[发明专利]一种Web服务的服务质量预测方法和装置

说明书

本发明提供一种Web服务的服务质量预测方法和装置。方法包括：在第k‑1个时间窗口结束时，依据所述第k‑1个时间窗口的QoS估计值计算得到第k个时间窗口的QoS公告；依据所述QoS公告、第k个时间窗口的卡尔曼增益和第k个时间窗口的QoS量测值，计算所述第k个时间窗口的QoS估计值；依据所述第k个时间窗口的QoS估计值和QoS公告，计算所述第k个时间窗口的QoS公告可信度；依据所述第k个时间窗口的QoS公告可信度调节所述第k+1个时间窗口的大小；以调节后的第k+1个时间窗口的大小为QoS预测周期执行后续预测。本发明运行效率高、准确性高、且能够实现自适应校准。

技术领域

本发明涉及通信技术领域，更具体地说，涉及一种Web服务的服务质量预测方法和装置。

背景技术

Web服务(Web Service)技术以其自包含、自描述、模块化的特点以及松耦合、低成本等显著优势成为目前面向服务架构(Service Oriented Architecture，SOA)最成功的实现技术。然而，随着大量的Web服务被构建和发布，网络中出现了大量功能相同或相近但服务质量(Quality of Service，QoS)各异的Web服务。包括可靠性、可用性、安全性等在内的QoS指标作为非功能属性的代表成为Web服务选择的重要依据。但是，受服务提供商的硬件及软件等基础设施、网络状况、服务请求负载等因素的影响，Web服务的QoS呈现出明显的动态特性，因此，非常有必要开展Web服务的QoS动态预测研究，通过预测Web服务的QoS的预期水平来评估不同Web服务的非功能属性，并依据此进行Web服务的选择。

现有技术中关于Web服务的QoS预测方法主要包括以下几种方法：

(1)基于协同过滤(Collaborative Filtering，CF)及其改进算法的QoS预测方法。

具体地，针对用户端的QoS指标，该类方法依据相似度高的实体间往往具有相似观点或属性的基本假设，选择与自己相似度高的实体作为推荐者，并根据推荐者的历史QoS数据进行预测。

(2)基于人工智能的QoS预测方法。

具体地，该类方法通过采用大量的历史QoS数据构造、训练并更新免疫算子、人工神经网络等人工智能算法的核心部件，进行QoS预测。

(3)其他QoS预测方法。

如基于结构方程模型(Structural Equation Modeling，SEM)的QoS预测方法，利用QoS历史信息定量预测在未来时间段内QoS的变化值；又如基于事例推理的QoS预测方法，依据外界环境、事务类型、事务大小相同或相近时服务的QoS相同或相近的基本假设进行QoS预测。

然而本发明的发明人对现有技术中的上述Web服务的QoS预测方法进行研究后发现，现有Web服务的QoS预测方法主要存在以下问题：一是依赖于大量历史QoS数据，运行效率低；二是QoS数据来源于服务消费者的反馈信息，而服务消费者的反馈信息在数据量和数据的真实性两方面都带有不确定性，从而使得Web服务的QoS预测准确性难以保证；三是难以根据实时的QoS数据实现QoS预测的自适应校准。

发明内容

有鉴于此，本发明提供一种Web服务的服务质量预测方法和装置，以解决现有技术中Web服务的QoS预测方法存在的依赖于大量历史QoS数据，运行效率低，准确性低以及无法实现自适应校准的难题，以实现服务器端Web服务的QoS预测和自适应校准，为用户选择Web服务提供客观决策依据。技术方案如下：

基于本发明的一方面，本发明提供一种Web服务的服务质量预测方法，包括初始化的服务质量QoS估计值；所述方法包括：

在第k-1个时间窗口结束时，依据所述第k-1个时间窗口的QoS估计值计算得到第k个时间窗口的QoS公告；k为大于1的正整数；