[发明专利]基于multi_DBNs模型的大服务组件系统在线可靠性预测方法

说明书

技术领域

本发明涉及基于服务组合的大服务环境下SoS应用提供方法及关键技术领域，特别是涉及基于multi_DBNs模型的大服务组件系统在线可靠性预测方法。

背景技术

面向国家重大战略需求，近年来我国在航空航天、交通运输、能源动力等领域对大规模复杂软件系统的应用需求逐渐凸显。作为构建大规模复杂软件系统的一种重要思想，“系统的系统”(System of Systems,SoS)逐渐引起国内外研究及工业应用领域有关人员的高度重视。SoS一般是通过网络集成多个已有的各自独立的组件系统，从而形成一个新的系统，满足用户更为复杂的应用需求。这一应用最早出现在海湾战争期间，多国部队各自独立的战斗系统，最终被集成为一个可以联合作战的系统的系统。与传统的基于网络的系统的主要区别在于，SoS不仅需要多个组件之间实现协作，完成一个共同的目标，更为重要的时，SoS需要具有更好的性能，更高的运行稳定性，从而实现组件系统之间的协同工作。

SoS组件系统之间通过互联网(也可能是组织的内部网络)进行调用，进行实现集成。所构建的系统较单一的软件系统在构成成分上具有更粗的粒度，更为强调各组件系统之间的交互、协作与通信，更为注重整个系统平台的监控、检测与保障。系统运行在高度动态的环境下(例如网络环境的变化、组件系统质量的波动甚至异常)，单个系统的变化(甚至错误)可能会产生级联效应，导致整个系统不能工作。因此，针对基于服务组合的SoS系统的运行时的软件质量保障问题是SoS领域研究和应用中一个需要迫切解决的极具挑战性的问题。

本专利将以如何保障服务系统的可靠性为出发点，研究面向SoS中大服务组件系统的在线可靠性时间序列预测问题，为更好地开展基于服务组合的大服务场景下SoS应用提供方法及关键技术方面的支撑。由此看来，本发明具有重要的理论意义与实际应用价值。

发明内容

为了解决上述存在的问题，本发明提供基于multi_DBNs模型的大服务组件系统在线可靠性预测方法，这种方法是能够支持网络状况处于随机波动环境以及大服务环境下，发生错误的时间表现出不确定性的可靠性预测方法，为达此目的，本发明提供基于multi_DBNs模型的大服务组件系统在线可靠性预测方法，具体步骤如下：

在一个基于服务组合的SoS中，每一个组件系统均被实现为一个服务，要预测的是基于服务组合的SoS中任一组件系统S即由某一客户端C所调用的在线及未来的可靠性时间序列，在线可靠性时间序列是指从当前时间t向前推进Δt_l长度的时间点开始，所覆盖的有效预测的时间段为Δp_t，即有效预测时间；

基于multi_DBNs模型的服务系统可靠性预测步骤分为以下六步：

第一，数据准备，对所采集的历史系统参数进行预处理，将其划分为不同的时间序列；

第二，Motifs发现，从系统历史参数时间序列中找出motifs；

第三，时间序列表达，采用距离最近的motifs来标记系统历史参数时间序列；

第四，条件概率表构建，从被motifs标记过的系统历史参数时间序列中，根据其时序演化规律，统计系统历史参数时间序列motifs从数据窗口时间到有效预测时间的决定关系，并构建相应的条件概率表；

第五，可靠性时间序列预测，根据所采集的最邻近的系统响应时间、吞吐量参数时间序列，基于m_DBNs模型开展服务在线可靠性时间序列预测；

第六，根据先前多步预测结果的累积误差，利用multi_DBNs模型对新的预测结果进行校准，提高新的预测结果的精度。

本发明的进一步改进，步骤一在数据准备阶段，对连续采集的组件系统历史响应时间、吞吐量、可靠性参数进行预处理，为训练m_DBNs模型做准备，将每一个连续的历史系统参数划分为两类不同的时间序列，即数据窗口时间和有效预测时间的时间序列，以对响应时间参数的数据准备为例，数据窗口内的响应时间参数时间序列可表示为：

其中，表示集合中的第i个时间序列，它是一个行向量，包含多个响应时间参数数据点；

其次，为获得有效预测时间内的响应时间参数时间序列，重新对响应时间参数划分时间序列，对于每个选择△t_l时间段之后时间段内的响应时间参数时间序列，定义为通过这一方式，同样将响应时间参数划分为多个时间序列，每一个时间序列中同样具有n个数据点；