本发明专利技术公开了一种从UML软件模型到排队网络模型的转换方法。该方法在软件系统的UML模型基础之上，加入构造型和标记值使之转化为带标注的UML图，生成UMLSPT模型，同时考虑了UML活动图中有分支节点和汇合节点的情况，将UMLSPT模型中的元素按照转换算法一一映射到排队网络生成排队网络模型。利用这个基于UML软件模型到排队网络模型的转换方法，得到软件系统的排队网络模型，从而计算出软件性能参数值，实现软件性能预测。本发明专利技术所设计基于UML软件模型到排队网络模型的方法由于考虑到了UML活动图中有分支节点和汇合节点的情况符合系统的并发性，因此对软件性能预测更加准确。
【技术实现步骤摘要】
本专利技术属于计算机及通信领域，具体涉及一种从UML软件模型到排队网络模型的转换算法。
技术介绍
从UML生成排队网络是基于SPE提出的，第一个基于SPE的方法是Williams和Smith提出的。他们应用SPE方法来评估使用UML图表征的软件架构的性能特征，即使用具有丰富消息图(Message Sequence Chart, MSC)特征的类图和部署图以及顺序图来表征软件架构。该方法的重点在于软件执行模型的构建和分析，它被认为是该软件系统SA的目标模型，从顺序图中获得，而类图和部署图主要用于对SA的描述上，并不参与转换过程。 Cortellessa和Mirandola对上述方法进行了扩展。他们提出的方法被称为PRIMA-UML,利用不同的UML图中的信息逐渐产生一个性能模型来代表指定的系统，SA用部署图、顺序图和用例图描述，软件执行模型来源于用例图和顺序图，而系统模型来源于部署图。Cortellessa等人重点关注通过SA到LQN的转化，这些SA由类图及一组顺序图进行描述，它们使用标准的CASE工具产生。人们根据UML不同类型图的特点，选取其中的几类图，基于图转换提出了很多从UML描述到排队网络模型的方法。比如从UML协作图、UML活动图和UML部署图导出LQN性能模型的方法；基于UML顺序图的软件性能测试方法进行研究，将顺序图转化为活动执行图，再分析活动执行图的性能，并提出相应的转化算法的方法；将UML用例图、活动图和部署图加性能标签，转化为排队网络模型，再用目前成熟的性能分析方法求解排队网络性能的方法，该方法受限于当前的排队网络性能分析方法，只能处理UML活动图中没有分支节点和汇合节点的情况；将UML用例图、活动图和部署图加性能标签，但将它转化为仿真模型，通过仿真的方法进行排队网络的性能求解的方法，该方法考虑了 UML活动图中分支节点和汇合节点的情况，但需要仿真软件的支持，算法复杂度较高。
技术实现思路
本专利技术针对现有基于UML模型的软件性能预测方法的不足，提出一种从UML软件模型到排队网络模型的转换方法。一种从UML软件模型到排队网络模型的转换方法，其步骤如下 步骤一确定UML软件模型转换为排队网络模型的属性。系统UML模型的用例图中的构造型决定了生成的排队网络的属性，构造型为《PAopenuser》则生成一个开环排队网络，构造型为《PAcloseduser》则生成一个闭环排队网络。构造型的标记值PAarrival描述操作者到达系统的规律，它是一个随机变量，包含两个元素PDFstring和value, PDFstring代表它所服从的分布，value代表所服从分布的参数。步骤二 记录活动状态Si请求的资源节点1·」,用res[aj表示，即restaj=!·」。计算资源节点h被请求的活动状态总数count Lrj]，并保存活动状态Si请求资源节点时的顺序 index [aj =count [res [aj ]。步骤三重复执行步骤二，直到遍历活动图中所有的活动状态ax。步骤四创建一表征顾客通过排队网络时各服务台间服务顺序及服务概率的路由矩阵 P[i，r，j，s]。路由矩阵P[i，r，j，s]表示第i个服务台的第r类顾客完成服后成为第j个服务台的第s类顾客的概率，它是一个四维矢量Vector[N*C*N*C]，其中服务台数量N就是资源节点个数，顾客类型数C就是所有资源节点中请求的最大活动状态数。步骤五记录活动状态Bi转移到a」的转移状态tij;以及对应的转移概率P (ty，并将其存放到路由矩阵 P[i, r, j, s]中，P[i, r, j, s]= P(t^.) 其中 i=res[aj , r=index[aj ,j=res [a』],s=index [a』]。步骤六重复执行步骤五，直到遍历活动状态ai所有的转移状态tiy。步骤七重复执行步骤五和步骤六，直到遍历所有的活动状态ax的所有转移状态txy，得到所有活动状态的所有转移状态及转移概率； 步骤八根据步骤一确定的排队网络的属性，路由矩阵P[i，r，j，s]及对应的概率，画出排队网络模型。步骤九判断系统并发情况，并在生成的排队网络中标示出来。如果资源节点&被活动图中的某个分支节点所衍生的活动状态所请求，则资源节点&存在并发处理，在排队网络模型中用虚线框进行标示。步骤十遍历所有分支节点所衍生的活动状态请求的资源节点，重复执行步骤九，最后得到一个具有并发处理标示的排队网络模型。本专利技术的有益效果1、本专利技术为基于UML架构的软件系统的性能预测方法的实现提供了一种可行、可靠的方法。2、本专利技术在传统的基于图转换，将UML模型转化为排队网络模型的基础上，考虑了 UML活动图中有分支节点和汇合节点的情况，这样生成的排队网络包含并发处理，因此所得到的软件性能预测更为准确，提高了软件开发的效率。附图说明图I为UML SPT模型映射为排队网络模型示意 图2为一般排队网络示意 图3为含并发处理的排队网络示意图。具体实施例方式一种从UML软件模型到排队网络模型的转换方法，其步骤如下 步骤一确定UML软件模型转换为排队网络模型的属性。图I所示的是UML SPT模型映射为排队网络模型示意图，从图I可以看出，UML模型的用例图映射为排队网络的外部到达情况，活动图映射为排队网络的拓扑，构件图映射为排队网络的服务节点，标记值映射为排队网络的参数。系统UML模型的用例图中的构造 型决定了生成的排队网络的属性，构造型为《PAopenuser》则生成一个开环排队网络，构造型为《PAcloseduser》则生成一个闭环排队网络。构造型的标记值PAarrival描述操作者到达系统的规律，它是一个随机变量，包含两个元素PDFstring和value, PDFstring代表它所服从的分布，value代表所服从分布的参数。步骤二 记录活动状态Si请求的资源节点1·」,用res[aj表示，即restaj=!·」。计算资源节点h被请求的活动状态总数count Lrj]，并保存活动状态Si请求资源节点时的顺序 index [aj =count [res [aj ]。步骤三重复执行步骤二，直到遍历活动图中所有的活动状态ax。步骤四创建一表征顾客通过排队网络时各服务台间服务顺序及服务概率的路由矩阵 P[i，r，j，s]。路由矩阵P [i，r, j, s]表示第i个服务台的第r类顾客完成服后成为第j个服务 台的第s类顾客的概率，它是一个四维矢量Vector [N*C*N ^ C]，其中服务台数量N就是资源节点个数，顾客类型数C就是所有资源节点中请求的最大活动状态数。步骤五记录活动状态Bi转移到a」的转移状态tij;以及对应的转移概率P (tu)，并将其存放到路由矩阵 P[i, r, j, s]中，P[i, r, j, s]= P(t^.) 其中 i=res[aj , r=index[aj ,j=res [a』],s=index [a』]。步骤六重复执行步骤五，直到遍历活动状态ai所有的转移状态tiy。步骤七重复执行步骤五和步骤六，直到遍历所有的活动状态ax的所有转移状态txy，得到所有活动状态的所有转移状态及转移概率；步骤八根据步骤一确定的排队网络的属性，路由矩本文档来自技高网...
【技术保护点】
【技术特征摘要】
1. 一种从UML软件模型到排队网络模型的转换方法，其特征在于该方法包括以下步骤 步骤一确定UML软件模型转换为排队网络模型的属性； 系统UML模型的用例图中的构造型决定了生成的排队网络的属性，构造型为《PAopenuser》则生成一个开环排队网络，构造型为《PAcloseduser》则生成一个闭环排队网络；构造型的标记值PAarrival描述操作者到达系统的规律，它是一个随机变量，包含两个元素PDFstring和value, PDFstring代表它所服从的分布，value代表所服从分布的参数； 步骤二 记录活动状态ai请求的资源节点用resliaj表示， 即res [aj =ITj ;计算资源节点h被请求的活动状态总数CountQrj],并保存活动状态Si请求资源节点时的顺序index [aj =Count [res [aj ]； 步骤三重复执行步骤二，直到遍历活动图中所有的活动状态ax ； 步骤四创建一表征顾客通过排队网络时各服务台间服务顺序及服务概率的路由矩阵P[i, r, j, s], 路由矩阵P[i，r，j，s]表示第i个服务台的第r类顾客完成服后成为第j个服务台的第s类顾客的...
【专利技术属性】
技术研发人员：李传煌，王伟明，盛权，
申请(专利权)人：浙江工商大学，
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。