平臺(tái)顯性和隱性描述云平臺(tái)異常的信息，再?gòu)闹薪馕龀霎惓Ｊ录?，為異常容錯(cuò)模式的后續(xù)異常處理提供必要的條件。。本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下的優(yōu)點(diǎn)及效果:1、巧妙地利用了 OpenStack自身產(chǎn)生的運(yùn)行信息的規(guī)律，降低異常提取的復(fù)雜度；利用該方法，可以便捷地檢測(cè)出OpenStack的常見(jiàn)顯性異常和隱性異常(特別是僵死情況異常)。該方法利用OpenStack自身產(chǎn)生的運(yùn)行信息，進(jìn)行統(tǒng)計(jì)分析，對(duì)于顯性異常，直接從日志(log)文件中提取、解析；對(duì)于隱性異常，通過(guò)計(jì)算“狀態(tài)僵死”的情況來(lái)確定異常，利用“狀態(tài)僵死”判斷法識(shí)別隱性異常，識(shí)別率較高。2、目前對(duì)OpenStack異常的檢測(cè)方法中，只能靠人工在后臺(tái)通過(guò)OpenStack專門的指令來(lái)獲取，管理人員必須具備較完整的專業(yè)知識(shí)；而采用本發(fā)明，一個(gè)不熟悉OpenStack的管理人員也能便捷地檢查出異常事件。3、根據(jù)本發(fā)明的方法實(shí)現(xiàn)OpenStack云平臺(tái)異常檢測(cè)系統(tǒng)，能夠大大地降低人工對(duì)云平臺(tái)進(jìn)行維護(hù)的參與度。系統(tǒng)能夠較準(zhǔn)確地檢測(cè)出大部分的異常事件，并生成異常事件列表，供管理人員查閱。


圖1是本發(fā)明在OpenStack云計(jì)算基礎(chǔ)設(shè)施服務(wù)異常容錯(cuò)模式檢測(cè)方法實(shí)施的流程不意圖。圖2是本發(fā)明在OpenStack云計(jì)算基礎(chǔ)設(shè)施服務(wù)異常容錯(cuò)模式檢測(cè)方法實(shí)施的異常信息統(tǒng)計(jì)分析模塊的流程示意圖。圖3是本發(fā)明在OpenStack云計(jì)算基礎(chǔ)設(shè)施服務(wù)異常容錯(cuò)模式檢測(cè)方法實(shí)施的異常信息統(tǒng)計(jì)分析模塊中統(tǒng)計(jì)判斷異常的流程示意圖。
具體實(shí)施例方式下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例如圖1所示，為實(shí)施技術(shù)方案中所描述的5個(gè)步驟，以及附加改進(jìn)方案的4個(gè)步驟，我們將實(shí)施過(guò)程由異常監(jiān)測(cè)、異常信息分析、更新異常事件列表并分發(fā)和統(tǒng)計(jì)分析能力提高四個(gè)部分組成。異常監(jiān)測(cè)線程和異常信息統(tǒng)計(jì)分析模塊根據(jù)監(jiān)測(cè)分析規(guī)則，將OpenStack運(yùn)行的異常信息提取、解析、封裝、下發(fā)，最后進(jìn)行異常處理并反饋。詳細(xì)的實(shí)施過(guò)程如下:( I)異常信息監(jiān)測(cè)的實(shí)施:將OpenStack組件程序不能自動(dòng)發(fā)現(xiàn)的異常信息定義為隱性異常信息；將OpenStack組件程序能自動(dòng)發(fā)現(xiàn)的異常信息定義為顯性異常信息。一般隱性異常信息隱藏在數(shù)據(jù)庫(kù)中，顯性異常信息則 已經(jīng)被捕捉并保存在日志文件中。(1.1)顯性異常的監(jiān)測(cè)這類異常的監(jiān)測(cè)則較為容易，因?yàn)镺penStack的組件程序已經(jīng)將運(yùn)行日志按照級(jí)別保存在log文件中。OpenStack的log文件中的信息級(jí)別包括:AUDIT、DEBUG、INFO、ERROR、CRITICAL。其中，WARNING、ERROR、CRITICAL級(jí)別的信息對(duì)提取異常信息有用。有的WARNING信息隱含有即將發(fā)生的錯(cuò)誤，因此我們通過(guò)實(shí)驗(yàn)定義需要處理的WARNING ;另外所有ERROR、CRITICAL級(jí)別的記錄都需要獲取并分析。(1.2)隱性異常的監(jiān)測(cè)這類異常的監(jiān)測(cè)較為復(fù)雜。首先經(jīng)過(guò)大量實(shí)驗(yàn)定義隱性異常信息，也就是技術(shù)反案中所描述的“狀態(tài)僵死”法。然后確定這幾種異常隱藏在數(shù)據(jù)庫(kù)中哪些具體位置中。最后利用異常監(jiān)測(cè)線程去讀取這些異常信息。需要注意的是，數(shù)據(jù)庫(kù)隱性異常信息不會(huì)有任何異常提示，需要我們根據(jù)監(jiān)測(cè)規(guī)則計(jì)算判斷。隱性異常監(jiān)測(cè)的難點(diǎn)在于隱性異常信息的定義，具體是就是狀態(tài)僵死時(shí)間閾值to的設(shè)定。(2)異常信息的統(tǒng)計(jì)分析的實(shí)施:異常監(jiān)測(cè)線程只提取了初始的異常信息，必須根據(jù)既定的分析規(guī)則進(jìn)行異常信息的統(tǒng)計(jì)分析，再作后續(xù)處理。異常信息統(tǒng)計(jì)分析模塊的任務(wù)包括:解析異常信息、剔除不必處理的異常、對(duì)必須處理的異常歸類、判斷異常、標(biāo)定異常的級(jí)別等。如圖2所示。首先分別獲取分析規(guī)則和異常信息，分析規(guī)則可人工配置，也可由統(tǒng)計(jì)分析能力提高模塊更新設(shè)定；再根據(jù)規(guī)則解析異常信息，原始的異常信息是按照特定格式結(jié)構(gòu)生成的，須將此結(jié)構(gòu)解析出來(lái)；然后判定解析出來(lái)的異常是否有定義了處理規(guī)則，沒(méi)定義就剔除，并且標(biāo)識(shí)給統(tǒng)計(jì)分析能力提高模塊；如果有就進(jìn)行分類，后續(xù)程序須根據(jù)此分類來(lái)尋找對(duì)應(yīng)的處理方式；之后進(jìn)行統(tǒng)計(jì)，判斷該異常信息是否確實(shí)表示了一件異常事件；最后就標(biāo)定異常事件編號(hào)和級(jí)別，異常級(jí)別包括:一般、緊急、嚴(yán)重、需人工處理四種。最后將分析、標(biāo)識(shí)好的異常信息輸出給后續(xù)程序進(jìn)行處理。以上描述的判斷過(guò)程的實(shí)施如圖3所示。主要是針對(duì)隱性異常，累加“狀態(tài)僵死”時(shí)間。NewState表示新時(shí)間戳的狀態(tài)，F(xiàn)ormerState表示上一個(gè)時(shí)間戳的狀態(tài),如果NewState與FormerState —直相等,則累加時(shí)間tsum,直到加至設(shè)定的僵死時(shí)間閾值tO,輸出異常事件。(3)異常事件列表更新和分發(fā)的實(shí)施:異常信息統(tǒng)計(jì)分析模塊輸出的是“有效”的異常事件。生成異常事件列表，一者是為了高效地分發(fā)給后續(xù)處理層，二者是方便維護(hù)人員查閱異常事件信息，維護(hù)人員可根據(jù)此列表評(píng)估后續(xù)處理層的處理效果。異常事件列表更新和分發(fā)的實(shí)施過(guò)程較為簡(jiǎn)單，只需對(duì)文件進(jìn)行文本操作即可?！胺职l(fā)”的工作，可由后續(xù)處理程序主動(dòng)從文件中獲取。經(jīng)過(guò)以上的步驟，最終得到一個(gè)異常事件列表。后續(xù)處理程序可以從中獲取異常事件進(jìn)行對(duì)應(yīng)的處理；管理人員也可從中查閱異常事件。上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡(jiǎn)化，均應(yīng)為等效的置換方式，都包 含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，包括如下步驟: (1)定義異常監(jiān)測(cè)分析規(guī)則；所述監(jiān)測(cè)分析規(guī)則是定位異常信息、提取異常信息和提取異常事件的依據(jù)； (2)定位異常信息；0penStack的運(yùn)行信息描述云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)的資源情況、運(yùn)行狀態(tài)、異常情況；(3)提取異常信息；將運(yùn)行信息中的異常信息提取出來(lái)，并轉(zhuǎn)換成自定義的格式； (4)對(duì)異常信息進(jìn)行統(tǒng)計(jì)和分析，得到最終的異常事件； (5)更新異常事件列表。
2.根據(jù)權(quán)利要求1所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，所述步驟(O中，所述定義異常監(jiān)測(cè)分析規(guī)則包括以下步驟: (1.1)異常類型:具體的異常事件編號(hào)； (1.2)異常信息位置:需監(jiān)測(cè)的運(yùn)行信息的具體位置，實(shí)際是某個(gè)信息表中的唯一位置； (1.3)信息內(nèi)容特征:指定位置的運(yùn)行信息可能出現(xiàn)的內(nèi)容； (1.4)標(biāo)識(shí)狀態(tài)僵死時(shí)間閾值:判斷是否異常的重要參考數(shù)據(jù)，以下用h表示僵死時(shí)間閾值； (1.5)心跳檢測(cè)周期:讀取 運(yùn)行信息的時(shí)間間隔，以下用Ttl表示心跳檢測(cè)周期； (1.6)統(tǒng)計(jì)分析的方法模型:定義計(jì)算是否出現(xiàn)異常的數(shù)學(xué)模型，所述定義計(jì)算是否出現(xiàn)異常的數(shù)學(xué)模型為: WT0*n， 其中，η是標(biāo)識(shí)狀態(tài)未發(fā)生跳轉(zhuǎn)所持續(xù)的心跳次數(shù)，將心跳檢測(cè)周期Ttl與心跳次數(shù)相乘，即得到標(biāo)識(shí)狀態(tài)的僵死時(shí)間總和t.。
3.根據(jù)權(quán)利要求1所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，所述步驟(4)中，所述異常信息包括顯性異常信息和隱性異常信息，針對(duì)顯性異常信息，直接從OpenStack云平臺(tái)的日志文件中獲取異常事件；針對(duì)常見(jiàn)的隱性異常信息，根據(jù)僵死時(shí)間閾值h判定是否出現(xiàn)異常事件，判定方法為:計(jì)算僵死時(shí)間總和U=TciWitsmiHc^,則判定出現(xiàn)異常事件，否則判定未出現(xiàn)異常；所述Ttl的值按異常類型的種類設(shè)置為相應(yīng)的值。
4.根據(jù)權(quán)利要求1所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，所述步驟(4)包括統(tǒng)計(jì)分析能力提高模塊，所述統(tǒng)計(jì)分析能力提高模塊用于對(duì)異常信息數(shù)據(jù)和異常信息提取結(jié)果進(jìn)行分析統(tǒng)計(jì)，所述對(duì)異常信息數(shù)據(jù)和異常信息提取結(jié)果進(jìn)行分析統(tǒng)計(jì)包括以下步驟: Ca)對(duì)異常信息進(jìn)行統(tǒng)計(jì)，并將異常信息統(tǒng)計(jì)的數(shù)據(jù)更新到統(tǒng)計(jì)分析能力提高模塊的源統(tǒng)計(jì)數(shù)據(jù)列表； (b)對(duì)異常信息進(jìn)行分析，并將異常信息分析的結(jié)果反饋至統(tǒng)計(jì)分析能力提高模塊的結(jié)果統(tǒng)計(jì)數(shù)據(jù)列表中； (c)對(duì)源統(tǒng)計(jì)數(shù)據(jù)列表和結(jié)果統(tǒng)計(jì)數(shù)據(jù)列表進(jìn)行關(guān)系性和非關(guān)系性統(tǒng)計(jì)，統(tǒng)計(jì)源數(shù)據(jù)與結(jié)果數(shù)據(jù)的映射關(guān)系，從而得到統(tǒng)計(jì)分析方式的準(zhǔn)確度； (d)根據(jù)步驟(c)所述的統(tǒng)計(jì)分析方式的準(zhǔn)確度調(diào)整統(tǒng)計(jì)分析方式。
5.根據(jù)權(quán)利要求3所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，對(duì)所述所述異常信息進(jìn)行監(jiān)測(cè)，所述監(jiān)測(cè)是指以Ttl為檢測(cè)周期，從日志文件中獲取顯性異常信息；從數(shù)據(jù)庫(kù)中獲取隱性異常信息。
6.根據(jù)權(quán)利要求4所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，所述步驟(b)中，對(duì)異常信息進(jìn)行分析的方法為:對(duì)于顯性異常信息，直接解析、封裝；對(duì)于隱性異常 息，利用狀態(tài)僵死判斷法來(lái)確定異常事件。
7.根據(jù)權(quán)利要求6所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，所述狀態(tài)僵死判斷法的判斷步驟如下: (I)設(shè)定僵死時(shí)間閾值tQ; (II)設(shè)定運(yùn)行信息中限時(shí)跳轉(zhuǎn)的標(biāo)識(shí)位和限時(shí)跳轉(zhuǎn)的狀態(tài)； (III)在標(biāo)識(shí)位保持限時(shí)跳轉(zhuǎn)的狀態(tài)情況下，累計(jì)時(shí)間t.，當(dāng)累計(jì)到tSUffl大于h時(shí)，則判斷出現(xiàn)異常事件。
8.根據(jù)權(quán)利要求1所述的OpenStack云平臺(tái)異常的檢測(cè)方法，其特征在于，通過(guò)對(duì)云平臺(tái)運(yùn)行信息進(jìn)行挖掘、統(tǒng)計(jì)和分析 獲得異常信息。
全文摘要
本發(fā)明公開(kāi)了一種OpenStack云平臺(tái)異常的檢測(cè)方法，包括如下步驟(1)定義異常監(jiān)測(cè)分析規(guī)則；所述監(jiān)測(cè)分析規(guī)則是定位異常信息、提取異常信息和提取異常事件的依據(jù)；(2)定位異常信息；OpenStack的運(yùn)行信息包含了云計(jì)算平臺(tái)基礎(chǔ)設(shè)施服務(wù)的資源情況、運(yùn)行狀態(tài)、異常情況的描述；(3)提取異常信息；將運(yùn)行信息中的異常信息提取出來(lái)，并轉(zhuǎn)換成自定義的格式；(4)對(duì)異常信息進(jìn)行統(tǒng)計(jì)和分析，得到最終的異常事件；(5)更新異常事件列表。具有能便捷地檢測(cè)出OpenStack的常見(jiàn)顯性異常信息和隱性異常信息、降低人工參與度等優(yōu)點(diǎn)。
文檔編號(hào)H04L29/08GK103227734SQ201310154158
公開(kāi)日2013年7月31日 申請(qǐng)日期2013年4月27日 優(yōu)先權(quán)日2013年4月27日
發(fā)明者金連文, 黎德生, 李磊 申請(qǐng)人:華南理工大學(xué)