一种基于BP神经网络的状态评估模型

刘文军，张杰

（四川大学计算机学院，成都 610065）

一种基于BP神经网络的状态评估模型

刘文军，张杰

（四川大学计算机学院，成都 610065）

在体系结构复杂、计算规模较大的集群中，内部计算节点容易出现故障，主动冗余技术是保障系统可靠运行的常用方式。提出在主动冗余技术中构建一种基于BP神经网络的状态评估模型，该模型根据计算节点的历史和当前运行状态对系统进行评估，给出其运行健康状况。实验表明，该模型能够兼顾不同运行特征之间的非线性关系，提高状态评估的准确率，减少误报率。

计算节点；主动冗余；BP神经网络；状态评估

0 引言

进入云计算时代，许多任务或服务需要服务器联合工作才能完成，因此各互联网企业部署了大规模不同用途的集群，而随着服务器集群的体系结构日趋复杂、计算规模不断扩大，集群内部出现故障的可能性远高于单一服务节点，出现故障也已成为常态[1]。2002年，Google分析了其部署在不同地域的几十个站点的一年内运行数据，指出每年节点故障率为2-3%，即每36小时，就有一个节点发生故障[2]。

主动冗余策略，是公认的保证系统高可用的一种方式。实施该策略，可及时对集群内故障节点进行隔离，将业务转移到正常节点进行处理[3-5]。在主动冗余策略中，如何判断集群内计算节点的工作状态是否正常，是非常重要的，它直接关系到主动冗余策略的有效性。状态评估，指的是基于状态监视过程中获取到的大量的设备历史运行数据以及当前的设备状态信息，借助于科学的状态评估模型对其进行分析，从而进一步对信息设备当前的健康状况做出判断[6]。……