[发明专利]大数据场景下面向群组的服务可靠性预测方法

说明书

本发明涉及一种大数据场景下面向群组的服务可靠性预测方法，该方法主要包括提出固有群组中用户相似度求解，动态计算相似度阈值，低成本计算服务相似度可靠性矩阵方法，离线计算可靠性矩阵模型，并通过CDN分发计算后的可靠性矩阵，基于地理位置处理用户的请求，以保证用户请求可以得到快速响应。本发明不仅能够计算用户群组个体之间的相似度,并利用协同理论来预测群组中用户在使用服务过程中的可靠性。

技术领域

本发明涉及一种服务可靠性预测方法，特别是一种大数据场景下面向群组的服务可靠性预测方法，属于预测系统技术领域。

背景技术

近年来，随着互联网技术广泛普及,一些类似在线购物、网上订票、网络实时新闻等基于web的服务也随之流行。然而,由于网络服务的发布相对传统服务更加便捷以及管控相对放松,不可靠的服务在互联网中日益增多,而这一现象严重降低了用户的体验质量,这也影响了这些服务的发展。这些web服务的可靠性预测已经受到越来越多的关注。

目前，对单一服务的可靠性预测研究比较少,多数研究都是在假设单个服务的可靠性已知的基础上研究组合服务的可靠性。由于服务是由服务提供商提供,所以对于用户来说,这些服务的内部结构是不可见的,因此研究服务可靠性预测的工作主要关注如何通过历史服务反馈记录来预测服务可靠性。

以历史服务数据为基础,传统的服务可靠性预测方法主要关注的是服务本身的静态结构信息和服务执行的动态信息,而忽视了服务用户所处环境以及用户自身行为对服务可靠性造成的影响。对于同一个服务,在自身的静态结构信息与类似服务器负载,网络吞吐等执行的动态信息不改变的基础上,不同的用户在使用这个服务的时候可能会因为网络波动、所选服务商不同等原因而造成服务可靠性不同的情况,例如在用户跨域访问的时候,不能够及时获取服务返回信息或者根本不能获取到信息的情况下,从服务自身属性衡量服务的可靠性是不准确的。因此,从服务使用者的角度对服务可靠性进行度量是提高服务可靠性预测精确度的一种有效方法。

通过对现有相关工作进行调研与分析,已有的服务可靠性预测方法主要存在以下两点问题:

1)较少从服务使用者角度考虑服务可靠性,忽视了用户环境及行为对服务可靠性产生的影响,往往导致预测出的服务可靠性精确度较低；

2)在进行服务可靠性预测的时候,忽视了相似度较高用户在调用同一个服务的时候,服务的可靠性基本不发生波动这种情况,从而增加了预测方法的消耗。总之，现有的服务可靠性预测方法消耗较大，在实时的大数据场景下难以应用。

发明内容

本发明的目的在于：针对现有技术存在的缺陷，提出一种大数据场景下面向群组的服务可靠性预测方法，利用协同预测的方法，并通过CDN分发网络实现较好的用户体验。

为了达到以上目的，本发明提供了一种大数据场景下面向群组的服务可靠性预测方法，包括以下步骤：

第一步、收集用户的服务信息—建立面向群组的服务可靠性预测应用模型，在模型中搭建信息收集系统，信息收集系统内嵌信息收集功能，用于采集用户使用服务的数据；转至第二步；

第二步、离线分析—对采集的所有用户使用服务的数据进行初步的数据处理后进行清洗；转至第三步；

第三步、离线计算与预测补全—对清洗后的数据进行用户相似度计算，得到用户相似度阈值，然后根据用户相似度阈值选择不同数据预测方式获取用户的服务可靠性矩阵；转至第四步；

第四步、CDN网络分发—将用户的服务可靠性矩阵根据不同的地址段分发到对应的CDN服务器。