虚拟机的异常监控方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种虚拟机的异常监控方法、装置及存储介质，包括：根据虚拟机的历史运行数据以及预设的预测模型预测虚拟机的负载区间，预测模型为神经网络模型；比对当前接收到的运行数据与负载区间；在运行数据中的负载信息超出负载区间时，执行异常报警操作，其中，预测模型为神经网络模型。本发明专利技术负载信息是与预测得到的负载区间比对以确定异常情况的，使得异常监控更加准确。

【技术实现步骤摘要】
虚拟机的异常监控方法、装置及存储介质
本专利技术涉及通信领域，尤其涉及一种虚拟机的异常监控方法、装置及存储介质。
技术介绍
云平台以廉价的费用为广大用户提供各式各样的服务，近些年来，随着云平台规模的增大，云平台上的故障频频出现，而云系统的组成往往非常复杂。一个云平台通常由数千台物理机，上万台虚拟机组成，而复杂的组成使得云平台容易出现故障和性能下降的情况。而云平台的故障一般都不是突然出现的，而是伴随着它上面的虚拟机某些性能指标的异常而逐渐导致的，比如内存泄漏可能会导致可用内存减小和CPU利用率上升，遭遇DoS攻击会影响机器传入传出网络包的数量，而往往虚拟机的异常监控都是确定负载与预设阈值之间的关系，但是点值预测受到负载动态性的影响，导致虚拟机的异常监控不够准确。
技术实现思路
本专利技术的主要目的在于提供一种虚拟机的异常监控方法、装置及存储介质，旨在提高虚拟机的异常监控的准确性。为实现上述目的，本专利技术提供一种虚拟机的异常监控方法，其特征在于，所述虚拟机的异常监控方法包括：根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间，所述预测模型为神经网络模型；比对当前接收到的运行数据与所述负载区间；在所述运行数据中的负载信息超出所述负载区间时，执行异常报警操作，其中，所述预测模型为神经网络模型。可选地，所述根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间的步骤包括：在所述历史运行数据的负载信息中获取预设数量的目标负载信息，所述目标负载信息的生成时间点晚于所述历史运行数据中除所述目标负载信息之外的其它负载信息；根据所述目标负载信息以及所述预设的预测模型预测负载信息；根据预测得到的负载信息以及所述目标负载信息得到所述负载区间。可选地，所述根据预测得到的负载信息以及所述目标负载信息得到所述负载区间的步骤之后，还包括：存储所述负载区间；根据预测得到的负载信息更新所述历史运行数据；返回执行所述在所述历史运行数据中获取预设数量的目标负载信息的步骤，直至获取的所述负载区间的数量达到预设数量，其中，在接收到运行数据后，执行所述比对当前接收到的运行数据与存储的所述负载区间的步骤。可选地，所述比对当前接收到的运行数据与所述负载区间的步骤包括：按照预设顺序在存储的所述负载区间中获取一个所述负载区间；比对所述运行数据与获取的所述负载区间，其中，在比对完成之后，删除当前获取的所述负载区间。可选地，所述在所述历史运行数据的负载信息中获取预设数量的目标负载信息的步骤之前，所述虚拟机的异常监控方法还包括：在接收到所述运行数据后，根据所述运行数据更新所述历史运行数据。可选地，所述在所述运行数据中的负载信息超出所述负载区间时，执行异常报警操作的步骤包括：在所述运行数据中的负载信息超出所述负载区间时，获取当前时间点之间预设时间间隔内的运行数据；根据获取到的运行数据进行异常报警。可选地，所述根据获取到的运行数据进行异常报警的步骤包括：获取预设时间间隔内的运行数据与所述负载区间的比对结果；在比对结果均为所述运行数据的负载信息超出所述负载区间时，输出故障报警信息。可选地，所述根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间的步骤包括：对所述虚拟机的历史运行数据进行预处理以将所述历史运行数据转换为预设格式；根据转换格式后的所述历史运行数据以及预设的预测模型预测所述虚拟机的负载区间。此外，为实现上述目的，本专利技术还提出一种虚拟机的异常监控装置，其特征在于，所述虚拟机的异常监控装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虚拟机的异常监控程序，所述虚拟机的异常监控程序被所述处理器执行如以上所述的虚拟机的异常监控方法。此外，为实现上述目的，本专利技术还提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有虚拟机的异常监控程序，所述虚拟机的异常监控程序被处理器执行时实现如以上所述的虚拟机的异常监控方法的步骤。本专利技术提出的虚拟机的异常监控方法、装置及存储介质，本方案直接根据历史运行数据以及预测模型预测得到负载区间，在获取到虚拟机的运行数据后，将运行数据中的负载信息与负载区间比对，以确定虚拟机是否异常，由于负载信息是与预测得到的负载区间比对以确定异常情况的，使得异常监控更加准确。附图说明图1为本专利技术虚拟机的异常监控方法涉及的终端的硬件架构示意图；图2为本专利技术虚拟机的异常监控方法的示例性实施例一的流程示意图；图3为本专利技术虚拟机的异常监控方法的示例性实施例四的流程示意图；图4为本专利技术虚拟机的异常监控方法的示例性实施例五的流程示意图。本专利技术目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术虚拟机的异常监控方法涉及的装置的硬件架构示意图。本实施例所述的装置可为实体装置如服务器，也可为在服务器上通过镜像生成的虚拟机。如图1所示，装置包括存储器110、处理器120以及通信模块130，本实施例中的存储器可存储预测模型以及虚拟机的异常监控程序，本实施例中的通信模块可为正常的网络通信模块，只要能够实现终端之间数据传输的通信方式，本实施例所述的网络通信模块均可实现。存储器110中的虚拟机的异常监控程序被处理器120执行时实现以下步骤：根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间，所述预测模型为神经网络模型；比对当前接收到的运行数据与所述负载区间；在所述运行数据中的负载信息超出所述负载区间时，执行异常报警操作，其中，所述负载区间根据预测模型预测得到，其中，所述预测模型为神经网络模型。实施例一参照图2，图2为本专利技术虚拟机的异常监控方法的示例性实施例一的流程示意图，在本实施例中，所述虚拟机的异常监控方法包括：步骤S10，根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间，所述预测模型为神经网络模型；本实施例中的历史运行数据中可包括虚拟机的负载信息以及虚拟机的属性信息，可以理解的是，运行数据中也可包含运行数据的生成时间戳，以标识运行数据的生成时间；负载信息可包括虚拟机的内存占用率、输入输出接口的占用率、磁盘占用率中的至少一个，属性信息可包括虚拟机名或者虚拟机标识。预测模型为通过历史数据对预设的神经网络模型预测得到，可通过历史数据中的负载信息对神经网络模型进行训练预测模型。在预测负载区间时，可先根据历史运行数据以及神经网络模型得到负载信息，根据负载信息以及历史运行数据的负载信息得到运行数据，即步骤S10包括：在所述历史运行数据的负载信息中获取预设数量的目标负载信息，所述目标负载信本文档来自技高网...

【技术保护点】
1.一种虚拟机的异常监控方法，其特征在于，所述虚拟机的异常监控方法包括：/n根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间，所述预测模型为神经网络模型；/n比对当前接收到的运行数据与所述负载区间；/n在所述运行数据中的负载信息超出所述负载区间时，执行异常报警操作，其中，所述预测模型为神经网络模型。/n

【技术特征摘要】
1.一种虚拟机的异常监控方法，其特征在于，所述虚拟机的异常监控方法包括：
根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间，所述预测模型为神经网络模型；
比对当前接收到的运行数据与所述负载区间；
在所述运行数据中的负载信息超出所述负载区间时，执行异常报警操作，其中，所述预测模型为神经网络模型。


2.如权利要求1所述的虚拟机的异常监控方法，其特征在于，所述根据虚拟机的历史运行数据以及预设的预测模型预测所述虚拟机的负载区间的步骤包括：
在所述历史运行数据的负载信息中获取预设数量的目标负载信息，所述目标负载信息的生成时间点晚于所述历史运行数据中除所述目标负载信息之外的其它负载信息；
根据所述目标负载信息以及所述预设的预测模型预测负载信息；
根据预测得到的负载信息以及所述目标负载信息得到所述负载区间。


3.如权利要求2所述的虚拟机的异常监控方法，其特征在于，所述根据预测得到的负载信息以及所述目标负载信息得到所述负载区间的步骤之后，还包括：
存储所述负载区间；
根据预测得到的负载信息更新所述历史运行数据；
返回执行所述在所述历史运行数据中获取预设数量的目标负载信息的步骤，直至获取的所述负载区间的数量达到预设数量，其中，在接收到运行数据后，执行所述比对当前接收到的运行数据与存储的所述负载区间的步骤。


4.如权利要求3所述的虚拟机的异常监控方法，其特征在于，所述比对当前接收到的运行数据与所述负载区间的步骤包括：
按照预设顺序在存储的所述负载区间中获取一个所述负载区间；
比对所述运行数据与获取的所述负载区间，其中，在比对完成之后，删除当前获取的所述负载区间。


5.如权利要求2所述的虚拟机的异...

【专利技术属性】
技术研发人员：赵靖，李柯辛，陈依群，孙丽群，陶莎，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：广东;44