基于机器学习的云平台故障排查方法

随着云计算的发展,越来越多的企业将系统部署在云环境中,大大提高了企业应用服务的灵活性、弹性、扩展性和效率,浙江电网容器云平台是云计算在电力系统的典型应用。然而,云计算的弹性架构也导致企业应用的运维变得更复杂和难以监控,当前运维手段大多缺乏清晰的云上应用访问可见性,给云环境下的故障排查带来了困难。针对这一问题,提出一种基于机器学习的故障排查方法。首先,通过层次聚类方法动态生成节点的网络拓扑结构,实时监测浙江电网容器云平台的各节点性能指标,以此作为特征向量;然后,采用支持向量机和随机搜索方法对其进行故障分类,达到实时排查故障的目的,有效提高了该云平台的性能和可靠性,验证了机器学习方法在电力系统中的应用前景。