湖师院科研人员引入人工智能预测云服务失效时间

您的位置:网站首页 > 科研动态 >     正文来源: 日期:2018-7-4 14:49:14
【浙江基础研究进行时】系列报道之一百〇三
湖师院科研人员引入人工智能预测云服务失效时间
 
楼俊钢(前排中)与科研团队
 

浙江在线6月22日讯(浙江在线记者 张吉 通讯员 林思达 周丽敏)近年来,新技术的产生和融合加速推动着社会的进步,大数据、云计算、人工智能的应用成了科研人员不断探索的领域。日前,由湖州师范学院楼俊钢课题组承担的浙江省自然科学基金项目“基于核理论的云服务失效时间预测关键技术研究”完成结题验收,项目将人工智能技术引入了云服务失效行为的预测,极大地提升了云服务失效预测的精准度。

  项目负责人、湖州师范学院副教授楼俊钢介绍,项目充分考虑了云服务环境中的层次性、可扩展性、动态性、松耦合、虚拟化、分布性等这些可靠性影响因素,建立了适合于云服务可靠性评估指标体系,在采用核函数回归估计理论,对云服务失效时间序列数据与失效计数数据进行建模研究的同时,引入计算机深度学习和人工智能的技术体系,通过对云服务运行状态的数据采集和分析,面向复杂结构序列数据的新型多核学习方法以及复杂结构序列数据分析新方法和技术及其在软件失效行为预测领域中的应用研究,切实提高了云服务可靠性模型的预测能力和适用能力。

  云服务运行状态的数据采集和分析,面向复杂结构序列数据的新型多核学习方法以及复杂结构序列数据分析新方法和技术及其在软件失效行为预测领域中的应用研究。

  楼俊钢认为,随着阿里云、腾讯云、京东云、百度云等越来越多的“云”变得与人们生活息息相关,云服务可靠性问题也成了大众关注的焦点。“数据保存是否安全可靠?数据传输是否高效流畅?服务使用是平稳有序?”这也成了云服务使用者提出的最关心的几大问题。

  利用现有的可靠性技术对云服务的可靠性进行动态评估,保障云服务沿着预期的轨迹、朝着预期的目标稳定可靠运行是构建可靠的云服务保障体系架构的迫切需求,也是可靠性技术和云计算发展的内在要求。

  楼俊钢介绍,目前常见云服务可靠性保障手段包括高可靠性可用性与弹性扩展、容错与灾难恢复、备份与恢复、内容分发和负载均衡等,采用主从备份,异地多活等异构架构在不同地方建立大数据中心防止软件漏洞等问题造成的损失。同时为了最大程度保证云服务可靠性,大数据中心在正式运行前还要进行承压测试,寻找云服务失效的规律——这也是课题组此次的研究重点。

  不过,想要在动态复杂的云服务环境中,对云服务可靠性评估的研究十分不容易,因为往往会受到来自不同领域软件应用程序的规模、复杂度及新颖性等所带来的挑战。这具体表现为:云服务系统拓扑结构、业务流程的复杂性;不同的服务资源失效规律、资源的失效类型对服务系统的影响程度的差异性;运行平台操作系统、服务计算能力及服务资源的类型和功能表现形式上的分布性和异构性;资源状态和性能的自适应性;资源提供者之间、各资源提供者与用户之间的虚拟性和多层次性等。

  为了更精准的预测云服务失效的时间,课题组从云服务运行状态行为数据分析入手,在3年研究期间研究了面向复杂结构序列数据的新型多核学习方法,探索此类复杂序列数据的核学习机理,提出应用多核学习、深度学习等理论的复杂结构序列数据分析新方法,颠覆了传统单一的数据模型预测方法,让人工智能技术在云服务可用性、可靠性测试中云服务智能失效诊断中得到了应用,切实提高了云服务可靠性模型的预测能力和适用能力。

原文 http://st.zjol.com.cn/kjjsb/yc15486/jzzj/201806/t20180621_7596628.shtml

 

关闭窗口 打印
               本文网址: