面向分布式關(guān)鍵任務(wù)系統(tǒng)的自愈調(diào)控技術(shù)研究.pdf

1、分布式關(guān)鍵任務(wù)系統(tǒng)的異構(gòu)性、復(fù)雜性和使用環(huán)境動(dòng)態(tài)變化不可避免地導(dǎo)致了系統(tǒng)失效、任務(wù)偏離甚至中斷運(yùn)行、崩潰死機(jī)等現(xiàn)象發(fā)生,造成重大經(jīng)濟(jì)損失甚至是人員傷亡等嚴(yán)重后果,這也使得人工完成其管理和恢復(fù)、不間斷地保持任務(wù)運(yùn)行變得愈加困難。在此種背景下,以自我管理能力為核心研究目標(biāo)的自律計(jì)算逐漸得到了廣泛重視,并在多個(gè)領(lǐng)域有著深入研究與應(yīng)用。自愈調(diào)控技術(shù)是自律計(jì)算基礎(chǔ)性關(guān)鍵技術(shù)之一,面向分布式關(guān)鍵任務(wù)系統(tǒng)的自愈調(diào)控技術(shù)實(shí)現(xiàn)了關(guān)鍵任務(wù)系統(tǒng)的失效監(jiān)控與預(yù)

2、測(cè)、自愈調(diào)控策略生成以及關(guān)鍵任務(wù)調(diào)度等系統(tǒng)設(shè)計(jì)基礎(chǔ)功能,對(duì)關(guān)鍵任務(wù)運(yùn)行可靠性和可持續(xù)性都有著重要的保障作用。本文針對(duì)關(guān)鍵任務(wù)系統(tǒng)使命連續(xù)性需求,對(duì)分布式關(guān)鍵任務(wù)系統(tǒng)自愈調(diào)控關(guān)鍵技術(shù)以及應(yīng)用展開研究。
　　 從自愈調(diào)控總體設(shè)計(jì)原則討論入手,首先指出自愈調(diào)控總體設(shè)計(jì)中所需要考慮的基本原則,針對(duì)自愈調(diào)控設(shè)計(jì)流程給出綜合評(píng)價(jià)指標(biāo)體系;以此為基礎(chǔ)提出自愈調(diào)控整體架構(gòu)并詳細(xì)闡述了架構(gòu)設(shè)計(jì)理念和關(guān)鍵實(shí)現(xiàn)技術(shù);圍繞關(guān)鍵任務(wù)執(zhí)行的形式化建模問(wèn)題,

3、采用狀態(tài)兀演算描述關(guān)鍵任務(wù)執(zhí)行與切換語(yǔ)義,并對(duì)關(guān)鍵任務(wù)執(zhí)行邏輯進(jìn)行驗(yàn)證,為后續(xù)自愈調(diào)控關(guān)鍵技術(shù)研究提供了理論上的可行性和合理性保障。
　　 自愈調(diào)控策略動(dòng)態(tài)生成是分布式關(guān)鍵任務(wù)系統(tǒng)自愈調(diào)控研究的核心內(nèi)容。提出了基于策略的自愈調(diào)控模式,闡述了自愈調(diào)控策略的基本表述形式并給出了自愈調(diào)控策略動(dòng)態(tài)管理中策略分類以及化簡(jiǎn)步驟;針對(duì)失效檢測(cè)機(jī)制準(zhǔn)確率不高且故障定位難的特點(diǎn),提出基于部分可觀察隨機(jī)過(guò)程(Partially Observable

4、 Markov Decision Processes,POMDP)的自愈調(diào)控策略更新算法,采用近似迭代方法求解POMDP策略并給出了迭代收斂性的理論分析。仿真實(shí)驗(yàn)利用LANI(Los Alamos National Lab)失效數(shù)據(jù)中恢復(fù)策略效果進(jìn)行統(tǒng)計(jì),然后計(jì)算策略求解的迭代與收斂速度并比較了多種類型自愈策略的恢復(fù)效果。實(shí)驗(yàn)結(jié)果表明與固定策略相比,POMDP策略在不準(zhǔn)確失效檢測(cè)下迭代速度更快且恢復(fù)時(shí)間更短。
　　 自愈調(diào)控?cái)?shù)據(jù)

5、分析與預(yù)測(cè)是實(shí)現(xiàn)分布式關(guān)鍵任務(wù)系統(tǒng)失效自愈的必要條件。針對(duì)非線性相關(guān)失效數(shù)據(jù)所具有的高維、稀疏等特征,首先提出了非線性相關(guān)失效事件聯(lián)合聚類算法,以互信息熵?fù)p失差作為度量標(biāo)準(zhǔn)并從理論上分析算法有限次迭代收斂性;然后針對(duì)數(shù)值型失效數(shù)據(jù)采用有監(jiān)督局部線性嵌入算法進(jìn)行數(shù)據(jù)降維,通過(guò)失效模式識(shí)別實(shí)現(xiàn)失效提前預(yù)判。實(shí)驗(yàn)首先比較了不同算法在失效數(shù)據(jù)集上的聚類效果和收斂速度,然后采集了故障態(tài)與正常態(tài)下系統(tǒng)狀態(tài)指標(biāo)數(shù)據(jù)并進(jìn)行預(yù)測(cè)性能分析。實(shí)驗(yàn)結(jié)果表明,所

6、提出的非線性相關(guān)失效數(shù)據(jù)分析方法能夠有效聚類出失效數(shù)據(jù)對(duì)象,基于局部線性嵌入的失效預(yù)測(cè)結(jié)果可為主動(dòng)恢復(fù)操作提供決策依據(jù)。
　　 關(guān)鍵任務(wù)自愈調(diào)度機(jī)制是分布式關(guān)鍵任務(wù)系統(tǒng)自愈調(diào)控設(shè)計(jì)與實(shí)現(xiàn)的重要保障。針對(duì)失效發(fā)生隨機(jī)性以及關(guān)鍵任務(wù)運(yùn)行連續(xù)性等特點(diǎn),采用先調(diào)度,后優(yōu)化的指導(dǎo)思想,提出了基于DAG任務(wù)重構(gòu)遷移的關(guān)鍵任務(wù)調(diào)度方案。首先重新生成關(guān)聯(lián)任務(wù)有向無(wú)環(huán)圖(directed acyclic graph,DAG),提出DAG動(dòng)態(tài)重構(gòu)算