一种面向云边服务协同的服务质量可靠性优化方法及装置制造方法及图纸

本说明书公开了一种面向云边服务协同的服务质量可靠性优化方法及装置，涉及计算机科学技术领域。包括：获取候选服务的服务质量参数；根据所述候选服务的服务质量参数，得到所述候选服务在第一时刻的服务质量属性值；将候选服务的服务质量参数输入已训练的服务质量预测模型，得到在第二时刻的服务质量属性预测值和在第三时刻的服务质量属性预测值；根据所述第一时刻的服务质量属性值、第二时刻和第三时刻的服务质量属性预测值，得到所述候选服务的服务重要性权重；依据所述候选服务的服务重要性权重，得到候选服务可靠性优先级排列结果。从而解决了云边服务协同场景下服务质量可靠性不高的问题。靠性不高的问题。靠性不高的问题。

【技术实现步骤摘要】
一种面向云边服务协同的服务质量可靠性优化方法及装置


[0001]本说明书涉及计算机科学
，尤其涉及一种面向云边服务协同的服务质量可靠性优化方法及装置。

技术介绍

[0002]在云边服务协同的场景中，用户既可以调用中心云服务，也可以调用边缘云基础设施中相近的开放服务。目前，用户除对云服务功能性指标需求外，越来越关注服务安全性、可靠性、可用性、吞吐量等非功能性指标。但是在云边协同服务组合过程中，服务的可靠性可能会受到网络环境的动态不确定性、服务交互通信可靠性的改变、服务遭遇恶意攻击拒绝、服务基础设施故障、服务交互协议的低性能等因素影响，使得云边协同服务组合的服务质量难以得到保障。
[0003]因此，需要在准确预测服务质量的基础上，以云边资源消耗最小化为目标，动态规划服务质量可靠性较高的服务组合，从而解决云边服务协同场景下服务质量可靠性不高的问题。

技术实现思路

[0004]本说明书提供了一种面向云边服务协同的服务质量可靠性优化方法及装置，用以解决云边服务协同场景下服务质量可靠性不高的问题。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]一方面，本说明书提供一种面向云边服务协同的服务质量可靠性优化方法，包括：
[0007]获取候选服务的服务质量参数；
[0008]根据所述候选服务的服务质量参数，得到所述候选服务在第一时刻的服务质量属性值；
[0009]将候选服务的服务质量参数输入已训练的服务质量预测模型，得到在第二时刻的服务质量属性预测值和在第三时刻的服务质量属性预测值；所述服务质量预测模型是通过服务质量样本集训练得到，服务质量样本集的特征维度与所述候选服务的服务质量参数相同；其中所述第二时刻、所述第三时刻在所述第一时刻之后，所述第三时刻在所述第二时刻之后；
[0010]根据所述第一时刻的服务质量属性值、第二时刻和第三时刻的服务质量属性预测值，得到所述候选服务的服务重要性权重；
[0011]依据所述候选服务的服务重要性权重，对所述候选服务进行优先级排列，得到候选服务可靠性优先级排列结果，所述候选服务可靠性优先级排列结果是指动态规划云边协同服务方案的依据。
[0012]另一方面，本说明书还提供了一种面向云边服务协同的服务质量可靠性优化系统，包括采集模块、计算模块、预测模块、应用模块和排列模块，其中：
[0013]采集模块，用于获取候选服务的服务质量参数；
[0014]计算模块，用于根据所述候选服务的服务质量参数，得到所述候选服务的在第一时刻的服务质量属性值；
[0015]预测模块，用于将候选服务的服务质量参数输入已训练的服务质量预测模型，得到在第二时刻的服务质量属性预测值和在第三时刻的服务质量属性预测值；所述服务质量预测模型是通过服务质量样本集训练得到，服务质量样本集的特征维度与所述候选服务的服务质量参数相同；其中所述第二时刻、所述第三时刻在所述第一时刻之后，所述第三时刻在所述第二时刻之后；
[0016]应用模块，用于根据所述第一时刻的服务质量属性值、第二时刻和第三时刻的服务质量属性预测值，得到所述候选服务的服务重要性权重；
[0017]排列模块，用于依据所述候选服务的服务重要性权重，对所述候选服务进行优先级排列，得到候选服务可靠性优先级排列结果；所述候选服务可靠性优先级排列结果是用于动态规划云边服务协同服务方案的依据。
[0018]另一方面，本说明书还提供了一种电子设备，包括：
[0019]处理器；以及
[0020]被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法的任一项步骤。
[0021]另一方面，本说明书还提供了一种存储介质，包括：
[0022]所述存储介质上存储面向云边服务协同的服务质量可靠性优化的处理程序，所述面向云边服务协同的服务质量可靠性优化的处理程序被处理器执行时实现上述方法的任一步骤。
[0023]基于上述任一技术方案，本说明书能够获得如下技术效果：
[0024]通过对云边服务协同场景下的服务质量进行准确预测，并引入服务重要性权重属性，进而得到服务质量可靠性优先级排列结果，作为动态规划云边协同服务方案的依据。从而降低应用潜在的运行风险，提高应用的服务质量，有效提升云边动态协同服务组合的稳定性，解决了云边服务协同场景下服务质量可靠性不高的问题。
附图说明
[0025]图1是本说明书实施例1提供的一种面向云边服务协同的服务质量可靠性优化方法的示意图；
[0026]图2是本说明书实施例2提供的一种服务质量预测模型训练及优化方法的示意图；
[0027]图3是本说明书实施例3提供的一种面向云边服务协同的服务质量可靠性优化装置的示意图。
具体实施方式
[0028]以下结合附图和具体实施例对本专利技术作进一步详细说明，根据下面说明和权利要求书，本专利技术的优点和特征将更清楚。需要说明的是，附图均采用非常简化的形式且均适用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。
[0029]需要说明的是，为了清楚地说明本专利技术的内容，本专利技术特举多个实施例以进一步阐释本专利技术的不同实现方式，其中，该多个实施例是列举式而非穷举式。此外，为了说明的
简洁，前实施例中已提及的内容往往在后实施例中予以省略，因此，后实施例中未提及的内容可相应参考前实施例。
[0030]服务质量(Quality of Service，QoS)指一个网络能够利用各种基础技术，为指定的网络通信提供更好的服务能力，是网络的一种安全机制，是用来解决网络延迟和阻塞等问题的一种技术。
[0031]实施例1
[0032]请参照图1，图1所示为本实施例提供的一种面向云边服务协同的服务质量可靠性优化方法的示意图。所述方法具体可以包括如下步骤：
[0033]步骤102、获取候选服务的服务质量参数。
[0034]其中，服务质量参数是指能够反映安全性、可靠性、可用性、吞吐量等非功能性指标的参数。
[0035]需要说明的是，步骤102的一种实现方式可以为：
[0036]处理器分别获取所有候选服务对应的服务质量参数，其中候选服务对应的服务质量参数可以包括服务响应时间、服务吞吐量和信号强度等。
[0037]步骤104、根据所述候选服务的服务质量参数，得到所述候选服务在第一时刻的服务质量属性值。
[0038]需要说明的是，步骤104的一种实现方式可以为：
[0039]对候选服务的服务安全性、可靠性、可用性、吞吐量等非功能性指标参数进行分析量化，分别得到不同候选服务对应的服务质量属性值。即基于处理器所获取的候选服务对应的服务质量参数，分析量化得到不同候选服务在第一时刻的服务质量属性值。
[0040]步骤106、将候选服务的服务质量参数输入已训练的服务质量预测模型，得到在第二时刻的服务质量属性预测值和在第三时刻的服务质量属性预测值；所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向云边服务协同的服务质量可靠性优化方法，其特征在于，包括：获取候选服务的服务质量参数；根据所述候选服务的服务质量参数，得到所述候选服务在第一时刻的服务质量属性值；将候选服务的服务质量参数输入已训练的服务质量预测模型中，得到在第二时刻的服务质量属性预测值和在第三时刻的服务质量属性预测值；所述服务质量预测模型是通过服务质量样本集训练得到，服务质量样本集的特征维度与所述候选服务的服务质量参数相同；其中所述第二时刻、所述第三时刻在所述第一时刻之后，所述第三时刻在所述第二时刻之后；根据所述第一时刻的服务质量属性值、第二时刻和第三时刻的服务质量属性预测值，得到所述候选服务的服务重要性权重；依据所述候选服务的服务重要性权重，对所述候选服务进行优先级排列，得到候选服务可靠性优先级排列结果，所述候选服务可靠性优先级排列结果是动态规划云边协同服务方案的依据。2.根据权利要求1所述的方法，其特征在于，所述将候选服务的服务质量参数输入已训练的服务质量预测模型前，还包括：获取服务质量样本集，所述服务质量样本集的参数包括服务响应时间、吞吐量和信号强度；构建基于长短期记忆神经网络的服务质量预测模型，设置神经网络的输入门、输出门、遗忘门和单元状态初始权重；将所述服务质量样本集输入所述初始化长短期记忆神经网络服务质量预测模型，更新输入门、输出门、遗忘门和单元状态的权重，得到已训练的服务质量预测模型。3.根据权利要求2所述的方法，其特征在于，所述更新输入门、输出门、遗忘门和单元状态的权重后，包括：利用自适应矩阵估计算法，对所述输入门、输出门、遗忘门和单元状态的更新权重进行优化。4.根据权利要求2所述的方法，其特征在于，所述长短期记忆神经网络服务质量预测模型包括隐藏层，所述将候选服务的服务质量参数输入已训练的服务质量预测模型前，包括：采用随机失活正则化法，以预设随机失活率对所述隐藏层进行随机失活正则化处理。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一时刻的服务质量属性值、第二时刻和第三时刻的服务质量属性预测值，得到所述候选服务的服务重要性权重，包括：通过如下公式，计算所述候选服务的服务重要性权重：其中，alpha
k
表示服务k的服务重要性权重，QP(T
i
)表示T
i
时刻服务k的...

【专利技术属性】
技术研发人员：王艳广，王冲，尤龙，李慧琦，
申请(专利权)人：航天科工网络信息发展有限公司，
类型：发明
国别省市：