大规模InfiniBand网络自学习的故障诊断方法

摘要：

针对大规模数据中心网络中如何有效监控网络异常事件、发现网络性能瓶颈和潜在故障点等问题,在深入分析InfiniBand(IB)网络的特性,引入了特征选取策略和增量学习策略的基础土,提出了一种面向大规模IB网络增量学习的故障诊断方法IL-Bayes,该方法以贝叶斯分类方法为基础,加入增量学习机制,能够有效提高故障分类精度.在天河2真实的网络环境下,对算法的诊断精度和误诊率进行了验证,结果表明1L-Bayes算法具有较高的故障分类精度和较低的误诊率.

关键词： 数据中心网络 故障诊断 特征选取 增量学习

作者: 胡银辉 陈琳

作者单位: 国防科学技术大学计算机学院,长沙410073

会议类型: 国内会议

会议名称: 2015年全国开放式分布与并行计算学术年会

会议地点: 兰州

会议语种:中文

页码: 3092-3096

在线出版日期: 2015-08-10（万方平台首次上网日期，不代表论文的发表时间）