基于概率图模型的服务组件可靠性在线时间序列预测方法技术

本发明专利技术公开了一种基于概率图模型的服务组件可靠性在线时间序列预测方法，包括如下步骤：（1）motifs发现过程；（2）使用发现的motifs标注服务组件的各个历史参数；（3）通过DBNs模型学习构建CPT；（4）DBNs模型推理并开展基于系统实时参数的在线预测。本发明专利技术提供的基于概率图模型的服务组件可靠性在线时间序列预测方法，能够有效解决面向服务的组件级系统在线可靠性时间序列预测的问题，对服务计算领域软件质量保障问题提供一种有效的解决方案，为我国开展大规模复杂软件系统的应用提供支撑，解决了自主计算领域有关Self-*的相关研究中最为核心的一个问题。

【技术实现步骤摘要】

本专利技术涉及一种利用计算机对面向服务的系统中成员系统(组件级)的可靠性开展在线时间序列预测的方法，尤其涉及一种。
技术介绍
目前尚未发现利用计算机来开展面向服务的计算(Service-OrientedComputing,简称SOC)系统中面向成员系统(组件级)可靠性的在线时间序列预测方法，但存在一些面向传统计算机系统的在线错误预测的方法及面向SOC系统的可靠性预测方法，比如:(I)在线错误预测方法，如基于条件概率的贝叶斯预测、非参数方法预测、曲线拟合方法、sem1-Markov模型、神经网络模型、SVM模型、组件交互图模型、协同过滤技术等,这些模型或方法只能建模错误的发生，在时间上满足泊松分布的错误事件，对SOC系统中由于网络、吞吐量及系统的工作状态等原因所造成的随机波动环境下不确定性错误事件的可靠性预测问题尚缺乏足够的支持；(2)服务计算领域有关可靠性预测的方法，其目的大多集中于容错计算，主要关注的是对错误发生后的组件选择问题，这使得该领域的可靠性预测研究主要集中于对历史平均可靠性的预测，或预测下一个时刻(错误发生的临近时刻)的可靠性，相关预测技术不能完全支持本专利技术所提出的本文档来自技高网...

【技术保护点】
基于概率图模型的服务组件可靠性在线时间序列预测方法，其特征在于：包括如下步骤：（1）motifs发现过程：寻找历史参数中响应时间RT、吞吐量T和可靠性R三组参数中的motifs；记响应时间RT的motifs为RT_motifs(i)、i=1,2,...,nRT，吞吐量T的motifs为T_motifs(j)、j=1,2,...,nT，可靠性R的motifs为R_motifs(k)、k=1,2,...,nR；其中，motifs表示系统历史参数时间序列数据中出现次数大于某一阈值的系统参数的特征子序列，采用基于时间序列数据相似度的方法确定motifs；（2）使用发现的motifs标注服务组件的各个历...

【技术特征摘要】

【专利技术属性】
技术研发人员：王红兵，王磊，
申请(专利权)人：东南大学，
类型：发明
国别省市：