[发明专利]一种基于分层贝叶斯网络模型的云服务QoS预测方法有效

专利信息
申请号: 201510303657.X 申请日: 2015-06-04
公开(公告)号: CN105007176B 公开(公告)日: 2019-01-11
发明(设计)人: 张鹏程;韩晴;徐长栋;安纪存;孙颍桃;曾金伟 申请(专利权)人: 河海大学
主分类号: H04L12/24 分类号: H04L12/24;H04L29/08
代理公司: 南京苏高专利商标事务所(普通合伙) 32204 代理人: 李玉平
地址: 211100 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开一种从云计算三层服务方面结合分层贝叶斯网络模型的云服务QoS预测方法。通过构建虚拟节点,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。云计算系统首先通过数据收集器收集基础设施层、平台层上的数据,然后分别对数据进行预测,预测的结果为底层贝叶斯网络的推理结果,其作为不确定证据,输入作为应用层的先验概率,接着将基础设施层和平台层收集的数据导入应用层的数据中心,结合应用层收集器收集的数据一起对云服务QoS进行预测,最后将获得的云服务QoS的预测结果和直接获取到的云服务QoS结果作比较。
搜索关键词: 云服务 贝叶斯网络 预测 贝叶斯网络模型 基础设施层 推理结果 应用层 分层 上层网络节点 数据收集器 云计算系统 服务方面 结合应用 数据中心 先验概率 虚拟节点 预测结果 直接获取 平台层 收集器 云计算 证据 构建 三层 台层
【主权项】:
1.一种基于分层贝叶斯网络模型的云服务QoS预测方法,其特征在于:从云计算的三层服务——基础设施层、平台层和软件即服务层来实现,根据用户需求,首先将基础设施层和平台层的组合服务数据结合作为贝叶斯网络底层的推理结果,并将该推理结果输入到应用层为其的先验概率,结合应用层的服务数据计算预测云服务QoS;基础设施层:基础设施层主要收集与硬件资源相关的数据;平台层:平台层主要收集云服务QoS业务流程的数据,另外,PaaS层中还设立了一个总的数据中心,用于汇总IaaS、PaaS中数据收集器收集到的数据;软件即服务层:软件即服务就是所说的应用层,主要收集应用程序执行相关的数据;SaaS层也设立一个总的数据中心,用于汇总IaaS、PaaS、SaaS中数据收集器收集到的数据;在不同的时间间隔内,数据中心中数据的值会根据单个云服务粒度大小的不同而更新,数据中心将收集的云计算环境下服务组合的数据用分层贝叶斯网络模型的云服务QoS预测方法预测出适合的云服务QoS以满足用户的需求;IaaS为基础设施即服务;PaaS为平台即服务;SaaS为软件即服务;在云计算环境下,用分层贝叶斯网络模型结合云计算的三层服务来分层预测云服务QoS;预测云服务QoS的具体步骤为:步骤1:根据可靠性标准,设定原假设Η0与备择假设H1;其中,原假设和备择假设必须互斥,接受一方,必须拒绝另一方;根据可靠性标准,建立对立的原假设Η0与备择假设H1:Η0:R0=R1;H1为备择假设,T为概率信度值,R0为概率信度值的上界,R1为概率信度值的下界;步骤2:数据收集;在基础设施层,平台层,应用层分别设计数据收集器,收集不同云层的相关数据,其中基础设施层主要收集与硬件资源相关的数据;平台层主要收集云服务QoS业务流程的数据以及收集基础设施层提交的数据;应用层主要收集应用程序执行相关的数据以及收集基础设施层和平台层提交的数据;步骤3:读取软件运行时的观测变量组合作为训练样本对训练样本进行预处理,存入样本集TX;步骤4:确定一个节点v上的概率分布;G表示顶层的贝叶斯网络集合,G=<V,A,P>,是有向无环图,节点表示为v={v1,v2,...,vn},贝叶斯网络节点中的vi和其非直接父节点vj,条件独立于该节点的父节点,父节点用pa(vi)表示,即p(νij,pa(νi))=p(νi/pa(νi));利用条件独立性,将贝叶斯网络中n个变量联合概率分解为这样随机变量集合U上的一个贝叶斯网络唯一确定了v的概率分布;A表示为弧的集合,代表了节点之间的关系,P表示为结构G上的条件概率的集合;步骤5:构建贝叶斯网络模型;首先根据QoS的云服务组合各个变量之间的依赖关系建立了一种概率图模型,即贝叶斯网络模型,然后根据云计算的三层服务,引入一种分层的贝叶斯网络模型进行表示和预测概率,应用于云计算的三层来预测云服务QoS;使用两层的贝叶斯网络模型来预测云服务QoS,其中顶层为分层模型中的整体贝叶斯网络结构,底层为顶层贝叶斯网络节点所对应的替换贝叶斯网络;步骤6:贝叶斯网络模型的预测;根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯网络模型的预处理样本的数据放进贝叶斯网络模型进行预测处理;根据贝叶斯网络模型得到概率信度值,概率信度值T与阈值Thres比较,观察云服务QoS结果是否满足声明条件;步骤7:分别对基础设施即服务层和平台即服务层收集的数据进行预测;步骤8:对基础设施层和平台层收集的数据组合预测云服务QoS;这里的组合方式就是把基础设施层和平台层收集的数据收集在一起,统一进行贝叶斯网络模型处理,重新预测云服务QoS;步骤9:对基础设施层和平台层收集的数据结合软件即服务层收集的数据组合在一起对云服务QoS进行预测;将基础设施层和平台层的组合服务数据结合作为贝叶斯网络底层的推理结果,并将该推理结果输入到应用层作为先验概率,结合应用层的服务数据计算预测云服务QoS;步骤10:预测结果获得概率信度值T,云计算的三层结构结合分层贝叶斯网络模型模型,将各层收集到的数据输入到贝叶斯网络中推理得到概率信度值;步骤11:对获得的概率信度值T与阈值Thres进行比较;步骤12:分析、对比结果;云计算的三层结构结合分层贝叶斯网络模型,将收集到的数据输入到贝叶斯网络中推理得到概率信度值;分层贝叶斯网络模型进行预测处理得到的云服务QoS结果和直接获取到的云服务QoS结果作比较。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学,未经河海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201510303657.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top