[發明專利]基于隱馬爾可夫的云平臺軟件性能預測方法

在審

• 申請號: 202010817863.3
• 申請日: 2020-08-14
• 公開（公告）號: CN112069045A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 張彤;王儀
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F11/30;G06N7/00
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 弓長

本發明公開了基于隱馬爾可夫的云平臺的軟件性能預測方法，具體按照如下步驟實施：步驟1，從待預測云平臺的各個業務模塊中采集影響性能的參數，得到實驗樣本特征集合，然后進行預處理；步驟2，確定初始隱馬爾可夫模型λ＝(A，B，π)；步驟3，給定觀測序列，計算在步驟2確定的初始隱馬爾可夫模型下的觀測序列出現的概率；步驟4，已知隱馬爾可夫模型和觀測序列，求性能預測結果序列。本發明的基于隱馬爾可夫的云平臺的軟件性能預測方法，解決了現有技術中存在的一元線性回歸模型不能對云平臺軟件復雜多變的負載情況有效擬合，導致預測精度不能滿足要求的問題。

技術領域

本發明屬于計算機虛擬化技術領域，涉及一種基于隱馬爾可夫的云平臺的軟件性能預測方法。

背景技術

近年來，基于云平臺的服務應用于諸多不同的領域，包括醫療保健、公共交通、移動通訊等，并逐漸成為互聯網行業發展的主流趨勢。但云平臺系統的長時間不間斷運行會引發一種稱之為軟件老化的現象。由此引發的短暫系統停機或不平穩將嚴重影響互聯網企業的正常運營。

性能下降的產生是因為軟件程序非常復雜，不可能永遠且完全地沒有錯誤，即使再充分地測試和檢驗，也無法保證軟件程序可以平滑、無差錯的長時間運行。如今，軟件程序開發趨向于時間導向型研發，即軟件程序具有時間效應，需要以最短時間設計、研發和測試，迅速投入市場，以搶占市場份額，這一現象進一步加劇了性能消耗不平衡現象的發生，軟件程序的可靠性、可用性、安全性等衍生問題隨之出現。

如果一個“狀態”不依賴于“未來的狀態”，也不依賴于“先前的狀態”，僅取決“現在的狀態”，此狀態的演化過程稱為馬爾可夫鏈。隱馬爾可夫是描述系統隱性質的一種統計學模型，建立在馬爾可夫鏈的基礎之上。傳統的馬爾可夫鏈對非平穩時間序列的預測并不是很理想，模型斂性較差，預測結果偏差大。隱馬爾可夫求解場景的兩個典型特征是：數據集是基于時序變化的；問題存在兩個序列，即系統的內部性質序列和監測數值序列。隱馬爾可夫狀態轉移鏈，描述了狀態序列與觀測序列之間的關聯關系。隱馬爾可夫的隱狀態是非確定，這些隱狀態與觀測狀態之間存在一定的客觀規律，可通過一定的隨機過程將隱狀態序列描述出來。可觀測狀態與系統內部狀態并非一一對應的關系，但可通過概率分布函數描述兩者之間的相關性。

傳統的云平臺軟件性能預測方法，多是采用一元線性回歸模型以及改進模型對云平臺軟件性能變化趨勢進行預測。一元線性回歸模型是一種實用性較強的分析模型，但其缺點在于過于簡單的形式決定了不能對云平臺軟件復雜多變的負載情況有效擬合，從而導致預測精度不能滿足要求。

發明內容

本發明的目的是提供一種基于隱馬爾可夫的云平臺的軟件性能預測方法，解決了現有技術中存在的一元線性回歸模型不能對云平臺軟件復雜多變的負載情況有效擬合，導致預測精度不能滿足要求的問題。

本發明所采用的技術方案是，基于隱馬爾可夫的云平臺的軟件性能預測方法，具體按照如下步驟實施：

步驟1，從待預測云平臺的各個業務模塊中采集影響性能的參數，得到實驗樣本特征集合，然后進行預處理；

步驟2，確定初始隱馬爾可夫模型λ＝(A，B，π)；

步驟3，給定觀測序列，計算在步驟2確定的初始隱馬爾可夫模型下的觀測序列出現的概率；

步驟4，已知隱馬爾可夫模型和觀測序列，求性能預測結果序列。

本發明的特征還在于，

采用平均百分比誤差法對步驟4的性能預測結果序列進行評價。

步驟1中的預處理具體為：將實驗樣本特征集合中的所有參數進行歸一化處理，生成一個長度為N的數據序列。

步驟2具體為：