[发明专利]面向服务的系统中的质量动态预警方法

说明书

技术领域

本发明涉及计算机应用领域，具体涉及解决复杂系统中用户条件偏好敏感的服务质量动态预警的方法。

背景技术

目前尚未发现利用计算机通过结合用户条件偏好来解决大规模复杂的系统中的服务质量动态预警的问题。虽然已有一些方法可以解决系统质量属性值的预测，或者系统功能运行风险预警的问题，诸如：时序分析法和回归分析法、协同过滤法、基于条件概率的贝叶斯方法和极大似然估计法等，这些方法与本发明有着一定的联系，即都是基于已有的数据轨迹对未来数据变化进行预测的问题。但是具体解决的是完全不同的问题，之前的方法大都是基于概率分布，或是多阶线性拟合等方法，而且都是面向单一的质量属性，并且不考虑用户的偏好。而本人的发明是面向用户条件偏好，基于随机过程和鞅论的系统质量属性波动的预警问题。

在各种典型的软件质量预测方法中质量的建模和问题表达方式有所不同，但其本质可以归结为以下过程：一、对服务质量的历史数据进行采集和清洗（即建立数据轨迹）；二、使用某种建模方法对历史数据进行建模，常见的包括基于统计模型和数据轨迹相似度匹配等；三、预测质量属性在未来Δt时刻的属性值。事实上，仅用这样的过程来分析是片面的。

从质量属性的数据本身看，要想了解系统质量属性随时间的发展，需要将系统质量的变化按时间的发展作为随机试验的基本结果进行研究，因为描写质量属性值或状态转移的统计概率规律的参数通常是不知道的，所以需要通过观察的结果统计的推定。不是所有的随机过程的轨道数据都可以用来表达整个随机过程的特征参数，即不是所以的模型都具有遍历性质。本发明提出的预警方法以Brown运动为驱动的随机过程，在宽松的条件下，可以满足遍历性质。

从面向服务的系统的应用来看，相同的服务被不同的请求者调用，由于用户的偏好不同，对服务的选择是不同的。而这种偏好，也将影响用户对系统运行时服务质量的评估。同时，服务质量的属性往往是多方面的，仅仅根据服务质量的某一个属性值的波动来进行对服务质量进行预测是不完全的。现有的方法，如基于协同过滤的方法，基于时序分析的预测方法等，均未能考虑用户偏好与多个质量属性对预测结果的影响。本发明提出的预警方法以WCP-nets的来描述用户加权的条件偏好，并以此平衡多个质量属性对预警效果的影响。

值得注意的是，本发明所涉及的面向系统的系统中的服务质量动态预警方法依赖于服务质量轨迹数据以及用户偏好，预警的目标是给出服务质量属性在一定时间范围内不满足用户偏好的概率。这与一般的估计单一属性值在未来某个时刻的值的方法有着显著的差异。但在实际应用中，在系统运行阶段，用户并不关心服务质量的值，而只关心在其调用服务的过程中，服务的质量是否在其指定的范围内。后者主要基于单一属性值的历史数据进行估计，需要计算在服务被调用所有的时刻，服务质量的预测值，才能得出结果。进一步的，现有的预测方法，得到的预测值，往往是一个范围。例如：基于时序的方法，可以得到在某个概率情况下，t+1时刻最有可能的值。基于协同过滤的方法，可以得到在某个概率情况下，t+n时刻最有可能的值。那么，即使知道t+1,t+2，。。。，t+n时刻的不同值，在是否需要对面向服务的系统进行预警这一问题而言，也只是给出模式化的判断结果，没有考虑不同用户对风险的承受能力。如果在n个未来值中，有超范围的，那么就给出一个异常预警；如果在n个未来值中，没有有超范围的，那么就给出一个正常预警。由于现有的方法均不能保障预测值的绝对正确，相应的预测结果的可靠性不能得到很好的保障。而本发明提出的考虑用户偏好的服务预警方法，可以直接计算得到在某段时间内，服务质量是否会超出某个范围的概率。本方法可以告诉用户，系统质量发生风险的概率是多少，用户可以根据自己的特点，来判断是否需要对系统质量进行修复。有的用户可以耐受高风险，有的用户就不一定能耐受。因此，本发明提出的质量预警方法能够很好的解决大规模复杂系统中，不同用户对系统质量预警的不同需求，这面向服务的系统的可靠性保障具有重要意义。

发明内容

本发明的目的是让复杂的基于计算机的软件系统对用户偏好进行感知，并根据面向服务的系统的系统（SoS）的质量属性值的历史数据，对SoS的质量风险进行主动的智能预警，可以达到与人类似的水平。而且本发明利用学习感知到的各种信息建立聚类模型可以达到更高的精度。