• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    大型分布式信息系統(tǒng)故障檢測研究

    2015-11-26 01:47:26安徽工程大學(xué)電氣工程學(xué)院安徽蕪湖241000
    關(guān)鍵詞:排序分布式信息系統(tǒng)

    尹 娟,葛 愿,王 炎,徐 旺,陳 鑫(安徽工程大學(xué)電氣工程學(xué)院,安徽蕪湖 241000)

    大型分布式信息系統(tǒng)故障檢測研究

    尹 娟,葛 愿?,王 炎,徐 旺,陳 鑫
    (安徽工程大學(xué)電氣工程學(xué)院,安徽蕪湖 241000)

    通過引入流強(qiáng)度并搜索全部流強(qiáng)度量測之間的不變關(guān)系,將大型分布式信息系統(tǒng)建模成一個(gè)不變網(wǎng)絡(luò),其中節(jié)點(diǎn)代表流強(qiáng)度量測,邊代表不變關(guān)系.當(dāng)系統(tǒng)發(fā)生故障時(shí),會導(dǎo)致不變網(wǎng)絡(luò)中與故障點(diǎn)相關(guān)的邊發(fā)生中斷,且由于故障會在監(jiān)測數(shù)據(jù)中進(jìn)行傳播,從而導(dǎo)致多條邊發(fā)生中斷以及多個(gè)節(jié)點(diǎn)出現(xiàn)異常,加大了系統(tǒng)故障檢測的難度.為此,設(shè)計(jì)了gRank+算法,根據(jù)節(jié)點(diǎn)測量的異常水平對不變網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行排序,從而實(shí)現(xiàn)系統(tǒng)故障的快速檢測.最后使用3組綜合數(shù)據(jù)集通過準(zhǔn)確率、召回率和增益值3個(gè)指標(biāo)來驗(yàn)證g Rank+算法的有效性和優(yōu)越性.

    大型分布式信息系統(tǒng);不變網(wǎng)絡(luò);故障檢測;g Rank+算法

    大型分布式信息系統(tǒng)的故障檢測是一項(xiàng)艱巨而有價(jià)值的任務(wù),已經(jīng)引起了廣泛關(guān)注.文獻(xiàn)[1]基于系統(tǒng)故障與癥狀之間預(yù)知的依賴關(guān)系,使用事件關(guān)聯(lián)法進(jìn)行故障檢測.然而,在實(shí)際系統(tǒng)中很難精確地獲得這種故障與癥狀之間的依賴關(guān)系.文獻(xiàn)[2-3]分別使用貝葉斯網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)從標(biāo)記樣本數(shù)據(jù)中學(xué)習(xí)故障癥狀,顯著改善了故障診斷效果.但對于大型分布式信息系統(tǒng),想要預(yù)先得到這種故障知識是非常困難的.

    事實(shí)上,從分布式系統(tǒng)組件中收集到的大量監(jiān)測數(shù)據(jù)(如日志文件、系統(tǒng)審計(jì)事件、網(wǎng)絡(luò)流量統(tǒng)計(jì)等)可用于故障檢測.文獻(xiàn)[4-6]提出了用系統(tǒng)不變量分析技術(shù)(System Invariant Analysis Technique,SIAT)來模擬系統(tǒng)動力學(xué)及檢測系統(tǒng)故障.文獻(xiàn)[4]引入“流強(qiáng)度”概念來測量內(nèi)部監(jiān)測數(shù)據(jù)對用戶請求數(shù)量的反應(yīng)強(qiáng)度,且首次提出“不變量”這樣一個(gè)新概念,并將其廣泛應(yīng)用于大規(guī)模的系統(tǒng)管理中.在分布式信息系統(tǒng)中,文獻(xiàn)[4,7]用帶有外源輸入的自回歸模型(AutoRegressive model with eXogenous inputs,ARX)來模擬各個(gè)測量組件測量到的流強(qiáng)度量測之間的關(guān)系.

    考慮到一個(gè)信息系統(tǒng)所有流強(qiáng)度量測,它可能生成一個(gè)不變網(wǎng)絡(luò),如圖1所示.由圖1可知,虛線鏈接表示正常,實(shí)線鏈接表示異常.其中,每個(gè)節(jié)點(diǎn)代表一個(gè)流強(qiáng)度量測,而兩個(gè)節(jié)點(diǎn)之間的邊代表這兩個(gè)量測之間的一個(gè)不變量(不變關(guān)系).

    文獻(xiàn)[8]利用搜索到的不變量生成不變網(wǎng)絡(luò),在這個(gè)網(wǎng)絡(luò)中,一個(gè)節(jié)點(diǎn)代表一個(gè)監(jiān)控?cái)?shù)據(jù),一個(gè)鏈接代表兩個(gè)監(jiān)測數(shù)據(jù)之間的不變關(guān)系.由于故障一般會在監(jiān)測數(shù)據(jù)中傳播,所以當(dāng)系統(tǒng)發(fā)生故障時(shí),會破壞不變網(wǎng)絡(luò)中的一些鏈接.文獻(xiàn)[8]提出m Rank算法和gRank算法來給異常量測進(jìn)行排序,排序結(jié)果有助于系統(tǒng)專家檢測與定位故障.m Rank算法雖然考慮了節(jié)點(diǎn)本身以及鄰近節(jié)點(diǎn)的影響,但每個(gè)節(jié)點(diǎn)的異常水平是固定的,不具有可變性.而gRank算法是在假設(shè)一個(gè)節(jié)點(diǎn)的中斷不變量鄰近節(jié)點(diǎn)所有iScore都相對較低,即在假設(shè)這個(gè)節(jié)點(diǎn)的iScore是高度可靠的情況下進(jìn)行更新迭代.由于節(jié)點(diǎn)本身和它的鄰近節(jié)點(diǎn)相互影響,即使一個(gè)節(jié)點(diǎn)的中斷不變量鄰近節(jié)點(diǎn)所有iScore很低,也會對這個(gè)節(jié)點(diǎn)產(chǎn)生影響.而本文設(shè)計(jì)的gRank+算法將一個(gè)節(jié)點(diǎn)的中斷不變量鄰近節(jié)點(diǎn)對其斷開鏈接的影響考慮進(jìn)節(jié)點(diǎn)的異常水平中,降低了算法的保守性.綜上所述,國內(nèi)外學(xué)者從多個(gè)角度對大型分布式信息系統(tǒng)故障檢測問題進(jìn)行了廣泛研究,為本文研究的開展奠定了堅(jiān)實(shí)的基礎(chǔ).首先針對從分布式系統(tǒng)組件中收集到的大量監(jiān)測數(shù)據(jù)建立ARX模型,然后進(jìn)行不變量搜索生成相應(yīng)的不變網(wǎng)絡(luò),最后利用改進(jìn)的g Rank+算法對節(jié)點(diǎn)異常水平進(jìn)行排序,并基于準(zhǔn)確率、召回率和增益值這3個(gè)指標(biāo)來驗(yàn)證算法的有效性和優(yōu)越性.

    1 問題描述

    1.1 流強(qiáng)度與不變量

    許多大型分布式信息系統(tǒng)(如Google、Amazon)每天收到數(shù)以百萬計(jì)的事務(wù)請求.在系統(tǒng)運(yùn)行期間,大量監(jiān)測數(shù)據(jù)在各種系統(tǒng)組件中被收集,用來記錄它們的運(yùn)行狀態(tài).通常情況下,很多內(nèi)部監(jiān)測數(shù)據(jù)直接或間接反應(yīng)出用戶的請求量,因此,可以使用流強(qiáng)度來衡量內(nèi)部監(jiān)控?cái)?shù)據(jù)響應(yīng)用戶請求量的強(qiáng)度.流強(qiáng)度可以用從分布式系統(tǒng)的不同點(diǎn)收集到的監(jiān)測數(shù)據(jù)進(jìn)行計(jì)算.如果這些流強(qiáng)度隨著用戶負(fù)載無論如何變化,流強(qiáng)度的這種關(guān)系始終固定不變,就將這種不變關(guān)系認(rèn)為是一個(gè)不變量.

    1.2 不變量的建模和提取

    文獻(xiàn)[4,7]中用帶有外源輸入的自回歸模型來獲知流強(qiáng)度量測間的關(guān)系.根據(jù)文獻(xiàn)[7]中的符號,在時(shí)間t,用x(t)和y(t)分別表示一個(gè)組件輸入端和輸出端測得的流強(qiáng)度.ARX模型用下面的式子來描述兩個(gè)流強(qiáng)度量測間的關(guān)系:

    式中,[n,m,k]是模型的階,它決定前面有多少步驟影響當(dāng)前輸出;ai和bj是系數(shù)參數(shù),用來反映上一步是如何強(qiáng)烈地影響當(dāng)前輸出的.表示為:

    然后,式(1)可以被寫成:

    假設(shè)在時(shí)間間隔1≤t≤N中有觀察到的輸入和輸出(即流強(qiáng)度),用下式表示這些觀察值:ON={x(1), y(1),…,x(N),y(N)}.

    利用最小二乘法(Least Squares Method,LSM)可以找到一個(gè)^θ,使估計(jì)誤差EN(θ,ON)最小化.然后,歸一化的適配值F(θ)[9]用于評估已學(xué)到的模型擬合實(shí)際觀測值的程度.

    1.3 不變網(wǎng)絡(luò)

    考慮一個(gè)信息系統(tǒng)所有量測(流強(qiáng)度量測),不變量搜索在每個(gè)量測都有觀測值的成對量測之間進(jìn)行.然后,可以為這個(gè)信息系統(tǒng)獲得一組不變量.假設(shè)在兩個(gè)量測之間將每個(gè)量測描繪成節(jié)點(diǎn)、每個(gè)不變量描繪成鏈接,就能夠生成如圖1所示的被稱為不變網(wǎng)絡(luò)的圖形.

    1.4 不變網(wǎng)絡(luò)的在線跟蹤

    在信息系統(tǒng)的不變網(wǎng)絡(luò)中,基于模型的故障檢測與隔離(Fault Detection and Isolation,FDI)[6,9-10]方法用來實(shí)時(shí)跟蹤不變量以實(shí)現(xiàn)故障檢測.具體地講,在未來的某一個(gè)時(shí)刻t,比較每個(gè)不變量的真實(shí)觀察值y(t)和其模擬值得到絕對差值在無故障正常情況下,應(yīng)該有殘差Rt≤εM,其中εM為模型誤差的閾值.FDI不變量追蹤示例如圖2所示.由圖2可知,如果R>εM,則x和y之間的鏈接斷開.需要注意的是εM對每個(gè)不變量來說是不同的.事實(shí)上,每一個(gè)不變量的εM是由與每個(gè)鏈接相關(guān)的殘差分布自動決定的.具體來說,閾值的選擇由下式?jīng)Q定:εM=1.1·arg^R{prob(|R(t)|<^R)=0.995}.

    2 故障檢測

    2.1 兩種測量值

    如果一個(gè)節(jié)點(diǎn)的大部分鏈接斷開,可能直覺地認(rèn)為這個(gè)節(jié)點(diǎn)是異常的.然而,也有可能這些鏈接斷開是由其他節(jié)點(diǎn)引起的.因此,為了推斷一個(gè)節(jié)點(diǎn)異常的可能性,需要考慮與中斷不變量鄰近節(jié)點(diǎn)(Broken-Invariant-Neighboring-Nodes,BINNs)相連的鏈接.一個(gè)節(jié)點(diǎn)的中斷不變量鄰近節(jié)點(diǎn)是指與此節(jié)點(diǎn)用斷開鏈接相連的節(jié)點(diǎn).因此,如果一個(gè)節(jié)點(diǎn)的大部分鏈接已斷開,而其中斷不變量鄰近節(jié)點(diǎn)的大多數(shù)鏈接未斷開,此節(jié)點(diǎn)很有可能異常.基于這一基本思想,定義了兩種測量值[8]以量化節(jié)點(diǎn)的異常.

    iScoreVi=A/B,其中,A表示節(jié)點(diǎn)Vi所有斷開鏈接的數(shù)目;B表示節(jié)點(diǎn)Vi所有鏈接的數(shù)目.x ScoreVi其中,C表示節(jié)點(diǎn)V i與BINNs相連的所有斷開鏈接的數(shù)目;D表示節(jié)點(diǎn)V i與BINNs相連的所有鏈接的數(shù)目.

    需要注意的是,如果一個(gè)鏈接是連接到BINNs的多個(gè)節(jié)點(diǎn),計(jì)算x Score時(shí)只計(jì)算該鏈接一次.將iScore和x Score合并在一起得到ix Score,即ix Score=iScore+x Score.這個(gè)ix Score用來測量不變網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的異常程度.從上面的定義可知ix Score是結(jié)合一個(gè)節(jié)點(diǎn)本身及其鄰近節(jié)點(diǎn)的狀態(tài)來推斷節(jié)點(diǎn)的異常程度.由于節(jié)點(diǎn)本身和它的鄰近節(jié)點(diǎn)是相互影響的,所以不能單獨(dú)地推斷某個(gè)節(jié)點(diǎn)的異常程度.

    2.2 gRank算法

    在此基礎(chǔ)上介紹g Rank算法,它有一個(gè)迭代過程,計(jì)算一個(gè)分?jǐn)?shù)量化每個(gè)節(jié)點(diǎn)的異常程度.將權(quán)重iScore表示為wiScore.根據(jù)iScore的定義,可以為每個(gè)節(jié)點(diǎn)計(jì)算出iScore.然后,如果一個(gè)節(jié)點(diǎn)的BINNs所有iScore都相對較低,就假設(shè)這個(gè)節(jié)點(diǎn)的iScore是高度可靠的.基于此,wiScore的定義如下:

    式中,Vk表示節(jié)點(diǎn)Vi的BINNs中的一個(gè)單獨(dú)節(jié)點(diǎn).

    g Rank算法的迭代過程表述如下:計(jì)算各節(jié)點(diǎn)的iScore,對于下面的幾輪計(jì)算根據(jù)式(7)和上一輪的結(jié)果更新wiScoreVi,直至達(dá)到最大迭代次數(shù)才停止更新.因此,在得到每個(gè)節(jié)點(diǎn)最初iScore后,作為第二輪可以計(jì)算出每個(gè)節(jié)點(diǎn)的wiScore.事實(shí)上,可以迭代地計(jì)算并更新每個(gè)節(jié)點(diǎn)的wiScore.對于下面的幾輪計(jì)算,當(dāng)更新wiScore需要使用在上一輪中獲得的wiScore來代替iScore.需要注意的是,逐輪更新意味著當(dāng)更新第r+1輪的wiScore時(shí)只需使用第r輪的所有wiScore.

    2.3 噪聲的影響

    在上述迭代過程中,實(shí)際上由斷開鏈接連接的兩個(gè)節(jié)點(diǎn)的異常分?jǐn)?shù),在某一輪迭代結(jié)束時(shí)可能會縮小到相當(dāng)小.這是因?yàn)樵谶@些斷開鏈接中存在噪聲,意味著某些斷開鏈接是假的.為此,需要引入一個(gè)機(jī)制中斷上述迭代.具體來說,在每一輪迭代時(shí),通過檢查由斷開鏈接連接的兩個(gè)節(jié)點(diǎn)的異常分?jǐn)?shù)是否小于閾值τ來識別并過濾掉噪聲斷開鏈接.然后,當(dāng)下一輪更新每個(gè)節(jié)點(diǎn)的wiScore時(shí),將濾出的鏈接作為非斷開鏈接.

    2.4 gRank+算法

    在原始g Rank算法中,是將權(quán)重iScore表示為wiScore,也就是考慮與該節(jié)點(diǎn)連接的所有鏈接以及斷開鏈接.而這些斷開鏈接也可能是由其他節(jié)點(diǎn)引起的.因此,為了推斷一個(gè)節(jié)點(diǎn)異常的可能性,需要考慮與中斷不變量鄰近節(jié)點(diǎn)有關(guān)的鏈接.基于這一觀點(diǎn),將x Score考慮進(jìn)g Rank算法中,形成g Rank+算法.只量化一個(gè)節(jié)點(diǎn)的最鄰近節(jié)點(diǎn)對其本身的影響.其中,在計(jì)算與BINNs相關(guān)聯(lián)的斷開鏈接的數(shù)目時(shí),不只是僅僅考慮有幾條斷開鏈接,而是用與BINNs相關(guān)聯(lián)的斷開鏈接的權(quán)數(shù)來更新公式x Score的分子.一個(gè)斷開鏈接與兩個(gè)節(jié)點(diǎn)相關(guān)聯(lián),要確定哪個(gè)節(jié)點(diǎn)的異常導(dǎo)致了不變量的斷開.給定一個(gè)斷開鏈接和它的兩個(gè)節(jié)點(diǎn),進(jìn)一步引入rScore規(guī)范化iScore、x Score,并依此決定每個(gè)節(jié)點(diǎn)對不變量斷開貢獻(xiàn)值的大小.而且,最終使用rScore給不變網(wǎng)絡(luò)的所有節(jié)點(diǎn)排序.

    在此,介紹基于ix Score的rScore,可以被直接應(yīng)用到wiScore.先得到節(jié)點(diǎn)Vi和Vj的ix Scorei和 ix Scorej,接下來,可以得到如下兩種比率:

    為每個(gè)斷開鏈接計(jì)算這些比率.因此,對于每個(gè)斷開鏈接的相關(guān)節(jié)點(diǎn),假設(shè)一個(gè)節(jié)點(diǎn)Vi有K條斷開鏈接,將得到K比率riak(1≤k≤N),其中,ak是節(jié)點(diǎn)索引.這意味著該節(jié)點(diǎn)Vak是通過斷開鏈接連接到節(jié)點(diǎn)Vi.然后,通過結(jié)合所有與節(jié)點(diǎn)Vi相關(guān)聯(lián)的比率,定義了該節(jié)點(diǎn)Vi的

    3 算例分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    實(shí)驗(yàn)是在一系列時(shí)間序列數(shù)據(jù)的基礎(chǔ)上完成的,主要是3組不同大小的時(shí)間序列數(shù)據(jù).第一,隨機(jī)生成500個(gè)時(shí)間序列,每一個(gè)都包含1 050個(gè)點(diǎn).對這組綜合數(shù)據(jù)使用所有時(shí)間序列的前1 000個(gè)生成不變網(wǎng)絡(luò).由于有多個(gè)相關(guān)聯(lián)的不變網(wǎng)絡(luò)生成,選擇具有最大鏈接的不變網(wǎng)絡(luò)進(jìn)行量測異常排序,其中包含129個(gè)節(jié)點(diǎn)和1 584條鏈接.然后,用剩下的50個(gè)相關(guān)聯(lián)的觀察值來跟蹤這個(gè)不變網(wǎng)絡(luò).在某一時(shí)刻對這50個(gè)觀察值進(jìn)行量測異常排序.第二,用相同的方式分別生成包含2 000個(gè)時(shí)間序列和5 000個(gè)時(shí)間序列的兩組綜合數(shù)據(jù)集.每個(gè)時(shí)間序列包含1 050個(gè)點(diǎn),前1 000個(gè)點(diǎn)被用來搜索不變量.對于擁有2 000個(gè)時(shí)間序列的數(shù)據(jù)集,選擇的最大不變網(wǎng)絡(luò),其中包含439個(gè)節(jié)點(diǎn)和10 234條鏈接.對于擁有5 000個(gè)時(shí)間序列的數(shù)據(jù)集,選擇的最大不變網(wǎng)絡(luò),其中包含319個(gè)節(jié)點(diǎn)和2 842條鏈接.

    由3組綜合數(shù)據(jù)集所生成的3個(gè)不變網(wǎng)絡(luò)的一些統(tǒng)計(jì)量如表1所示.需要注意的是,對于不變量搜索,階[n,m,k]的范圍為0≤n,m,k≤2,且最佳閾值τ為0.7.然而,為了詳細(xì)地顯示在稀疏網(wǎng)絡(luò)中排序算法的效果,在5 000個(gè)時(shí)間序列數(shù)據(jù)中進(jìn)行不變量搜索時(shí),指定τ=0.85,因?yàn)楦叩摩油ǔ?dǎo)致不變網(wǎng)絡(luò)的鏈接變少.另外,不變量搜索的時(shí)間復(fù)雜度會隨著時(shí)間序列的數(shù)目增加而增加.3組綜合數(shù)據(jù)集的不變量搜索的計(jì)算時(shí)間如表2所示.

    表1 實(shí)驗(yàn)數(shù)據(jù)集的一些統(tǒng)計(jì)量

    表2 不變量的搜索時(shí)間

    3.2 排序方法

    主要排序算法如表3所示.為了便于比較,以首字母縮寫來表示這4種方法.

    表3 4種排序方法的符號

    3.3 基準(zhǔn)生成

    從現(xiàn)實(shí)世界的分布式信息系統(tǒng)中很難獲得異常排序的基準(zhǔn)[6].系統(tǒng)專家也許能夠手動診斷系統(tǒng)故障,找出根本原因并解決問題,但要求他們根據(jù)異常水平給所有量測排序幾乎是不可能的[5,9],因?yàn)橐粋€(gè)系統(tǒng)的各個(gè)組成部分與各量測之間有顯著的相關(guān)性.

    為此,利用綜合數(shù)據(jù)集來人工生成基準(zhǔn),并依此提供了一個(gè)標(biāo)準(zhǔn)來評價(jià)不同的異常排序算法.時(shí)間系列的異常通常表示為幅度的異常變化.這樣,可以通過測量時(shí)間序列幅值的變化率來生成異?;鶞?zhǔn).具體來說,在某一個(gè)時(shí)刻,人為地為時(shí)間序列注入異常.基于幅度的基準(zhǔn)圖如圖3所示.由圖3可知,一個(gè)時(shí)間系列某一個(gè)觀察值的初值為y1,手動地將觀察值由y1改為y2后,可以得到手動注入異常的程度為

    3.4 驗(yàn)證指標(biāo)

    考慮到異常排序的基準(zhǔn),在這里使用準(zhǔn)確率、召回率和增益值(normalize Discounted Cumulative Gain,nDCG)[11]來驗(yàn)證異常排序算法的有效性和優(yōu)越性.這3種驗(yàn)證指標(biāo)被廣泛應(yīng)用于與排序相關(guān)的工作中[12-13].準(zhǔn)確率和召回率通常告訴我們在排序列表中排名靠前的量測的性質(zhì),但不能得到排名靠前的量測的順序.在這個(gè)系統(tǒng)量測排序情況下,高準(zhǔn)確率和召回率只表明在排序列表中靠前的量測大多數(shù)是不正常的.n DCGp是對排序列表中超過p位置的量測進(jìn)行評估,該量測排序列表是以假設(shè)高度異常的量測應(yīng)該出現(xiàn)在排序列表的前面和高度異常的量測比輕微異常的量測更重要為基礎(chǔ)的.它的定義式為n DCGp=.在這里其中,reli代表在排序列表中位于i處量測的異常程度(基準(zhǔn)),并且,IDCGp是在理想排序列表中p位置的理想DCG,理想排序列表是通過異常程度(基準(zhǔn))來排序所有量測(不變網(wǎng)絡(luò)的所有節(jié)點(diǎn))得到的.通常情況下,如果考察排序列表前K個(gè)量測的性質(zhì),就會有p≤K.

    3.5 基于綜合數(shù)據(jù)的排序性能比較

    對于綜合數(shù)據(jù)集I,所選不變網(wǎng)絡(luò)包含129個(gè)節(jié)點(diǎn)和1 584條鏈接.在所有129個(gè)節(jié)點(diǎn)中,隨機(jī)選擇8個(gè)節(jié)點(diǎn)在第1 001個(gè)觀測值注入異常.進(jìn)行10次這樣的隨機(jī)選擇,得到每組的8個(gè)異常節(jié)點(diǎn)的基準(zhǔn)排序.對于每組的8個(gè)異常節(jié)點(diǎn),進(jìn)行不變網(wǎng)絡(luò)的在線跟蹤.綜合數(shù)據(jù)集I在準(zhǔn)確率、召回率和n DCG方面的比較如圖4、圖5、圖6所示.由圖4可知,排序在前K的量測的平均準(zhǔn)確率,同時(shí),比較了有不同K值的4種算法的平均準(zhǔn)確率.基于gRank算法的迭代解,憑經(jīng)驗(yàn)設(shè)定最大迭代次數(shù)為50來停止迭代.事實(shí)上,經(jīng)過50次迭代,gr、grn和gxrn都得到穩(wěn)定的排序結(jié)果.從圖4中還可以看出,gr、grn、gxrn這3種算法都優(yōu)于基準(zhǔn)方法.例如,在這3種算法中前6個(gè)量測是異常的,而基準(zhǔn)方法中只有前2個(gè)量測是異常的.同時(shí),可以看出在性能方面gxrn算法略優(yōu)于grn算法.由圖5可知,與準(zhǔn)確率相似,所有算法在K取不同值時(shí),就召回率方面有非常類似的比較結(jié)果.

    由圖6可知,p表示在排序列表中的位置.對于大多數(shù)p值,所有提出的算法均比基準(zhǔn)算法有更好的性能(較高的n DCG值).gxrn算法排序結(jié)果較其他算法好.

    對于綜合數(shù)據(jù)集Ⅱ,在439個(gè)節(jié)點(diǎn)中隨機(jī)選取19個(gè)節(jié)點(diǎn)在第1 001個(gè)觀測值注入異常,得到基準(zhǔn)排序,并執(zhí)行10次得到平均結(jié)果.然后,在不同算法、驗(yàn)證指標(biāo)和K值之間做了類似比較,如圖7、圖8、圖9所示.由圖7~圖9可以看出,不同算法的比較結(jié)果在不同驗(yàn)證指標(biāo)上有著相似的趨勢.

    對于綜合數(shù)據(jù)集Ⅲ,在319個(gè)節(jié)點(diǎn)中隨機(jī)選取32個(gè)節(jié)點(diǎn)在第1 001個(gè)觀測值注入異常,并執(zhí)行10次得到平均結(jié)果.不同算法之間的比較如圖10、圖11、圖12所示.從圖10~圖12中可以看出,在稀疏的不變網(wǎng)絡(luò)中就準(zhǔn)確率和召回率而言,gxrn算法仍優(yōu)于grn算法.文中所用的3種算法都比基準(zhǔn)算法有更好的結(jié)果.

    4 結(jié)論與展望

    利用從分布式信息系統(tǒng)中的不同監(jiān)測點(diǎn)收集到的監(jiān)測數(shù)據(jù),對系統(tǒng)故障檢測與診斷進(jìn)行研究.在綜合數(shù)據(jù)集的基礎(chǔ)上,用準(zhǔn)確率、召回率和增益值這3個(gè)指標(biāo)來評估排序算法的有效性.實(shí)際上,對于一個(gè)特定的分布式信息系統(tǒng),某些量測有獨(dú)特的語義標(biāo)簽.例如,一些語義標(biāo)簽“DB15 DISK HDAW Block”和“WEB26PAGEOUTRATE”.從這些標(biāo)簽中,可以很容易地推斷出某些量測的信息以及與之相關(guān)聯(lián)的量測.在真實(shí)數(shù)據(jù)中,使用算法給異常量測排序可以利用這些先驗(yàn)知識排除一些偽異常,系統(tǒng)專家可以將最終的排序結(jié)果與語義標(biāo)簽綜合起來,更好更準(zhǔn)確地進(jìn)行系統(tǒng)故障檢測.

    [1] S A Yemini,S Kliger,E Mozes,et al.High speed and robust event correlation[J].IEEE Communications Magazine, 1996,34(5):82-90.

    [2] S Hangal,M S Lam.Tracking down software bugs using automatic anomaly detection[C]//Orlando:Institure of Electrical and Electronics Engineers Computer Society.Proceedings of the 24th International Conference on Software Engineering,2002:291-301.

    [3] M Jiang,M A Munawar,T Reidemeister,et al.Detection and diagnosis of recurrent faults in software systems by invariant analysis[C]//Nanjing:Institute of Electrical and Electronics Engineers Computer Society.Proceedings of the 11th IEEE high assurance systems engineering symposium,2008:323-332.

    [4] G F Jiang,H F Chen,K J Yoshihira.Discovering likely invariants of distributed transaction systems for autonomic system management[C]//Dubin:Institute of Electrical and Electrunics Engineers Computer Society.Proceedings of the 3rd International Conference on Autonomic Computing,2006:199-208.

    [5] G F Jiang,H F Chen,K J Yoshihira.Modeling and tracking of transaction flow dynamics for fault detection in complex systems[J].IEEE Transactions on Dependable and Secure Computing,2006,3(4):312-326.

    [6] G F Jiang,H F Chen,K J Yoshihira.Efficient and scalable algorithms for inferring likely invariants in distributed systems[J].Transactions on Knowledge and Data Engineering,2007,19(11):1 508-1 523.

    [7] L Ljung.System identification:theory for the user[M].New Jersey:Prentice Hall PTR,1998.

    [8] Y Ge,G F Jiang,M Ding,et al.Ranking metric anomaly in invariant networks[J].ACM Transactions on Knowledge Discovery from Data,2014,8(2):311-322.

    [9] J Gertler.Fault detection and diagnosis in engineering systems[M].CRC:Marcel Dekker,1998.

    [10]R Isermannn,P Balle.Trends in the application of model-based fault detection and diagnosis of industrial process[J].Control Engineering Practice,1997,5(5):709-719.

    [11]K Jarvelin,J Kekalainen.Cumulated gain-based evaluation of IR techniques[J].ACM Transactions on Information Systems,2002,20(4):422-446.

    [12]H Valizadegan,R Jin,R Zhang,et al.Learning to rank by optimizing ndcg measure[C]//Vanwuver:Curran Associates Inc,57 Morehouse Lane,Red Hook,NY 125 T1,United Statrs.Proceedings of the 23rd Annual Conference on Neural Information Processing Systems,2009:1 883-1 891.

    [13]S Wei,Y Zhao,Z Zhu,et al.Multimodal fusion for video search reranking[J].Transactions on Knowledge and Data Engineering,2010,22(8):1 191-1 199.

    Study on fault detection of large-scale distributed information system

    YIN Juan,GE Yuan?,WANG Yan,XU Wang,CHEN Xin
    (College of Electrical Engineering,Anhui Polytechnic University,Wuhu 241000,China)

    By introducing flow intensity and searching invariant relationships among all flow intensity measurements,large-scale distributed information system is modeled as an invariant network,in which a node denotes a flow intensity measurement and a link indicates an invariant relationship.When a failure happens on a node in the invariant network,it will cause the links related to the node to be broken.Moreover,the failure usually propagates among monitoring data,therefore more nodes will be abnormal and more links will be broken,which increases the difficulty of fault detection.This paper proposes an algorithm named gRank+to rank nodes in the invariant network according to the anomaly levels of nodes, which will realize the rapid detection and location of system failure.Finally,the effectiveness and superiority of the proposed method is illustrated by using three synthetic data sets in precision rate,recall rate and gain value.

    large-scale distributed information system;invariant network;fault detection;gRank+algorithm

    TP13

    A

    1672-2477(2015)05-0045-08

    2015-06-11

    國家自然科學(xué)基金資助項(xiàng)目(61203034);安徽省自然科學(xué)基金資助項(xiàng)目(1308085QF120)

    尹 娟(1990-),女,安徽宣城人,碩士研究生.

    葛 愿(1979-),男,江蘇徐州人,教授,博士.

    猜你喜歡
    排序分布式信息系統(tǒng)
    企業(yè)信息系統(tǒng)安全防護(hù)
    哈爾濱軸承(2022年1期)2022-05-23 13:13:18
    排序不等式
    恐怖排序
    節(jié)日排序
    基于區(qū)塊鏈的通航維護(hù)信息系統(tǒng)研究
    電子制作(2018年11期)2018-08-04 03:25:54
    刻舟求劍
    兒童繪本(2018年5期)2018-04-12 16:45:32
    信息系統(tǒng)審計(jì)中計(jì)算機(jī)審計(jì)的應(yīng)用
    分布式光伏熱錢洶涌
    能源(2017年10期)2017-12-20 05:54:07
    分布式光伏:爆發(fā)還是徘徊
    能源(2017年5期)2017-07-06 09:25:54
    基于SG-I6000的信息系統(tǒng)運(yùn)檢自動化診斷實(shí)踐
    久久香蕉激情| 久久久久久久午夜电影| 色精品久久人妻99蜜桃| bbb黄色大片| 亚洲av电影不卡..在线观看| 精品久久蜜臀av无| 九色国产91popny在线| 欧美日韩亚洲国产一区二区在线观看| 久久青草综合色| 欧美精品亚洲一区二区| 美女免费视频网站| 久久中文字幕人妻熟女| 日本一区二区免费在线视频| 一级毛片女人18水好多| 在线观看免费视频日本深夜| 亚洲第一av免费看| 黄频高清免费视频| 亚洲欧美激情综合另类| 99国产精品99久久久久| 动漫黄色视频在线观看| 丝袜在线中文字幕| 精品国产超薄肉色丝袜足j| 精品国产国语对白av| 一区二区三区国产精品乱码| 一级毛片高清免费大全| 在线观看舔阴道视频| 欧美日韩精品网址| 一区二区三区激情视频| 精品福利观看| 亚洲一区中文字幕在线| 亚洲精品av麻豆狂野| 精品一区二区三区av网在线观看| 99久久综合精品五月天人人| 国产一区二区三区综合在线观看| 亚洲专区字幕在线| 亚洲自偷自拍图片 自拍| 九色亚洲精品在线播放| 亚洲成人久久性| 午夜影院日韩av| 欧美黑人精品巨大| 欧美黄色片欧美黄色片| 午夜福利免费观看在线| 香蕉丝袜av| 欧美激情高清一区二区三区| 麻豆av在线久日| 日韩有码中文字幕| 成人三级做爰电影| 久久午夜综合久久蜜桃| 色婷婷久久久亚洲欧美| 777久久人妻少妇嫩草av网站| 国产精品一区二区精品视频观看| 亚洲欧美激情在线| 日韩中文字幕欧美一区二区| 97碰自拍视频| 亚洲国产看品久久| 宅男免费午夜| 亚洲熟妇中文字幕五十中出| 亚洲av第一区精品v没综合| 69av精品久久久久久| 久久久国产成人免费| 亚洲一区高清亚洲精品| 国产99久久九九免费精品| 欧美乱色亚洲激情| 欧美亚洲日本最大视频资源| 女人被躁到高潮嗷嗷叫费观| 啦啦啦免费观看视频1| 精品乱码久久久久久99久播| 男女床上黄色一级片免费看| 国产精品精品国产色婷婷| 免费女性裸体啪啪无遮挡网站| 国产成人精品无人区| 一本久久中文字幕| 如日韩欧美国产精品一区二区三区| 操出白浆在线播放| 后天国语完整版免费观看| 一级片免费观看大全| 丝袜人妻中文字幕| 国产av又大| 少妇的丰满在线观看| aaaaa片日本免费| x7x7x7水蜜桃| 国产成人欧美在线观看| 亚洲精品国产色婷婷电影| 亚洲欧洲精品一区二区精品久久久| 桃色一区二区三区在线观看| 久久久久九九精品影院| 亚洲七黄色美女视频| 男女床上黄色一级片免费看| 在线观看一区二区三区| 99re在线观看精品视频| 国产精品影院久久| 精品一区二区三区视频在线观看免费| 亚洲国产精品合色在线| 久久 成人 亚洲| 脱女人内裤的视频| 久久人妻av系列| 多毛熟女@视频| 亚洲免费av在线视频| 真人一进一出gif抽搐免费| 国产极品粉嫩免费观看在线| 丝袜人妻中文字幕| 中出人妻视频一区二区| 日日摸夜夜添夜夜添小说| 免费在线观看影片大全网站| 国产男靠女视频免费网站| 999久久久国产精品视频| 中文字幕人成人乱码亚洲影| 亚洲,欧美精品.| 精品免费久久久久久久清纯| 久99久视频精品免费| 日韩欧美在线二视频| 真人做人爱边吃奶动态| 欧美乱色亚洲激情| 亚洲熟女毛片儿| 波多野结衣高清无吗| 天堂√8在线中文| 国产精品av久久久久免费| 久久精品成人免费网站| 美女 人体艺术 gogo| 日本三级黄在线观看| 成人欧美大片| 欧美 亚洲 国产 日韩一| 可以在线观看毛片的网站| 国产精品一区二区在线不卡| 精品国内亚洲2022精品成人| 成人永久免费在线观看视频| 久热爱精品视频在线9| 丝袜在线中文字幕| 亚洲第一av免费看| 岛国视频午夜一区免费看| 亚洲九九香蕉| 十八禁人妻一区二区| 久9热在线精品视频| 91国产中文字幕| www.www免费av| 日本a在线网址| 久久久精品欧美日韩精品| 日日爽夜夜爽网站| 69精品国产乱码久久久| 久久精品91无色码中文字幕| 这个男人来自地球电影免费观看| 一边摸一边抽搐一进一小说| 久久久久九九精品影院| 久9热在线精品视频| 很黄的视频免费| 国产区一区二久久| svipshipincom国产片| 高清在线国产一区| 怎么达到女性高潮| 一区二区三区激情视频| 午夜免费观看网址| e午夜精品久久久久久久| netflix在线观看网站| 亚洲国产精品sss在线观看| 久久久精品欧美日韩精品| 波多野结衣一区麻豆| 精品高清国产在线一区| 国产精品影院久久| 亚洲狠狠婷婷综合久久图片| 国产精品永久免费网站| netflix在线观看网站| 一区二区三区国产精品乱码| 国产精品电影一区二区三区| 一本综合久久免费| 亚洲中文日韩欧美视频| 欧美日本视频| 黄色成人免费大全| 一区二区三区高清视频在线| 嫩草影视91久久| 丝袜在线中文字幕| 女性被躁到高潮视频| 高潮久久久久久久久久久不卡| 久久久久精品国产欧美久久久| 十分钟在线观看高清视频www| www国产在线视频色| 可以免费在线观看a视频的电影网站| 熟女少妇亚洲综合色aaa.| 国产精品永久免费网站| 国产aⅴ精品一区二区三区波| 最新在线观看一区二区三区| x7x7x7水蜜桃| 伦理电影免费视频| 91老司机精品| 在线观看66精品国产| 免费少妇av软件| 视频区欧美日本亚洲| 亚洲人成电影观看| 国产激情久久老熟女| 又黄又爽又免费观看的视频| 日韩欧美一区视频在线观看| 国产91精品成人一区二区三区| 国产成人一区二区三区免费视频网站| 50天的宝宝边吃奶边哭怎么回事| 黄色 视频免费看| 午夜福利一区二区在线看| 亚洲av第一区精品v没综合| 女人精品久久久久毛片| 亚洲自偷自拍图片 自拍| 女人高潮潮喷娇喘18禁视频| 99国产综合亚洲精品| 熟女少妇亚洲综合色aaa.| 日韩国内少妇激情av| 亚洲少妇的诱惑av| 淫秽高清视频在线观看| 十分钟在线观看高清视频www| 看黄色毛片网站| 日本黄色视频三级网站网址| 在线天堂中文资源库| 夜夜夜夜夜久久久久| 超碰成人久久| 老司机深夜福利视频在线观看| 久久香蕉精品热| 在线视频色国产色| 啪啪无遮挡十八禁网站| 国产极品粉嫩免费观看在线| 在线观看www视频免费| 精品乱码久久久久久99久播| 给我免费播放毛片高清在线观看| 怎么达到女性高潮| 免费在线观看视频国产中文字幕亚洲| 久久婷婷成人综合色麻豆| 午夜免费观看网址| 99精品久久久久人妻精品| 91麻豆av在线| 亚洲专区字幕在线| 美女免费视频网站| 91成人精品电影| 国产三级黄色录像| 大型av网站在线播放| 亚洲精品久久国产高清桃花| 日本黄色视频三级网站网址| 他把我摸到了高潮在线观看| 日韩三级视频一区二区三区| 性色av乱码一区二区三区2| 69精品国产乱码久久久| bbb黄色大片| 久久午夜综合久久蜜桃| 成人亚洲精品一区在线观看| 黄色视频,在线免费观看| 欧美色视频一区免费| 成人18禁在线播放| 在线观看舔阴道视频| 亚洲熟女毛片儿| 精品乱码久久久久久99久播| cao死你这个sao货| 久久九九热精品免费| 欧美成人一区二区免费高清观看 | 精品国产一区二区久久| av中文乱码字幕在线| 国产精品日韩av在线免费观看 | 欧美色欧美亚洲另类二区 | 国产精品久久久久久亚洲av鲁大| 午夜免费观看网址| 少妇裸体淫交视频免费看高清 | 首页视频小说图片口味搜索| 在线观看日韩欧美| 亚洲欧美精品综合久久99| 真人做人爱边吃奶动态| 一边摸一边做爽爽视频免费| 黑人巨大精品欧美一区二区蜜桃| 午夜福利18| 嫩草影视91久久| 亚洲欧美精品综合一区二区三区| 一级a爱片免费观看的视频| 黄色视频不卡| 免费看十八禁软件| 女人被狂操c到高潮| 最新美女视频免费是黄的| 男女午夜视频在线观看| 一级,二级,三级黄色视频| 欧美乱妇无乱码| 亚洲精品av麻豆狂野| 日韩免费av在线播放| 国产精品爽爽va在线观看网站 | 亚洲中文av在线| 99久久国产精品久久久| 欧美日韩瑟瑟在线播放| 国产在线精品亚洲第一网站| 夜夜爽天天搞| aaaaa片日本免费| 一区二区三区国产精品乱码| 12—13女人毛片做爰片一| 精品久久久久久成人av| 一卡2卡三卡四卡精品乱码亚洲| 中国美女看黄片| 久久九九热精品免费| 男人操女人黄网站| 国产午夜精品久久久久久| 亚洲性夜色夜夜综合| 日韩大码丰满熟妇| 成年女人毛片免费观看观看9| 久久人人爽av亚洲精品天堂| 少妇 在线观看| 日韩成人在线观看一区二区三区| 涩涩av久久男人的天堂| 88av欧美| 午夜亚洲福利在线播放| 国产成人av教育| 国产精品秋霞免费鲁丝片| 人人澡人人妻人| 亚洲国产日韩欧美精品在线观看 | 国产一区二区激情短视频| 日韩一卡2卡3卡4卡2021年| 在线十欧美十亚洲十日本专区| 两个人免费观看高清视频| 国产精品av久久久久免费| svipshipincom国产片| 亚洲欧美精品综合一区二区三区| 99在线人妻在线中文字幕| 精品熟女少妇八av免费久了| 国产免费男女视频| 国产精品久久久人人做人人爽| 99香蕉大伊视频| netflix在线观看网站| 成人国产一区最新在线观看| 人成视频在线观看免费观看| 亚洲av成人一区二区三| 成人三级黄色视频| 一区在线观看完整版| 91在线观看av| 成人免费观看视频高清| 久久精品国产99精品国产亚洲性色 | 国产单亲对白刺激| 亚洲中文字幕日韩| 午夜激情av网站| 久久久水蜜桃国产精品网| 久久这里只有精品19| 岛国在线观看网站| 国产视频一区二区在线看| 久久久国产精品麻豆| av片东京热男人的天堂| 老司机靠b影院| 视频区欧美日本亚洲| www国产在线视频色| 国产99白浆流出| 制服丝袜大香蕉在线| 亚洲av片天天在线观看| 男女床上黄色一级片免费看| 精品第一国产精品| 99久久久亚洲精品蜜臀av| 日日干狠狠操夜夜爽| 国产在线精品亚洲第一网站| 精品国产一区二区三区四区第35| 女生性感内裤真人,穿戴方法视频| 两个人看的免费小视频| 在线视频色国产色| 人妻久久中文字幕网| 国产视频一区二区在线看| videosex国产| 国产亚洲av嫩草精品影院| 国产熟女xx| 欧美成人午夜精品| 亚洲成人国产一区在线观看| 欧美黄色淫秽网站| 亚洲欧美激情在线| 黄色视频,在线免费观看| 高清在线国产一区| 国产精品国产高清国产av| 亚洲av美国av| 久久久久久久精品吃奶| 男男h啪啪无遮挡| 精品一品国产午夜福利视频| 国产亚洲av嫩草精品影院| 欧美日韩瑟瑟在线播放| 久久久久久久精品吃奶| 丝袜美足系列| 久热这里只有精品99| 精品乱码久久久久久99久播| 三级毛片av免费| 久久久久国产精品人妻aⅴ院| 免费在线观看完整版高清| 欧美日韩一级在线毛片| 亚洲五月色婷婷综合| 人成视频在线观看免费观看| 亚洲精品av麻豆狂野| 久久香蕉国产精品| √禁漫天堂资源中文www| 天天躁狠狠躁夜夜躁狠狠躁| 叶爱在线成人免费视频播放| 我的亚洲天堂| 久久精品人人爽人人爽视色| 日本在线视频免费播放| 精品国产美女av久久久久小说| 国产亚洲av嫩草精品影院| 国产精品一区二区在线不卡| 亚洲精品一区av在线观看| 禁无遮挡网站| 老熟妇仑乱视频hdxx| 满18在线观看网站| 免费在线观看视频国产中文字幕亚洲| 久久精品影院6| 久久久国产成人精品二区| 亚洲 欧美 日韩 在线 免费| 日韩av在线大香蕉| 国产精品久久电影中文字幕| 久久中文看片网| 女人精品久久久久毛片| 亚洲欧美日韩另类电影网站| 日本a在线网址| 日韩大尺度精品在线看网址 | 电影成人av| 99国产精品99久久久久| 91av网站免费观看| 美女 人体艺术 gogo| 国产亚洲精品第一综合不卡| 国产熟女午夜一区二区三区| 一二三四在线观看免费中文在| www.www免费av| 久久精品亚洲精品国产色婷小说| 久久精品影院6| 久久久国产成人精品二区| 亚洲国产欧美网| 久久狼人影院| 无人区码免费观看不卡| 国产亚洲精品第一综合不卡| 午夜精品在线福利| 少妇熟女aⅴ在线视频| 免费在线观看完整版高清| 高清毛片免费观看视频网站| 两个人看的免费小视频| 色婷婷久久久亚洲欧美| 美国免费a级毛片| 亚洲伊人色综图| 欧美黄色片欧美黄色片| 国产欧美日韩综合在线一区二区| 99久久精品国产亚洲精品| 十分钟在线观看高清视频www| 一级毛片高清免费大全| 无限看片的www在线观看| av中文乱码字幕在线| 免费看美女性在线毛片视频| 51午夜福利影视在线观看| 性少妇av在线| 欧美国产日韩亚洲一区| 我的亚洲天堂| 国产高清视频在线播放一区| 日韩免费av在线播放| 男人舔女人下体高潮全视频| 日韩欧美免费精品| 久久天躁狠狠躁夜夜2o2o| 成熟少妇高潮喷水视频| 亚洲av五月六月丁香网| 91精品三级在线观看| 国产单亲对白刺激| 国产精品综合久久久久久久免费 | 久久天躁狠狠躁夜夜2o2o| 久久国产亚洲av麻豆专区| 国产真人三级小视频在线观看| 欧美日韩一级在线毛片| 黄色毛片三级朝国网站| 国产1区2区3区精品| 欧美大码av| 男人舔女人下体高潮全视频| 一进一出抽搐动态| 国产亚洲精品久久久久久毛片| 男女床上黄色一级片免费看| 少妇的丰满在线观看| 女人被躁到高潮嗷嗷叫费观| 性色av乱码一区二区三区2| 亚洲欧美精品综合一区二区三区| 日本a在线网址| 欧美大码av| 免费少妇av软件| 很黄的视频免费| 欧美日韩黄片免| 色精品久久人妻99蜜桃| √禁漫天堂资源中文www| 欧美日韩精品网址| 日韩欧美三级三区| 法律面前人人平等表现在哪些方面| 99久久久亚洲精品蜜臀av| 男女下面插进去视频免费观看| 美国免费a级毛片| 在线视频色国产色| 很黄的视频免费| 精品一品国产午夜福利视频| 麻豆国产av国片精品| 黑人巨大精品欧美一区二区mp4| 嫩草影院精品99| 黄色a级毛片大全视频| 黑丝袜美女国产一区| 看免费av毛片| 宅男免费午夜| 这个男人来自地球电影免费观看| 国产精品98久久久久久宅男小说| 人成视频在线观看免费观看| 99国产精品一区二区三区| 精品人妻在线不人妻| 成人亚洲精品一区在线观看| 国产精品一区二区在线不卡| 色哟哟哟哟哟哟| 亚洲精品久久国产高清桃花| 美国免费a级毛片| 久久久国产精品麻豆| 国产私拍福利视频在线观看| 中文字幕色久视频| 美女高潮喷水抽搐中文字幕| 丰满人妻熟妇乱又伦精品不卡| 日本 av在线| 免费在线观看黄色视频的| 日本欧美视频一区| 欧美色欧美亚洲另类二区 | 亚洲av电影在线进入| 日日摸夜夜添夜夜添小说| 中文字幕人妻丝袜一区二区| 欧洲精品卡2卡3卡4卡5卡区| 啦啦啦免费观看视频1| 精品一区二区三区av网在线观看| 欧美一区二区精品小视频在线| 久久久久九九精品影院| 国产精品免费视频内射| 久久亚洲真实| 国产精品免费视频内射| 亚洲黑人精品在线| 国产精品一区二区精品视频观看| 国产精华一区二区三区| 一边摸一边做爽爽视频免费| 一级片免费观看大全| 人妻丰满熟妇av一区二区三区| 午夜福利,免费看| 制服诱惑二区| 亚洲最大成人中文| 久久久久久久久久久久大奶| 9热在线视频观看99| 免费搜索国产男女视频| 国产熟女xx| 香蕉丝袜av| 久久国产精品人妻蜜桃| 深夜精品福利| 精品久久蜜臀av无| 亚洲欧美日韩另类电影网站| 中亚洲国语对白在线视频| 嫩草影视91久久| 欧美日韩乱码在线| 999精品在线视频| 免费看十八禁软件| 在线观看www视频免费| 午夜精品在线福利| 久久草成人影院| 宅男免费午夜| 在线观看免费午夜福利视频| 免费在线观看视频国产中文字幕亚洲| 天堂√8在线中文| 亚洲色图 男人天堂 中文字幕| 午夜免费成人在线视频| 性欧美人与动物交配| 色在线成人网| 婷婷丁香在线五月| 亚洲欧美日韩无卡精品| 国内精品久久久久精免费| 国产精品二区激情视频| 韩国av一区二区三区四区| 国产亚洲精品久久久久5区| 精品久久久精品久久久| 久久天堂一区二区三区四区| 国产精品 欧美亚洲| 99re在线观看精品视频| 人成视频在线观看免费观看| 亚洲一区二区三区不卡视频| 男女下面插进去视频免费观看| 一进一出抽搐动态| 亚洲伊人色综图| 国产精品精品国产色婷婷| 波多野结衣巨乳人妻| 欧美日韩中文字幕国产精品一区二区三区 | 满18在线观看网站| 欧美日韩瑟瑟在线播放| 成人亚洲精品一区在线观看| 又黄又粗又硬又大视频| 99香蕉大伊视频| 久久婷婷成人综合色麻豆| 欧美另类亚洲清纯唯美| 国产男靠女视频免费网站| 国产熟女午夜一区二区三区| 18禁观看日本| 操出白浆在线播放| 国产男靠女视频免费网站| 国产一区二区三区在线臀色熟女| 热re99久久国产66热| 在线视频色国产色| 日韩欧美免费精品| 中文字幕最新亚洲高清| 欧美日韩黄片免| 亚洲性夜色夜夜综合| 韩国av一区二区三区四区| 亚洲av美国av| 久久久久国产一级毛片高清牌| 一区二区三区高清视频在线| 亚洲精华国产精华精| 久久久久久久久免费视频了| 视频区欧美日本亚洲| 久久久久精品国产欧美久久久| 一区二区三区高清视频在线| а√天堂www在线а√下载| 色播在线永久视频| 亚洲欧美日韩另类电影网站| 日韩视频一区二区在线观看| 美女扒开内裤让男人捅视频| 日本免费一区二区三区高清不卡 | 丝袜美腿诱惑在线| 亚洲情色 制服丝袜| 日韩精品青青久久久久久| 如日韩欧美国产精品一区二区三区| www.精华液| 亚洲avbb在线观看| 亚洲精华国产精华精| 国产精华一区二区三区| 韩国av一区二区三区四区| 中亚洲国语对白在线视频| 亚洲一区二区三区色噜噜| 成人手机av| 国产精品99久久99久久久不卡| 日韩精品免费视频一区二区三区| 丝袜美腿诱惑在线| 日本vs欧美在线观看视频|