一种基于时间序列的Web服务响应时间预测方法

摘要

本发明公开了一种基于增量稳态分析的Web服务响应时间预测方法，属于软件性能预测的领域，按照固定单位时间间隔获取网络服务响应时间的一系列测量值的序列，然后定义和计算了观测窗口响应时间增量类，并计算类之间的转换概率矩阵，而后基于转移概率矩阵计算响应时间增量的稳态分布概率，最后以t时刻的响应时间测量值加上计算增量期望值从而获得t+1时刻的响应时间的预测值，该方法避免了传统的Web预测模型和方法中过于依赖SLA规范和假设参数恒定不变的不足，能为WEB服务可信性研究提供模型支撑和分析手段。

主权项

1.一种基于增量稳态分析的Web服务响应时间预测方法，其特征在于按以下步骤执行：步骤一：按照固定单位时间间隔获取web服务的响应时间数据序列；设定响应时间数据序列有t个响应时间的测量记录，所述响应时间数据序列为r_t(i)；{r_t(i)|1≤i≤t,1≤t＜∞}；步骤二：计算连续响应时间的平均增量；将k个连续的响应时间编为一组，k为正整数，整个响应时间序列分为个组，将每组视为一个考察窗口；第x个考察窗口中的第y个响应时间为r_t((x-1)×k+y)；设定第x个考察窗口内的响应时间平均增量为AINC（x）；$\mathrm{AINC}\left(x\right)=\frac{\underset{s=1}{\overset{k-1}{\Sigma }}{r}_t((x-1)\times k+s+1)-r_t((x-1)\times k+s)}{k},$步骤三：定义响应时间平均增量类并计算响应时间平均增量类间转移概率；个响应时间平均增量中最小的响应时间平均增量的值为MIN，个响应时间平均增量中最大的响应时间平均增量的值为MAX，将MIN到MAX的区间分为p个类，p为正整数；设定第x个考察窗口内的响应时间平均增量到第l个分类的映射函数为map(x)，1≤l≤p；当且仅当$\mathrm{MIN}+\frac{\mathrm{MAX}-\mathrm{MIN}}{p}\times (l-1)\le \mathrm{AINC}\left(i\right)<\mathrm{MIN}+\frac{\mathrm{MAX}-\mathrm{MIN}}{p}\times l$时，map(x)＝l；设定MIN到MAX的区间中第m个类和第n个类之间的转换概率矩阵为TRAN（m,n)，m、n均为正整数；$\mathrm{ICOUNT}(m,l)=\left\{\begin{array}{cc}1& \mathrm{ifmap}\left(l\right)=m\\ 0& \mathrm{else}\end{array}\right.;$$\mathrm{IJCOUNT}(m,n,l)=\left\{\begin{array}{cc}1& \mathrm{ifmap}(l+1)=\mathrm{nandmap}\left(l\right)=m\\ 0& \mathrm{else}\end{array}\right.;$步骤四：计算系统平衡下，响应时间平均增量处于各个响应时间平均增量类的概率；π为系统平衡下，响应时间平均增量处于第h个响应时间平均增量类的概率向量；π的第h个分量为π（h），1≤h≤p；π（h）＝π(h)×TRAN（m,n)；步骤五：预测t+1时刻的响应时间；设定平衡状态情况下的响应时间平均增量的期望值为EAINC；$\mathrm{EAINC}=\underset{h=1}{\overset{p}{\Sigma }}\pi \left(h\right)\times (\mathrm{MIN}+\frac{(\mathrm{MAX}-\mathrm{MIN})\times (h-1)}{p}+\frac{\mathrm{MAX}-\mathrm{MIN}}{2p});$设定t+1时刻的响应时间预测值为PRT；计算$\mathrm{EAINC}=\frac{\underset{w=1}{\overset{k-2}{\Sigma }}{r}_t(t+1-w)-r_t(t-w)+(\mathrm{PRT}-r_t\left(t\right))}{k},$求出PRT。