38、基于交互分析和状态接口的异常故障检测

基于交互分析和状态接口的异常故障检测

1. 引言

在分布式系统中，随着系统资源和应用规模与复杂度呈指数级增长，软硬件配置不断变化，以及提供和部署的异构服务增多，有效监测下的故障检测、分析和恢复成为极具挑战性的研究课题。尽管软硬件技术取得了巨大进步，但分布式系统中仍存在许多不确定性和不可预测的操作，可能由网络故障、间歇性软件故障、软件和服务中的漏洞等一个或多个事件触发。特别是在安全关键环境中使用的各种分布式系统，即使发生故障也必须正常工作。

本文提出一种创新方法，用于检测硬件或软件故障，并确定故障源。在线监测机制实时收集分布式系统所有组件之间系统状态组件（如 CPU、内存、I/O 和网络接口）的重要交互。记录和跟踪这些运行时属性，并使用数据挖掘和监督学习技术分析所有交互，以获取能够准确建模这些组件之间正常交互的规则。已实现基于异常的故障检测引擎，并将其用于检测基于 TPC - W 电子商务基准的典型多层 Web 电子商务环境中的故障。

2. 相关工作

故障检测和分析一直是一个活跃的研究领域，因为它对分布式系统及其应用至关重要。系统必须能够检测故障并采取适当措施，以避免服务进一步退化。以下是不同的故障检测技术分类：

2.1 基于硬件的方法

• 同时冗余线程（SRT） ：利用同时多线程（SMT）的多个硬件上下文，提供高性能的瞬态故障覆盖。通过在冗余副本之间主动调度硬件组件来提高性能，并通过消除缓存未命中来减少验证开销。
• 现代超标量乱序数据路径 ：修改超标量处理器的微架构组件，并验证主动复制执行线程的冗余结果。故