面向服務(wù)的系統(tǒng)中的質(zhì)量動(dòng)態(tài)預(yù)警方法
【專利摘要】本發(fā)明涉及面向服務(wù)的系統(tǒng)中的質(zhì)量動(dòng)態(tài)預(yù)警方法，屬于計(jì)算機(jī)應(yīng)用【技術(shù)領(lǐng)域】。所述方法通過感知用戶的條件偏好，并利用brown運(yùn)動(dòng)首達(dá)值原理，對系統(tǒng)中服務(wù)質(zhì)量屬性的動(dòng)態(tài)變化進(jìn)行預(yù)警，該方法自動(dòng)的導(dǎo)入用戶在構(gòu)建系統(tǒng)時(shí)提出的條件偏好，并采集服務(wù)質(zhì)量的多維度的歷史屬性值，分析服務(wù)質(zhì)量波動(dòng)的特征，從而估計(jì)出特征屬性值，自動(dòng)的分析在服務(wù)被調(diào)用期間，系統(tǒng)可能出現(xiàn)的風(fēng)險(xiǎn)，實(shí)現(xiàn)智能化預(yù)警。
【專利說明】 面向服務(wù)的系統(tǒng)中的質(zhì)量動(dòng)態(tài)預(yù)警方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)應(yīng)用領(lǐng)域，具體涉及解決復(fù)雜系統(tǒng)中用戶條件偏好敏感的服務(wù)質(zhì)量動(dòng)態(tài)預(yù)警的方法。
【背景技術(shù)】
[0002]目前尚未發(fā)現(xiàn)利用計(jì)算機(jī)通過結(jié)合用戶條件偏好來解決大規(guī)模復(fù)雜的系統(tǒng)中的服務(wù)質(zhì)量動(dòng)態(tài)預(yù)警的問題。雖然已有一些方法可以解決系統(tǒng)質(zhì)量屬性值的預(yù)測，或者系統(tǒng)功能運(yùn)行風(fēng)險(xiǎn)預(yù)警的問題，諸如:時(shí)序分析法和回歸分析法、協(xié)同過濾法、基于條件概率的貝葉斯方法和極大似然估計(jì)法等，這些方法與本發(fā)明有著一定的聯(lián)系，即都是基于已有的數(shù)據(jù)軌跡對未來數(shù)據(jù)變化進(jìn)行預(yù)測的問題。但是具體解決的是完全不同的問題，之前的方法大都是基于概率分布，或是多階線性擬合等方法，而且都是面向單一的質(zhì)量屬性，并且不考慮用戶的偏好。而本人的發(fā)明是面向用戶條件偏好，基于隨機(jī)過程和鞅論的系統(tǒng)質(zhì)量屬性波動(dòng)的預(yù)警問題。
[0003]在各種典型的軟件質(zhì)量預(yù)測方法中質(zhì)量的建模和問題表達(dá)方式有所不同，但其本質(zhì)可以歸結(jié)為以下過程:一、對服務(wù)質(zhì)量的歷史數(shù)據(jù)進(jìn)行采集和清洗(即建立數(shù)據(jù)軌跡)；二、使用某種建模方法對歷史數(shù)據(jù)進(jìn)行建模，常見的包括基于統(tǒng)計(jì)模型和數(shù)據(jù)軌跡相似度匹配等；三、預(yù)測質(zhì)量屬性在未來At時(shí)刻的屬性值。事實(shí)上，僅用這樣的過程來分析是片面的。
[0004]從質(zhì)量屬性的數(shù)據(jù)本身看，要想了解系統(tǒng)質(zhì)量屬性隨時(shí)間的發(fā)展，需要將系統(tǒng)質(zhì)量的變化按時(shí)間的發(fā)展作為隨機(jī)試驗(yàn)的基本結(jié)果進(jìn)行研究，因?yàn)槊鑼戀|(zhì)量屬性值或狀態(tài)轉(zhuǎn)移的統(tǒng)計(jì)概率規(guī)律的參數(shù)通常是不知道的，所以需要通過觀察的結(jié)果統(tǒng)計(jì)的推定。不是所有的隨機(jī)過程的軌道數(shù)據(jù)都可以用來表達(dá)整個(gè)隨機(jī)過程的特征參數(shù)，即不是所以的模型都具有遍歷性質(zhì)。本發(fā)明提出的預(yù)警方法以Brown運(yùn)動(dòng)為驅(qū)動(dòng)的隨機(jī)過程，在寬松的條件下，可以滿足遍歷性質(zhì)。
[0005]從面向服務(wù)的系統(tǒng)的應(yīng)用來看，相同的服務(wù)被不同的請求者調(diào)用，由于用戶的偏好不同，對服務(wù)的選擇是不同的。而這種偏好，也將影響用戶對系統(tǒng)運(yùn)行時(shí)服務(wù)質(zhì)量的評估。同時(shí)，服務(wù)質(zhì)量的屬性往往是多方面的，僅僅根據(jù)服務(wù)質(zhì)量的某一個(gè)屬性值的波動(dòng)來進(jìn)行對服務(wù)質(zhì)量進(jìn)行預(yù)測是不完全的?，F(xiàn)有的方法，如基于協(xié)同過濾的方法，基于時(shí)序分析的預(yù)測方法等，均未能考慮用戶偏好與多個(gè)質(zhì)量屬性對預(yù)測結(jié)果的影響。本發(fā)明提出的預(yù)警方法以WCP-nets的來描述用戶加權(quán)的條件偏好，并以此平衡多個(gè)質(zhì)量屬性對預(yù)警效果的影響。
[0006]值得注意的是，本發(fā)明所涉及的面向系統(tǒng)的系統(tǒng)中的服務(wù)質(zhì)量動(dòng)態(tài)預(yù)警方法依賴于服務(wù)質(zhì)量軌跡數(shù)據(jù)以及用戶偏好，預(yù)警的目標(biāo)是給出服務(wù)質(zhì)量屬性在一定時(shí)間范圍內(nèi)不滿足用戶偏好的概率。這與一般的估計(jì)單一屬性值在未來某個(gè)時(shí)刻的值的方法有著顯著的差異。但在實(shí)際應(yīng)用中，在系統(tǒng)運(yùn)行階段，用戶并不關(guān)心服務(wù)質(zhì)量的值，而只關(guān)心在其調(diào)用服務(wù)的過程中，服務(wù)的質(zhì)量是否在其指定的范圍內(nèi)。后者主要基于單一屬性值的歷史數(shù)據(jù)進(jìn)行估計(jì)，需要計(jì)算在服務(wù)被調(diào)用所有的時(shí)刻，服務(wù)質(zhì)量的預(yù)測值，才能得出結(jié)果。進(jìn)一步的，現(xiàn)有的預(yù)測方法，得到的預(yù)測值，往往是一個(gè)范圍。例如:基于時(shí)序的方法，可以得到在某個(gè)概率情況下，t+Ι時(shí)刻最有可能的值?；趨f(xié)同過濾的方法，可以得到在某個(gè)概率情況下，t+n時(shí)刻最有可能的值。那么，即使知道t+l，t+2，。。。，t+n時(shí)刻的不同值，在是否需要對面向服務(wù)的系統(tǒng)進(jìn)行預(yù)警這一問題而言，也只是給出模式化的判斷結(jié)果，沒有考慮不同用戶對風(fēng)險(xiǎn)的承受能力。如果在η個(gè)未來值中，有超范圍的，那么就給出一個(gè)異常預(yù)警；如果在η個(gè)未來值中，沒有有超范圍的，那么就給出一個(gè)正常預(yù)警。由于現(xiàn)有的方法均不能保障預(yù)測值的絕對正確，相應(yīng)的預(yù)測結(jié)果的可靠性不能得到很好的保障。而本發(fā)明提出的考慮用戶偏好的服務(wù)預(yù)警方法，可以直接計(jì)算得到在某段時(shí)間內(nèi)，服務(wù)質(zhì)量是否會(huì)超出某個(gè)范圍的概率。本方法可以告訴用戶，系統(tǒng)質(zhì)量發(fā)生風(fēng)險(xiǎn)的概率是多少，用戶可以根據(jù)自己的特點(diǎn)，來判斷是否需要對系統(tǒng)質(zhì)量進(jìn)行修復(fù)。有的用戶可以耐受高風(fēng)險(xiǎn)，有的用戶就不一定能耐受。因此，本發(fā)明提出的質(zhì)量預(yù)警方法能夠很好的解決大規(guī)模復(fù)雜系統(tǒng)中，不同用戶對系統(tǒng)質(zhì)量預(yù)警的不同需求，這面向服務(wù)的系統(tǒng)的可靠性保障具有重要意義。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的是讓復(fù)雜的基于計(jì)算機(jī)的軟件系統(tǒng)對用戶偏好進(jìn)行感知，并根據(jù)面向服務(wù)的系統(tǒng)的系統(tǒng)(SoS)的質(zhì)量屬性值的歷史數(shù)據(jù)，對SoS的質(zhì)量風(fēng)險(xiǎn)進(jìn)行主動(dòng)的智能預(yù)警，可以達(dá)到與人類似的水平。而且本發(fā)明利用學(xué)習(xí)感知到的各種信息建立聚類模型可以達(dá)到更高的精度。
[0008]我們提出一種新的解決方法——感知用戶的條件偏好，并利用brown運(yùn)動(dòng)首達(dá)值原理對系統(tǒng)中服務(wù)質(zhì)量屬性的動(dòng)態(tài)變化進(jìn)行預(yù)警的方法(Preference Aware QualityProactive Warning for Service Oriented System of System, PAQPW_3S)。該方法可以自動(dòng)的導(dǎo)入用戶在構(gòu)建系統(tǒng)時(shí)提出的條件偏好，并采集服務(wù)質(zhì)量的多維度的歷史屬性值，分析服務(wù)質(zhì)量波動(dòng)的特征，從而估計(jì)出特征屬性值，通過執(zhí)行Brown運(yùn)動(dòng)的首達(dá)值預(yù)測算法，自動(dòng)的分析在服務(wù)被調(diào)用期間，系統(tǒng)可能出現(xiàn)的風(fēng)險(xiǎn)。
[0009]在對該方法具體步驟進(jìn)行描述之前，首先給出相關(guān)定義:(I)用戶的條件偏好由加權(quán)條件偏好網(wǎng)絡(luò)(weighted conditional preference nets, WCP-nets)定義，WCP-nets由兩個(gè)部分構(gòu)成:一是加權(quán)有向依賴圖(W)DG),用于表不多個(gè)屬性之間的偏好；另一個(gè)是條件偏好列表(CPTs),用于表達(dá)用戶對每個(gè)屬性的偏好。WCP-nets的模型圖如圖1所不；
(2)服務(wù)的質(zhì)量軌跡數(shù)據(jù)，采用漂移布朗運(yùn)動(dòng)來建模，采用常用的直接增量法來構(gòu)造漂移系數(shù)和擴(kuò)散系數(shù)；(3)面向服務(wù)組件的單一質(zhì)量的風(fēng)險(xiǎn)預(yù)警概率PaAt (QMw)，是服務(wù)組件質(zhì)量的某個(gè)屬性在未來Λ t時(shí)刻才首次達(dá)QMw的概率；(4)系統(tǒng)風(fēng)險(xiǎn)值P.SOS (At),是根據(jù)用戶條件偏好預(yù)測得到的SoS的質(zhì)量風(fēng)險(xiǎn)概率。
[0010]本發(fā)明提供的基于用戶偏好的系統(tǒng)質(zhì)量風(fēng)險(xiǎn)預(yù)警方法包括如下主要步驟:(I)自動(dòng)采集用戶的條件偏好和服務(wù)的質(zhì)量軌跡數(shù)據(jù)；(2)根據(jù)用戶偏好中的條件偏好列表CPTs，分析單一服務(wù)質(zhì)量屬性的風(fēng)險(xiǎn)概率；(3)根據(jù)用戶偏好中的加權(quán)有向圖WDDG，計(jì)算各個(gè)服務(wù)模式SP的違反度評分VD (SP),以及每個(gè)模式對系統(tǒng)風(fēng)險(xiǎn)的影響力E(SP)。(4)計(jì)算系統(tǒng)風(fēng)險(xiǎn)值P.SOS (At),并根據(jù)分級預(yù)警機(jī)制給出系統(tǒng)預(yù)警。
[0011]本發(fā)明的初衷就是想要模擬根據(jù)服務(wù)質(zhì)量的歷史數(shù)據(jù)預(yù)測系統(tǒng)質(zhì)量風(fēng)險(xiǎn)的基礎(chǔ)上，兼顧用戶偏好的影響。因?yàn)楦鶕?jù)歷史軌跡預(yù)測質(zhì)量未來某時(shí)刻的值是迄今為止在服務(wù)質(zhì)量預(yù)測領(lǐng)域使用最廣泛的方法，并已經(jīng)廣泛驗(yàn)證了其方法的正確性、有效性。我們通過獲取用戶偏好的感知信息，得到用戶偏好對服務(wù)質(zhì)量波動(dòng)預(yù)警的影響，建立模型并將其通過自動(dòng)擬合出復(fù)雜系統(tǒng)情況下的質(zhì)量風(fēng)險(xiǎn)預(yù)警，與傳統(tǒng)的預(yù)警方法在目標(biāo)上是相似的。根據(jù)隨機(jī)過程和鞅論的理論，可以在理論上證明本方法的有效性和正確性。同時(shí)由本方法計(jì)算得到的系統(tǒng)風(fēng)險(xiǎn)概率，可以證明其正確率是收斂的，有界的。
【專利附圖】

【附圖說明】
[0012]圖1是本發(fā)明解決問題的示意圖；
[0013]圖2 是 WCP-nets 模型圖；
[0014]圖3是本發(fā)明中采用的服務(wù)質(zhì)量的試驗(yàn)用例；
[0015]圖4是本發(fā)明中服務(wù)質(zhì)量預(yù)警的試驗(yàn)結(jié)果；
[0016]圖5a、5b是本發(fā)明的方法與其他方法的對比結(jié)果(a靈敏度，b特異度)；
[0017]圖6是面向服務(wù)偏好的系統(tǒng)質(zhì)量風(fēng)險(xiǎn)預(yù)警方法流程圖。
【具體實(shí)施方式】
[0018]下面對本發(fā)明進(jìn)行詳細(xì)說明。
[0019]可以證明，對于布朗(Brown)運(yùn)動(dòng)Bt,有Bt是鞅。進(jìn)一步的，如果放棄Brown運(yùn)動(dòng)初值為0的假定，即BO可以是獨(dú)立于Bt，t>=0的隨機(jī)變量，那么，這樣得到的{Bt，t>=0}是時(shí)齊的馬爾科夫(Markov)過程。
[0020]假定服務(wù)組件的某個(gè)質(zhì)量屬性值是時(shí)間以T為單位的標(biāo)準(zhǔn)Brown運(yùn)動(dòng)，其初始值
f Av V
為V0，求在此后的AT時(shí)間中，其屬性值變化為Vl的概率P，
【權(quán)利要求】
1.一種面向服務(wù)的系統(tǒng)中的質(zhì)量動(dòng)態(tài)預(yù)警方法，其特征在于，用戶的條件偏好由WCP-nets定義，WCP-nets由兩個(gè)部分構(gòu)成:一是加權(quán)有向依賴圖WDDG，用于表示多個(gè)屬性之間的偏好；另一個(gè)是條件偏好列表CPTs，用于表達(dá)用戶對每個(gè)屬性的偏好；服務(wù)的質(zhì)量軌跡數(shù)據(jù)，采用漂移布朗運(yùn)動(dòng)來建模，采用常用的直接增量法來構(gòu)造漂移系數(shù)和擴(kuò)散系數(shù)；單一服務(wù)質(zhì)量屬性的風(fēng)險(xiǎn)采用首達(dá)值理論計(jì)算單一屬性風(fēng)險(xiǎn)概率；系統(tǒng)風(fēng)險(xiǎn)值P.SOS(At)，是根據(jù)用戶條件偏好結(jié)合服務(wù)質(zhì)量風(fēng)險(xiǎn)矩陣，預(yù)測得到的系統(tǒng)的系統(tǒng)SoS(System of System)的質(zhì)量風(fēng)險(xiǎn)概率,所述方法包括以下步驟: (O自動(dòng)采集用戶的條件偏好和服務(wù)的質(zhì)量軌跡數(shù)據(jù)，并分析數(shù)據(jù)特征；使用Yl和Y2兩個(gè)統(tǒng)計(jì)量來估計(jì)軌跡數(shù)據(jù)特征，
2.如權(quán)利要求1中所述的面向服務(wù)的系統(tǒng)中的質(zhì)量動(dòng)態(tài)預(yù)警方法，其特征是:面向服務(wù)組件的單一質(zhì)量的風(fēng)險(xiǎn)預(yù)警概率PaAt (QMw)，是服務(wù)組件質(zhì)量的某個(gè)屬性在未來Λ t時(shí)刻才首次達(dá)QMw的概率。
【文檔編號】G06Q10/04GK103455858SQ201310436762
【公開日】2013年12月18日 申請日期:2013年9月23日 優(yōu)先權(quán)日:2013年9月23日
【發(fā)明者】萬程, 王紅兵 申請人:東南大學(xué)