軟件抗衰的若干關鍵技術研究.pdf

1、本文闡述了軟件抗衰技術的研究背景和現狀，對目前面臨的一些問題進行了深入分析，并對軟件抗衰的若干關鍵技術展開了研究，包括軟件系統(tǒng)的性能參數識別和監(jiān)控、性能衰退的檢測算法、性能衰退的預測算法等，并在此基礎上給出了一個抗衰解決方案，完成的主要工作和取得的研究成果如下： (1)從系統(tǒng)資源的角度，探討了計算系統(tǒng)在運行時系統(tǒng)資源的表現行為對于系統(tǒng)性能的影響，識別了能夠度量系統(tǒng)性能的參數集合。在此基礎上，設計了一種性能監(jiān)控工具，對數據采集、通

2、信、存儲等方面加以改進，以滿足軟件抗衰系統(tǒng)對于性能監(jiān)控提出的低侵擾性、低延時性等需求。 (2)針對現有的檢測算法檢測率不夠高，而誤警率較高的問題，從免疫學的角度，吸收了免疫機理中免疫識別的靈感，提出了一種基于免疫遺傳的性能異常檢測算法。算法對傳統(tǒng)的陰性選擇算法進行了改進，提出新的部分匹配規(guī)則代替，連續(xù)匹配規(guī)則度量樣本距離，更好的反映正常和異常的界線；并創(chuàng)新性地把陰性選擇算子添加到遺傳算法中充當過濾器，有效的抑制了誤警率增加，降低

3、了由于檢測率不高和誤警率較高導致的高抗衰成本。 (3)為了降低抗衰成本，提高系統(tǒng)的可用性，提出了一種組合小波分析和神經網絡的算法來預測最優(yōu)的抗衰時間。算法把原來的單層預測模型擴充為四階段模型，提高了最優(yōu)抗衰時間預測的準確性，避免了延誤抗衰時機；同時考慮到系統(tǒng)實時負載對于抗衰決策有較大的影響，故采用了半馬爾可夫過程建模負載，基于負載模型對系統(tǒng)資源耗費和抗衰時間進行預測，進一步提高了預測的準確性。 (4)為了給軟件抗衰提供有