面向组件的软件老化抗衰策略的研究

随着软件应用系统的复杂性不断提高,系统性能衰退的现象也日益普遍,研究表明计算机应用系统性能的衰退现象主要是由于软件的老化产生的.为了缓解软件老化问题、减少软件性能衰退造成的损失,最终实现一种可准确对系统当前老化状态的预测模型,本文提出一种面向组件的软件老化抗衰策略.该策略在以往研究的基础上,细化了软件再生粒度,将老化的预测和再生扩展到应用组件级.使用灰色预测方法实现在可利用的系统资源不足的情况下的老化状态的预测.还应用Matlab对该模型进行了模拟实验.实验结果表明该策略具有良好的可用性和有效性,延长了软件系统的运行时间,提高了用户的访问成功率,并进一步增强了系统稳定性.     

视频点播系统的软件老化估计和预测

针对视频点播系统,研究其软件老化模式,对系统资源和视频点播服务器的实时参数,采用Mann-Kendall方法来检测老化趋势以判断系统是否存在软件老化现象,并采用Sen的斜率估计方法来估计老化衰退速率;提出了基于径向基网络的软件老化预测模型,对老化趋势进行预测,并采用主成分分析方法来减少径向基网络的复杂度以提高效率.实验结果表明:视频点播系统中存在软件老化现象;基于径向基网络的软件老化预测模型预测效果优于时间序列模型.基于提出方法以及对视频点播系统的老化分析,可为进一步研究相应的软件再生策略提供理论依据.     

应用服务器资源动态重配置再生方法

传统的基于模型的老化与再生研究方法已不适于动态开放的网络环境。以对服务器内部状态、行为、环境等信息进行运行时监测,并准确、全面地评价老化趋势为基础,采用资源动态重配置方法提高系统服务能力、灵活性与适应性具有重要意义。以J2EE应用服务器为实验对象,对基于资源动态重配置的应用服务器软件再生方法进行研究与实现。给出动态重配置再生模型,提出运行时监测体系结构,从用户体验和服务器运行状况角度给出软件老化指标、服务器端监测模型、客户端监测模型,实现了负载发生器、用户体验数据监测等功能模块。研究资源动态重配置过程,分析可动态重配置的资源对象,提出将分析现有数据与预测未来数据相结合,再辅以人工控制的决策算法。建立测试系统,对再生模型进行实验,验证了老化现象与再生方法的有效性。     

一种提高集群系统可用性的方法及其应用

文中将一种预防性的容错方法——软件再生引入集群系统中，分析两种软件老化模型，提出了对应的软件再生策略，最后在Web集群服务器中实现。从实验结果可以看出软件再生技术较好地提高了集群系统的软件容错性能和系统可用性。     

基于非马尔可夫随机Petri网的软件再生建模与分析

软件老化是影响软件系统可靠性的重要潜在因素,软件再生作为一种主动预防性的软件容错技术是解决软件老化问题的主要手段.以往的随机Petri网再生模型假定所有变迁的实施时间服从指数分布.针对变迁的实施时间服从确定性分布或一般性分布的情况,文中提出了一种用非马尔可夫随机Petri网建立软件再生模型的方法.该方法采用马尔可夫再生理论对模型进行分析,并给出模型的瞬态解和稳态解.仿真实验表明:选择合适的软件再生周期,可以有效地降低存在老化的软件系统的平均宕机成本,提高系统的可用性和可靠性.     

机群系统基于预测的软件Rejuvenation策略研究

处于运行阶段的软件往往存在老化现象，即软件的性能随着时间的推移逐渐下降，甚至导致突发的系统停机。为了抵消软件老化带来的消极影响，人们提出了一种称为软件叫rejuvenation的预防性容错策略。该策略通过主动的停止程序运行、清理程序的内部环境等步骤使重启后的软件回到正常的初始状态，避免了老化引起的突发性失效，因而可以提高系统的可用性。现有的软件叫rejuvenation包括定时和预测两种方法。该文把基于预测的rejuvenation策略引入机群，并综合考虑了机群系统前端的分配器和后端的服务器，对这两类实体分别实施rejuvenation，以改善系统性能。该文构建了在rejuvenation策略下整个机群的SRN模型，以分析不同的预测概率对系统性能的影响。仿真结果表明该策略可以有效的提高整个机群系统的可用性。     

使用混合模型预测Web服务器中的资源消耗

软件老化是一种在长期运行的软件系统中观察到的软件异常状态,如性能下降、暂停服务,甚至失效等现象。软件抗衰技术被用来处理软件老化带来的问题:停止软件应用、移除错误的因素、重新启动应用。对于软件老化和抗衰来说,如何准确地预测老化系统中的资源消耗并且找到一个合适的时机执行抗衰是一个关键的问题。针对该问题,提出一种混合模型方法用于资源消耗预测,并且提出 多门限值时间段抗衰算法用于抗衰时机的选择。实验结果表明,混合模型方法在资源消耗预测上要好于其他模型,并且提出的抗衰算法要好于单一的门限值算法。     

带有周期检测性的软件预防性再生策略

研究了软件老化过程及软件预防性再生策略问题.引入累积损伤模型,将由aging related bug引起的内存的消耗看作是由于冲击造成的内存损伤量,通过周期性的检测可以得到内存被逐步消耗而不被释放的量,当内存消耗量达到预防性再生值时在下一个检测点执行软件预防性再生策略.建立了单位时间费用模型并解析得到使单位时间期望费用最低的预防性再生值,最后通过模拟进一步验证了最优再生策略的奈件.     

基于流体随机Petri网的服务器集群再生模型

服务器集群是提高系统QoS和可用性的一种方法,但由于需要长期连续运行提供服务,集群系统仍然会存在软件老化现象,从而造成系统的处理能力随时间的增加而降低、失效率随时间的增加而增加.现同时考虑软件老化对系统处理能力与失效率的影响,采用流体随机Petri网对集群系统的工作模式进行建模,给出系统各个状态概率的数值分析方法,选择系统的可用性和吞吐量作为评价集群系统性能的指标,并进行仿真试验.结果表明该方法能很好地描述系统且具有可扩展性,分析并求得系统的最佳再生周期.     

基于TransMP模型的Web系统剩余寿命预测方法

针对当前软件剩余使用寿命预测方法忽略了多性能指标间所蕴涵寿命信息的问题,提出一种融合多性能指标Transformer（TransMP）模型的Web系统剩余寿命预测方法。首先,搭建内存故障型Web系统加速老化实验平台,创建包含内存使用量、响应时间和吞吐率性能指标的数据集;其次,考虑不同性能指标蕴涵老化特征信息的差异性,构造由多编码器-解码器组成的TransMP模型,将性能指标数据分别输入内存指标编码器、响应时间编码器和吞吐率编码器提取老化特征信息,再引入特征融合层进行信息融合;最后,将融合信息输入由掩码注意力-多头注意力结构构成的解码器,预测得到系统状态达到老化阈值的剩余寿命。实验结果表明,该Web系统剩余寿命预测方法与最优的SALSTM方法相比,均方根误差分别降低了12.0%、17.3%和13.2%,平均绝对误差分别降低了13.3%、21.0%和10.4%,证明了该方法的有效性。     

基于时间的软件恢复策略的建模与分析

针对软件在连续运行过程中普遍发生的老化现象,提出了一种嵌套的基于时间的软件恢复策略,对恢复过程的Petri网模型分析求解,并最终得到了最优恢复时间间隔序列和最优应用级恢复次数。该策略同时考虑应用级和系统级的恢复,从而进一步减少了恢复时间,降低了恢复成本和周期性应用级恢复策略预测失败的风险,提高了系统的可靠性。对于更复杂的系统,策略还可进一步嵌套进程级的恢复,从而具有一定的可扩展性。     

基于队列模型的软件老化检测

针对传统的用于软件老化检测的方法忽略外部负载对老化的影响而易产生老化误报的问题,同时考虑性能参数与外部负载,提出了基于队列模型的融合外部负载的软件老化检测方法。队列模型输出每种事务在应用服务器中的服务时间,这种度量称为事务的性能“签名”（简记为TPS）,以此作为软件老化度量指标,通过TPS的变化检测软件老化。基于TPC-W事务处理系统,设计与实现了包含队列模型的融合外部负载的软件老化检测系统。利用基于队列模型的检测方法在TPC-W测试床上进行软件老化检测得出了如下结论：基于TPS的老化检测可以融合外界负载因素,有效地检测软件老化;并且通过合理选择监测窗口,优化检测效果。基于TPS的检测方法对不同的变化负载类型和性能数据同样可以有效检测软件老化。通过与已有的仅依赖于系统性能数据的软件老化检测方法AR（自回归）比较,基于TPS的软件老化检测误报次数明显低于AR模型。综上所述TPS是一种能够有效地检测软件老化并显著减少软件老化错误报告的鲁棒性的软件老化检测方法。     

基于构件软件的抗衰策略分析

软件在长期运行过程中由于资源消耗、数据损坏、数值错误累积而引起性能下降的现象被称为软件老化.在软件失效前选择合适时机通过预反应的技术来保持软件性能的方法称作软件抗衰.由于构件软件常常应用在结构复杂、规模庞大的网络环境中,软件老化现象就更为突出.提出了一种针对构件软件的抗衰策略,通过对构件软件进行可靠性分析,构造了一种结合失效性和泊松失败分布的马尔可夫模型,并根据模型进行软件抗衰来保持构件软件的性能.     

LSTM网络模型在Web服务器资源消耗预测中的应用研究

如何能够准确地对软件老化趋势进行预测,并及时采取相应恢复策略是当前预防软件老化的一个关键问题.为此,针对老化数据的时序特性,以循环神经网络（Recurrent Neural Network,RNN）及其变种长短时记忆单元（Long Short-Term Memory,LSTM）结构为基础,设计了一种基于LSTM网络的软件老化资源预测方法,并通过应用加速寿命测试实验搭建老化测试平台,对Web服务器因内存泄漏引起的老化现象进行建模和预测.实验结果表明,LSTM老化预测模型在处理Web软件老化的时间序列建模问题上,具有很强的适用性和更高的准确性,能有效提高软件系统的可靠性和可用性.     

多层服务系统选择性再生框架

随着人们对网络服务的依赖性日益增强,网络服务系统的服务质量和可用性变得至关重要.然而,服务系统的日益复杂化及第三方软件和异构中间件系统的大量部署,为各种软件缺陷提供更多隐蔽空间.这对保证服务质量和系统可用性提出挑战.文中提出一个自适应的选择性再生框架,以保证系统的服务质量.选择性再生框架,把基于请求处理路径的性能故障分析诊断技术和软件再生技术相结合,通过及时诊断和再生系统中性能故障的部件,改善请求的响应时间,保证系统服务质量.文中提出了一个新的基于请求路径的性能故障的诊断方法.同时,文中实现了一个层次化的选择性的再生策略.基于RUBiS系统的实验结果表明文中方法可以有效保证多层服务系统的服务质量.     

基于检查点和Rejuvenation的软件运行模型分析

近来的研究表明，长时间运行的通信软件往往存在老化现象。为防止软件老化引起的突发性系统停机，提高系统的可靠性，人们提出了一种预防性的软件容错策略，称为rejuvenation。由于它的过程复杂，总的停机成本仍然是可观的。检查点是一种轻量级的软件容错策略，其成本远小于rejuvenation的成本。该文通过合理结合rejuvenation和检查点技术，实现了降低总的系统停机成本的目的。文中给出了系统的Petri网模型，并结合实例进行了分析。     

基于动态命令树算法的软件老化趋势预测方法

考虑到软件老化具有动态性,准确预测软件老化趋势,可降低软件老化所造成的损失,提出基于动态命令树算法的软件老化趋势预测方法.采用基于降噪自编码器与混合趋势粒子滤波的软件老化趋势预测方法,通过软件未老化特征训练降噪自编码器,把软件老化特征数据输入训练完毕的降噪自编码器中获取重构误差,对重构误差进行平滑处理后,设成观测值输入混合趋势粒子滤波算法,实施软件老化趋势预测.在预测阶段,使用基于动态命令树算法的软件老化趋势预测命令管理方法,实现软件老化趋势预测指令的动态管理,优化软件老化趋势的动态预测效果.实验结果表明,所提方法可提升软件老化趋势预测的精度,预测效果显著.     

软件老化的多元时间序列分析方法

针对目前软件老化分析中的单参数模型,以及未考虑变量间关联性和影响性的多参数模型的不足,提出了运用多元时间序列模型分析软件老化的方法。通过对实验采集的HelixServer-VOD服务器性能数据的分析,运用格兰杰因果性检验,证实了软件老化发生和发展过程中各个性能参数间存在显著的相互影响性。引入向量自回归模型对软件老化进行建模,给出了软件老化在多个参数维度的联合预测以及参数间相互影响方式的定量描述。通过模型的迭代计算,比较了向量自回归模型与现行的未考虑参数间相互影响的模型对多个性能参数变化曲线的拟合及预测情况,证实了VAR模型更接近软件老化的本质。     

基于时间与检测的软件恢复策略及成本分析

为了对抗软件在运行过程中出现的老化现象,需要实施合适的软件恢复(software rejuvenation)策略。该文将单纯基于时间的和基于检测的软件恢复策略相结合,提出了基于时间与检测的软件恢复策略,弥补了前者确定的恢复时间间隔较为保守和后者引发过高的监控成本的缺陷。对3种策略的成本分析和比较表明,文章在引发较小监控成本的前提下,进一步延长了恢复时间间隔,从而降低了恢复策略的总的实施成本。     

粒子群退火算法优化的BP神经网络及其应用

以提高预测软件老化趋势为应用背景,提出一种新型粒子群退火算法(New Particle Swarm Annealing Algorithm, NPSOSA)优化BP神经网络的权值和阈值,继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台,收集所需的老化数据并进行仿真训练.实验结果表明, NPSOSA-BP神经网络模型相比于传统粒子群算法(PSO)、传统粒子群退火算法(PSOSA)优化的BP神经网络模型提高了预测精度和适用度,在该应用领域验证了本文方法的有效性.