用于云监视的实时压缩数据收集.pdf

提供用于在云环境中实施基于压缩传感的数据收集的技术。在一些示例中，高维传感器数据可使用稀疏度变换和压缩采样被压缩。结果得到的低维数据消息可通过交换机网络被引导至云服务管理器，所述云服务管理器然后重建被压缩的消息以供后续分析、报告和/或类似的动作。

权利要求书1.  一种用于云监视中的基于压缩传感的数据收集的方法,所述方法包 括: 接收由云基础架构内的多个探测器收集的与所述云基础架构的性能相关 的多维数据； 确定所接收的所述多维数据的稀疏度特征；以及 应用压缩传感以便使用所述稀疏度特征将所述多维数据压缩成单维数 据，所述单维数据适于用来重建所述多维数据。 2.  根据权利要求1所述的方法，还包括： 在服务管理器处将所述单维数据重建成多维数据。 3.  根据权利要求2所述的方法，还包括： 基于所述重建的多维数据分析或准备报告以便监视云性能。 4.  根据权利要求1所述的方法，其中每个探测器是提供状态数据的 所述云基础架构内的数据源的物理实例，并且所述多个探测器包括以下中的 一个或多个：处理单元、与虚拟机相关联的监视传感器、以及服务器。 5.  根据权利要求4所述的方法，其中所述状态数据与探测器的属性 相关，所述探测器的属性包括以下中的一个或多个：处理器使用、存储器使 用、盘输入/输出(I/O)使用、与应用相关联的负面事件、与应用相关联的运行 时间、资源分配、上下文信息、网络使用和盘温度。 6.  根据权利要求1所述的方法，还包括： 通过初始化生产者线程和消费者线程来初始化所述多个探测器，其中所 述生产者线程从所述多个探测器收集数据，并且所述消费者线程读取所收集 的所述数据。 7.  根据权利要求1所述的方法，还包括： 根据实时监视服务规范调整在所述云基础架构内的单维数据传输速率。 8.  根据权利要求1所述的方法，还包括： 通过将包括来自多个数据源的读数的探测器矢量的每个维度的读数分开 并分别处理分开的所述读数来压缩所述多维数据。 9.  根据权利要求1所述的方法，还包括： 通过将来自每个探测器的消息矢量化并将所述矢量化的消息连结成单个 矢量来压缩所述多维数据。 10.  根据权利要求1所述的方法，还包括： 采用稀疏度变换压缩来自所述多个探测器的所述多维数据。 11.  根据权利要求10所述的方法，其中所述稀疏度变换包括离散的余 弦变换或小波变换中的一个。 12.  根据权利要求10所述的方法，还包括： 通过将单维数据矢量乘以随机构造矩阵来将压缩采样应用到所述变换后 的多维数据，其中所述随机构造矩阵的每列包括用于与所述单维数据矢量相 对应的探测器的一系列随机数。 13.  根据权利要求12所述的方法，还包括： 广播来自所述从云基础架构的中央节点的随机全局种子，其中每个探测 器使用所述全局种子和探测器标识生成其自己的种子，以避免贯穿整个所述 云基础架构传输所述随机构造矩阵。 14.  根据权利要求12所述的方法，还包括： 通过将所述随机构造矩阵分割成至少三个部分以创建用于每个探测器消 息的相等大小的至少三个测量结果矢量、将所述相等大小的测量结果矢量引 导到服务管理器并在所述服务管理器处连结所述测量结果矢量来引导所述单 维数据。 15.  根据权利要求12所述的方法，还包括： 通过将所述随机构造矩阵分割成至少九个部分以创建至少三个测量结果 矩阵、将所述测量结果矩阵引导至服务管理器并在机架顶(TOR)交换机处通 过求和操作获取各个被编码的测量结果矢量来引导所述单维数据。 16.  根据权利要求15所述的方法，还包括： 在所述云基础架构的交换机之间提供通信链路并提供全局控制参数以实 现所述求和操作。 17.  根据权利要求16所述的方法，还包括： 在数据过滤模块处生成所述全局控制参数。 18.  根据权利要求17所述的方法，还包括： 由采用根据所述全局控制参数计算出的预定义的负载平衡机制的负载平 衡器来平衡所述单维数据通过所述交换机的传输。 19.  根据权利要求18所述的方法，其中所述负载平衡器基于网络上下 文动态地指定所述负载平衡机制。 20.  根据权利要求1所述的方法，还包括： 经由多个层级的交换机直接将所述单维数据引导至服务管理器。 21.  根据权利要求1所述的方法，还包括： 采用线性编程优化来重建所述单维数据； 从被重建的所述单维数据提取稀疏度域信息；以及 通过应用逆稀疏度域变换将所述被重建的单维数据变换到原始状态域。 22.  一种用于云监视中的基于压缩传感的数据收集的方法,所述方法包 括: 在云基础架构的汇集器交换机处接收来自所述云基础架构中的多个探测 器的多个消息； 从所接收的所述消息生成与所述云基础架构的性能相关的多维数据； 确定所述多维数据的稀疏度特征； 应用压缩传感以便使用所述稀疏度特征将所述多维数据压缩成单维消 息； 将所述单维消息引导至所述云基础架构内的服务管理器；以及 在所述服务管理器处将所述单维消息重建成多维数据。 23.  根据权利要求22所述的方法，还包括： 基于所述重建的多维数据分析或准备报告以便监视云性能。 24.  根据权利要求22所述的方法，其中每个探测器是提供状态数据的 所述云基础架构内的数据源的物理实例，并且所述多个探测器包括以下中的 一个或多个：处理单元、与虚拟机相关联的监视传感器、以及服务器。 25.  根据权利要求24所述的方法，其中所述状态数据与探测器的属性 相关，所述探测器的属性包括以下中的一个或多个：处理器使用、存储器使 用、盘输入/输出(I/O)使用、与应用相关联的负面事件、与应用相关联的运行 时间、资源分配、上下文信息、网络使用和盘温度。 26.  根据权利要求22所述的方法，还包括： 通过初始化生产者线程和消费者线程来初始化所述多个探测器，其中所 述生产者线程从所述多个探测器收集数据，并且所述消费者线程读取所收集 的所述数据；以及 根据实时监视服务规范调整在所述云基础架构内的单维消息传输速率。 27.  根据权利要求22所述的方法，还包括： 通过将包括来自多个数据源的读数的探测器矢量的每个维度的读数分开 并分别处理分开的所述读数来压缩所述多维数据。 28.  根据权利要求22所述的方法，还包括： 通过将来自每个探测器的消息矢量化并将所述矢量化的消息连结成单个 消息矢量来压缩所述多维数据。 29.  根据权利要求22所述的方法，还包括： 采用稀疏度变换来压缩来自所述多个探测器的所述多维数据。 30.  根据权利要求29所述的方法，其中所述稀疏度变换包括离散的余 弦变换或小波变换中的一个。 31.  根据权利要求29所述的方法，还包括： 通过将单维消息矢量乘以随机构造矩阵来将压缩采样应用到所述变换后 的多维数据，其中所述随机构造矩阵的每列包括用于与所述单维消息矢量相 对应的探测器的一系列随机数。 32.  根据权利要求31所述的方法，还包括： 通过将所述随机构造矩阵分割成至少三个部分以创建用于每个探测器消 息的相等大小的至少三个单维消息矢量、将所述相等大小的单维消息矢量引 导到服务管理器并在所述服务管理器处连结所述单维消息矢量来引导所述单 维消息。 33.  根据权利要求31所述的方法，还包括： 通过将所述随机构造矩阵分割成至少九个部分以创建至少三个测量结果 矩阵、将所述测量结果矩阵引导至所述服务管理器并在机架顶(TOR)交换机 处通过求和操作获取各个被编码的消息矢量来引导所述单维消息。 34.  根据权利要求33所述的方法，还包括： 在所述云基础架构的交换机之间提供通信链路并提供全局控制参数以实 现所述求和操作，其中所述全局控制参数在所述云基础架构的数据过滤模块 处被生成。 35.  根据权利要求22所述的方法，还包括： 经由多个层级的交换机直接将所述单维消息引导至所述服务管理器。 36.  根据权利要求22所述的方法，还包括： 采用线性编程优化来重建所述单维消息； 从被重建的所述单维消息中提取稀疏度域信息；以及 通过应用逆稀疏度域变换将所述被重建的单维消息变换到原始状态域。 37.  一种基于云的数据中心，其被配置为在云监视中采用基于压缩传 感的数据收集,所述数据中心包括: 多个探测器，其被配置为收集与云基础架构的多个节点的性能相关的数 据； 多个汇集器，其被配置为： 接收来自所述多个探测器的所收集的所述数据； 从所接收的所述数据生成多维数据； 确定所述多维数据的稀疏度特征；以及 应用压缩传感以便使用所述稀疏度特征将所述多维数据压缩成单 维数据；以及 云监视服务，其被配置为管理所述单维数据到服务管理器的引导。 38.  根据权利要求37所述的数据中心，其中所述服务管理器被配置为 将所述单维数据重建成多维数据。 39.  根据权利要求37所述的数据中心，其中每个探测器是提供状态数 据的数据源的物理实例，并且包括以下中的一个或多个：处理单元、与虚拟 机相关联的监视传感器、以及所述云基础架构内的服务器。 40.  根据权利要求39所述的数据中心，其中所述状态数据与探测器的 属性相关，所述探测器的属性包括以下中的一个或多个：处理器使用、存储 器使用、盘输入/输出(I/O)使用、与应用相关联的负面事件、与应用相关联的 运行时间、资源分配、上下文信息、网络使用和盘温度。 41.  根据权利要求37所述的数据中心，其中所述服务管理器还被配置 为通过初始化生产者线程和消费者线程来初始化所述多个探测器，其中所述 生产者线程从所述多个探测器收集数据，并且所述消费者线程读取所收集的 所述数据。 42.  根据权利要求37所述的数据中心，其中在所述云基础架构内的单 维数据传输速率根据实时监视服务规范被调整。 43.  根据权利要求37所述的数据中心，其中所述汇集器被配置为：通 过将包括来自多个数据源的读数的探测器矢量的每个维度的读数分开并分别 处理分开的所述读数来压缩所述多维数据。 44.  根据权利要求37所述的数据中心，其中所述汇集器被配置为：通 过将来自每个探测器的消息矢量化并将所述矢量化的消息连结成单个矢量来 压缩所述多维数据。 45.  根据权利要求37所述的数据中心，其中所述汇集器被配置为：采 用稀疏度变换来压缩来自所述多个探测器的所述多维数据。 46.  根据权利要求45所述的数据中心，其中所述稀疏度变换包括离散 的余弦变换或小波变换中的一个。 47.  根据权利要求46所述的数据中心，其中所述汇集器被配置为：通 过将单维数据矢量乘以随机构造矩阵来将压缩采样应用到所述变换后的多维 数据，其中所述随机构造矩阵的每列包括用于与所述单维数据矢量相对应的 探测器的一系列随机数。 48.  根据权利要求47所述的数据中心，其中随机的全局种子从所述云 基础架构的中央节点被广播，使得每个探测器使用所述全局种子和探测器标 识生成其自己的种子，以避免贯穿整个所述云基础架构传输所述随机构造矩 阵。 49.  根据权利要求47所述的数据中心，其中所述云监视服务被配置 为： 通过将所述随机构造矩阵分割成至少三个部分以创建用于每个探测器消 息的相等大小的至少三个测量结果矢量、将所述相等大小的测量结果矢量引 导到所述服务管理器并在所述服务管理器处连结所述测量结果矢量来引导所 述单维数据。 50.  根据权利要求47所述的数据中心，其中所述云监视服务被配置 为： 通过将所述随机构造矩阵分割成至少九个部分以创建至少三个测量结果 矩阵、将所述测量结果矩阵引导至所述服务管理器并在机架顶(TOR)交换机 处通过求和操作获取各个被编码的测量结果矢量来引导所述单维数据。 51.  根据权利要求50所述的数据中心，其中在所述云基础架构的交换 机之间提供通信链路并且采用全局控制参数来实现所述求和操作。 52.  根据权利要求51所述的数据中心，还包括： 被配置为生成所述全局控制参数的数据过滤模块。 53.  根据权利要求37所述的数据中心，还包括： 负载平衡器，其被配置为通过采用根据所述全局控制参数计算出的预定 义的负载平衡机制来平衡所述单维信息通过所述交换机的传输。 54.  根据权利要求53所述的数据中心，其中所述负载平衡器基于网络 上下文动态地指定所述负载平衡机制。 55.  根据权利要求37所述的数据中心，其中所述云监视服务被配置 为： 经由多个层级的交换机直接将所述单维数据引导至所述云基础架构内的 服务管理器。 56.  根据权利要求37所述的数据中心，其中所述服务管理器被配置 为： 采用线性编程优化来重建所述单维数据； 从被重建的所述单维数据中提取稀疏度域信息；以及 通过应用逆稀疏度域变换将所述被重建的单维数据变换到原始状态域。 57.  一种计算机可读存储介质，其具有存储于其上的用于云监视中的 基于压缩传感的数据收集的指令，所述指令包括： 接收由云基础架构内的多个探测器收集的与所述云基础架构的性能相关 的多维数据； 确定所接收的所述多维数据的稀疏度特征；以及 应用压缩传感以便使用所述稀疏度特征将所述多维数据压缩成单维数 据，所述单维数据适于用来重建所述多维数据。 58.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 在服务管理器处将所述单维数据重建成多维数据。 59.  根据权利要求58所述的计算机可读存储介质，其中所述指令还包 括： 基于所述重建的多维数据分析或准备报告以便监视云性能。 60.  根据权利要求57所述的计算机可读存储介质，其中每个探测器是 提供状态数据的所述云基础架构内的数据源的物理实例，并且所述多个探测 器包括以下中的一个或多个：处理单元、与虚拟机相关联的监视传感器、以 及服务器。 61.  根据权利要求60所述的计算机可读存储介质，其中所述状态数据 与探测器的属性相关，所述探测器的属性包括以下中的一个或多个：处理器 使用、存储器使用、盘输入/输出(I/O)使用、与应用相关联的负面事件、与应 用相关联的运行时间、资源分配、上下文信息、网络使用和盘温度。 62.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 通过初始化生产者线程和消费者线程来初始化所述多个探测器，其中所 述生产者线程从所述多个探测器收集数据，并且所述消费者线程读取所收集 的所述数据。 63.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 根据实时监视服务规范调整在所述云基础架构内的单维数据传输速率。 64.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 通过将包括来自多个数据源的读数的探测器矢量的每个维度的读数分开 并分别处理分开的所述读数来压缩所述多维数据。 65.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 通过将来自每个探测器的消息矢量化并将所述矢量化的消息连结成单个 矢量来压缩所述多维数据。 66.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 采用稀疏度变换来压缩来自所述多个探测器的所述多维数据。 67.  根据权利要求66所述的计算机可读存储介质，其中所述稀疏度变 换包括离散的余弦变换或小波变换中的一个。 68.  根据权利要求66所述的计算机可读存储介质，其中所述指令还包 括： 通过将单维数据矢量乘以随机构造矩阵来将压缩采样应用到所述变换后 的多维数据，其中所述随机构造矩阵的每列包括用于与所述单维数据矢量相 对应的探测器的一系列随机数。 69.  根据权利要求68所述的计算机可读存储介质，其中所述指令还包 括： 广播来自所述从云基础架构的中央节点的随机全局种子，其中每个探测 器使用所述全局种子和探测器标识生成其自己的种子，以避免贯穿整个所述 云基础架构传输所述随机构造矩阵。 70.  根据权利要求68所述的计算机可读存储介质，其中所述指令还包 括： 通过将所述随机构造矩阵分割成至少三个部分以创建用于每个探测器消 息的相等大小的至少三个测量结果矢量、将所述相等大小的测量结果矢量引 导到服务管理器并在所述服务管理器处连结所述测量结果矢量来引导所述单 维数据。 71.  根据权利要求68所述的计算机可读存储介质，其中所述指令还包 括： 通过将所述随机构造矩阵分割成至少九个部分以创建至少三个测量结果 矩阵、将所述测量结果矩阵引导至服务管理器并在机架顶(TOR)交换机处通 过求和操作获取各个被编码的测量结果矢量来引导所述单维数据。 72.  根据权利要求71所述的计算机可读存储介质，其中所述指令还包 括： 在所述云基础架构的交换机之间提供通信链路并提供全局控制参数以实 现所述求和操作。 73.  根据权利要求72所述的计算机可读存储介质，其中所述指令还包 括： 在数据过滤模块处生成所述全局控制参数。 74.  根据权利要求73所述的计算机可读存储介质，其中所述指令还包 括： 由采用根据所述全局控制参数计算出的预定义的负载平衡机制的负载平 衡器来平衡所述单维数据通过所述交换机的传输。 75.  根据权利要求74所述的计算机可读存储介质，其中所述负载平衡 器基于网络上下文动态地指定所述负载平衡机制。 76.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 经由多个层级的交换机直接将所述单维数据引导至服务管理器。 77.  根据权利要求57所述的计算机可读存储介质，其中所述指令还包 括： 采用线性编程优化重建所述单维数据； 从被重建的所述单维数据提取稀疏度域信息；以及 通过应用逆稀疏度域变换将所述被重建的单维数据变换到原始状态域。

说明书用于云监视的实时压缩数据收集
背景技术
除非在本文中另外表明，否则本部分中所描述的材料对于本申请中的权 利要求来说不是现有技术并且不由于包括在本部分中而被承认是现有技术。
监视是在基于云的环境中用于错误检测、校正和系统维护的运算任务之 一。例如，服务器和存储器容量的使用可被定期监视。数据的监视可有益于 短期管理以及长期容量计划。来自服务目录的机器镜像也可能需要被监视。 系统管理员可能需要知道哪些应用经常被使用。监视也可包括安全监视，诸 如监视用户活动、可疑事件、验证失败或重复的未被授权的访问尝试以及网 络出入通信量的扫描。
终端用户可能需要能够监视云资源的使用并且在需要其他资源时接收警 示。这些监视能力可包括用于监视每个计算资源的CPU使用、系统活动和用 户活动之间的比率以及来自特定的工作任务的CPU使用的工具。另外，用户 可能需要对允许他们捕捉有关存储器使用和文件系统增长的倾向数据的预言 性云分析的访问权限，以便他们可以在他们遭遇服务可用性问题之前计划对 计算资源的所需的改变。不具有这些能力可能阻止用户采取用于优化使用中 的云资源以满足商业需求方面的变化的行动。
通过第三方供应商部署云计算服务的机构可能需要合适的技术工具以监 视第三方供应商。作为他们与公共云服务的供应商的协议的一部分，机构可 以要求对期望服务提供商交付的性能水平的保证。然而，为了确保这些服务 水平被满足，机构可能需要具有允许他们不只是监视商业用户所体验的实际 性能水平、而且还使他们能够进行对他们发生的问题的根本原因分析的独立 监视的合适的工具。
发明内容
本公开一般地描述了用于在云监视中提供实时压缩数据收集的技术。
根据一些示例实施例，用于云监视中的实时压缩数据收集的方法可包 括：接收由云基础架构内的多个探测器收集的与所述云基础架构的性能相关 的多维数据，确定所接收的多维数据的稀疏度特征，以及应用压缩传感以便 使用所述稀疏度特征将所述多维数据压缩成单维数据，所述单维数据适于用 来重建所述多维数据。
根据其他示例实施例，用于云监视中的实时压缩数据收集的方法可包 括：在云基础架构的汇集器交换机处接收来自所述云基础架构中的多个探测 器的多个消息，从所接收的消息生成与所述云基础架构的性能相关的多维数 据，确定所述多维数据的稀疏度特征，应用压缩传感以便使用所述稀疏度特 征将所述多维数据压缩成单维消息，将所述单维消息引导至所述云基础架构 内的服务管理器，以及在所述服务管理器处将所述单维消息重建成多维数 据。
根据进一步的示例实施例，被配置为在云监视中提供实时压缩数据收集 的基于云的数据中心可包括多个探测器、多个汇集器和云监视服务。所述多 个探测器可被配置为收集与云基础架构的多个节点的性能相关的数据。所述 多个汇集器可被配置为：接收来自所述多个探测器的所收集的数据，从所接 收的数据生成多维数据，确定所述多维数据的稀疏度特征，以及应用压缩传 感以便使用所述稀疏度特征将所述多维数据压缩成单维数据，所述单维数据 适于用来使用所述稀疏度特征将所述多维数据重建成单维数据。所述云监视 服务可被配置为管理所述单维数据到服务管理器的引导。
根据另外的其他示例实施例，一种计算机可读存储介质可具有存储于其 上的用于云监视中的实时压缩数据收集的指令。所述指令可包括：接收由云 基础架构内的多个探测器收集的与所述云基础架构的性能相关的多维数据， 确定所接收的多维数据的稀疏度特征，以及应用压缩传感以便使用所述稀疏 度特征将所述多维数据压缩成单维数据，所述单维数据适于用来重建所述多 维数据。
前述概要仅仅是说明性的，而并不意图以任何方式是限制性的。除了说 明性的方面，上述实施例和特征、另外的方面、实施例和特征将通过参考附 图和下面的详细描述而变得显而易见。
附图说明
根据对结合附图的以下描述和随附权利要求，本公开的前述和其它特征 将变得更加完全地显而易见。在理解这些附图仅示出根据本公开的若干实施 例并且因此不应当被认为是其范围的限制的情况下，将通过使用附图来以附 加的特征和细节描述本公开，在附图中：
图1示出其中可以实施云监视中的实时压缩数据收集的示例系统；
图2示出其中可以实施云监视中的实时压缩数据收集的整个云监视系统 的系统级架构；
图3示出用于图2的数据过滤和数据收集模块的示例系统架构和数据 流。
图4示出示例压缩数据收集和重建过程；
图5示出根据一些示例的系统中的状态数据的数学表示；
图6示出用于数据引导的示例数据中心网络架构；
图7示出用于数据引导的示例模型；
图8示出通用计算装置，其可用于实施云监视中的实时压缩数据收集；
图9是示出可由诸如图8中的装置的计算装置执行的用于在云监视中提 供实时压缩数据收集的示例方法的流程图；以及
图10示出示例计算机程序产品的框图；
所有都根据本文中所述的至少某些实施例被布置。
具体实施方式
在以下详细描述中，对附图进行参考，所述附图形成详细描述的一部 分。除非上下文另外指示，否则在附图中，相似的符号通常标识相似的部 件。在详细描述、附图和权利要求中描述的说明性实施例并不意味着是限制 性的。在不脱离本文所提供的主题的精神或范围的情况下，可以利用其它实 施例，以及可以进行其它改变。将易于理解的是，如在本文中一般地描述的 和在图中示出的那样，本公开的各方面可以以广泛多样的不同配置被布置、 替代、组合、分割和设计，所有这些在本文中都被明确地构想。
除其它之外，本公开大体上被吸引至涉及云监视中的实时压缩数据收集 的方法、设备、系统、装置、和/或计算机程序产品。
简而言之，本申请提供了用于云环境中的基于压缩传感的数据收集的技 术。在一些示例中，高维传感器数据可使用稀疏度变换和压缩采样被压缩。 结果得到的低维数据消息可通过交换机网络被引导至云服务管理器，所述云 服务管理器然后重建被压缩的消息以供后续分析、报告和/或类似的动作。
在很多云环境中，其中服务器状态原始数据被连续地收集的实时连续云 监视、集中的数据挖掘和决策做出可能是被期望的。这样的全局云监视模型 可提供很多好处。例如，频繁的系统级状态报告可实现更好的由自动数据中 心管理系统进行的决策以及实现维持地理上分散的基于容器的数据中心，因 为随着总系统的扩升可能发生更多的子系统故障。
用于实时全局云监视的一种方法可包括获取“异常的”服务器状态、而非 原始数据，以便减小网络内数据传输的量。然而，实施这种方法可能是困难 的、昂贵的和/或不受欢迎的，因为每个服务器传感器可能需要具有本地处理 器和高速缓存以“检测”本地“异常”，并且传感器可能必须被同步以报告状 态，这可能导致用于本地处理的巨大开销。
另一种方法是在传输之前执行数据压缩。与该第二种方法相关的一个挑 战是设计具有最小运行时间占用(即，容易实施)而同时具有合理的重建性 能的数据压缩方案。可应用诸如联合平均信息量编码(joint entropy coding) 或变换编码的数据压缩技术，但是这些技术可能是计算密集的并且可能涉及 大量的数据交换，从而导致重大开销。此外，性能可能随着压缩比和网络拓 扑而变化。
图1示出根据本文中所述的至少某些实施例布置的、其中可以实施用于 云监视的可扩展且稳健的异常检测的示例系统。
如图100所示，物理数据中心102可包括一个或多个物理服务器110、 111和113，它们中的每个都可被配置为提供一个或多个虚拟机104。例如， 物理服务器111和113可被配置为分别提供四个虚拟机和两个虚拟机。在一 些实施例中，一个或多个虚拟机可被组合到一个或多个虚拟数据中心中。例 如，由服务器111提供的这四个虚拟机可被组合到虚拟数据中心112中。虚 拟机104和/或虚拟数据中心112可被配置为经由云106向诸如个人用户或企 业客户的客户组108提供云相关的数据/计算服务，诸如各种应用、数据存 储、数据处理或类似服务。
用于连续的在集中的信息发现和决策中提供辅助，云监视系统连续地收 集“原始”传感器状态数据、将其路由并传送至中央数据库以供全局数据分析 (例如，异常检测等等)。这是由于现代云数据分析使用数据挖掘技术来发 现大量的数据量之间的“关系”这一事实，其中数据需要尽可能频繁地更新其 本身同时保留尽可能多的“原始”信息。相反，一些集中云监视系统采用本地 检测器来过滤“原始”数据并且然后将具有减小的维度的“检测到的数据”或“事 件”传输到中央监视应用。
使用全局或者本地探测器的连续监视方法对于新的云监视框架来说可能 是不受欢迎的。例如，在日益复杂的异常检测中，新的框架需要用以利用“原 始”状态数据之间的从属关系或相互关系、从而实现对底层数据量的更全面的 理解的数据挖掘方法。从属关系或相互关系可以是一群节点之间的空间关 系，或相对于一个或一群节点的时间关系。在这样的情形下，对整个信息及 它们在空间和/或时间域中的相互关系的完全利用可有助于异常检测的成功。 如果相反如在传统云监视架构中那样应用单个的“本地”探测器，则“检测到 的”事件可能很可能失去它们的从属关系信息。因此，传统云监视缺少实时地 执行高级全局数据分析以满足云监视的增长的复杂性和需要的能力。
一些监视工具可以允许监视应用响应时间、服务可用性、页面加载时间 和高峰时间期间的通信量。因此，高效的实时监视系统对云服务提供商和客 户两者来说都可能是有好处的。高效的云监视系统可提供若干好处。
例如，这样的工具可允许以及时的方式防止和/或解决性能问题。具有云 中的资源利用可见性的机构可能更可能做出有关资源分配的训练有素的且及 时的决定，并且因此在性能问题影响它们的商业用户之前防止性能问题。
在另一个示例中，资源可被容易地调整为反映商业需求方面的变化。云 服务的性能的全部可见性可允许机构开启云计算的好处，尤其在涉及到IT管 理的改进的灵活性时。具有对云服务的性能和它们的内部基础架构的端到端 可见性的机构可能能够做出有关添加或减少资源以支持商业需求方面的变化 的决定，这可允许它们以最优成本确保高质量水平的终端用户体验。
在又一示例中，监视可允许优化支出决定。部署用于监视性能、服务等 级协定(SLA)达成、和云服务的使用的独立工具的机构可能更可能能够做出有 关它们从它们在云服务中的投资获得的回报的训练有素的决定。
图2示出根据本文中所述的至少一些实施例布置的、其中可以实施云监 视中的实时压缩数据收集的整个云监视系统的系统级架构。
该云监视系统可被配置用于基础架构和/或应用监视。例如，云监视系统 可以跟踪中央处理单元(CPU)和存储器利用以便调整资源分配，和/或跟踪 磁盘输入/输出操作以确保足够的吞吐量，以便满足服务等级协定(SLA)。云 监视系统也可监视应用日志以寻找不利事件或潜在问题的警告，监视运行在 云中的任务和工作流(例如，运行时间、资源分配和资源成本)，和/或监视 用于提供用于云上下文感知服务的上下文质量(QoC)的上下文信息。
如图200所示，云监视系统的系统级架构可包括数据中心202，类似于 图1中的上述数据中心102。数据中心202可与服务层214对接，服务层214 又可以经由网络230与应用层232进行通信。数据中心202可包括一个或多 个服务器206(类似于图1中的上述服务器110、111或113)，它们中的一些 可被安排到一个或多个服务器的服务器机架中。每个服务器机架可连接到机 架顶(TOR)交换机208。每个TOR交换机208可连接至一个或多个汇集交 换机210，每个汇集交换机210又可以连接至一个或多个核心交换机212。核 心交换机212可连接至服务层214中的服务管理器222。数据中心202也可包 括一个或多个传感器204。在一些实施例中，每个服务器206可与传感器204 中的一个或多个相关联。传感器204可被配置为实时地探查相关联的服务器 的状态。例如，传感器可测量服务器状态，包括服务器温度、CPU使用、存 储器使用、网络使用和/或任何其它合适的服务器参数。传感器测量的服务器 数据和参数204可通过交换机层级(即，TOR交换机208、汇集交换机210 以及核心交换机212)被汇集并被传输，直到到达服务层214中的服务管理 器222。
服务管理器222然后可以将所接收的传感器数据传送至数据分析服务模 块224以供分析。在一些实施例中，可以是专家知识系统或可存储有历史传 感器数据的数据库226可提供对用于异常检测和决定支持的数据分析服务模 块224的支持。服务管理器222然后可基于分析生成系统的状态报告。随 后，驻留在应用层232中的一个或多个用户238可请求一个或多个应用236 (例如，实时监视服务和分析工具)经由网络230使用基于云的服务接口 234和228从服务管理器222获取状态报告。例如，网络图形用户界面(GUI) 可能可供用户238用来经由基于云的网络服务监视服务器206的状态。
在一些实施例中，由服务管理器222接收的传感器数据可被编码和/或压 缩以减少数据通信量。服务管理器222可以在将数据传送至数据分析服务 224之前解码和重建所接收的传感器数据。服务管理器222也可将传感器数 据传送至也包括在服务层214中的云监视服务216。云监视服务216可以经 由数据收集模块218向传感器204、TOR交换机208、汇集交换机210以及核 心交换机212提供控制参数数据，以便控制实时传感器数据收集和路由过 程。为了精细调节数据收集和路由过程，云监视服务216可利用数据过滤模 块220过滤从服务管理器222接收的传感器数据并使用过滤后的数据调整数 据收集和路由参数。在一些实施例中，数据过滤模块220可被配置为减少通 过交换网络所汇集的传感器数据的量，并且因此使得数据收集模块218：(a) 实施期望的数据采样和编码(即压缩)方案以及(b)更有效地经由交换机引导 编码的传感器数据。
图3示出根据本文中所述的至少一些实施例布置的、用于图2的数据过 滤和数据收集模块的示例系统架构和数据流。
如图300所示，数据过滤模块302(类似于图2中的数据过滤模块220) 可被耦合到实施在数据收集模块304(类似于图2中的数据收集模块218)内 的一个或多个数据查询接口306、308和310。数据查询接口306、308和310 可初始化、控制和接收来自传感器312、314和316的传感器数据，传感器 312、314和316中的每个可从服务器320、322和326收集数据。数据查询接 口306、308和310也可向TOR交换机328和330提供数据和控制参数350。 在一些实施例中，数据和控制参数350可包括从传感器312、314和316接收 的传感器数据。由于原始传感器数据可包括具有不同数据格式的不同类型的 信息，因此数据查询接口306、308和310可以将该数据重新格式化和/或重 新组织到统一的数据结构中。例如，统一的数据结构可包括表示传感器标识 符的报头(即，类型、位置，等等)、服务器标识符、时间、数据类型、采 样频率、精度、单位、数据可用性和/或包含数据值的条目。
在一些实施例中，虽然传感器312、314和316将传感器读数实时地发送 至数据查询接口306、308和310，但是每个传感器可具有不同的采样频率， 因此在某些时间可能不是所有的传感器数据一定是可用的。在这些情况下， 数据查询接口可被配置为将可用的传感器读数转发而同时保持不可用的其余 数据。
数据和控制参数350也可包括用于TOR交换机328和330以及较高层级 交换机的控制参数，以便控制传感器数据的路由。例如，控制参数可包括稀 疏度变换系数和/或随机构建矩阵(在下面被更详细地描述)。TOR交换机 328和330中的每个可接收与服务器机架318和324之一相关的数据和控制参 数，并且在一些实施例中，TOR交换机328和330也可接收来自服务器机架 318和324上的部件的数据和控制参数360。TOR交换机328和330然后可将 数据传送至汇集器332和334，汇集器332和334然后可将数据传递到另外更 高层级的交换机。
在一些实施例中，压缩传感(CS)方法可被用于数据过滤，其可在减小 数据通信量的同时维持实时监视性能。图4示出根据本文中所述的至少某些 实施例布置的示例压缩数据收集和重建过程。
如图400所示，云监视服务402(类似于图2中的云监视服务216)可以 与服务管理器420(类似于图2中的服务管理器222)进行通信。云监视服务 402可包括探测器初始化模块404、稀疏度变换模块406、压缩采样模块408 和数据引导模块410。服务管理器420可包括重建模块422。
探测器初始化模块404可被配置为启动一个或多个传感器探测器(例 如，图2中的传感器204)。探测器可以是数据源的物理实例，状态数据从 数据源被收集。例如，探测器可包括处理单元、虚拟机和相关联的监视传感 器或服务器(例如，图2中的服务器206)以及任何相关联的传感器，并且状 态数据可包括探测器的属性，例如，CPU温度。探测器初始化模块404可初 始化一个或多个工作线程。在一些实施例中，探测器初始化模块404可初始 化两个工作线程：生产者线程和消费者线程。生产者线程可从探测器收集数 据，而消费者线程可读取所收集的数据。数据生产者和消费者可经由分配所 收集的测量结果的网络相连接，并且数据收集和分配可由监视系统的不同元 件来提供，以使得分配框架可在不修改所有的生产者和消费者的情况下被修 改。原始和压缩数据的数据传输速率可基于实时监视服务规范 (specification)根据需要由例如图2中的数据收集模块218来调整。
在探测器被探测器初始化模块404初始化后，它们可开始测量状态数据 并传输包含状态数据的消息到例如图2中的数据收集模块218。虽然在一些 实施例中每个探测器可与单个的状态或测得的参数相关联，但在其他实施例 中每个探测器可与来自不同传感器读数的多个状态相关联。因此探测器所传 输的状态数据消息可采取多维矢量的形式。例如，一个维度可代表所感测的 数据的类型(温度、网络通信量、存储器使用，等等)，而另一维度可代表 所感测的数据的不同实例(时间、位置，等等)。在另一个示例中，每个维 度可代表所感测的数据的一个类型。如果存在三个传感器类型，从而导致三 个状态读数，那么可利用每个与一个传感器状态相对应的维度构造一三维矢 量。为了压缩消息，所感测的数据可经由稀疏度变换模块406被转换，并且 接着随后经由压缩采样模块408被压缩，这两个都在下面关于图5被更详细 地描述。数据引导模块410然后可将压缩的消息引导至服务管理器420。最 终，服务管理器420中的重建模块422可重建由服务管理器420接收的压缩 消息。
在一些示例中，云监视系统中的探测器可与来自不同传感器读数的多个 状态相关联，从而导致具有多维矢量的探测器消息。由于这些探测器消息通 过图2中的如上所述的数据中心中的交换机网络被传输，因此压缩这些消息 中的多维矢量可减少网络通信量并提高云监视系统的效率。
图5示出根据本文中所述的至少某些实施例布置的根据一些示例的系统 中的状态数据的表示。
如图500所示，多维状态数据可在数据收集操作510中从多个探测器被 收集。例如，如果操作N个探测器，则每个探测器可提供一消息xi(i＝1,…, N)，其可将其各个状态集合封装在多维矢量中。为减小表示的复杂性，可改 变多维矢量的组织。例如，各传感器读数可根据维度被分开并被处理，或者 消息可被矢量化并且然后被连成单个原始矢量x。在一些实施例中，稀疏度 测量可被用来帮助压缩消息。例如，原始消息x可能是K稀疏度的，其中 K<<N。信号稀疏度可表征信号内的相互关系。如果一N维矢量x是K稀疏 度的，那么存在其中x可由K(K<<N)个非零系数来表示的域(x的“稀疏 度域”)。因此，K稀疏度的N维消息的大小可通过将消息转换到其稀疏度域 中而被减小。例如，可采用离散的余弦变换或小波变换来转换消息。如果一 消息包括来自多个探测器的状态，则每个状态可经由不同的稀疏度变换方法 被转换到其稀疏度域中。在一些实施例中，稀疏度变换可由诸如图4中所述 的稀疏度变换模块406的稀疏度变换模块来执行。
随后，K稀疏度的原始消息x可在压缩操作520中被压缩以形成压缩的 消息y。压缩操作520可由类似于图4中的压缩采样模块408的压缩采样模块 来执行。在一些实施例中，压缩操作502可包括将大小为M×N的随机构造矩 阵乘以原始消息x以形成压缩的消息y，如下所示：
[1]        y＝Φx
或
[2]     y 1 y 2 . . . y M = φ 11 φ 12 . . . φ 1 N φ 21 φ 22 . . . φ 2 N . . . . . . . . . . . . φ M 1 φ M 2 . . . φ MN x 1 x 2 . . . x N ]]>
其中y是M-编码的压缩消息，Φ是随机构造矩阵，并且x是原始消息。
在等式中(2)中，Φ的每列可包含用于相应探测器的一系列随机数(和单 维矢量)。随机矩阵Φ可通过将随机种子生成器包括在数据过滤模块(例 如，图2中的数据过滤模块220)中而被生成，使得随机系数与来自传感器 的原始传感器读数一起被传输直达中央节点(例如，图2中的服务管理器 222)。在其他实施例中，随机矩阵Φ可能不沿着整个网络被传输。相反在 这些实施例中，中央节点可以首先将全局随机种子广播到整个网络。单独的 探测器然后可使用全局随机种子和唯一探测器标识符生成其自己的种子，并 且可使用伪随机数生成器生成随机矩阵Φ的系数。这些系数然后可以在中央 节点处被重新生成(假设中央节点知道所有探测器的标识符)，而无需沿着 整个网络传输整个随机矩阵Φ。
一旦数据已被压缩，其就可与随机系数(沿着网络被传输或在中央节点 处被重新生成)一起被用来在随后的重建操作530中重建原始数据。在一些 实施例中，重建操作530可由诸如图4中的重建模块422的重建模块来执 行。
在消息已如上所述那样被压缩之后，但是在重建之前，该消息可由诸如 图4中所述的数据引导模块410的数据引导模块沿着网络被引导。
图6示出根据本文中所述的至少某些实施例布置的用于数据引导的示例 数据中心网络架构。
如图600所示，数据中心网络架构可包括连接到交换机网络的具有多个 层级的多个服务器机架602、604和606。第一交换机层级可包括交换机 608、610和612，并且在一些实施例中可以是TOR交换机(例如图2中的 TOR交换机208或图3中的TOR交换机328和330)。第二交换机层级可包括 交换机614和616，并且在一些实施例中可以是汇集交换机(例如图2中的 汇集交换机210或图3中的汇集器332和334)。第三交换机层级可包括交换 机618，并且在一些实施例中可以是核心交换机(例如，图2中的核心交换 机212)。虽然在图600中示出了三个服务器机架和三个交换机层级，但是 应当理解的是，更多或更少的机架和/或交换机层级可被包括在数据中心网络 架构中。
在图600中，服务器机架602、604和606可分别具有由每个机架中的传 感器和相关联的服务器形成的稀疏度消息结构 x 1 ( 1 ) x 2 ( 1 ) . . . x N 1 ( 1 ) T , x 1 ( 2 ) x 2 ( 2 ) . . . x N 2 ( 2 ) T , x 1 ( 3 ) x 2 ( 3 ) . . . x N 3 ( 3 ) T ]]>(上标T指代变换)。这 些消息可经由压缩采样被编码并且然后通过网络被引导朝向交换机618。由 于来自每个机架的消息可能是独立的，因此可能会有用以在交换机608、610 和612处编码和压缩原始消息的多个方法。然而，不同的编码策略可影响最 后的重建过程以及数据引导过程的性能。
一种编码方法可以是为每个机架指定一独立的随机构造矩阵。根据上面 的等式(1)，y(1)＝Φ(1)x(1)，y(2)＝Φ(2)x(2)且y(3)＝Φ(3)x(3)，其中Φ(1)是M1×N1， Φ(2)是M2×N2，并且Φ(3)是M3×N3且M1<<N1，M2<<N2，以及M3<<N3。编 码后的测量结果y(1)、y(2)和y(3)可经由多个层级的交换机被直接引导到交换机 618。使用这种编码方法，可能需要通过解决三个线性编程优化问题对编码后 的测量结果执行三次数据重建，如下所述。然而，可能很难保证机架具有用 于压缩采样的足够服务器。例如，如果Nj(例如，服务器的数量)很小的 话，可能并不总是能够找到满足Mj<<Nj的随机构造矩阵Φ(j)。
另一编码方法可以是将随机构造矩阵Φ分割成三个部分，如下：
[3]    
根据等式3，y(1)＝Φ(1)x(1)、y(2)＝Φ(2)x(2)和y(3)＝Φ(3)x(3)可以是具有相同 大小M×1的矢量。在可将测量结果y(1)、y(2)和y(3)引导到重建模块(例如，图 4中的重建模块422)之后，它们可被连结成单个测量结果y＝[y(1)y(2)y(3)]T。在此情况下，可能需要将数据重建应用到单个测量结果y一次。然 而，交换机网络中的测量结果转移可能是不平衡的。例如，如果y(1)和y(2)通 过交换机614被引导而y(3)通过交换机616被引导，那么交换机614的负载将 是交换机616的负载的两倍。
又一编码方法在图中被示出，其示出了根据本文中所述的至少一些实施 例被布置的应用数据引导的示例模型。其他编码技术可以将随机构造矩阵如 下那样分割成九个部分为开始：
[4]    
在示例情况中，y(1)、y(2)和y(3)的长度分别是M1、M2和M3，它们可以是不同 的数字。在交换机708(类似于图6中的交换机608)处，可以执行三个矩阵 处理：Φ11x(1)、Φ21x(1)和Φ31x(1)。可在交换机710和712处执行类似的操作。 可在汇集器交换机714、716和718处应用额外的求和以获得编码后的测量结 果
y(1)＝Φ11x(1)+Φ12x(2)+Φ13x(3)，
y(2)＝Φ21x(1)+Φ22x(2)+Φ23x(3)，以及
y(3)＝Φ31x(1)+Φ32x(2)+Φ33x(3)。
为实现这些求和操作，可在这些交换机之间提供通信链路。此外，可由数据 过滤模块(例如，图2中的数据过滤模块220)生成的全局控制参数也可被用 来形成正确的测量结果。以这种方法，由于数据传输而造成的网络内负载可 通过引入负载平衡器(例如，在汇集器交换机714、716和718处，或在图6 中的交换机614和616处)而被容易地平衡。负载平衡器可使用从预先定义的 控制参数被计算出的预先定义的负载平衡机制；或可根据网络上下文动态地 指定负载平衡机制。例如，在图6中所示的情况中，负载平衡器可指定引导 机制使得y(1)和y(3)经由交换机614被向上引导并且y(2)可经由交换机616被引 导，如果M1+M3≈M2的话。用于数据引导的负载平衡方案可根据一组控制参 数被设计。
最终，压缩数据可被重建模块(例如，图4中的重建模块422)重建。在 一些实施例中，重建模块可由服务管理器模块(例如，图4中的服务管理器 模块420或图2中的服务管理器模块222)来实施。服务管理器模块可负责用 于通过为每个服务组成部分请求创建和配置虚拟执行环境来进行服务应用 (例如，图2中的云监视服务216和/或数据分析服务224)的实例化。服务管 理器模块也可包括用于动态地评估弹性和SLA规则以维持有效的应用执行的 组件。针对这些待被评价的规则，云监视服务(例如，云监视服务216)可 提供所生成的用于整个系统的控制参数。
针对基于CS的数据收集和过滤方法，服务管理器模块可被配置为从测 量结果y重建状态消息x(例如，经由诸如图4中的重建模块422的重建模 块)。重建可使用解决l-最小化问题的线性编程优化方法而发生：
[5]    使其满足y＝Φx，x＝Ψd，
其中消息x被假定为在预定基础Ψ中可被表示为x＝Ψd。对于基于CS 的方案，K稀疏度的状态消息x可被唯一地重建，只要(a)M<<N且(b)M>cK  log(N/K)即可，其中c是小常量。
最终，稀疏度域信息可从被重建的消息x中被提取，并且然后可使用逆 稀疏度域变换将x变换回到原始域。服务管理器模块然后可以转发被重建的 数据以供例如图2中的数据分析服务224分析。
图8示出可被用来实施云监视中的实时压缩数据收集的通用计算装置 800，其根据本文中所述的至少某些实施例被布置。例如，可以使用计算装置 800来实现如本文中所述的基于压缩传感的数据收集系统。在一示例基本配 置802中，计算装置800可包括一个或多个处理器804和系统存储器806。存 储器总线808可被用于处理器804和系统存储器806之间的通信。基本配置 802在图8中通过内部虚线内的那些部件而被示出。
取决于期望的配置，处理器804可以是任何类型，包括但不限于微处理 器机(μP)、微控制器(μC)、数字信号处理器(DSP)或它们的任何组合。处 理器804可包括一个或多个等级的高速缓存，诸如等级高速缓存存储器 812、处理器核814和寄存器816。示例处理器核814可包括算术逻辑单元 (ALU)、浮点单元(FPU)、数字信号处理核(DSP核)或它们的任何组合。示 例存储器控制器818也可与处理器804一起被使用，或在一些实施方式中存 储器控制器818可以是处理器804的内部部分。
取决于期望的配置，系统存储器806可以是任何类型，包括但不限于易 失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或它们的 任何组合。系统存储器806可包括操作系统820、监视服务822以及程序数 据824。监视服务822可包括用于实施如本文中所述的实时压缩数据收集的 收集模块826。除其它数据外，程序数据824还可包括变换数据828等，如 本文中所述。
计算装置800可具有其它特征或功能以及用于促进基本配置802和任何 期望装置和接口之间的通信的附加接口。例如，总线/接口控制器830可被用 来促进基本配置802与一个或多个数据存储装置832之间经由存储接口总线 834的通信。数据存储装置832可以是一个或多个可移除存储装置836、一个 或多个不可移除存储装置838或它们的组合。可移除存储装置和不可移除存 储装置的示例举几个例子来说包括诸如软盘驱动器和硬盘驱动器(HDD)的磁 盘装置、诸如压缩盘(CD)驱动器或数字通用盘(DVD)驱动器的光盘驱动器、 固态驱动器(SSD)和磁带驱动器。示例计算机存储介质可包括在信息存储 的任何方法或技术中被实施的易失性和非易失性、可移除和不可移除的介 质，诸如计算机可读指令、数据结构、程序模块或其它数据。
系统存储器806、可移除存储装置836和不可移除存储装置838是计算 机存储介质的示例。计算机存储介质包括但不限于：RAM、ROM、 EEPROM、闪存或其他存储技术、CD-ROM、数字通用盘(DVD)、固态驱动 器或其他光学存储装置、磁带盒、磁带、磁盘存储装置或其它磁存储器装置 或可用于存储期望的信息以及可被计算装置800访问的任何其它介质。任何 这样的计算机存储介质可以是计算装置800的一部分。
计算装置800也可包括用于促进从各种接口装置(例如，一个或多个输 出装置842、一个或多个外围接口844、一个或多个通信装置866)到基本配 置802的经由总线/接口控制器830的通信的接口总线840。示例输出装置 842中的一些包括图形处理单元848和音频处理单元850，其可被配置为与诸 如显示器或扬声器的各种外部装置经由一个或多个A/V端口852进行通信。 一或多个示例外围接口844可包括串行接口控制器854或并行接口控制器 856，其可被配置为与诸如输入装置(例如，键盘、鼠标、笔、声音输入装 置，触摸输入装置等)或其它外围装置(例如，打印机、扫描仪等)的外部 装置经由一个或多个I/O端口858进行通信。示例通信装置866包括网络控 制器860，其可被布置为促进与一个或多个其它计算装置862经由一个或多 个通信端口864在网络通信链路上的通信。所述一个或多个其它计算装置 862可包括数据中心处的服务器、客户设备以及类似装置。
网络通信链路可以是通信介质的一个示例。通信介质通常可以被体现为 计算机可读指令、数据结构、程序模块或诸如载波或其它传输机制的调制数 据信号中的其它数据，并且可包括任何信息递送介质。“调制数据信号”可以 是具有其特性集合中的一个或多个或者被更改为对信号中的信息进行编码的 信号。举例来说，而非限制，通信介质可包括诸如有线网络或有线直接连接 的有线介质、诸如声学、射频(RF)、微波、红外(IR)和其它无线介质的无 线介质。如本文中所使用的术语计算机可读介质可包括存储介质和通信介质 两者。
计算装置800可被实施作为包括任何以上功能的通用的或专用的服务 器、主机或类似计算机的一部分。计算装置800也可被实施作为包括笔记本 计算机和非笔记本计算机配置两者的个人计算机。
示例实施例也可包括用于云监视中的实时压缩数据收集的方法。这些方 法可以以任意数量的方式(包括本文中所述的结构)来实现。一种这样的方 式可以是通过本公开中所述类型的装置的机器操作。另一可选方式可以是要 与一个或多个人类操作员相结合地被执行的方法的各操作中的一个或多个执 行操作中的一些，而其它操作可通过机器来执行。这些人类操作员不必彼此 在一起，而是每个可以仅仅与执行程序的一部分的机器在一起。在其它示例 中，人的交互可以诸如通过预先选择的可机器自动化的标准而被自动化。
图9是示出根据本文中所述的至少一些实施例被布置的、可由诸如图8 中的装置的计算装置执行的用于在云监视中提供实时压缩数据收集的示例方 法的流程图。示例方法可包括如通过块922、924、926和/或928中的一个或 多个示出的一个或多个操作、功能或动作，并且在一些实施例中可通过诸如 图8中的计算装置800的计算装置来执行。块922-928中所述的操作也可被 存储作为诸如计算装置910的计算机可读介质920的计算机可读介质中的计 算机可执行指令。
用于在云监视中提供实时压缩数据收集的示例过程可块922“接收所收集 的云基础架构中的性能数据”为开始，其中由传感器(例如，图2中的传感器 204)收集的数据和服务器状态被例如图4中的云监视服务402接收，如上所 述。性能数据可被实时地接收，并且可包括服务器温度、CPU使用、存储器 使用、网络使用和/或任何其它合适的服务器参数。
块922之后可跟随有块924“应用压缩传感以将所收集的高维数据压缩成 低维消息”，其中稀疏度变换模块(例如，图4中的稀疏度变换模块406)可被 应用到性能数据以将高维数据转换成低维数据，如上所述。然后可以通过压 缩采样模块(例如，图4中的压缩采样模块408)将压缩采样应用到低维数据 以便如上面关于图5所述的那样形成压缩消息。例如，可以将随机构造矩阵 应用到低维数据以形成压缩消息。
块924之后可跟随有块926“将所述消息传输给服务管理器以供重建”， 其中所述如上面关于图6和7所述的那样，压缩消息可通过数据中心交换机 网络被引导到服务管理器模块(例如，图2中的服务管理器模块222或图4 中的服务管理器模块420)。在一些实施例中，可由诸如图4中的数据引导模 块410的数据引导模块来实施消息引导。服务管理器模块然后可使用例如诸 如图4中的重建模块422的重建模块重建压缩消息，如上所述。
最终，在一些实施例中，块926之后可跟随有块928“分析/报告重建的数 据”，其中重建的数据可被诸如图2中的数据分析服务模块224的数据分析服 务分析。例如，数据可被分析以检测异常和/或以提供用于服务管理器的决定 支持。在一些实施例中，重建的数据也可被报告给一个或多个监视应用，诸 如图2中的应用236。
图10示出根据本文中所述的至少某些实施例来布置的示例计算机程序产 品的框图。
在一些实施例中，如图10中所示，计算机程序产品1000可包括信号承 载介质1002，信号承载介质702也可包括在被例如处理器执行时可提供本文 中所描述的功能的一个或多个机器可读指令1004。因此，例如，提到图8中 的处理器804，监视服务822可以响应于由介质1002传达给处理器804的用 以执行与如上所述的那样在云监视中提供实时压缩数据收集相关联的动作的 指令1004而承担图10中所示出的任务中的一个或多个。根据本文中所述的 一些实施例，那些指令中的一些可包括例如接收所收集的云基础架构内的性 能数据，应用压缩传感以将所收集的高维数据压缩成低维消息，以及将所述 消息传输到服务管理器以供重建。
在一些实施方式中，图10中示出的信号承载介质1002可包括计算机可 读介质1006，诸如但不限于：硬盘驱动器、固态驱动器、压缩盘(CD)、数字 万用盘(DVD)、数字磁带、存储器，等等。在一些实施方式中，信号承载介 质1002可包括可记录介质1008，诸如但不限于：存储器、读/写(R/W) CD、R/W DVD，等等。在一些实施方式中，信号承载介质1002可包括通信 介质1010，诸如但不限于：数字和/或模拟通信介质(例如，光纤光缆、波 导、有线通信链路、无线通信链路，等等)。因此，例如，程序产品1000可 通过RF信号承载介质被传送至处理器1004，其中信号承载介质1002是被无 线通信介质1010(例如，符合IEEE 802.11标准的无线通信介质)传送的。
根据一些示例，用于云监视中的基于压缩传感的数据收集的方法可包 括：接收由云基础架构内的多个探测器收集的与所述云基础架构的性能相关 的多维数据，确定所接收的多维数据的稀疏度特征，以及应用压缩传感以便 使用所述稀疏度特征将所述多维数据压缩成单维数据，所述单维数据适于用 来重建所述多维数据。
根据一些实施例，所述方法还可包括：在服务管理器处将所述单维数据 重建成多维数据，以及/或者以下中的一个：基于所述重建的多维数据分析或 准备报告以便监视云性能。每个探测器可以是提供状态数据的所述云基础架 构内的数据源的物理实例，并且所述探测器可包括以下中的一个或多个：处 理单元、与虚拟机相关联的监视传感器、以及服务器。所述状态数据可与探 测器的属性相关包括以下中的一个或多个：处理器使用、存储器使用、盘输 入/输出(I/O)使用、与应用相关联的负面事件、与应用相关联的运行时间、资 源分配、上下文信息、网络使用和盘温度。
根据其他实施例，所述方法还可包括：通过初始化生产者线程和消费者 线程来初始化所述多个探测器，其中所述生产者线程从所述多个探测器收集 数据，并且所述消费者线程读取所收集的所述数据。所述方法还可包括：根 据实时监视服务规范调整在所述云基础架构内的单维数据传输速率，通过将 包括来自多个数据源的读数的探测器矢量的每个维度的读数分开并分别处理 分开的所述读数来压缩所述多维数据，以及/或者通过将来自每个探测器的消 息矢量化并将所述矢量化的消息连结成单个矢量来压缩所述多维数据。
根据其它实施例，该方法还可包括：采用稀疏度变换压缩来自所述多个 探测器的所述多维数据。所述稀疏度变换可包括离散的余弦变换和/或小波变 换。所述方法还可包括：通过将单维数据矢量乘以随机构造矩阵来将压缩采 样应用到所述变换后的多维数据，其中所述随机构造矩阵的每列包括用于与 所述单维数据矢量相对应的探测器的一系列随机数。所述方法还可包括：广 播来自所述从云基础架构的中央节点的随机全局种子，其中每个探测器使用 所述全局种子和探测器标识生成其自己的种子以避免贯穿整个所述云基础架 构传输所述随机构造矩阵，和/或通过将所述随机构造矩阵分割成至少三个部 分以创建用于每个探测器消息的相等大小的至少三个测量结果矢量、将所述 相等大小的测量结果矢量引导到服务管理器并在所述服务管理器处连结所述 测量结果矢量来引导所述单维数据。
根据其它另外的实施例，该方法还可包括：通过将所述随机构造矩阵分 割成至少九个部分以创建至少三个测量结果矩阵/将所述测量结果矩阵引导至 服务管理器并在机架顶(TOR)交换机处通过求和操作获取各个被编码的测量 结果矢量来引导所述单维数据。可在所述云基础架构的交换机之间提供通信 链路并提供全局控制参数以实现所述求和操作，并且所述全局控制参数可以 在数据过滤模块处被生成。所述方法还可包括：由采用根据所述全局控制参 数计算出的预定义负载平衡机制的负载平衡器来平衡所述单维数据通过所述 交换机的传输。所述负载平衡器可以基于网络上下文动态地指定负载平衡机 制。
根据一些实施例，所述方法还可包括：经由多个层级的交换机直接将所 述单维数据引导至服务管理器。所述方法还可包括：采用线性编程优化重建 所述单维数据，从所述被重建的单维数据提取稀疏度域信息，以及通过应用 逆稀疏度域变换将被重建的所述单维数据变换到原始状态域。
根据其它示例，用于云监视中的基于压缩传感的数据收集的方法可包 括：在所述云基础架构的汇集器交换机处接收来自所述云基础架构中的多个 探测器的多个消息，从所接收的消息生成与所述云基础架构的性能相关的多 维数据，确定所述多维数据的稀疏度特征，应用压缩传感以便使用所述稀疏 度特征将所述多维数据压缩成单维消息，将所述单维消息引导至所述云基础 架构内的服务管理器，以及在所述服务管理器处将所述单维消息重建成多维 数据。
根据一些实施例，所述方法还可包括：基于所述重建的多维数据分析或 准备报告以便监视云性能。每个探测器可以是提供状态数据的所述云基础架 构内的数据源的物理实例，并且所述探测器可包括以下中的一个或多个：处 理单元、与虚拟机相关联的监视传感器、以及服务器。所述状态数据可与探 测的属性相关包括以下中的一个或多个：处理器使用、存储器使用、盘输入/ 输出(I/O)使用、与应用相关联的负面事件、与应用相关联的运行时间、资源 分配、上下文信息、网络使用和盘温度。
根据其他实施例，所述方法还可包括：通过初始化生产者线程和消费者 线程来初始化所述多个探测器，其中所述生产者线程从所述多个探测器收集 数据，并且所述消费者线程读取所收集的所述数据，以及根据实时监视服务 规范调整在所述云基础架构内的单维数据传输速率。所述方法还可包括：通 过将包括来自多个数据源的读数的探测器矢量的每个维度的读数分开并分别 处理分开的所述读数来压缩所述多维数据，以及/或者通过将来自每个探测器 的消息矢量化并将矢量化的所述消息连结成单个矢量来压缩所述多维数据。
根据其它实施例，该方法还可包括：采用稀疏度变换压缩来自所述多个 探测器的所述多维数据。所述稀疏度变换可包括离散的余弦变换和/或小波变 换。所述方法还可包括：通过将单维数据矢量乘以随机构造矩阵来将压缩采 样应用到变换后的所述多维数据，其中所述随机构造矩阵的每列包括用于与 所述单维数据矢量相对应的探测器的一系列随机数。所述方法还可包括：通 过将所述随机构造矩阵分割成至少三个部分以创建用于每个探测器消息的相 等大小的至少三个测量结果矢量、将所述相等大小的测量结果矢量引导到服 务管理器并在所述服务管理器处连结所述测量结果矢量来引导所述单维数 据。
根据另外的其它实施例，该方法还可包括：通过将所述随机构造矩阵分 割成至少九个部分以创建至少三个测量结果矩阵/将所述测量结果矩阵引导至 服务管理器并在机架顶(TOR)交换机处通过求和操作获取各个被编码的测量 结果矢量来引导所述单维数据。可在所述云基础架构的交换机之间提供通信 链路并提供全局控制参数以实现所述求和操作，并且所述全局控制参数可以 在所述云基础架构的数据过滤模块处被生成。所述方法还可包括：经由多个 层级的交换机直接将所述单维数据引导至服务管理器。所述方法还可包括： 采用线性编程优化重建所述单维数据，从被重建的所述单维数据提取稀疏度 域信息，以及通过应用逆稀疏度域变换将被重建的所述单维数据变换到原始 状态域。
根据进一步的示例，被配置为在云监视中采用基于压缩传感的数据收集 的基于云的数据中心可包括多个探测器、多个汇集器和云监视服务。所述多 个探测器可被配置为收集与云基础架构的多个节点的性能相关的数据。所述 多个汇集器可被配置为：接收来自所述多个探测器的所收集的所述数据，从 所接收的所述数据生成多维数据，确定所述多维数据的稀疏度特征，以及应 用压缩传感以便使用所述稀疏度特征将所述多维数据压缩成单维数据，所述 单维数据适于用来使用所述稀疏度特征将所述多维数据重建成单维数据。所 述云监视服务可被配置为管理所述单维数据到服务管理器的引导。
根据一些实施例，所述服务管理器还可被配置为将所述单维数据重建成 多维数据。每个探测器可以是提供状态数据的数据源的物理实例，并且可包 括以下中的一个或多个：处理单元、与虚拟机相关联的监视传感器、以及所 述云基础架构内的服务器。所述状态数据可与探测器的属性相关包括以下中 的一个或多个：处理器使用、存储器使用、盘输入/输出(I/O)使用、与应用相 关联的负面事件、与应用相关联的运行时间、资源分配、上下文信息、网络 使用和盘温度。
根据其它实施例，所述服务管理器还可被配置为：通过初始化生产者线 程和消费者线程来初始化所述多个探测器，其中所述生产者线程从所述多个 探测器收集数据，并且所述消费者线程读取所收集的所述数据。可根据实时 监视服务规范调整在云基础架构内的单维数据传输速率。所述汇集器可被配 置为：通过将包括来自多个数据源的读数的探测器矢量的每个维度的读数分 开并分别处理分开的所述读数来压缩所述多维数据，以及/或者通过将来自每 个探测器的消息矢量化并将矢量化的所述消息连结成单个矢量来压缩所述多 维数据。
根据另外的实施例，所述汇集器还可被配置为：采用稀疏度变换压缩来 自所述多个探测器的所述多维数据。所述稀疏度变换可包括离散的余弦变换 和/或小波变换。所述汇集器还可被配置为：通过将单维数据矢量乘以随机构 造矩阵来将压缩采样应用到变换后的所述多维数据，其中所述随机构造矩阵 的每列包括用于与所述单维数据矢量相对应的探测器的一系列随机数。可从 所述云基础架构的中央节点广播随机的全局种子，使得每个探测器使用所述 全局种子和探测器标识生成其自己的种子，以避免贯穿整个所述云基础架构 传输所述随机构造矩阵。所述云监视服务可被配置为：通过将所述随机构造 矩阵分割成至少三个部分以创建用于每个探测器消息的相等大小的至少三个 测量结果矢量、将所述相等大小的测量结果矢量引导到服务管理器并在所述 服务管理器处连结所述测量结果矢量来引导所述单维数据。
根据另外的其它实施例，所述云监视服务还可被配置为：通过将所述随 机构造矩阵分割成至少九个部分以创建至少三个测量结果矩阵/将所述测量结 果矩阵引导至服务管理器并在机架顶(TOR)交换机处通过求和操作获取各个 被编码的测量结果矢量来引导所述单维数据。可以在所述云基础架构的交换 机之间提供通信链路，并且可以采用全局控制参数来实现所述求和操作。所 述数据中心还可包括：被配置为生成所述全局控制参数的数据过滤模块和/或 被配置为通过采用根据所述全局控制参数计算出的预定义的负载平衡机制来 平衡所述单维数据通过所述交换机的传输的负载平衡器。所述负载平衡器可 以基于网络上下文动态地指定负载平衡机制。
根据一些实施例，所述云监视服务还可被配置为：经由多个层级的交换 机直接将所述单维数据引导至所述云基础架构内的服务管理器。所述服务管 理器还可被配置为：采用线性编程优化重建所述单维数据，从被重建的所述 单维数据中提取稀疏度域信息，以及通过应用逆稀疏度域变换将被重建的所 述单维数据变换到原始状态域。
根据另外的其他示例实施例，一种计算机可读存储介质可存储用于云监 视中的基于压缩传感的数据收集的指令。所述指令可包括：接收由云基础架 构内的多个探测器收集的与所述云基础架构的性能相关的多维数据，确定所 接收的多维数据的稀疏度特征，以及应用压缩传感以便使用所述稀疏度特征 将所述多维数据压缩成单维数据，所述单维数据适于用来重建所述多维数 据。
根据一些实施例，所述指令还可包括：在服务管理器处将所述单维数据 重建成多维数据，以及/或者以下中的一个：基于所述重建的多维数据分析或 准备报告以便监视云性能。每个探测器可以是提供状态数据的所述云基础架 构内的数据源的物理实例，并且所述探测器可包括以下中的一个或多个：处 理单元、与虚拟机相关联的监视传感器、以及服务器。所述状态数据可与探 测器的属性相关包括以下中的一个或多个：处理器使用、存储器使用、盘输 入/输出(I/O)使用、与应用相关联的负面事件、与应用相关联的运行时间、资 源分配、上下文信息、网络使用和盘温度。
根据其它实施例，所述指令还可包括：通过初始化生产者线程和消费者 线程来初始化所述多个探测器，其中所述生产者线程从所述多个探测器收集 数据，并且所述消费者线程读取所收集的所述数据。所述指令还可包括：根 据实时监视服务规范调整在所述云基础架构内的单维数据传输速率，通过将 包括来自多个数据源的读数的探测器矢量的每个维度的读数分开并分别处理 分开的所述读数来压缩所述多维数据，以及/或者通过将来自每个探测器的消 息矢量化并将矢量化的所述消息连结成单个矢量来压缩所述多维数据。
根据另外的实施例，所述指令还可包括：采用稀疏度变换压缩来自所述 多个探测器的所述多维数据。所述稀疏度变换可包括离散的余弦变换和/或小 波变换。所述指令还可包括：通过将单维数据矢量乘以随机构造矩阵来将压 缩采样应用到变换后的所述多维数据，其中所述随机构造矩阵的每列包括用 于与所述单维数据矢量相对应的探测器的一系列随机数。所述指令还可包 括：广播来自所述从云基础架构的中央节点的随机全局种子，其中每个探测 器使用所述全局种子和探测器标识生成其自己的种子，以避免贯穿整个所述 云基础架构传输所述随机构造矩阵，以及/或者通过将所述随机构造矩阵分割 成至少三个部分以创建用于每个探测器消息的相等大小的至少三个测量结果 矢量、将所述相等大小的测量结果矢量引导到服务管理器并在所述服务管理 器处连结所述测量结果矢量来引导所述单维数据。
根据另外的其它实施例，所述指令还可包括：通过将所述随机构造矩阵 分割成至少九个部分以创建至少三个测量结果矩阵/将所述测量结果矩阵引导 至服务管理器并在机架顶(TOR)交换机处通过求和操作获取各个被编码的测 量结果矢量来引导所述单维数据。所述指令还可包括：在所述云基础架构的 交换机之间提供通信链路并提供全局控制参数以实现所述求和操作，和/或在 数据过滤模块处生成所述全局控制参数。所述指令还可包括：由采用根据所 述全局控制参数计算出的预定义负载平衡机制的负载平衡器来平衡所述单维 数据通过所述交换机的传输。所述负载平衡器可以基于网络上下文动态地指 定负载平衡机制。
根据一些实施例，所述指令还可包括：经由多个层级的交换机直接将所 述单维数据引导至服务管理器。所述指令还可包括：采用线性编程优化重建 所述单维数据，从被重建的所述单维数据提取稀疏度域信息，以及通过应用 逆稀疏度域变换将被重建的所述单维数据变换到原始状态域。
系统的各方面的硬件和软件实施之间几乎不存在留下的差别；硬件或软 件的使用通常是(但并不总是，因为在某些情景中在硬件和软件之间的选择 可能变得重要)代表成本与效率折衷的一种设计选择。存在本文中所述的过 程和/或系统和/或其它技术可借以实现的各种手段(例如，硬件、软件和/或 固件)，并且优选的手段将随着其中过程和/或系统和/或其它技术被部署的情 景的不同而不同。例如，如果实施者确定速度和准确性是极为重要的，那么 实施者可选择主要为硬件和/或固件的手段；如果灵活性是极为重要的，那么 实施者可选择主要为软件的实施方式；或者，但同样可替换地，实施者可选 择硬件、软件和/或固件的某组合。
前面的详细描述已经通过使用框图、流程图和/或示例阐述了装置和/或 过程的各种实施例。在这样的框图、流程图和/或示例包含一个或多个功能和/ 或操作的程度上，本领域技术人员将理解的是，这样的框图、流程图或示例 内的每个功能和/或操作可通过许多各种不同的硬件、软件、固件或实际上它 们的任何组合被单独地和/或集体地实现。在一实施例中，本文中所述的主题 的若干部分可经由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字 信号处理器(DSP)或其他集成形式来实现。然而，本领域技术人员将认识到， 本文中所公开的实施例的一些方面作为整体或部分地可被等价地实施在集成 电路中，作为在一个或多个计算机上运行的一个或多个计算机程序(例如， 作为在一个或多个计算机系统上运行的一个或多个程序)，作为在一个或多 个处理器上运行的一个或多个程序(例如作为在一个或多个微处理器上运行 的一个或多个程序)，作为固件，或作为实际上它们的任何组合，并且，设 计电路和/或为软件和/或固件写代码将是本领域技术人员根据本公开所熟练掌 握的技能。
就本申请中所述的特定实施例(意图使其作为各方面的例证)而言本公 开不是受限的。如对本领域技术人员来说将显而易见的，在不脱离其精神和 范围的情况下可以做出许多修改和改变。通过前述描述，本公开范围内的功 能等价的方法和设备(除本文中所列举的那些之外)对于本领域技术人员来 说将是显而易见的。意图使这样的修改和改变落在所附权利要求的范围内。 本公开仅由所附权利要求的各项以及这样的权利要求所赋予的等同物的全部 范围一起来限定。应当理解，本公开并不限于特定的方法、试剂、化合物成 分或生物系统(当然其可以变化)。还应当理解，本文中所使用的术语仅仅 是为了描述特定实施例的目的，且并不意图是限制性的。
此外，本领域技术人员将理解，本文中所述的主题的机制能够作为各种 形式的程序产品被分发，并且不管用于实际实现该分发的信号承载介质的特 定类型如何本文中所述的主题的说明性实施例都适用。信号承载介质的示例 包括但不限于以下：可记录型介质，诸如软盘、硬盘驱动器压缩盘(CD)、数 字通用盘(DVD)、数字磁带、计算机存储器、固态驱动器等等；以及传输型 介质，诸如数字和/或模拟通信介质(例如，光纤线缆、波导、有线通信链 路、无线通信链路等等)。
本领域技术人员将理解，以本文中所阐述的方式描述装置和/或过程并且 然后使用工程实践将这样描述的装置和/或过程集成到数据处理系统中在本领 域中是常见的。也就是说，本文中所述的装置和/或过程的至少一部分可经由 合理量的实验被集成到数据处理系统中。本领域技术人员将理解，典型的数 据处理系统通常包括系统单元外壳、视频显示装置、诸如易失性和非易失性 存储器的存储器、诸如微处理器和数字信号处理器的处理器、诸如操作系 统、驱动器、图形用户界面和应用程序的计算实体、诸如触摸板或屏的一个 或多个交互装置，和/或包括反馈环和控制马达的控制系统(例如，用于感测 传动定位系统的位置和/或速率的反馈；用于移动和/或调整部件和/或数量的 控制马达)中的一个或多个。
典型的数据处理系统可利用任何合适的商业上可获得的部件来实施，诸 如在数据计算/通信和/或网络计算/通信系统中常见的那些。本文中所述的主 题有时示出包含于不同的其它部件中的不同部件，或者与不同的其它部件相 连接。应当理解的是，这样示出的架构仅仅是示例性的，并且实际上可以实 施实现相同功能的许多其它架构。在概念性意义上，用以实现相同的功能的 部件的任何布置是有效地“关联的”以便实现期望的功能。因此，在本文中被 组合以实现特定功能的任何两个部件可被视为彼此“相关联”以便实现期望的 功能，不管是架构还是中间部件。同样，这样关联的任何两个部件也可被视 为是彼此“可操作地相连接”或者“可操作地相耦合”以实现期望的功能，并且 能够这样关联的任何两个部件还可被视为是彼此“可操作地可耦合的”以实现 期望的功能。可操作地可耦合的特定示例包括但不限于物理上可连接和/或物 理上相互作用的部件和/或无线地可交互和/或无线地交互的部件和/或逻辑上 交互和/或逻辑上可交互的部件。
关于基本上任何复数和/或单数术语在本文中的使用，本领域技术人员可 以按照其适用于的情景和/或应用而从复数转化到单数和/或从单数转化到复 数。为了清楚起见，在本文中可能明确地阐述了各种单数/复数变换。
本领域技术人员将理解的是，总之，本文中且尤其是所附权利要求(例 如所附权利要求的主体)中所使用的术语通常意图是“开放的”术语(例如术 语“包括”应当被解释为“包括但不限于”，术语“具有”应当被解释为“至少具 有”，术语“包含”应当被解释为“包含但不限于”，等等)。本领域技术人员将 进一步理解的是，如果所引入的权利要求叙述的特定数字是有意的，这样的 意图将被明确叙述在权利要求中，并且在没有这样的叙述的情况下不存在这 样的意图。例如，作为理解的辅助，下面所附的权利要求可以包含引入性短 语“至少一个”和“一个或多个”的使用以引入权利要求叙述。然而，这样的短 语的使用不应被解释为暗示着通过不定冠词“一”或“一个”引入权利要求叙述 将包含这样引入的权利要求叙述的任何特定权利要求限定到包含只有一个这 样的叙述的实施例，即使当该同一权利要求包括引入性短语“一个或多个”或 “至少一个”以及诸如“一”或“一个”的不定冠词时也是这样(例如，“一”和/或 “一个”应当被解释为意味着“至少一个”或“一个或多个”)；对于用来引入权 利要求叙述的定冠词的使用来说情况是同样的。此外，即使明确记载了所引 入的权利要求叙述的特定数字，本领域技术人员也将认识到，这样的记载应 当被解释为意味着至少所记载的数字(例如，在没有其它修饰的情况下，“两 个叙述”的直率叙述意味着至少两个叙述或者两个或更多叙述)。
此外，在其中使用类似于“A、B和C等中的至少一个”的惯例的那些实 例中，通常这样的构造意图是本领域技术人员将理解该惯例的意义(例如， “具有A、B和C等中的至少一个的系统”将包括但不限于单独具有A、单独 具有B、单独具有C、具有A和B一起、具有A和C一起、具有B和C一 起以及/或者具有A、B和C一起等的系统)。本领域技术人员将进一步理解 的是，实际上任何转折性词语和/或提供两个或更多替换术语的短语无论是在 说明书、权利要求中还是在附图中都应当被理解为构想包括这些术语中的一 个、这些术语中的任一个或这些术语两个的可能性。例如，短语“A或B”将 被理解为包括“A”或“B”或“A和B”的可能性。
此外，在就马库什群组描述公开的特征或方面的情况下，本领域技术人 员将认识到，由此也就马库什群组的任何单个成员或成员的子群组描述了公 开。
如本领域技术人员将理解的，处于任何和所有目的，诸如在提供书面描 述方面，本文中所公开的所有范围也涵盖任何和所有可能的子范围以及其子 范围的组合。任何所列出的范围可被容易地理解为足以描述该范围并允许该 同一范围被分解为至少相等的两半、三份、四份、五份、十份，等等。作为 非限制性示例，本文中所讨论的每个范围可以容易地被分解成欣然地于此被 分散为下三分之一、中三分之一和上三分之一，等等。如本领域技术人员也 将理解的，诸如“高达”、“至少”、“大于”、“小于”等的所有语言都包括所述的 该数字并且指代随后可被分解成如上所讨论的子范围的范围。最后，如本领 域技术人员将理解的，范围包括每个单个成员。因此，例如，具有1-3个单 元的群组指代具有1个、2个或3个单元的群组。相似地，具有1-5个单元的 群组指代具有1个、2个、3个、4个或5个单元的群组，以此类推。
虽然已经在本文中公开了各种方面和实施例，但是其它方面和实施例对 于本领域技术人员来说将是显而易见的。在真实范围和精神由下面的权利要 求来指明的情况下，本文中所讨论的各种方面和实施例是出于说明的目的并 且并不意图是限制性的。