[发明专利]一种基于有向图的服务运行正确性验证方法

说明书

本发明公开了一种基于有向图的服务运行正确性验证方法，利用服务在正确运行时产生的日志信息，对日志信息进行处理，再根据处理过的日志挖掘出过程模型，以该模型作为标准，根据服务实际运行的日志与过程模型的吻合度，验证程序实际运行过程的正确性。服务运行的日志是通过字节码插桩技术得到的，日志记录了程序中各方法执行时的信息，包括方法名、类名、包名、时间戳、url等等，通过时间戳可以判定方法的执行次序，从而得到方法执行的序列，以此作为算法的输入，得到过程模型。用同样的方法可以得到程序实际运行的方法执行序列，与过程模型进行匹配，可以检测出程序实际运行过程中的错误。

技术领域

本发明属于软件维护中服务运行正确性验证的技术领域，涉及一种基于有向图的服务运行正确性验证方法。

背景技术

事件日志是构建过程模型的起点，一个事件日志是方法执行序列的多重集，每一条执行序列代表着每一次操作所调用的方法执行顺序。日志中蕴含着很多程序在执行时的重要信息，比如方法名、类名、包名、时间戳、url等等。在测试阶段，获取服务正确运行的日志，以此日志构建过程模型。在实际生产过程中，程序难免会遇到一些bug，也会产生错误的日志信息。通过字节码插桩技术可以获取服务运行的日志。

过程模型是描述程序执行过程的模型。模型可能是手工建立的，也可能是通过发现得到的。过程模型的发现主要通过过程挖掘算法。过程挖掘的基本思想在1995年由美国新墨西哥州立大学的Cook教授提出，过程挖掘的理念是通过从事件日志中提取出知识，从而去发现、监控和改进实际过程(即非假定的过程)，而事件日志在如今的系统中是很容易获得的。通常要获取某个服务的过程模型需要该领域的专业人员、程序设计人员、行业的员工等人员的共同参与，而过程挖掘技术则实现了过程模型生成的自动化，降低了构建模型的技术要求。

下面是一些主流的过程挖掘算法：

van der Aalst等于2004年提出了α算法。该算法是过程挖掘领域具有里程碑意义的挖掘算法。该算法基于事件日志中活动出现的顺序对活动之间的关系进行推理。活动间主要呈现顺序、因果、选择、并行这四种关系。最终以Wf-net的形式来表示过程模型。但是α算法有一些缺点，例如不能处理短循环，不能发现不可见任务等等。因此后来在α算法的基础上，针对以上遇到的问题，出现了α+、α#、α++一系列的算法来对α算法进行改进。

Weijters等在2006年首次提出了过程挖掘的启发式算法(Heuristic Miner)。该算法利用启发式网络的方法和理论，通过统计日志中一些基本模式的出现频率来计算活动之间的依赖度，以此发现过程模型中的主要行为。缺点是需要大量的事件日志的支持。

Alves de Medeiros等于2006年提出了基于遗传算法的过程挖掘方法(GeneticMiner)。通过定义良好的适应度函数，以及交叉、变异等过程遗传操作算子，Genetic Miner能够得到与事件日志非常一致的C－net模型。可处理信息的噪声，能够在过程挖掘中处理重复任务、隐藏任务、以及非自由选择的结构。缺点是噪声可能造成停止条件发生后但计算仍不能停止的情况发生。

吻合度表示服务实际运行的日志与过程模型的一致程度。吻合度低表明程序越容易发生与过程模型不一致的行为，如程序运行了一个未知的方法，或者方法间的执行顺序混乱。这些行为的堆积，会导致服务运行产生偏差。

发明内容

本发明的目的是提供一种用有向图来表示过程模型，利用图的广度优先算法(Breadth first search)来度量吻合度，以判断服务运行过程中是否出现偏差的方法，验证服务实际运行的正确性。

为了实现上述目的，本发明的技术方案如下：一种基于有向图的服务运行正确性验证方法，包括如下步骤：

步骤1)日志信息的提取；

步骤2)插桩日志预处理；

步骤3)过程模型的生成；