購(gòu)物系統(tǒng)的在線可靠性預(yù)測(cè)和提高方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種購(gòu)物系統(tǒng)的在線可靠性預(yù)測(cè)和提高方法，對(duì)實(shí)時(shí)運(yùn)行的購(gòu)物系統(tǒng) 進(jìn)tx提如的可靠性預(yù)測(cè)以及提供提尚可靠性的方法，從而保證系統(tǒng)能夠提尚尚質(zhì)量、尚可 靠的服務(wù)。
【背景技術(shù)】
[0002] 軟件可靠性是衡量軟件質(zhì)量的重要指標(biāo)。目前已有很多關(guān)于軟件可靠性預(yù)測(cè)的研 宄，但是這些研宄大部分是關(guān)于靜態(tài)可靠性的研宄，使用的數(shù)據(jù)來(lái)自測(cè)試階段的靜態(tài)數(shù)據(jù)。 由于沒(méi)有考慮軟件的運(yùn)行環(huán)境和動(dòng)態(tài)行為，因此所預(yù)測(cè)的可靠性已無(wú)法反應(yīng)系統(tǒng)的真正的 可靠性；其次，靜態(tài)的可靠性無(wú)法反應(yīng)系統(tǒng)運(yùn)行時(shí)的可靠性，因此也無(wú)法在系統(tǒng)可靠性不高 的時(shí)候來(lái)對(duì)系統(tǒng)進(jìn)行重配置以提高可靠性。有人提出了將靜態(tài)可靠性模型和動(dòng)態(tài)分析結(jié)合 來(lái)評(píng)估系統(tǒng)在運(yùn)行階段的可靠性變化趨勢(shì)；也有人提出了通過(guò)結(jié)合包括系統(tǒng)執(zhí)行環(huán)境在內(nèi) 的許多信息源來(lái)預(yù)測(cè)系統(tǒng)實(shí)時(shí)可靠性，同時(shí)通過(guò)重新分配執(zhí)行組件以及改變組件的復(fù)制數(shù) 來(lái)提高系統(tǒng)的可靠性。
[0003] 但是這些方法具有如下一些不足之處：（1)無(wú)法根據(jù)運(yùn)行的數(shù)據(jù)預(yù)測(cè)從當(dāng)前狀態(tài) 開(kāi)始接下來(lái)的某一個(gè)時(shí)間段的可靠性；（2)當(dāng)可靠性降低時(shí)，無(wú)法對(duì)影響可靠性降低的組 件進(jìn)行定位。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種購(gòu)物系統(tǒng)的在線可靠性預(yù)測(cè)和 提高方法。
[0005] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種購(gòu)物系統(tǒng)的在線可靠性預(yù)測(cè)和 提高方法，包括如下步驟：
[0006] (1)收集系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)：通過(guò)配置系統(tǒng)的日志文件來(lái)收集系統(tǒng)實(shí)時(shí)運(yùn)行數(shù) 據(jù)，對(duì)于java應(yīng)用程序的購(gòu)物系統(tǒng)，通過(guò)配置log4j來(lái)獲得系統(tǒng)的運(yùn)行日志；
[0007] (2)根據(jù)收集到的實(shí)時(shí)運(yùn)行數(shù)據(jù)，確定進(jìn)行失效數(shù)據(jù)預(yù)測(cè)的時(shí)間序列分析模型，即 自回歸積分滑動(dòng)平均模型（ARIMA)，該模型的形式為ARIMA(p，d，q)，其中p，q分別表示自回 歸項(xiàng)和移動(dòng)平均項(xiàng)，d表示時(shí)間序列成為平穩(wěn)時(shí)所做的差分次數(shù)；根據(jù)樣本數(shù)據(jù)確定模型 中的參數(shù)；
[0008] (3)失效數(shù)據(jù)的預(yù)測(cè)：確定預(yù)測(cè)模型之后，根據(jù)當(dāng)前和過(guò)去的數(shù)據(jù)預(yù)測(cè)系統(tǒng)在未 來(lái)一段時(shí)間內(nèi)的失效數(shù)據(jù)；具體包括如下步驟：
[0009] (3. 1)失效數(shù)據(jù)的平穩(wěn)化處理：當(dāng)失效數(shù)據(jù)序列{YpY2，…，Yt}不平穩(wěn)時(shí)，通過(guò)逐 次差分，直到獲得新的平穩(wěn)序列{XpX2，…，Xt_d}，其中所進(jìn)行的差分次數(shù)即為d的值；然后 再將平穩(wěn)序列％，&，…，Xt_d}零均值化處理Z,-不-1;
[0010] (3. 2)模型確定：利用最小二乘估計(jì)法、極大似然估計(jì)法對(duì)ARMA(p，q)的自回歸系 數(shù)，滑動(dòng)平均系數(shù)進(jìn)行估計(jì)；再利用AIC準(zhǔn)則進(jìn)行模型定階，有著最小AIC值的模型即為最 優(yōu)模型；最后判斷此模型的殘差序列是否為白噪聲，若是則通過(guò)檢驗(yàn)，得出軟件可靠性預(yù)測(cè) 模型，否則，重新計(jì)算；
[0011](3. 3)失效數(shù)據(jù)預(yù)測(cè)：根據(jù)所得模型預(yù)測(cè){Xt'}，然后還原為失效數(shù)據(jù){Yt}的預(yù)測(cè) 結(jié)果；
[0012] (4)系統(tǒng)可靠性預(yù)測(cè)：根據(jù)預(yù)測(cè)的失效數(shù)據(jù)和基于組件的可靠性計(jì)算模型，計(jì)算 系統(tǒng)在未來(lái)一段時(shí)間的可靠性；所述基于組件的可靠性模型具體如下：
[0013] 端口 ：端口p是一個(gè)多元組（M，t，c)，M在端口p中是一個(gè)方法的有限集，t表示 提供或需求的端口類型，c表示同步或異步的通信類型；
[0014] 組件：組件Com是一個(gè)多元組（Pp，Pr，G，W)，匕是提供端口的有限集，Pr是需求端 口的有限集，G是有限子組件集，『smxUwtCAUCA表示非自反關(guān)系的端口關(guān)系，且TP =PpUP屮U。ePpC.PjPC.P^分別表示子組件C提供和需求的端口集；
[0015] 使用端口活動(dòng)描述組件的動(dòng)態(tài)行為，其基本活動(dòng)被認(rèn)為是兩個(gè)端口之間的信息交 換；
[0016] 端口的可靠性預(yù)測(cè)：當(dāng)一個(gè)端口的方法被調(diào)用時(shí)，認(rèn)為這個(gè)端口被訪問(wèn)一次表 示端口p在一段時(shí)間間隔[0，T]內(nèi)被訪問(wèn)的次數(shù)；預(yù)測(cè)過(guò)程中一個(gè)失效數(shù)據(jù)表示一次錯(cuò)誤， 心表示預(yù)測(cè)過(guò)程中錯(cuò)誤的次數(shù)；假設(shè)端口P有操作pP2，則在時(shí)間T端口p的可靠性定 義為
[0017] 系統(tǒng)的可靠性預(yù)測(cè)：系統(tǒng)在執(zhí)行一段時(shí)間后的可靠性定義 為：
，其中rUrD是軌跡tri的可靠性，f(tri)是軌跡tri的發(fā)生頻率；
[0018] (5)故障組件的定位：如果預(yù)測(cè)的可靠性低于預(yù)期值時(shí)，則需尋找引起系統(tǒng)可靠 性降低的組件，這里利用頻譜定位和極大似然估計(jì)方法來(lái)定位故障組件；假設(shè)系統(tǒng)由M個(gè) 組件組成，記為Cj(je{1，……，M})，可能有E個(gè)錯(cuò)誤組件；診斷報(bào)告D=〈…，dk，…〉 為有序的可能的多個(gè)錯(cuò)誤的組件候選集，dk按照錯(cuò)誤的可能性排列；
[0019] 建立頻譜矩陣：頻譜矩陣表示系統(tǒng)動(dòng)態(tài)行為中所包含的組件的標(biāo)記；系統(tǒng)每執(zhí)行 一次，經(jīng)過(guò)了的組件記為1，否則為0 ;假設(shè)共執(zhí)行了N次，頻譜矩陣表示為一個(gè)N*M的矩陣A;考慮了所經(jīng)組件的次數(shù)，故矩陣元素表示組件Cj在第i次執(zhí)行時(shí)是否經(jīng)過(guò)此組件及 經(jīng)過(guò)的次數(shù)；執(zhí)行的結(jié)果存儲(chǔ)在向量e中，表示每次執(zhí)行完后，若運(yùn)行通過(guò)，則記為〇,運(yùn)行 失敗記為1 ;
[0020] 候選集生成：使用最小命中集算法來(lái)計(jì)算診斷候選集，基于頻譜的錯(cuò)誤定位技術(shù) (SFL)能很好地按照組件故障可能性預(yù)測(cè)故障排行；SFL輸入頻譜矩陣（A，e)，產(chǎn)生有序的 組件錯(cuò)誤可能性排行；組件以相似系數(shù)計(jì)算排名，即排名最高的組件往往是錯(cuò)誤的；具體 相似系數(shù)的定義為：
[0022] 其中，
[0023] nn(j) = | {ie {1，2, ...，N}laAO八ef1} |
[0024] ni〇(j)= |{iG {1,2, ...，N} |aiJ>0 八 ei= 0}
[0025]n01 (j)= |{iG{1，2, ...，N} | 已。_= 0 八e!=1} |
[0026] 候選集排序：使用貝葉斯規(guī)則來(lái)計(jì)算候選集的概率；根據(jù)候選集dk的所有觀測(cè) 值，每個(gè)候選集dk的概率描述了實(shí)際系統(tǒng)的錯(cuò)誤情況；由貝葉斯規(guī)則得出，在所觀測(cè)到的觀 測(cè)值下候選集dk的后驗(yàn)概率的計(jì)算公式為：
[0028]令已(j)=p表示組件(^_錯(cuò)誤的先驗(yàn)概率，假設(shè)組件錯(cuò)誤是獨(dú)立的，則候選集dk的 先驗(yàn)概率為：
[0030]Pjobs)是為正規(guī)化因子，無(wú)需計(jì)算；因每次執(zhí)行是獨(dú)立的，故
[0032]其中Pr(obSi|dk)的定義如下：
[0034]其中：
[0036]其中hjG [0, 1]表示組件j正常工作的概率；
[0037]因此，Pr(obs|dk)是關(guān)于4的表達(dá)式，通過(guò)最大似然估計(jì)法可以得到h」的估計(jì)值， 實(shí)際上就是求解如下極值問(wèn)題：arg 其中，G={hjG[0, 1] :j= 1，2,…，M};
[0038] (6)系統(tǒng)重新配置：對(duì)于故障組件，可以替換該組件或者在系統(tǒng)中增加與故障組 件功能相同的正常組件，通過(guò)計(jì)算兩個(gè)方法所能獲得的可靠性選取可靠性提高最大的方 法。
[0039] 進(jìn)一步地，所述步驟（2)中，ARIMA(p,d,q)模型的確立使用Eviews統(tǒng)計(jì)分析軟件 來(lái)完成，具體包括如下過(guò)程：時(shí)間序列數(shù)據(jù)的平穩(wěn)化處理、模型參數(shù)估計(jì)。
[0040] 進(jìn)一步地，所述步驟（5)中，故障組件的定位包括：根據(jù)各個(gè)組件在每次測(cè)試中經(jīng) 過(guò)的次數(shù)構(gòu)建頻譜矩陣，根據(jù)頻譜矩陣產(chǎn)生故障組件的候選集，利用極大似然估計(jì)確定候 選集的后驗(yàn)概率，數(shù)值最大的即為選擇的故障組件集合。
[0041] 本發(fā)明的有益效果是：本發(fā)明方法通過(guò)時(shí)間序列分析模型ARIMA來(lái)對(duì)系統(tǒng)未來(lái)某 一時(shí)間段內(nèi)的失效數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)測(cè)，并預(yù)測(cè)系統(tǒng)的可靠性，以此來(lái)克服現(xiàn)有技術(shù)中的不 足點(diǎn)1 ;當(dāng)預(yù)測(cè)的可靠性低于預(yù)期值時(shí)，首先定位引起系統(tǒng)可靠性降低的組件，然后有兩種 重新配置系統(tǒng)的方法：替換故障組件和增加與之功能相同的組件，通過(guò)判斷所產(chǎn)生的效果 來(lái)選擇可靠性提高最大的方法來(lái)對(duì)系統(tǒng)進(jìn)行重新配置，以此來(lái)克服現(xiàn)有技術(shù)中的不足點(diǎn)2。
【附圖說(shuō)明】
[0042] 圖1面向服務(wù)的系統(tǒng)可靠性預(yù)測(cè)和提高方法的技術(shù)流程圖；
[0043] 圖2添加新組件的部分在線購(gòu)物系統(tǒng)SCA。
【具體實(shí)施方式】
[0044] 下面結(jié)合附圖對(duì)本發(fā)明作更進(jìn)一步的說(shuō)明。
[0045] 本發(fā)明提出的購(gòu)物系統(tǒng)的在線可靠性預(yù)測(cè)和提高方法一方面能夠預(yù)測(cè)實(shí)時(shí)運(yùn)行 的系統(tǒng)在未來(lái)某一個(gè)時(shí)間的可靠性，同時(shí)能夠通過(guò)故障組件的定位有針對(duì)性的對(duì)系統(tǒng)進(jìn)行 重新配置，從而來(lái)提高系統(tǒng)的可靠性。下面對(duì)該過(guò)程進(jìn)行具體說(shuō)明：
[0046] (1)實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)的收集：首先，通過(guò)分析系統(tǒng)的功能性能等特點(diǎn)，確定需記錄實(shí) 時(shí)數(shù)值的合理的變量，例如具有時(shí)間要求的系統(tǒng)可以選擇響應(yīng)時(shí)間、具有數(shù)量要求的系統(tǒng) 可