[发明专利]购物系统的在线可靠性预测和提高方法

权利要求书

1.一种购物系统的在线可靠性预测和提高方法，其特征在于，包括如下步骤：

(1)收集系统实时运行数据：通过配置系统的日志文件来收集系统实时运行数据，对于java应用程序的购物系统，通过配置log4j来获得系统的运行日志；

(2)根据收集到的实时运行数据，确定进行失效数据预测的时间序列分析模型，即自回归积分滑动平均模型(ARIMA)，该模型的形式为ARIMA(p,d,q)，其中p，q分别表示自回归项和移动平均项，d表示时间序列成为平稳时所做的差分次数；根据样本数据确定模型中的参数；

(3)失效数据的预测：确定预测模型之后，根据当前和过去的数据预测系统在未来一段时间内的失效数据；具体包括如下步骤：

(3.1)失效数据的平稳化处理：当失效数据序列{Y₁，Y₂，…，Y_t}不平稳时，通过逐次差分，直到获得新的平稳序列{X₁，X₂，…，X_t-d}，其中所进行的差分次数即为d的值；然后再将平稳序列{X₁，X₂，…，X_t-d}零均值化处理

(3.2)模型确定：利用最小二乘估计法、极大似然估计法对ARMA(p，q)的自回归系数，滑动平均系数进行估计；再利用AIC准则进行模型定阶，有着最小AIC值的模型即为最优模型；最后判断此模型的残差序列是否为白噪声，若是则通过检验，得出软件可靠性预测模型，否则，重新计算；

(3.3)失效数据预测：根据所得模型预测{X_t’}，然后还原为失效数据{Y_t}的预测结果；

(4)系统可靠性预测：根据预测的失效数据和基于组件的可靠性计算模型，计算系统在未来一段时间的可靠性；所述基于组件的可靠性模型具体如下：

端口：端口p是一个多元组(M，t，c)，M在端口p中是一个方法的有限集，t表示提供或需求的端口类型，c表示同步或异步的通信类型；

组件：组件Com是一个多元组(P_p，P_r，G，W)，P_p是提供端口的有限集，P_r是需求端口的有限集，G是有限子组件集，表示非自反关系的端口关系，且TP＝P_p∪P_r∪∪_C∈GC.P_r，C.P_p和C.P_r分别表示子组件C提供和需求的端口集；

使用端口活动描述组件的动态行为，其基本活动被认为是两个端口之间的信息交换；

端口的可靠性预测：当一个端口的方法被调用时，认为这个端口被访问一次；n_i表示端口p在一段时间间隔[0，T]内被访问的次数；预测过程中一个失效数据表示一次错误，f_i表示预测过程中错误的次数；假设端口p有操作p₁→p₂，则在时间T端口p的可靠性定义为：r(p[p1→p2])=1-fini;]]>

系统的可靠性预测：系统在执行一段时间后的可靠性定义为:其中r(tr_i)是轨迹tr_i的可靠性，f(tr_i)是轨迹tr_i的发生频率；

(5)故障组件的定位：如果预测的可靠性低于预期值时，则需寻找引起系统可靠性降低的组件，这里利用频谱定位和极大似然估计方法来定位故障组件；假设系统由M个组件组成，记为Cj(j∈{1，……，M})，可能有E个错误组件；诊断报告D＝<…，d_k，…>为有序的可能的多个错误的组件候选集，d_k按照错误的可能性排列；

建立频谱矩阵：频谱矩阵表示系统动态行为中所包含的组件的标记；系统每执行一次，经过了的组件记为1，否则为0；假设共执行了N次，频谱矩阵表示为一个N*M的矩阵A；考虑了所经组件的次数，故矩阵元素a_ij表示组件Cj在第i次执行时是否经过此组件及经过的次数；执行的结果存储在向量e中，表示每次执行完后，若运行通过，则记为0，运行失败记为1；

候选集生成：使用最小命中集算法来计算诊断候选集，基于频谱的错误定位技术(SFL)能很好地按照组件故障可能性预测故障排行；SFL输入频谱矩阵(A，e)，产生有序的组件错误可能性排行；组件以相似系数计算排名，即排名最高的组件往往是错误的；具体相似系数的定义为：

s(j)=n11({j})den(j)=(n11({j})+n10({j}))*(n11({j})+n01({j})),den(j)≠00,otherwise]]>

其中，

n₁₁(j)＝|{i∈{1,2,…,N}|a_ij>0∧e_i＝1}|

n₁₀(j)＝|{i∈{1,2,…,N}|a_ij>0∧e_i＝0}|

n₀₁(j)＝|{i∈{1,2,…,N}|a_ij＝0∧e_i＝1}|

候选集排序：使用贝叶斯规则来计算候选集的概率；根据候选集d_k的所有观测值，每个候选集d_k的概率描述了实际系统的错误情况；由贝叶斯规则得出，在所观测到的观测值下候选集d_k的后验概率的计算公式为：

Pr(dk|obs)=Pr(obs|dk)Pr(obs)·Pr(dk)]]>

令P_r(j)＝p表示组件C_j错误的先验概率，假设组件错误是独立的，则候选集d_k的先验概率为:

Pr(dk)=p|dk|·(1-p)M-|dk|]]>

P_r(obs)是为正规化因子，无需计算；因每次执行是独立的，故

Pr(obs|dk)=Πi=1NPr(obsi|dk)]]>

其中Pr(obs_i|d_k)的定义如下：

其中：

其中h_j∈[0,1]表示组件j正常工作的概率；

因此，Pr(obs|d_k)是关于h_j的表达式，通过最大似然估计法可以得到hj的估计值，实际上就是求解如下极值问题：其中，G＝{h_j∈[0,1]:j＝1,2,…,M}；

(6)系统重新配置：对于故障组件，可以替换该组件或者在系统中增加与故障组件功能相同的正常组件，通过计算两个方法所能获得的可靠性选取可靠性提高最大的方法。