软件抗衰的若干关键技术研究

论文摘要

计算系统正在变得越来越复杂，未知的软件缺陷引发的软件衰退现象成为我们不得不接受的事实，因此有必要对软件抗衰关键技术进行研究，尽可能地降低计算系统性能衰退和意外失效所导致的损失。本文阐述了软件抗衰技术的研究背景和现状，对目前面临的一些问题进行了深入分析，并对软件抗衰的若干关键技术展开了研究，包括软件系统的性能参数识别和监控、性能衰退的检测算法、性能衰退的预测算法等，并在此基础上给出了一个抗衰解决方案，完成的主要工作和取得的研究成果如下：(1)从系统资源的角度，探讨了计算系统在运行时系统资源的表现行为对于系统性能的影响，识别了能够度量系统性能的参数集合。在此基础上，设计了一种性能监控工具，对数据采集、通信、存储等方面加以改进，以满足软件抗衰系统对于性能监控提出的低侵扰性、低延时性等需求。(2)针对现有的检测算法检测率不够高，而误警率较高的问题，从免疫学的角度，吸收了免疫机理中免疫识别的灵感，提出了一种基于免疫遗传的性能异常检测算法。算法对传统的阴性选择算法进行了改进，提出新的部分匹配规则代替r连续匹配规则度量样本距离，更好的反映正常和异常的界线；并创新性地把阴性选择算子添加到遗传算法中充当过滤器，有效的抑制了误警率增加，降低了由于检测率不高和误警率较高导致的高抗衰成本。(3)为了降低抗衰成本，提高系统的可用性，提出了一种组合小波分析和神经网络的算法来预测最优的抗衰时间。算法把原来的单层预测模型扩充为四阶段模型，提高了最优抗衰时间预测的准确性，避免了延误抗衰时机；同时考虑到系统实时负载对于抗衰决策有较大的影响，故采用了半马尔可夫过程建模负载，基于负载模型对系统资源耗费和抗衰时间进行预测，进一步提高了预测的准确性。(4)为了给软件抗衰提供有效的解决方案，借鉴生物免疫所具备的层次性、分布性、应答性和记忆性等卓有成效的自然防卫机制，从计算的角度，模拟上述机制采用Agent技术实现了性能监控、衰退检测和量化、抗衰决策、抗衰实施等关键功能，并给出了抗衰原型系统，为抗衰解决方案的深入研究打下了基础。

论文目录

• 摘要
• ABSTRACT
• 目录
• 图清单
• 表清单
• 缩略词及中英文词汇对照
• 1 绪论
• 1.1 论文研究背景
• 1.1.1 计算系统的复杂化
• 1.1.2 不可避免的软件缺陷
• 1.1.3 软件失效
• 1.1.4 软件衰退
• 1.2 软件抗衰技术
• 1.2.1 软件抗衰技术研究的必要性
• 1.2.2 基于软件体系结构的研究思路
• 1.2.3 基于时间的研究思路
• 1.2.4 基于度量的研究思路
• 1.2.5 不同研究思路的比较
• 1.2.6 新的研究进展
• 1.2.7 软件抗衰技术中存在的一些问题
• 1.3 课题来源及本文主要工作
• 1.3.1 课题来源
• 1.3.2 选题意义
• 1.3.3 本文主要工作
• 1.3.4 论文结构
• 1.4 本章小结
• 2 系统性能和性能监控
• 2.1 系统性能参数的识别
• 2.2 系统监控研究现状
• 2.3 PerfMon 的设计与实现
• 2.3.1 设计目标
• 2.3.2 系统模型
• 2.3.3 系统运行时的度量
• 2.3.4 监控策略
• 2.3.5 数据通信
• 2.3.6 重建策略
• 2.3.7 性能数据的存储和访问
• 2.3.8 基于 Java 的原型实现
• 2.4 仿真实验
• 2.5 本章小结
• 3 性能检测算法
• 3.1 检测算法的研究现状
• 3.1.1 基于统计方式的检测算法
• 3.1.2 基于数据挖掘的检测算法
• 3.1.3 基于机器学习的检测算法
• 3.2 基于免疫遗传的检测算法
• 3.2.1 数据预处理
• 3.2.2 编码和度量
• 3.2.3 检测子的产生
• 3.2.4 进化
• 3.2.5 检测
• 3.2.6 算法描述
• 3.3 仿真实验
• 3.3.1 实验一
• 3.3.2 实验二
• 3.3.3 实验三
• 3.4 本章小结
• 4 性能预测算法
• 4.1 相关的研究工作
• 4.2 基于小波神经网络的性能预测
• 4.2.1 性能数据的小波分解和过滤
• 4.2.2 基于免疫机理和模拟退火的权重初始化
• 4.2.3 预测结果和分析
• 4.3 基于负载模型的性能预测
• 4.3.1 建模负载
• 4.3.2 基于非参数统计方法的预测
• 4.3.3 预测结果和分析
• 4.4 本章小结
• 5 基于免疫 Agent 的抗衰模型和原型系统
• 5.1 仿生机理和相关工作
• 5.1.1 仿生机理
• 5.1.2 相关工作
• 5.2 基于免疫 Agent 的抗衰
• 5.2.1 免疫与抗衰
• 5.2.2 多 Agent 的免疫结构模型
• 5.2.3 免疫 Agent 模型和实现
• 5.2.4 抗衰的工作流程
• 5.3 应用分析
• 5.3.1 应用环境
• 5.3.2 评价框架
• 5.3.3 抗衰结果和分析
• 5.4 本章小结
• 6 结束语
• 6.1 论文创新点
• 6.2 进一步的研究工作
• 致谢
• 参考文献
• 附录 A 系统的部分界面
• 附录 B 系统实现的部分源代码
• 攻读博士学位期间发表的论文