[发明专利]基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统

说明书

技术领域

本发明涉及一种基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统，尤其涉及对运行时QoS需求指标动态加权的监控，属于信息技术领域。

背景技术

Web服务技术适应于任何类型的Web环境，包括互联网、Intranet以及Extranet，实现了企业与企业、企业与消费者之间的通信。从Web服务的关键技术来看，Web服务仍具有很大的研究空间和挑战，其中用户需求中最重要的问题之一就是服务质量(Quality of Service)问题，QoS的好坏是Web服务在商业应用中能否取得成功的关键。在面向服务(Service-Oriented Architecture)应用十分广泛的今天，软件系统能够动态将一些松耦合并且具有统一接口定义方式的组件(也就是Service)组合构建起来的，然而在复杂多变的Web环境中，对于第三方服务的依赖会带来许多不确定问题，无法满足QoS需求。因此需要采用运行时监控技术对其进行监控以保证软件执行的正确性。

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，当前最科学的表示方法是采用模糊语言，来表示系统的可靠运行需要监控诊断的特征量估计值，例如“患者通过网络急救中心呼叫得到应答的时间小于30秒的概率为80％”等。当前的概率监控方法采用假设检验来进行统计，也有基于贝叶斯因子的监控方法，前者只使用单一概率值评估，实际可执行性差，后者的监控结果出错率有待降低，更重要的是，现有的方法都忽略了环境对监控结果的影响，不同的环境会影响我们的概率监控结果，这些环境包括用户的位置，网络，服务器的CPU,RAM，I/O等，例如用户在不同地区使用同一服务时可能体验不同的QoS。因此，现有的概率监控技术已经无法满足概率监控的需要。

发明内容

发明目的：针对现有技术中存在的问题与不足，提供一种新的监控方法以及监控系统，结合监控环境对监控结果的影响，判断系统运行时行为是否满足系统的QoS属性，使动态QoS监控系统更加敏感，监控结果更加精确，为自适应，用户选择服务提供决策依据，从而保证软件系统的安全可靠。

技术方案：一种基于加权朴素贝叶斯推断的软件服务质量监控方法，包括如下步骤：

1)根据QoS标准Θ，设定满足QoS标准的类别c₀和不满足QoS标准的类别c₁；

2)训练已搜集到的样本集，获得不同影响因子组合权值w_R以及先验知识p_li；

3)读取运行时的带监控的观测变量组合作为单次样本对单次监控样本进行预处理，样本预处理为对样本进行缺失值填充以及离散化；

4)根据样本影响因子R调用权值表得到R的权值；

5)统计二项分布成功率的贝叶斯估计值并判别本次样本使样本集的成功率分布于c₀还是c₁；

6)更新样本先验概率p(c_i)；

7)调用朴素贝叶斯分类器x_k∈{0,1}得出结果，其中C_i，i∈(0,1)；调用加权朴素贝叶斯公式如下：

由加权朴素贝叶斯分类器以及Harold Jeffrey的T解释得到TW_i^Rp(X|C_i)P(C_i)}，其中

对于所述Harold Jeffrey对T解释：支持类C₀和支持类C₁的比值T，T的取值以及样本集对分类的影响表1：

表1 T值的意义

8)定期连续读取变量组合作为样本，对样本进行预处理并存入样本集x_k∈{0,1}，m表示样本总数，重复步骤3)～8)；