题目：面向分布式应用的故障管理系统研究与实现

近年来，随着Internet的快速发展，分布式应用的规模和复杂性出现了爆炸性的增长，服务提供商开发了多种服务，如web服务、VoIP、网络游戏等。这些分布式应用的可靠性和可用性对服务提供商变得越来越重要，而传统的依靠人工方式进行的服务故障诊断陷入了困境，进行高效、准确的智能化网络服务故障诊断变得十分迫切，以便提高故障诊断能力，减少网络故障的平均恢复时间，降低网络的维护保障费用。本文采用了主动探测的方法对分布式应用进行故障管理，并使用了基于故障传播模型的故障定位技术。本文主要研究了多域故障诊断模型，对基于主动探测探针选择算法的改进，并实现了一个故障管理系统原型。论文的主要工作如下：给出了一种多域故障诊断模型，根据被监控网络的物理（网络拓扑）或逻辑因素（服务功能）分成多个域，每个域根据自身的属性可分为服务域和客户域，该模型能准确反映应用服务的部署结构以及不同管理域的检测粒度，能提高故障定位的准确率并且便于系统管理和维护。基于主动探测的故障管理分为两个阶段：故障检测和故障定位，本文提出了在这两个阶段中考虑探针的多个属性，而不是把探针数量作为衡量算法的唯一标准。在故障检测阶段，提出了基于成本效益平衡的检测集选择算法，选出多个备选检测集并进行客观赋权模糊评价，从中选出最合适的检测集。在故障诊断阶段，充分考虑探针对诊断提供的信息熵及探针的探测时间、探测传输开销等因素，提出了考虑检测成本的最小贪婪搜索算法。设计并实现了基于主动探测的故障管理系统原型，该系统分为四层：数据层，控制层、管理层和表示层。数据层负责探针的实例化和运行；控制层根据探针的结果推断应用服务的状态，并负责对探针的选择和调度；管理层负责对多域故障诊断模型和探针信息进行管理，表示层向系统管理员展示了应用服务的运行状况。