本发明专利技术公开一种基于贝叶斯推断的软件服务质量动态监控方法及系统，设定原假设与备择假设，选取先验分布函数，读取训练样本，对训练样本进行预处理，统计满足属性的样本数，更新样本集；对样本总数，成功样本数，标准值整形；计算贝叶斯因子，分析、存储并返回监控结果。系统包括：控制器，采集软件的服务声明标准，产生不同任务目的分析器，传递需匹配的服务标准给分析器，向数据采集端发布指令，控制周期性采集；观察器从数据服务设备端周期采集所需的服务数据，对信息进行筛分分类重组；分析器，数据进行匹配，形成可预处理样本，传入历史数据库保存；采用贝叶斯统计模块分析数据，结果存入监控结果数据库。
【技术实现步骤摘要】
本专利技术涉及一种对运行软件QoS需求指标监控的方法和系统，尤其涉及ー种基于贝叶斯推断的软件服务质量监控方法及系统，属于软件服务质量监控
技术介绍
近年来,软件系统越来越要求具有较高的动态性和灵活性,能够动态组合开放环境下使用分布、自治的第三方组件，并支持软件运行时的不断演化。然而在复杂多变的Internet环境中，这种对于第三方服务的依赖会带来不确定的问题，比如服务组件接ロ变化，动态选择发生变化，组件自身变化，又或者如果各个组件提供的功能或者非功能特性与预先声明不同，都会产生严重影响，无法满足QoS (Quality of Service)需求。因此需要采 用运行时的监控技术对其进行监管以确保软件执行的正确性，提高软件的可信度。QoS的关键指标如可用性、吞吐量、时延、时延变化(包括抖动和漂移)和丢失等通常用概率来表示不确定性，但很多时候分析和评估QoS指标时，很难给出确切的特征量估计值，而采用模糊语言，例如“程序在0. 2s内响应的概率为95%”，“数据丢包率小于万分之三”等等，保证系统可靠运行需要对这些不确定的模糊概率进行监控诊断。然而，现有的概率监控方法采用传统假设检验来进行统计，只使用单ー概率值评估，不使用复合假设，实际可执行性差，又或者使用SPRT (Sequential Probability Ratio Test)方法统计，由于该方法样本大量落入中立区，监控常常失效。所以，现有的概率监控技术无法满足概率监控的需要。
技术实现思路
专利技术目的针对现有技术中存在的问题，本专利技术提供一种基于贝叶斯推断的软件服务质量监控方法及系统，监控方法和系统通过判断软件的运行时行为是否满足软件系统的属性规约，以发现软件的异常和ー些QoS状況，为软件系统的动态自适应调整和演化等活动提供决策依据，从而保证软件系统的安全可靠运行。技术方案一种基于贝叶斯推断的软件服务质量监控方法，包括以下步骤步骤I，根据可靠性标准，设定原假设Htl与备择假设氏；其中，原假设和备择假设必须互斥，接受一方，必须拒绝另一方；根据可靠性标准，建立对立的原假设Htl与备择假设H1 H0 P ^ 0 ' IH1 p < 9 ’ ；步骤2，选取先验分布函数；具体为如有充足的先验信息，利用历史日志中以往软件运行的服务质量数据，分析数据特性，形成先验分布函数g( 6 );根据监控仿真实验特性，引入ニ项分布的自然共轭先验分布，即贝塔分布，通过设定两个不同的參数a和b来拟合区间上g(0)，其概率密度分布函数Vwe(OJ), g(u,a,b) = —~(X-uf ，a >0, b>0其中权利要求1.一种基于贝叶斯推断的软件服务质量监控方法，其特征在于，包括以下步骤 步骤I，根据可靠性标准，设定原假设Htl与备择假设氏；其中，原假设和备择假设必须互斥，接受一方，必须拒绝另一方；根据可靠性标准，建立对立的原假设Htl与备择假设H1 =H0 p ≥0 ' : p < 0 ’ ； 步骤2，选取先验分布函数；具体为如有充足的先验信息，利用历史日志中以往软件运行的服务质量数据，分析数据特性来形成先验分布函数g( 6 );根据监控仿真实验特性，引入ニ项分布的自然共轭先验分布，即贝塔分布，通过设定两个不同的參数a和b来拟合区间上g( 0 )，其概率密度分布函数2.如权利要求I所述的基于贝叶斯推断的软件服务质量监控方法，其特征在于所述的对训练样本进行预处理，具体为训练样本ギ与软件声明Yt标准相匹配，满足要求则对应的第i次样本预处理结果Xi=I,否则为O。3.如权利要求I所述的基于贝叶斯推断的软件服务质量监控方法，其特征在于所述的统计满足属性的成功样本数SUCC，更新样本集TX，具体为 1)统计成功样本数SUCC，如果成功样本数SUCC的值与样本集TX中最早样本预处理结果相同，成功样本数succ不变，直接向软件返回上次存储的监控结果；否则如果Xi=I,则succ=succ+l !Xi=O,则 SUCC=SUCC-1 ; 2)更新样本集TX，其中，TX是布尔型数组，存储最近的样本预处理結果，更新采取FIFO策略，替换TX最早的样本预处理結果。4.如权利要求I所述的基于贝叶斯推断的软件服务质量监控方法，其特征在于所述的对样本总数n、成功样本数succ、标准0整形，具体为 对样本总数n、成功样本总数succ、标准0分别同步放大为knm，ksuccm, k 0 m, k, m >Io5.如权利要求I所述的基于贝叶斯推断的软件服务质量监控方法，其特征在于所述步骤7的结果分析，具体为选取闕值Thres，闕值Thres的选取根据所要求的I型错误来确定，默认为T= 9/(1- 0 )*100 ;如果B大于Thres，则认为有足够的理由相信原假设Htl成立，如果B〈l/Thres则支持备择假设H1成立；如果l/ThreS〈B〈ThreS，则不确定支持原假设还是支持备择假设。6.一种基于贝叶斯推断的软件服务质量监控系统，其特征在于，包括 控制器，用于采集运行时软件的服务声明标准，作为监控对象服务标准，根据服务标准产生不同任务目的分析器，传递需匹配的服务标准给对应的分析器，向数据采集端发布指令，指示观察器采集所需的对应数据集，并控制实时周期性采集，数据库汇总各分析器的监控结果，送入服务能力评价模块，向数据服务设备返回对软件的监控结果及评价结果； 观察器，用于从数据服务设备端周期采集所需的服务数据，对数据采集端的信息进行筛分分类重组，以准备形成不同分析器需要的数据； 分析器，根据控制器提供的服务标准和数据筛分模块分组后的数据，将数据进行匹配，形成可以采用贝叶斯统计的预处理样本，并传入历史数据库保存；根据贝叶斯方法作出相应的判断，结果存入监控结果数据库。7.如权利要求6所述的基于贝叶斯推断的软件服务质量监控系统，其特征在于，所述控制器包括 服务信息采集模块，用于采集运行时软件的服务声明标准，作为监控对象服务标准，向数据采集端发布指令，指示观察器采集所需的对应数据集； 分析器生成模块，根据服务标准产生不同任务目的分析器，传递需匹配的服务标准给对应的分析器； 计时器，控制观察器周期性采集监控对象数据； 服务能力评价模块，综合评价服务能力，向数据服务设备返回对软件的监控结果以及评价结果； 样本数据库，存储历史监控样本数据； 监控结果数据库，存储监控结果数据，汇总不同的分析器发来的结果，传递给服务能力评价模块。8.如权利要求6所述的基于贝叶斯推断的软件服务质量监控系统，其特征在于，所述观察器包括数据采集端，用于从数据服务设备端周期采集所需的服务数据； 数据筛分模块，对数据采集端的信息进行筛分分类重组，以准备形成不同分析器需要的数据。9.如权利要求6所述的基于贝叶斯推断的软件服务质量监控系统，其特征在于，所述分析器包括 匹配整形模块，根据控制器提供的服务标准和数据筛分模块分组后的数据，将数据进行匹配，形成可以采用贝叶斯统计的预处理样本，并传入样本数据库保存； 贝叶斯统计模块，根据贝叶斯方法作出相应的判断，存入监控结果数据库。全文摘要本专利技术公开一种基于贝叶斯推断的软件服务质量动态监控方法及系统，设定原假设与备择假设，选取先验分布函本文档来自技高网...
【技术保护点】
一种基于贝叶斯推断的软件服务质量监控方法，其特征在于，包括以下步骤：步骤1，根据可靠性标准，设定原假设H0与备择假设H1；其中，原假设和备择假设必须互斥，接受一方，必须拒绝另一方；根据可靠性标准，建立对立的原假设H0与备择假设H1：H0：p≥θ“;H1：p＜θ“；步骤2，选取先验分布函数；具体为：如有充足的先验信息，利用历史日志中以往软件运行的服务质量数据，分析数据特性来形成先验分布函数g(θ)；根据监控仿真实验特性，引入二项分布的自然共轭先验分布，即贝塔分布，通过设定两个不同的参数a和b来拟合[0,1]区间上g(θ)，其概率密度分布函数：∀u∈(0,1),g(u,a,b)=1Be(a,b)uα-1(1-u)β-1,a>0,b>0其中如无充足的先验信息，根据贝叶斯假设采用无信息先验，g(θ)是(0,1)上的均匀分布，此时，a，b取值分别为1，1；步骤3，读取软件运行时的观测变量组合作为训练样本对训练样本进行预处理，存入样本集TX；步骤4，统计满足属性的样本数，记为成功样本数succ，更新样本集TX；步骤5，对样本总数n、成功样本数succ、标准θ整形；步骤6，计算贝叶斯因子B；1)计算贝塔分布函数:∀u∈(0,1),Fa,b(u)=∫0ug(t,a,b)dt2)计算贝叶斯因子：在样本集TX＝{x1，x2，...，xn}下：B=∫θ1p(x1|t)...p(xn|t)·g(t)dt∫0θp(x1|t)...p(xn|t)·g(t)dt利用贝塔分布函数，贝叶斯因子可简化为：B=1Fsucc+a,n-succ+b(θ)-1将被放大后的样本总数n、成功样本数succ、标准θ带入上述公式计算贝叶斯因子；步骤7，结果分析，向软件返回监控结果，存储本次监控结果；步骤8，定期读取运行时的观测变量组合作为训练样本，对训练样本进行预处理，存入样本集TX；重复步骤3~步骤8。FDA00002132412600012.jpg,FDA00002132412600013.jpg,FDA00002132412600014.jpg,FDA00002132412600015.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：张鹏程，朱跃龙，徐美君，
申请(专利权)人：河海大学，
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。