【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。
...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。