面向服務的系統中的質量動態預警方法
2023-10-26 06:06:47 1
面向服務的系統中的質量動態預警方法
【專利摘要】本發明涉及面向服務的系統中的質量動態預警方法，屬於計算機應用【技術領域】。所述方法通過感知用戶的條件偏好，並利用brown運動首達值原理，對系統中服務質量屬性的動態變化進行預警，該方法自動的導入用戶在構建系統時提出的條件偏好，並採集服務質量的多維度的歷史屬性值，分析服務質量波動的特徵，從而估計出特徵屬性值，自動的分析在服務被調用期間，系統可能出現的風險，實現智能化預警。
【專利說明】 面向服務的系統中的質量動態預警方法
【技術領域】
[0001]本發明涉及計算機應用領域，具體涉及解決複雜系統中用戶條件偏好敏感的服務質量動態預警的方法。
【背景技術】
[0002]目前尚未發現利用計算機通過結合用戶條件偏好來解決大規模複雜的系統中的服務質量動態預警的問題。雖然已有一些方法可以解決系統質量屬性值的預測，或者系統功能運行風險預警的問題，諸如:時序分析法和回歸分析法、協同過濾法、基於條件概率的貝葉斯方法和極大似然估計法等，這些方法與本發明有著一定的聯繫，即都是基於已有的數據軌跡對未來數據變化進行預測的問題。但是具體解決的是完全不同的問題，之前的方法大都是基於概率分布，或是多階線性擬合等方法，而且都是面向單一的質量屬性，並且不考慮用戶的偏好。而本人的發明是面向用戶條件偏好，基於隨機過程和鞅論的系統質量屬性波動的預警問題。
[0003]在各種典型的軟體質量預測方法中質量的建模和問題表達方式有所不同，但其本質可以歸結為以下過程:一、對服務質量的歷史數據進行採集和清洗(即建立數據軌跡)；二、使用某種建模方法對歷史數據進行建模，常見的包括基於統計模型和數據軌跡相似度匹配等；三、預測質量屬性在未來At時刻的屬性值。事實上，僅用這樣的過程來分析是片面的。
[0004]從質量屬性的數據本身看，要想了解系統質量屬性隨時間的發展，需要將系統質量的變化按時間的發展作為隨機試驗的基本結果進行研究，因為描寫質量屬性值或狀態轉移的統計概率規律的參數通常是不知道的，所以需要通過觀察的結果統計的推定。不是所有的隨機過程的軌道數據都可以用來表達整個隨機過程的特徵參數，即不是所以的模型都具有遍歷性質。本發明提出的預警方法以Brown運動為驅動的隨機過程，在寬鬆的條件下，可以滿足遍歷性質。
[0005]從面向服務的系統的應用來看，相同的服務被不同的請求者調用，由於用戶的偏好不同，對服務的選擇是不同的。而這種偏好，也將影響用戶對系統運行時服務質量的評估。同時，服務質量的屬性往往是多方面的，僅僅根據服務質量的某一個屬性值的波動來進行對服務質量進行預測是不完全的。現有的方法，如基於協同過濾的方法，基於時序分析的預測方法等，均未能考慮用戶偏好與多個質量屬性對預測結果的影響。本發明提出的預警方法以WCP-nets的來描述用戶加權的條件偏好，並以此平衡多個質量屬性對預警效果的影響。
[0006]值得注意的是，本發明所涉及的面向系統的系統中的服務質量動態預警方法依賴於服務質量軌跡數據以及用戶偏好，預警的目標是給出服務質量屬性在一定時間範圍內不滿足用戶偏好的概率。這與一般的估計單一屬性值在未來某個時刻的值的方法有著顯著的差異。但在實際應用中，在系統運行階段，用戶並不關心服務質量的值，而只關心在其調用服務的過程中，服務的質量是否在其指定的範圍內。後者主要基於單一屬性值的歷史數據進行估計，需要計算在服務被調用所有的時刻，服務質量的預測值，才能得出結果。進一步的，現有的預測方法，得到的預測值，往往是一個範圍。例如:基於時序的方法，可以得到在某個概率情況下，t+Ι時刻最有可能的值。基於協同過濾的方法，可以得到在某個概率情況下，t+n時刻最有可能的值。那麼，即使知道t+l，t+2，。。。，t+n時刻的不同值，在是否需要對面向服務的系統進行預警這一問題而言，也只是給出模式化的判斷結果，沒有考慮不同用戶對風險的承受能力。如果在η個未來值中，有超範圍的，那麼就給出一個異常預警；如果在η個未來值中，沒有有超範圍的，那麼就給出一個正常預警。由於現有的方法均不能保障預測值的絕對正確，相應的預測結果的可靠性不能得到很好的保障。而本發明提出的考慮用戶偏好的服務預警方法，可以直接計算得到在某段時間內，服務質量是否會超出某個範圍的概率。本方法可以告訴用戶，系統質量發生風險的概率是多少，用戶可以根據自己的特點，來判斷是否需要對系統質量進行修復。有的用戶可以耐受高風險，有的用戶就不一定能耐受。因此，本發明提出的質量預警方法能夠很好的解決大規模複雜系統中，不同用戶對系統質量預警的不同需求，這面向服務的系統的可靠性保障具有重要意義。
【發明內容】
[0007]本發明的目的是讓複雜的基於計算機的軟體系統對用戶偏好進行感知，並根據面向服務的系統的系統(SoS)的質量屬性值的歷史數據，對SoS的質量風險進行主動的智能預警，可以達到與人類似的水平。而且本發明利用學習感知到的各種信息建立聚類模型可以達到更高的精度。
[0008]我們提出一種新的解決方法——感知用戶的條件偏好，並利用brown運動首達值原理對系統中服務質量屬性的動態變化進行預警的方法(Preference Aware QualityProactive Warning for Service Oriented System of System, PAQPW_3S)。該方法可以自動的導入用戶在構建系統時提出的條件偏好，並採集服務質量的多維度的歷史屬性值，分析服務質量波動的特徵，從而估計出特徵屬性值，通過執行Brown運動的首達值預測算法，自動的分析在服務被調用期間，系統可能出現的風險。
[0009]在對該方法具體步驟進行描述之前，首先給出相關定義:(I)用戶的條件偏好由加權條件偏好網絡(weighted conditional preference nets, WCP-nets)定義，WCP-nets由兩個部分構成:一是加權有向依賴圖(W)DG),用於表不多個屬性之間的偏好；另一個是條件偏好列表(CPTs),用於表達用戶對每個屬性的偏好。WCP-nets的模型圖如圖1所不；
(2)服務的質量軌跡數據，採用漂移布朗運動來建模，採用常用的直接增量法來構造漂移係數和擴散係數；(3)面向服務組件的單一質量的風險預警概率PaAt (QMw)，是服務組件質量的某個屬性在未來Λ t時刻才首次達QMw的概率；(4)系統風險值P.SOS (At),是根據用戶條件偏好預測得到的SoS的質量風險概率。
[0010]本發明提供的基於用戶偏好的系統質量風險預警方法包括如下主要步驟:(I)自動採集用戶的條件偏好和服務的質量軌跡數據；(2)根據用戶偏好中的條件偏好列表CPTs，分析單一服務質量屬性的風險概率；(3)根據用戶偏好中的加權有向圖WDDG，計算各個服務模式SP的違反度評分VD (SP),以及每個模式對系統風險的影響力E(SP)。(4)計算系統風險值P.SOS (At),並根據分級預警機制給出系統預警。
[0011]本發明的初衷就是想要模擬根據服務質量的歷史數據預測系統質量風險的基礎上，兼顧用戶偏好的影響。因為根據歷史軌跡預測質量未來某時刻的值是迄今為止在服務質量預測領域使用最廣泛的方法，並已經廣泛驗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質量波動預警的影響，建立模型並將其通過自動擬合出複雜系統情況下的質量風險預警，與傳統的預警方法在目標上是相似的。根據隨機過程和鞅論的理論，可以在理論上證明本方法的有效性和正確性。同時由本方法計算得到的系統風險概率，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是本發明解決問題的示意圖；
[0013]圖2 是 WCP-nets 模型圖；
[0014]圖3是本發明中採用的服務質量的試驗用例；
[0015]圖4是本發明中服務質量預警的試驗結果；
[0016]圖5a、5b是本發明的方法與其他方法的對比結果(a靈敏度，b特異度)；
[0017]圖6是面向服務偏好的系統質量風險預警方法流程圖。
【具體實施方式】
[0018]下面對本發明進行詳細說明。
[0019]可以證明，對於布朗(Brown)運動Bt,有Bt是鞅。進一步的，如果放棄Brown運動初值為0的假定，即BO可以是獨立於Bt，t>=0的隨機變量，那麼，這樣得到的{Bt，t>=0}是時齊的馬爾科夫(Markov)過程。
[0020]假定服務組件的某個質量屬性值是時間以T為單位的標準Brown運動，其初始值
f Av V
為V0，求在此後的AT時間中，其屬性值變化為Vl的概率P，
【權利要求】
1.一種面向服務的系統中的質量動態預警方法，其特徵在於，用戶的條件偏好由WCP-nets定義，WCP-nets由兩個部分構成:一是加權有向依賴圖WDDG，用於表示多個屬性之間的偏好；另一個是條件偏好列表CPTs，用於表達用戶對每個屬性的偏好；服務的質量軌跡數據，採用漂移布朗運動來建模，採用常用的直接增量法來構造漂移係數和擴散係數；單一服務質量屬性的風險採用首達值理論計算單一屬性風險概率；系統風險值P.SOS(At)，是根據用戶條件偏好結合服務質量風險矩陣，預測得到的系統的系統SoS(System of System)的質量風險概率,所述方法包括以下步驟: (O自動採集用戶的條件偏好和服務的質量軌跡數據，並分析數據特徵；使用Yl和Y2兩個統計量來估計軌跡數據特徵，
2.如權利要求1中所述的面向服務的系統中的質量動態預警方法，其特徵是:面向服務組件的單一質量的風險預警概率PaAt (QMw)，是服務組件質量的某個屬性在未來Λ t時刻才首次達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 優先權日:2013年9月23日
【發明者】萬程, 王紅兵 申請人:東南大學