[發明專利]基于非負聚合的缺失服務吞吐率補足方法和裝置

有效

• 申請號: 201510087331.8
• 申請日: 2015-02-25
• 公開（公告）號: CN104753718B
• 公開（公告）日: 2018-02-13
• 發明（設計）人: 羅辛;夏云霓
• 申請（專利權）人: 重慶大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L29/06;G06F17/30
• 代理公司: 重慶市前沿專利事務所(普通合伙)50211
• 代理人: 郭云

技術領域

本發明涉及計算機服務計算領域，尤其涉及一種基于非負聚合的缺失服務吞吐率補足方法和裝置。

背景技術

面向服務架構(Service Oriented Architecture，以下簡稱SOA)代表一種基于互聯網的軟件開發、部署和集成的模式。基于SOA的軟件系統以更粗粒度的服務作為基本組成元素。每個服務完成相對獨立的基本功能，各個服務之間松散耦合，通過平臺獨立、環境透明、依賴于網絡的標準調用協議進行交互和協同。基于SOA的軟件系統能在確保實現復雜的業務邏輯和過程的前提下，屏蔽平臺、協議、數據和開發語言等方面的差異，具備協同、自治、自適應、松偶合的特點，已成為當下軟件發展的主要模式。

在傳統軟件系統中，系統可靠性往往依賴于各個基本組成單元的功能性指標。但對于服務而言，由于其可靠性和穩定性受到網絡環境、訪問時間、用戶數量、用戶地域等諸多因素的影響，非功能性指標在服務可靠性分析中舉足輕重；其中非常重要的一類非功能指標是服務吞吐率。服務吞吐率受用戶所處的地域、網絡環境和通訊情況等自然條件約束，是一種具備統計特性的數據。對不同用戶而言，調用同一服務所體驗的服務吞吐率可能具備很大的差異。因此，如果能根據用戶集合對可用服務集合進行調用的吞吐率歷史數據，對缺失的用戶調用服務的吞吐率進行可靠的補足，將能明顯提升整個系統的可靠性、穩定性和執行效率。但是，現存缺失服務吞吐率補足方法，具備準確度低的不足，難以應對大型復雜系統中的海量服務吞吐率歷史數據。

因此，如何針對現代大型復雜系統中的海量服務吞吐率歷史數據，進行準確度高的缺失服務吞吐率補足，是服務計算領域所需要解決的一個關鍵技術問題。

發明內容

本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種基于非負聚合的缺失服務吞吐率補足方法和裝置。

為了實現本發明的上述目的，本發明提供了一種基于非負聚合的缺失服務吞吐率補足方法，其關鍵在于，包括如下步驟：

S1，接收模塊接收服務器采集的服務吞吐率歷史數據，對接收該歷史數據進行存儲；

S2，數據模塊存儲服務吞吐率歷史數據，以及存儲訓練模塊所訓練的非負聚合數據；

S3，訓練模塊構造缺失服務吞吐率補足模型，將構造完成的缺失服務吞吐率補足模型進行非負聚合數據的構造，將構造完成的非負聚合數據發送到數據模塊進行存儲；

S4，補足模塊接收數據模塊中存儲的構造完成的非負聚合數據，對服務器上的缺失服務吞吐率的用戶發送指令進行補足。

所述的基于非負聚合的缺失服務吞吐率補足方法，優選的，所述S2包括：

S2-1，吞吐率歷史數據存儲單元存儲了接收模塊所發送的服務吞吐率歷史數據，將服務吞吐率歷史數據根據訓練模塊的需求，發送給訓練模塊構造缺失服務吞吐率補足模型訓練；

S2-2，非負聚合存儲單元存儲訓練模塊構造完成的非負聚合數據，將構造完成的非負聚合數據根據補足模塊的需求，發送給補足模塊對特定服務器上的缺失服務吞吐率的用戶發送指令進行服務吞吐率補足。

所述的基于非負聚合的缺失服務吞吐率補足方法，優選的，所述S3包括：

S3-1，初始化單元初始化訓練模塊非負聚合數據訓練過程中的工作參數；

S3-2，補足模型訓練單元根據數據模塊中吞吐率歷史數據存儲單元存儲的服務吞吐率歷史數據，和初始化單元非負聚合數據訓練過程中所初始化的工作參數，構造缺失服務吞吐率補足模型；

S3-3，非負聚合構造單元接收補足模型訓練單元構造的缺失服務吞吐率補足模型，根據初始化單元初始化的訓練參數，將缺失服務吞吐率補足模型逐一加入非負聚合數據中，構造非負聚合數據；

S3-4，輸出單元接收非負聚合構造單元構造的非負聚合數據，將其輸出至數據模塊的非負聚合存儲單元。

所述的基于非負聚合的缺失服務吞吐率補足方法，優選的，所述S3-2包括：

S3-2-1，接收服務器構造非負聚合數據的指令；

S3-2-2，初始化非負聚合構造參數；

S3-2-3，判斷當前缺失服務吞吐率補足模型數量已達到閾值N，若是，則執行步驟S3-2-10，否則，執行步驟S3-2-4；

S3-2-4，初始化缺失服務吞吐率補足模型訓練參數；

S3-2-5，構造損失函數ε(B，C，P，E)；

其中：

B為隱特征向量，C隱特征向量，P隱特征矩陣，E隱特征矩陣；