面向服务的系统中的质量动态预警方法

摘要

本发明涉及面向服务的系统中的质量动态预警方法，属于计算机应用技术领域。所述方法通过感知用户的条件偏好，并利用brown运动首达值原理，对系统中服务质量属性的动态变化进行预警，该方法自动的导入用户在构建系统时提出的条件偏好，并采集服务质量的多维度的历史属性值，分析服务质量波动的特征，从而估计出特征属性值，自动的分析在服务被调用期间，系统可能出现的风险，实现智能化预警。

主权项

一种面向服务的系统中的质量动态预警方法，其特征在于，用户的条件偏好由加权条件偏好网络定义，加权条件偏好网络由两个部分构成：一是加权有向依赖图WDDG，用于表示多个属性之间的偏好；另一个是条件偏好列表CPTs，用于表达用户对每个属性的偏好；服务的质量轨迹数据，采用漂移布朗运动来建模，采用常用的直接增量法来构造漂移系数和扩散系数；单一服务质量属性的风险采用首达值理论计算单一属性风险概率；系统风险值P.sos(t)，是根据用户条件偏好结合服务质量风险矩阵，预测得到的系统的系统SoS的质量风险概率，所述方法包括以下步骤：(1)自动采集用户的条件偏好和服务的质量轨迹数据，并分析数据特征；使用Y₁和Y₂两个统计量来估计轨迹数据特征，Y₂(t_i)＝n(QM(t_i+1)‑QM(t_i))²；其中，QM(t_i)(i＝1,…,n)为服务质量在(0，T]时间段内第i个时间点的观察值；(2)根据用户偏好中的CPTs，使用首达值理论，分析单一服务质量属性的风险概率；$P(Q_{\Delta v}\ge -\Delta t)=2[1-\Phi \left(\frac{\Delta v-\mu }{\sigma \sqrt{\Delta t}}\right)]$其中，μ,σ²分别为轨迹数据的漂移系数和扩散系数；Q表示服务质量属性值，服务组件的某个质量属性值从初始时间t₀后到未来时间t之间的Δt时间段，其属性值变化的程度为Δv；(3)根据用户偏好中的WDDG，计算各个服务模式SP的违反度评分VD(SP)，以及每个模式对系统风险的影响力E(SP)；E(SP)＝e^‑1*VD(SP)(4)根据质量风险矩阵，计算系统风险值P.sos(t)，并根据分级预警机制给出系统预警$P.sos\left(t\right)=\frac{1}{num}\underset{i=1}{\overset{num}{\Sigma }}\left(QP\right({\mathrm{SP}}_i)*E({\mathrm{SP}}_i\left)\right)=\frac{1}{num}\underset{i=1}{\overset{num}{\Sigma }}\left(\right(\underset{i=1}{\overset{n}{\Pi }}{\mathrm{Pa}}_{\Delta t}\left(QM.i=R_{i,x\left(i\right)}\right))*e^{-1*VD\left({\mathrm{SP}}_i\right)})$其中，SP_i为第i个服务模式，QP(SP_i)为SP_i出现质量风险的概率，E(SP_i)为该模式对系统风险的影响力；VD(SP)为每个SP的违反度评分。