董琪，徐军

（中移（苏州）软件技术有限公司/中国移动苏州研发中心，苏州 215163）

基于聚类的PaaS平台流量监控的迁移研究＊

董琪，徐军

（中移（苏州）软件技术有限公司/中国移动苏州研发中心，苏州 215163）

为了满足Web应用的快速部署，自动维护和自动扩容的需求，从而产生了PaaS平台。但随之而来的问题是如何实时监控PaaS的流量。为了能够实现流量的实现监控， 研究人员提出了利用聚类算法来实现自动分类，但数据在传送很容易受到外界因素的影响，从而导致采集的流量是失真的，因此根据这样的数据来聚类分析后的结果是不准确的。针对此问题，以模糊C均值算法为基础，借鉴知识利用的思想，提出了一种具有迁移学习能力的聚类算法。并将其应用到PaaS平台的流量实现监控中，从而能够快速识别流量，从而能够从极大的保证系统的稳定安全的运行。

PaaS平台；流量的实现监控；极大熵聚类；迁移学习

1 引言

近几年来，随着移动互联网的迅猛发展，涌现出各式各样的 PaaS (Platform as a Service，平台即服务)平台，随着PaaS系统的出现以及发展，在为Web应用开发提供巨大便利的同时，其系统本身、以及其中部署的应用和服务的监控任务也开始面临巨大的挑战，如何实时监控PaaS平台的流量成为一项很重要的课题。

为了解决流量实时监控的问题，相关研究人员提出利用无监督的聚类算法来实现流量的实时监控，聚类大致可以分为硬划分聚类和软划分聚类。硬划分的代表性算法是C均值算法[1]。软划分聚类是依据模糊集理论[2，3]，可以将一个对象按照模糊集理论的不确定性，将同一个对象划分到不同的类簇。……