本發明專利技術公開一種基于貝葉斯推斷的軟件服務質量動態監控方法及系統，設定原假設與備擇假設，選取先驗分布函數，讀取訓練樣本，對訓練樣本進行預處理，統計滿足屬性的樣本數，更新樣本集；對樣本總數，成功樣本數，標準值整形；計算貝葉斯因子，分析、存儲并返回監控結果。系統包括：控制器，采集軟件的服務聲明標準，產生不同任務目的分析器，傳遞需匹配的服務標準給分析器，向數據采集端發布指令，控制周期性采集；觀察器從數據服務設備端周期采集所需的服務數據，對信息進行篩分分類重組；分析器，數據進行匹配，形成可預處理樣本，傳入歷史數據庫保存；采用貝葉斯統計模塊分析數據，結果存入監控結果數據庫。
【技術實現步驟摘要】
本專利技術涉及一種對運行軟件QoS需求指標監控的方法和系統，尤其涉及ー種基于貝葉斯推斷的軟件服務質量監控方法及系統，屬于軟件服務質量監控
技術介紹
近年來,軟件系統越來越要求具有較高的動態性和靈活性,能夠動態組合開放環境下使用分布、自治的第三方組件，并支持軟件運行時的不斷演化。然而在復雜多變的Internet環境中，這種對于第三方服務的依賴會帶來不確定的問題，比如服務組件接ロ變化，動態選擇發生變化，組件自身變化，又或者如果各個組件提供的功能或者非功能特性與預先聲明不同，都會產生嚴重影響，無法滿足QoS (Quality of Service)需求。因此需要采 用運行時的監控技術對其進行監管以確保軟件執行的正確性，提高軟件的可信度。QoS的關鍵指標如可用性、吞吐量、時延、時延變化(包括抖動和漂移)和丟失等通常用概率來表示不確定性，但很多時候分析和評估QoS指標時，很難給出確切的特征量估計值，而采用模糊語言，例如“程序在0. 2s內響應的概率為95%”，“數據丟包率小于萬分之三”等等，保證系統可靠運行需要對這些不確定的模糊概率進行監控診斷。然而，現有的概率監控方法采用傳統假設檢驗來進行統計，只使用單ー概率值評估，不使用復合假設，實際可執行性差，又或者使用SPRT (Sequential Probability Ratio Test)方法統計，由于該方法樣本大量落入中立區，監控常常失效。所以，現有的概率監控技術無法滿足概率監控的需要。
技術實現思路
專利技術目的針對現有技術中存在的問題，本專利技術提供一種基于貝葉斯推斷的軟件服務質量監控方法及系統，監控方法和系統通過判斷軟件的運行時行為是否滿足軟件系統的屬性規約，以發現軟件的異常和ー些QoS狀況，為軟件系統的動態自適應調整和演化等活動提供決策依據，從而保證軟件系統的安全可靠運行。技術方案一種基于貝葉斯推斷的軟件服務質量監控方法，包括以下步驟步驟I，根據可靠性標準，設定原假設Htl與備擇假設氏；其中，原假設和備擇假設必須互斥，接受一方，必須拒絕另一方；根據可靠性標準，建立對立的原假設Htl與備擇假設H1 H0 P ^ 0 ' IH1 p < 9 ’ ；步驟2，選取先驗分布函數；具體為如有充足的先驗信息，利用歷史日志中以往軟件運行的服務質量數據，分析數據特性，形成先驗分布函數g( 6 );根據監控仿真實驗特性，引入ニ項分布的自然共軛先驗分布，即貝塔分布，通過設定兩個不同的參數a和b來擬合區間上g(0)，其概率密度分布函數Vwe(OJ), g(u,a,b) = —~(X-uf ，a >0, b>0其中權利要求1.一種基于貝葉斯推斷的軟件服務質量監控方法，其特征在于，包括以下步驟 步驟I，根據可靠性標準，設定原假設Htl與備擇假設氏；其中，原假設和備擇假設必須互斥，接受一方，必須拒絕另一方；根據可靠性標準，建立對立的原假設Htl與備擇假設H1 =H0 p ≥0 ' : p < 0 ’ ； 步驟2，選取先驗分布函數；具體為如有充足的先驗信息，利用歷史日志中以往軟件運行的服務質量數據，分析數據特性來形成先驗分布函數g( 6 );根據監控仿真實驗特性，引入ニ項分布的自然共軛先驗分布，即貝塔分布，通過設定兩個不同的參數a和b來擬合區間上g( 0 )，其概率密度分布函數2.如權利要求I所述的基于貝葉斯推斷的軟件服務質量監控方法，其特征在于所述的對訓練樣本進行預處理，具體為訓練樣本ギ與軟件聲明Yt標準相匹配，滿足要求則對應的第i次樣本預處理結果Xi=I,否則為O。3.如權利要求I所述的基于貝葉斯推斷的軟件服務質量監控方法，其特征在于所述的統計滿足屬性的成功樣本數SUCC，更新樣本集TX，具體為 1)統計成功樣本數SUCC，如果成功樣本數SUCC的值與樣本集TX中最早樣本預處理結果相同，成功樣本數succ不變，直接向軟件返回上次存儲的監控結果；否則如果Xi=I,則succ=succ+l !Xi=O,則 SUCC=SUCC-1 ; 2)更新樣本集TX，其中，TX是布爾型數組，存儲最近的樣本預處理結果，更新采取FIFO策略，替換TX最早的樣本預處理結果。4.如權利要求I所述的基于貝葉斯推斷的軟件服務質量監控方法，其特征在于所述的對樣本總數n、成功樣本數succ、標準0整形，具體為 對樣本總數n、成功樣本總數succ、標準0分別同步放大為knm，ksuccm, k 0 m, k, m >Io5.如權利要求I所述的基于貝葉斯推斷的軟件服務質量監控方法，其特征在于所述步驟7的結果分析，具體為選取闕值Thres，闕值Thres的選取根據所要求的I型錯誤來確定，默認為T= 9/(1- 0 )*100 ;如果B大于Thres，則認為有足夠的理由相信原假設Htl成立，如果B〈l/Thres則支持備擇假設H1成立；如果l/ThreS〈B〈ThreS，則不確定支持原假設還是支持備擇假設。6.一種基于貝葉斯推斷的軟件服務質量監控系統，其特征在于，包括 控制器，用于采集運行時軟件的服務聲明標準，作為監控對象服務標準，根據服務標準產生不同任務目的分析器，傳遞需匹配的服務標準給對應的分析器，向數據采集端發布指令，指示觀察器采集所需的對應數據集，并控制實時周期性采集，數據庫匯總各分析器的監控結果，送入服務能力評價模塊，向數據服務設備返回對軟件的監控結果及評價結果； 觀察器，用于從數據服務設備端周期采集所需的服務數據，對數據采集端的信息進行篩分分類重組，以準備形成不同分析器需要的數據； 分析器，根據控制器提供的服務標準和數據篩分模塊分組后的數據，將數據進行匹配，形成可以采用貝葉斯統計的預處理樣本，并傳入歷史數據庫保存；根據貝葉斯方法作出相應的判斷，結果存入監控結果數據庫。7.如權利要求6所述的基于貝葉斯推斷的軟件服務質量監控系統，其特征在于，所述控制器包括 服務信息采集模塊，用于采集運行時軟件的服務聲明標準，作為監控對象服務標準，向數據采集端發布指令，指示觀察器采集所需的對應數據集； 分析器生成模塊，根據服務標準產生不同任務目的分析器，傳遞需匹配的服務標準給對應的分析器； 計時器，控制觀察器周期性采集監控對象數據； 服務能力評價模塊，綜合評價服務能力，向數據服務設備返回對軟件的監控結果以及評價結果； 樣本數據庫，存儲歷史監控樣本數據； 監控結果數據庫，存儲監控結果數據，匯總不同的分析器發來的結果，傳遞給服務能力評價模塊。8.如權利要求6所述的基于貝葉斯推斷的軟件服務質量監控系統，其特征在于，所述觀察器包括數據采集端，用于從數據服務設備端周期采集所需的服務數據； 數據篩分模塊，對數據采集端的信息進行篩分分類重組，以準備形成不同分析器需要的數據。9.如權利要求6所述的基于貝葉斯推斷的軟件服務質量監控系統，其特征在于，所述分析器包括 匹配整形模塊，根據控制器提供的服務標準和數據篩分模塊分組后的數據，將數據進行匹配，形成可以采用貝葉斯統計的預處理樣本，并傳入樣本數據庫保存； 貝葉斯統計模塊，根據貝葉斯方法作出相應的判斷，存入監控結果數據庫。全文摘要本專利技術公開一種基于貝葉斯推斷的軟件服務質量動態監控方法及系統，設定原假設與備擇假設，選取先驗分布函本文檔來自技高網...
【技術保護點】
一種基于貝葉斯推斷的軟件服務質量監控方法，其特征在于，包括以下步驟：步驟1，根據可靠性標準，設定原假設H0與備擇假設H1；其中，原假設和備擇假設必須互斥，接受一方，必須拒絕另一方；根據可靠性標準，建立對立的原假設H0與備擇假設H1：H0：p≥θ“;H1：p＜θ“；步驟2，選取先驗分布函數；具體為：如有充足的先驗信息，利用歷史日志中以往軟件運行的服務質量數據，分析數據特性來形成先驗分布函數g(θ)；根據監控仿真實驗特性，引入二項分布的自然共軛先驗分布，即貝塔分布，通過設定兩個不同的參數a和b來擬合[0,1]區間上g(θ)，其概率密度分布函數：∀u∈(0,1),g(u,a,b)=1Be(a,b)uα-1(1-u)β-1,a>0,b>0其中如無充足的先驗信息，根據貝葉斯假設采用無信息先驗，g(θ)是(0,1)上的均勻分布，此時，a，b取值分別為1，1；步驟3，讀取軟件運行時的觀測變量組合作為訓練樣本對訓練樣本進行預處理，存入樣本集TX；步驟4，統計滿足屬性的樣本數，記為成功樣本數succ，更新樣本集TX；步驟5，對樣本總數n、成功樣本數succ、標準θ整形；步驟6，計算貝葉斯因子B；1)計算貝塔分布函數:∀u∈(0,1),Fa,b(u)=∫0ug(t,a,b)dt2)計算貝葉斯因子：在樣本集TX＝{x1，x2，...，xn}下：B=∫θ1p(x1|t)...p(xn|t)·g(t)dt∫0θp(x1|t)...p(xn|t)·g(t)dt利用貝塔分布函數，貝葉斯因子可簡化為：B=1Fsucc+a,n-succ+b(θ)-1將被放大后的樣本總數n、成功樣本數succ、標準θ帶入上述公式計算貝葉斯因子；步驟7，結果分析，向軟件返回監控結果，存儲本次監控結果；步驟8，定期讀取運行時的觀測變量組合作為訓練樣本，對訓練樣本進行預處理，存入樣本集TX；重復步驟3~步驟8。FDA00002132412600012.jpg,FDA00002132412600013.jpg,FDA00002132412600014.jpg,FDA00002132412600015.jpg...
【技術特征摘要】
【專利技術屬性】
技術研發人員：張鵬程，朱躍龍，徐美君，
申請(專利權)人：河海大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。