Web服務故障的診斷方法研究.pdf

1、隨著Web服務技術的不斷發(fā)展，大規(guī)模服務應用的成功部署，服務計算的動態(tài)性、開放性、自主性和社會性對如何保證服務應用軟件的質量提出了諸多挑戰(zhàn)。而對于開放環(huán)境下Web服務應用的最大挑戰(zhàn)之一就是如何根據(jù)在服務運行期間觀測到的癥狀或拋出的異常快速準確地找到問題服務，分析出故障發(fā)生的原因，進而幫助服務引擎快速排除故障恢復正常運行。
　　在分析對比現(xiàn)有Web服務故障研究的基礎上，本文圍繞模型的不完備性、診斷的不確定性和復雜性等問題展開工作，具

2、體包括:
　　(1)提出一個開放環(huán)境下的Web服務診斷框架。該框架應用服務異常處理器去收集服務診斷信息，捕捉異常，選擇恰當?shù)脑\斷服務對故障服務進行診斷，并根據(jù)診斷結果從修復器中獲得相應的修復策略保證服務的正常運行。
　　(2)提出一種基于完備BPN模型的擇優(yōu)診斷方法。該方法通過Petri網(wǎng)形式化構建完備BPN模型，再使用歷史數(shù)據(jù)計算行為故障概率優(yōu)化診斷過程。實驗對比分析表明該方法的診斷準確率和診斷效率均優(yōu)于傳統(tǒng)方法。

3、　　(3)提出一種基于服務依賴圖的統(tǒng)計診斷方法。通過構建描述行為依賴關系的輕量級服務依賴圖模型，應用歷史數(shù)據(jù)作為測試用例輔助診斷組合流程定義中的故障，根據(jù)故障類型確定故障原因。與傳統(tǒng)的Web服務診斷方法相比，該方法的計算復雜度低，對各種規(guī)模和復雜度的Web服務都具有較高的診斷準確性。
　　(4)提出一種基于服務執(zhí)行矩陣的貝葉斯診斷方法。該方法使用歷史數(shù)據(jù)構建服務執(zhí)行矩陣，通過診斷推理方法獲取診斷候選并利用貝葉斯公式計算候選故障概率

4、確定系統(tǒng)故障。相比于傳統(tǒng)基于模型的Web服務診斷方法，該方法不僅可以同時定位多個故障，而且能夠隨著歷史數(shù)據(jù)的增加不斷優(yōu)化診斷結果。
　　(5)提出一種基于隱馬爾科夫模型的差異比較診斷方法。該方法通過加權方式結合多種診斷信息構建隱馬爾科夫模型，應用其解碼思想找出與異常執(zhí)行序列最匹配的正常執(zhí)行序列進而定位服務故障，可以解決系統(tǒng)模型不完備和歷史數(shù)據(jù)中存在噪音數(shù)據(jù)這一實際問題。通過實驗驗證，該方法應用包含不同噪音比例的診斷信息進行診斷，其