一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法及裝置制造方法及圖紙

本申請公開了一種云服務(wù)質(zhì)量動態(tài)預(yù)測方法。該方法包括：獲取云服務(wù)的歷史服務(wù)質(zhì)量數(shù)據(jù)構(gòu)建初始表征矩陣；對初始表征矩陣進行更新得到隱向量表征矩陣并生成維度相同的個性化表征矩陣；基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量；基于所得的各表征向量計算基于張量表征的服務(wù)質(zhì)量預(yù)測值；將自注意力表征學(xué)習(xí)方法輸出的編碼向量輸入多層全連接層捕獲高階特征交互關(guān)系，輸出云服務(wù)的自注意力機制服務(wù)質(zhì)量預(yù)測值；將基于張量表征和自注意力機制計算的服務(wù)質(zhì)量預(yù)測值按權(quán)重相加獲得最終的服務(wù)質(zhì)量預(yù)測值。本發(fā)明專利技術(shù)提供一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，能夠更加準(zhǔn)確的動態(tài)預(yù)測云服務(wù)的服務(wù)質(zhì)量。測云服務(wù)的服務(wù)質(zhì)量。測云服務(wù)的服務(wù)質(zhì)量。

【技術(shù)實現(xiàn)步驟摘要】
一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法及裝置


[0001]本專利技術(shù)屬于服務(wù)計算領(lǐng)域，設(shè)計服務(wù)質(zhì)量預(yù)測問題，特別涉及一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法及裝置。

技術(shù)介紹

[0002]云計算是一種新興的分布式計算方法，將共享的軟硬件資源和信息按需求提供給各種終端，將互聯(lián)網(wǎng)基礎(chǔ)架構(gòu)轉(zhuǎn)變?yōu)橐环N實用程序，企業(yè)可以通過互聯(lián)網(wǎng)部署自己的基礎(chǔ)架構(gòu)，并使用網(wǎng)絡(luò)的計算資源和存儲資源。其中，云計算的三個主要服務(wù)模型是SaaS(軟件即服務(wù)),PaaS(平臺即服務(wù)),IaaS(基礎(chǔ)設(shè)施即服務(wù))。SaaS也稱為基于云的軟件或云應(yīng)用，實在云端托管的應(yīng)用軟件。借助SaaS，企業(yè)能夠降低管理自己內(nèi)部基礎(chǔ)架構(gòu)而引發(fā)的大部分成本，移動用戶能夠便捷地利用各種網(wǎng)絡(luò)服務(wù)。SaaS是當(dāng)今大多數(shù)商業(yè)軟件的主要交付模式，目前已有大量的SaaS解決方案可用，從行業(yè)和部門應(yīng)用到企業(yè)軟件數(shù)據(jù)庫和AI軟件應(yīng)有盡有。
[0003]云計算的彈性服務(wù)模式造就了云服務(wù)市場的繁榮。日積月累，云服務(wù)市場充斥這海量功能相似的云服務(wù)。然而提供軟件服務(wù)的設(shè)備通常是資源受限或移動的，這可能導(dǎo)致服務(wù)質(zhì)量降級或服務(wù)無響應(yīng)。中間件可用于處理這些挑戰(zhàn)，并在設(shè)計時選擇最佳服務(wù)，并在服務(wù)質(zhì)量開始下降時及逆行動態(tài)服務(wù)適應(yīng)。許多提供商提供具有相同功能的云服務(wù)。通過用候選服務(wù)替換當(dāng)前工作服務(wù)以響應(yīng)意外的服務(wù)質(zhì)量變化(例如不可接受的響應(yīng)時間)，可以將此類冗余服務(wù)用于服務(wù)適配。為實現(xiàn)這一點，需要了解服務(wù)的服務(wù)質(zhì)量值以做出及時準(zhǔn)確的適應(yīng)決策，例如何時觸發(fā)適應(yīng)動作、要替換哪些工作服務(wù)以及選擇哪些候選服務(wù)。通過實時調(diào)用云服務(wù)并記錄服務(wù)質(zhì)量值來進行推薦的方法會耗費大量的網(wǎng)絡(luò)資源。本專利提出的方法和裝置能夠動態(tài)地預(yù)測云服務(wù)的服務(wù)質(zhì)量。

技術(shù)實現(xiàn)思路

[0004]本專利技術(shù)的目的是提供一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，該方法能夠服現(xiàn)有技術(shù)在動態(tài)環(huán)境下模型表征能力不足，預(yù)測效果不準(zhǔn)確的問題，從而準(zhǔn)確進行動態(tài)云服務(wù)質(zhì)量的預(yù)測。
[0005]本專利技術(shù)公開一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，包括：
[0006]獲取云服務(wù)的歷史服務(wù)質(zhì)量數(shù)據(jù)構(gòu)建初始表征矩陣；
[0007]對初始表征矩陣進行更新得到隱向量表征矩陣并生成維度相同的個性化表征矩陣；
[0008]基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量；
[0009]基于所得的各表征向量計算基于張量表征的服務(wù)質(zhì)量預(yù)測值；
[0010]將自注意力表征學(xué)習(xí)方法輸出的編碼向量輸入多層全連接層捕獲高階特征交互關(guān)系，輸出云服務(wù)的自注意力機制服務(wù)質(zhì)量預(yù)測值；
[0011]將基于張量表征和自注意力機制計算的服務(wù)質(zhì)量預(yù)測值按權(quán)重相加獲得最終的服務(wù)質(zhì)量預(yù)測值。
[0012]獲取云服務(wù)的歷史服務(wù)質(zhì)量數(shù)據(jù)構(gòu)建初始表征矩陣包括：
[0013]獲取已知云服務(wù)的歷史服務(wù)質(zhì)量記錄，包括用戶編號，云服務(wù)編號，調(diào)用時間，服務(wù)質(zhì)量值，構(gòu)建根據(jù)用戶數(shù)量，云服務(wù)數(shù)量，時間片劃分數(shù)量構(gòu)建所有云服務(wù)的初始隱向量表征矩陣S
J
×
R
，所有用戶的初始隱向量表征矩陣U
I
×
R
，所有時間片的初始隱向量表征矩陣T
K
×
R
，其中I,J,K分別表示用戶數(shù)量，云服務(wù)數(shù)量，時間片數(shù)量，R表示設(shè)定的表征向量維度。
[0014]對初始表征矩陣進行更新得到隱向量表征矩陣并生成維度相同的個性化表征矩陣包括：
[0015]根據(jù)所有歷史記錄，使用非負張量分解算法對初始表征矩陣進行更新，此時的目標(biāo)函數(shù)為：
[0016][0017]j∈J,k∈K,r∈{1,2,...,R}:
[0018]其中，i表示用戶編號，j表示云服務(wù)編號，k表示時間片所處時刻，具體更新公式為：
[0019][0020][0021]其中，u
ir
表示用戶隱向量表征矩陣U第i行第r列的元素，s
jr
表示云服務(wù)隱向量表征矩陣S第j行第r列的元素，t
kr
表示時間片隱向量表征矩陣T第k行第r列的元素，y
ijk
表示歷史服務(wù)質(zhì)量記錄實值，表示使用隱向量計算的服務(wù)質(zhì)量預(yù)測值，具體計算方法如下：
[0022][0023]Λ(
·
)表示所有的歷史服務(wù)質(zhì)量記錄，|Λ(i)|歷史記錄中用戶為i的個數(shù)，|Λ(j)|為歷史記錄中云服務(wù)為j的個數(shù)，|Λ(k)|表示歷史記錄中時間片為k的記錄個數(shù)，根據(jù)已更新的隱向量表征矩陣生成維度相同的個性化表征矩陣，包括用戶個性化表征矩陣UR
|I|
×
R
，云服務(wù)個性化表征矩陣SR
|J|
×
R
，時間片個性化表征矩陣TR
|K|
×
R
。
[0024]基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量包括：
[0025]輸入當(dāng)前用戶的身份信息，候選服務(wù)的信息，基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量，將用戶編號，云服務(wù)編號進行One
?
hot編碼，再將編碼向量與表征矩陣相乘篩選出所需表征向量，包括用戶表征向量
u
i
，云服務(wù)表征向量s
j
，時間片表征向量t
k
，用戶個性化表征向量ur
i
，云服務(wù)個性化表征向量sr
j
，時間片個性化表征向量tr
k
。
[0026]基于所得的各表征向量計算基于張量表征的服務(wù)質(zhì)量預(yù)測值：
[0027]具體計算公式為：
[0028][0029]QoS
Ten
表示基于張量表征計算的服務(wù)質(zhì)量預(yù)測值，r表示表征向量中的索引位置。
[0030]將自注意力表征學(xué)習(xí)方法輸出的編碼向量輸入多層全連接層捕獲高階特征交互關(guān)系，輸出云服務(wù)的自注意力機制服務(wù)質(zhì)量預(yù)測值之前，還可以包括將所得的各表征向量拼接獲得E,E＝{u
i
,s
j
,t
k
,ur
i
,sr
j
,tr
k
}＝{e1,e2,e3,e4,e5,e6}，具體為：利用多頭自注意力機制從多個子空間對選取的表征向量進行編碼，然后將生成的編碼向量進行拼接獲得表達能力更強的表征向量E
Rep
，具體過程如下：
[0031][0032][0033][0034][0035][0036]K表示表征向量個數(shù)，e
k
表示第k類特征向量，h∈(1,H)表示注意力的頭數(shù)，k1,k2表示記錄中的不同特征向量，是注意力機制中的轉(zhuǎn)換矩陣，<
·
>表示點積，是值的轉(zhuǎn)換矩陣，是單個注意力頭編碼第k類表征獲得的編碼向量，表示拼接操作，H表示注意力本文檔來自技高網(wǎng)...

【技術(shù)保護點】

【技術(shù)特征摘要】
1.一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，包括：獲取云服務(wù)的歷史服務(wù)質(zhì)量數(shù)據(jù)構(gòu)建初始表征矩陣；對初始表征矩陣進行更新得到隱向量表征矩陣并生成維度相同的個性化表征矩陣；基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量；基于所得的各表征向量計算基于張量表征的服務(wù)質(zhì)量預(yù)測值；將自注意力表征學(xué)習(xí)方法輸出的編碼向量輸入多層全連接層捕獲高階特征交互關(guān)系，輸出云服務(wù)的自注意力機制服務(wù)質(zhì)量預(yù)測值；將基于張量表征和自注意力機制計算的服務(wù)質(zhì)量預(yù)測值按權(quán)重相加獲得最終的服務(wù)質(zhì)量預(yù)測值。2.根據(jù)權(quán)利要求1所述的一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，所述獲取云服務(wù)的歷史服務(wù)質(zhì)量數(shù)據(jù)構(gòu)建初始表征矩陣包括：獲取已知云服務(wù)的歷史服務(wù)質(zhì)量記錄，包括用戶編號，云服務(wù)編號，調(diào)用時間，服務(wù)質(zhì)量值，構(gòu)建根據(jù)用戶數(shù)量，云服務(wù)數(shù)量，時間片劃分數(shù)量構(gòu)建所有云服務(wù)的初始隱向量表征矩陣S
|J|
×
R
，所有用戶的初始隱向量表征矩陣U
|I|
×
R
，所有時間片的初始隱向量表征矩陣T
|K|
×
R
，其中I,J,K分別表示用戶數(shù)量，云服務(wù)數(shù)量，時間片數(shù)量，R表示設(shè)定的表征向量維度。3.根據(jù)權(quán)利要求1所述的一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，所述對初始表征矩陣進行更新得到隱向量表征矩陣并生成維度相同的個性化表征矩陣包括：根據(jù)所有歷史記錄，使用非負張量分解算法對初始表征矩陣進行更新，此時的目標(biāo)函數(shù)為：數(shù)為：其中，i表示用戶編號，j表示云服務(wù)編號，k表示時間片所處時刻，具體更新公式為：其中，i表示用戶編號，j表示云服務(wù)編號，k表示時間片所處時刻，具體更新公式為：其中，u
ir
表示用戶隱向量表征矩陣U第i行第r列的元素，s
jr
表示云服務(wù)隱向量表征矩陣S第j行第r列的元素，t
kr
表示時間片隱向量表征矩陣T第k行第r列的元素，y
ijk
表示歷史服務(wù)質(zhì)量記錄實值，表示使用隱向量計算的服務(wù)質(zhì)量預(yù)測值，具體計算方法如下：Λ(
·
)表示所有的歷史服務(wù)質(zhì)量記錄，|Λ(i)|歷史記錄中用戶為i的個數(shù)，|Λ(j)|為
歷史記錄中云服務(wù)為j的個數(shù)，|Λ(k)|表示歷史記錄中時間片為k的記錄個數(shù)，根據(jù)已更新的隱向量表征矩陣生成維度相同的個性化表征矩陣，包括用戶個性化表征矩陣UR
|I|
×
R
，云服務(wù)個性化表征矩陣SR
|J|
×
R
，時間片個性化表征矩陣TR
|K|
×
R
。4.根據(jù)權(quán)利要求1所述的一種自適應(yīng)的云服務(wù)質(zhì)量動態(tài)預(yù)測方法，所述基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量包括：輸入當(dāng)前用戶的身份信息，候選服務(wù)的信息，基于生成的隱向量表征矩陣和個性化表征矩陣獲取當(dāng)前時刻的云服務(wù)，用戶以及時間片的表征向量，將用戶編號，云服務(wù)編號進行One
?
hot編碼，再將編碼向量與表征矩陣相乘篩選出所需表征向量，包括用戶表征向量u
i
，云服務(wù)表征向量s
j...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：唐明董，唐文煜，
申請(專利權(quán))人：廣東外語外貿(mào)大學(xué)，
類型：發(fā)明
國別省市：