[發明專利]一種Web服務吞吐量時變隱特征分析裝置和方法

在審

• 申請號: 202011012649.7
• 申請日: 2020-09-24
• 公開（公告）號: CN112131080A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 袁野;許明;羅辛;尚明生
• 申請（專利權）人: 中國科學院重慶綠色智能技術研究院;深圳市萬佳安物聯科技股份有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30
• 代理公司: 重慶市前沿專利事務所(普通合伙) 50211
• 代理人: 郭云

本發明公開了一種Web服務吞吐量時變隱特征分析裝置和方法；一種Web服務吞吐量時變隱特征分析裝置，其特征在于：該裝置包括：服務存儲模塊，用于存儲歷史的Web服務吞吐量數據；時變隱特征更新模塊，利用服務存儲模塊中存儲的歷史的Web服務吞吐量數據，結合卡爾曼濾波器和最小二乘法，時序動態更新行矩陣時變隱特征和列矩陣時變隱特征；隱特征存儲模塊，對獲取的行矩陣時變隱特征和列矩陣時變隱特征進行存儲；服務選擇模塊，利用行矩陣時變隱特征和列矩陣時變隱特征，預測Web服務吞吐量，并根據Web服務吞吐量預測值，推薦給用戶合適的Web服務；本發明可廣泛應用于互聯網等領域。

技術領域

本發明涉及網絡數據處理領域，特別是涉及一種Web服務吞吐量時變隱特征分析裝置和方法。

背景技術

隨著面型服務計算構架(Service Oriented Architectures)和軟件作為服務(Software As A Service)理念的興起，互聯網環境下軟件系統的組織形態、開發模式、運行方式都發生著巨大的變化。通過服務重用(Service Reuse)及動態聚合(Composition)以構建隨需應變、松散耦合、自我組織的分布式應用系統成為下一代軟件體系結構的主要特征。然而隨著互聯網上的web服務爆炸性增長，在這些提供類似功能的服務當中，準確分析Web服務吞吐量時變隱特征，進而選擇出適合用戶的Web服務越來越困難。

目前最流行的Web服務吞吐量隱特征分析方法為協同過濾技術，具體地，協同過濾技術基于用戶的協同過濾算法對Web服務的吞吐量進行預測，并將具有合適的Web服務推薦給用戶。然而，現有的協同過濾算法主要依賴靜態的方法對Web服務吞吐量進行預測、排序和挑選。由于Web服務運行在動態變化的網絡環境中，其運行時受到如任務負載、內部故障、網絡延遲和消息丟失等諸多外在因素的印象，所以Web服務總是處于頻繁變化中，導致Web服務不可能維持恒定不變，這與理想情況下服務質量恒定不變的假設存在極大的偏差。這種動態性使得Web服務吞吐量的隱特征分析更加的困難，同時導致傳統的協同過濾技術選擇服務的結果不準確，如何在動態的環境下精確分析Web服務吞吐量時序隱特征已經成為學術界和工業界一個主要研究與急需解決的問題。

發明內容

本發明所要解決的技術問題在于提供一種Web服務吞吐量時變隱特征分析裝置和方法。

為了解決上述技術問題，本發明的技術方案是：一種Web服務吞吐量時變隱特征分析裝置，其特征在于：該裝置包括：

服務存儲模塊，用于存儲歷史的Web服務吞吐量數據；Web服務吞吐量數據是指單位時間內網絡上傳輸的數據量，也可以指單位時間內處理客戶請求數量。

時變隱特征更新模塊，利用服務存儲模塊中存儲的歷史的Web服務吞吐量數據，結合卡爾曼濾波器和最小二乘法，時序動態更新行矩陣時變隱特征和列矩陣時變隱特征。

卡爾曼濾波器是指一種利用線性系統狀態方程，通過系統輸入輸出觀測數據，對系統狀態進行最優估計的算法。

隱特征存儲模塊，對獲取的行矩陣時變隱特征和列矩陣時變隱特征進行存儲。

服務選擇模塊，利用行矩陣時變隱特征和列矩陣時變隱特征，預測Web服務吞吐量，并根據Web服務吞吐量預測值，推薦給用戶合適的Web服務。

Web服務為一組模塊化的應用程序集合，用戶可以通過網絡對集合中的任意應用程序進行調用，來執行遠程系統的請求服務。

根據本發明所述的一種Web服務吞吐量時變隱特征分析裝置的優選方案，所述特征更新模塊包括：

所述時變隱特征更新模塊包括：

參數初始化單元，用于參數初始化時序動態更新過程中涉及的更新參數。