云计算平台具有虚拟性、层次性以及动态性等特点,相比网格计算更加复杂。监控则是云计算平台的重要组成部分,对提高云计算平台的服务质量发挥重要作用。因此,研究云计算平台监控系统具有重要的意义。本文首先对现有监控系统数据采集方式进行研究,结合目前广泛使用的推、拉模式的优点,设计一种推拉混合式数据采集算法,以提高采集效率。通过实验证明,该算法能够减少采集次数,降低对系统的干预。然后,针对监控系统数据实时处理的滞后性问题,设计一种基于行为学习的预测模型,预测系统将来的性能状况。根据云计算平台的监控数据的特性及需要预测的时间范围,把预测模型细分为性能数据长期、短期阈值越界以及事故提前预测模型。结合数据挖掘、机器学习等技术,设计模型算法。另外,利用预测模型准确度评估方程,研究预测模型的动态适应性。最后,结合云计算平台的特点,简化系统的复杂性,抽象出具有层次和可扩展性的云计算平台组件模型。然后,从可扩展性、低耦合、实时性、准确性、低干预性以及通用性几个方面考虑,设计和实现监控系统。同时,验证推拉混合式数据采集算法的可行性。