一种Web服务吞吐量时变隐特征分析装置和方法制造方法及图纸

本发明专利技术公开了一种Web服务吞吐量时变隐特征分析装置和方法；一种Web服务吞吐量时变隐特征分析装置，其特征在于：该装置包括：服务存储模块，用于存储历史的Web服务吞吐量数据；时变隐特征更新模块，利用服务存储模块中存储的历史的Web服务吞吐量数据，结合卡尔曼滤波器和最小二乘法，时序动态更新行矩阵时变隐特征和列矩阵时变隐特征；隐特征存储模块，对获取的行矩阵时变隐特征和列矩阵时变隐特征进行存储；服务选择模块，利用行矩阵时变隐特征和列矩阵时变隐特征，预测Web服务吞吐量，并根据Web服务吞吐量预测值，推荐给用户合适的Web服务；本发明专利技术可广泛应用于互联网等领域。

【技术实现步骤摘要】
一种Web服务吞吐量时变隐特征分析装置和方法
本专利技术涉及网络数据处理领域，特别是涉及一种Web服务吞吐量时变隐特征分析装置和方法。
技术介绍
随着面型服务计算构架(ServiceOrientedArchitectures)和软件作为服务(SoftwareAsAService)理念的兴起，互联网环境下软件系统的组织形态、开发模式、运行方式都发生着巨大的变化。通过服务重用(ServiceReuse)及动态聚合(Composition)以构建随需应变、松散耦合、自我组织的分布式应用系统成为下一代软件体系结构的主要特征。然而随着互联网上的web服务爆炸性增长，在这些提供类似功能的服务当中，准确分析Web服务吞吐量时变隐特征，进而选择出适合用户的Web服务越来越困难。目前最流行的Web服务吞吐量隐特征分析方法为协同过滤技术，具体地，协同过滤技术基于用户的协同过滤算法对Web服务的吞吐量进行预测，并将具有合适的Web服务推荐给用户。然而，现有的协同过滤算法主要依赖静态的方法对Web服务吞吐量进行预测、排序和挑选。由于Web服务运行在动态变化的网本文档来自技高网...

【技术保护点】
1.一种Web服务吞吐量时变隐特征分析装置，其特征在于：该装置包括：/n服务存储模块(101)，用于存储历史的Web服务吞吐量数据；/n时变隐特征更新模块(102)，利用服务存储模块(101)中存储的历史的Web服务吞吐量数据，结合卡尔曼滤波器和最小二乘法，时序动态更新行矩阵时变隐特征和列矩阵时变隐特征；/n隐特征存储模块(103)，对获取的行矩阵时变隐特征和列矩阵时变隐特征进行存储；/n服务选择模块(104)，利用行矩阵时变隐特征和列矩阵时变隐特征，预测Web服务吞吐量，并根据Web服务吞吐量预测值，推荐给用户合适的Web服务。/n

【技术特征摘要】
1.一种Web服务吞吐量时变隐特征分析装置，其特征在于：该装置包括：
服务存储模块(101)，用于存储历史的Web服务吞吐量数据；
时变隐特征更新模块(102)，利用服务存储模块(101)中存储的历史的Web服务吞吐量数据，结合卡尔曼滤波器和最小二乘法，时序动态更新行矩阵时变隐特征和列矩阵时变隐特征；
隐特征存储模块(103)，对获取的行矩阵时变隐特征和列矩阵时变隐特征进行存储；
服务选择模块(104)，利用行矩阵时变隐特征和列矩阵时变隐特征，预测Web服务吞吐量，并根据Web服务吞吐量预测值，推荐给用户合适的Web服务。


2.根据权利要求1所述的一种Web服务吞吐量时变隐特征分析装置，其特征在于：所述特征更新模块(130)包括：
所述时变隐特征更新模块包括：
参数初始化单元(1021)，用于参数初始化时序动态更新过程中涉及的更新参数；
行矩阵时变隐特征更新单元(1022)，基于服务存储模块(101)中存储的历史的Web服务吞吐量数据，结合参数初始化单元(1021)的更新参数，利用卡尔曼滤波器，时序动态更新行矩阵时变隐特征；
列矩阵时变隐特征更新单元(1023)，基于服务存储模块(101)中存储的历史的Web服务吞吐量数据，结合参数初始化单元(1021)的更新参数和行矩阵时变隐特征更新单元(1022)更新的行矩阵时变隐特征，利用最小二乘法，时序动态更新列矩阵时变隐特征。

【专利技术属性】
技术研发人员：袁野，许明，罗辛，尚明生，
申请(专利权)人：中国科学院重庆绿色智能技术研究院，深圳市万佳安物联科技股份有限公司，
类型：发明
国别省市：重庆;50