外文翻译-数据中心的故障预测采用时间序列和故障树分析.docVIP

数据中心的故障预测 采用时间序列和故障树分析 一、引言 如今云计算已经成为流行，因为提高可用性，节能和点播服务。云计算的主思想是巩固大资源量和虚拟化他们。这样的设施，内部计算机系统通常被称为数据中心。基于云计算的数据中心，包括处理器，内存单元，磁盘驱动器，网络设备以及各种类型的感应器可以支持多种应用程序和用户。任何系统运行的应用程序与这些异质性和密集工作量有时可能容易受到不同种类的故障，在这种“硬件故障”是单一最大原因系统故障。因此，本研究强调硬件故障的处理。 通过回顾文献，主动故障处理策略最近已广泛研究。故障预测和作业迁移结合使用，以管理硬件故障的影响，并增加系统可在用户的角度来看的精度预测模型，从而起到对这一战略的重要作用。 从我们的研究，预测模型可分为2类：神经网络和时间序列分析。每个类是适合于数据的某些特性和系统环境。 在基于神经网络模型，支持向量机（支援向量机）和ANN（人工神经网络）是最流行的技术，因为它们可以提供一个很好的解决方案对非线性数据的短期预测。人工神经网络采用神经网络的算法来训练的节点。输入数据集流入输入层和在每个节点的每个隐含层由训练数据调整，直到误差是最小化或可行的解决方案为止。然后，可以输出从输出层获得的。沿着同样的想法，支持向量机是一种基于分类和回归者的技术使用训练数据集映射数据，建立预测模型。然而，这两种模式可以停留在当地最小值作为其初