论文部分内容阅读
软件技术随着互联网应用规模的不断发展而不断变革,网络化软件成为软件发展的主流趋势,大规模网络化软件成为目前软件系统的主要形态之一。当前,环境对大规模网络化软件运行的扰动作用日益明显。因此,大规模网络化软件亟需实现在线的优化调整,以保障软件系统的高可用性和高可靠性,满足日益增长的生产需求。本文着眼于研究大规模网络化软件的在线优化问题,以保障系统的高性能、高可靠和高可用,降低运行维护成本,提高用户体验质量。自主计算领域中,软件自优化是实现软件在线优化调整的有效手段之一。因此,本文针对大规模网络化软件,通过构建软件实体健康度模型、协同软件实体健度实时状态和预测结果,实现软件自优化机制中的分析判别方法,为软件自优化机制的后续环节提供有力的支持。同时,设计了针对该分析判别方法的数据驱动反馈优化方案,以达到持续改进分析判别正确性和有效性的目的。本文的主要工作为以下三个方面:(1)在软件自优化机制中的分析判别方法的研究方面,针对大规模网络化软件的软件运行状态监测分析及软件自优化分析,研究并设计实现软件实体健康度模型,通过软件实体健康度模型中相关指标划分及健康度的计算,利用主成分分析法提取关键影响因素等分析手段完成自优化的前期分析工作,基于马氏距离的判别分析方法并综合考虑预测结果,最终完成对目标系统的自优化判别。(2)在针对自优化判别分析的基于数据驱动的反馈优化的研究方面,设计针对自优化判别分析的数据驱动反馈优化方法,通过样本数据正态区间更新的方式在线修正软件实体健康度评分,并在样本数据的积累下通过使用改进的Apriori算法对软件状态信息的各属性进行关联挖掘,获得属性到软件状态结果之间的关联关系,以完成对自优化机制分析判别方法的修正优化。(3)通过在RUBiS和品优购平台上的对本文所提出的软件自优化机制中分析判别方法及其反馈优化的部署,验证了本文所给出的方案能较为准确地对目标软件系统状态进行自优化分析判别。作为实现自优化框架的自主决策调整循环中的一部分,对软件的自优化调整的有效支持,验证了本文所提出方案的正确性和合理性。综上,本文研究的软件自优化机制中分析判别方法及其反馈优化方案能够为自优化机制在线优化目标系统提供有力支持,并能够持续在线动态修正分析判别结果,达到对自优化机制分析环节主动优化的目的。