一种Web服务的服务质量预测方法和装置制造方法及图纸

本发明专利技术提供一种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。本发明专利技术运行效率高、准确性高、且能够实现自适应校准。

【技术实现步骤摘要】

本专利技术涉及通信
，更具体地说，涉及一种Web服务的服务质量预测方法 和装置。
技术介绍
Web服务（WebService)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（ServiceOrientedArchitecture，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（QualityofService，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（StructuralEquationModeling，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。 然而本专利技术的专利技术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。
技术实现思路
有鉴于此，本专利技术提供一种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： 基于本专利技术的一方面，本专利技术提供一种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； 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。 优选地，当计算第1个时间窗口的QoS公告时，所述在第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公告包括： 在所述第1个时间窗口开始时，依据初始化的QoS估计值為计算得到第1个时间 窗口的QoS公告。 优选地，所述在第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公告包括： 利用公式==巧毛-!，计算所述第k个时间窗口的QoS公告 其中，毛^为第k-1个时间窗口的QoS估计值，Fk为第k个时间窗口的QoS状态转 换矩阵。 优选地，所述依据所述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估计值包括： 利用公式4 = 4- +A(4 -)计算所述第k个时间窗口的QoS估计值毛? ? 5. 其中，Kk为第k个时间窗口的卡尔曼增益，zk为第k个时间窗口的QoS量测值。 优选地，所述第k个时间窗口的卡尔曼增益心的计算方法包括： 利用公式C=d，7' +0;，计算所述第k个时间窗口的预测误差协方差矩阵 ，其中，Pki为第k-1个时间窗口的估计误差协方差矩阵，Qk为第k个时间窗口的系统激 励噪声协方差矩阵； 利用公式& =6(/r+馬F1，计算所述第k个时间窗口的卡尔曼增益Kk; 其中，Rk为第k个时间窗口的量测噪声协方差矩阵。 优选地，所述依据所述第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公告可信度包括： 利用公式计算所述第k个时间窗口的QoS公告可信度 Trustk； 其中，n为QoS指标个数。 优选地，所述依据所述第k个时间窗口的QoS公告可信度调节所述第k+1个时间 窗口的大小包括： 判断所述第k个时间窗口的QoS公告可信度是否小于阈值； 如果小于，减小所述第k+1个时间窗口； 如果不小于，保持或增大所述第k+1个时间窗口。 基于本专利技术的另一方面，本专利技术提供一种Web服务的服务质量预测装置，包括初 始化的服务质量QoS估计值；所述装置包括： 第一计算单元，用于在第k_l个时间窗口结束时，依据所述第k_l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； 第二计算单元，用于依据所述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； 第三计算单元，用于依据所述第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； 调节单元，用于依据所述第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； 执行单元，用于以调节后的第k+1个时间窗口的大小为周期执行后续预测。 优选地，所述第一计算单元计算第1个时间窗口的QoS公告时，具体用于在所述第 1个时间窗口开始时，依据初始化的QoS估计值.％计算得到第1个时间窗口的QoS公告； 所述第一计算单元计算第k个时间窗口的QoS公告时，具体用于利用公式 f ，计算所述第k个时间窗口的QoS公告t; 其中，毛_:1为第k-1个时间窗口的QoS估计值，Fk为第k个时间窗口的QoS状态 转换矩阵。优选地，所述第二计算单元具体用于，利用公式毛=毛*厂）,计算所 述第k个时间窗口的QoS估计值4 . 9： 其中，Kk为第k个时间窗口的卡尔曼增益，zk为第k个时间窗口的QoS量测值。 优选地，还包括： 第四计算单元，用于利用公式4 =_ _，计算所述第k个时间窗口的预 测误差协方差矩阵G1其中，Pk1为第k~l个时间窗口的估计误差协方差矩阵，本文档来自技高网...

【技术保护点】
一种Web服务的服务质量预测方法，其特征在于，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；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。

【技术特征摘要】

【专利技术属性】
技术研发人员：王娜，杜学绘，李国盛，刘敖迪，王浩学，任志宇，杨智，王文娟，
申请(专利权)人：中国人民解放军信息工程大学，
类型：发明
国别省市：河南;41