重庆邮电大学计算机硕士论文答辩.

重庆邮电大学硕士论文答辩基于混沌的Web服务器软件抗衰研究学生：***导师：***教授专业：计算机软件与理论研究背景及主要内容01性能参数混沌性分析02基于混沌预测的软件抗衰03实验结果分析及抗衰决策应用04论文提纲总结与展望05研究背景及主要内容软件抗衰研究背景网络技术迅速发展与广泛应用-Web服务器软件地位不断提高-Web服务器软件应用不断增多复杂程度提高，软件老化问题增多-2010年9月13日，大通曼哈顿银行网站出现突然崩溃-2010年9月23日，在Facebook服务器系统宕机等研究意义-减少软件失效部分与失效时间-提高系统的可靠性和可用性-减少软件老化所带来的损失研究背景及主要内容问题及研究主要内容存在问题-预测数据比实时数据对软件抗衰更重要，相关研究忽略了性能参数未来变化的重要性-把Web服务器软件看作一个整体进行研究，会导致系统服务不可用时间更长，抗衰灵活性不够好研究目标-采用基于测量的方法，充分利用混沌理论相关知识，判断软件老化程度，推测何时采取何种粒度的软件抗衰关键性能参数混沌性研究在混沌性分析的基础上，对性能参数建立混沌预测模型采用基于测量的方法，结合预测数据，制定多粒度软件抗衰模型主要内容研究背景及主要内容01性能参数混沌性分析02基于混沌预测的软件抗衰03实验结果分析及抗衰决策应用04论文提纲总结与展望05性能参数混沌性分析Web服务器性能参数分析软件性能参数描述-系统内存-磁盘访问-网络参数-请求用户数-平均负载-响应时间关键性能参数分析-响应时间-平均负载请求时间请求Web服务请求应用层处理数据库服务操作输入输出“黑盒”对响应时间产生的作用相当于平均负载对响应时间的影响响应时间则是性能的一个重要指标，是衡量Web服务器软件健康与否的重要标志性能参数混沌性分析吸引子维数与嵌入维数分析()[(),(),,((1))]iiiiYtxtxtxtm1,2,,.iN相空间重构-理论基础：通过观测量重构出原混沌动力系统模型-重构方法：根据Takens嵌入定理，当m2d+1（m为嵌入维数，d为动力系统维数）,可恢复原方法动力学性质，相空间点可以定义如下：关键性能参数混沌性判别方法-对于混沌系统，嵌入维数增大到一定值以后，吸引子维数达到饱和，这表明存在混沌吸引子。性能参数混沌性分析吸引子维数与嵌入维数分析G-P算法求解吸引子与嵌入维数关系-主要利用G-p算法，对于不同r值求出嵌入维数，将这些不同的r值和嵌入维数代入下式中，对于给定r后，C(m,r)表示两点间距离小于r的概率，当r增大时，C(m,r)将以rD的比率增大，即C(m,r)~rD。两端取对数后为lnC(m,r)~Dlnr,对于不同值求出C(m,r)，将这些不同的r值和C(m,r)代入公式中，即可拟合出吸引子维数D。其中：00()10xxx2,11(,)(|()()|)NkjCmrrYkYjN实验结果分析及抗衰应用平均负载数据预处理后Avgload噪声的存在会淡化系统的混沌特性，进行噪声处理后的平均负载Uptime工具监测2408个平均负载样本点,间隔为1小时原始数据Avgload实验结果分析及抗衰应用平均负载混沌性分析平均负载时间序列lnC~lnr图用平均负载时间序列做出了Cm(m,r)随lnr的变化曲线其中m=(2,3,4,5,6,7,8,9)当m=8时，各条直线开始平行，吸引子趋于饱和，斜率趋于D=2.416m~D变化曲线图说明：嵌入维数m=8时，吸引子维数D=2.416，充分说明了平均负载的混沌特性实验结果分析及抗衰应用响应时间数据原始数据ReponsetimeHttperf负荷测试工具监控的2408个响应时间样本点,时间间隔为1小时处理后Reponsetime噪声的存在会淡化系统的混沌特性，进行噪声处理后的响应时间实验结果分析及抗衰应用响应时间混沌性分析响应时间D~m图说明：嵌入维数m=14时,吸引子维数D=2.314，充分说明了平均负载的混沌特性用响应时间做出了Cm(m,r)随lnr的变化曲线其中m=(6,8,10,12,14,16)当m=14时，各条直线开始平行，吸引子趋于饱和，斜率趋于D=2.314Cm(m,r)~lnr曲线图研究背景及主要内容01性能参数混沌性分析02基于混沌预测的软件抗衰03实验结果分析及抗衰决策应用04论文提纲总结与展望05基于混沌预测的软件抗衰混沌时间序列预测方法全域法-预测原理：根据拟合相空间中吸引子的方式不同而建立-缺点：全域预测方法计算比较复杂；数据来源困难局域法-以最后点为中心点，把离中心点最近若干轨迹点为相关点进行预测-具体算法：加权零阶局域法；加权一阶局域法神经网络预测方法-模仿人脑的神经系统结构和功能的物理可实现系统-建网络→由嵌入维确定输入网络数→进行学习，控制误差→预测阶段-应用领域广泛性能参数混沌性分析最大Lyapunov指数描述最大Lyapunov指数概念-Lyapunov指数：对整个相空间中初始条件不同的两条相邻的轨迹随时间推移分离的比率的定量描述相邻轨道的迭代过程xn+ε一次迭代F(x0)εεeλF(x0+ε)…εenλn次迭代Fn(x0)Fn(x0+ε)最大Lyapunov指数特性-Lyapunov指数是正数，具有混沌特性-Lyapunov指数是负数，不具有混沌特性性能参数混沌性分析最大Lyapunov指数求解求解过程计算时间延迟与平均周期用最小二乘作拟合直线重构相空间测量平均分离，找最近点,限制短暂分离()||jjkikdkYY1,2,,min(,)kMjMi11()ln()qjjykdkqt(0)minjjiidYY||jip具体计算方法(1)进行FFT变换，计算出平均周期(2)重构相空间，用GP算法求D，m(3)找相空间中每个点邻近点，限制分离(4)计算K步后的分离距离计算平均分离(5)最小二乘线性拟合2211(,)[()][()]nnkkkkkkabyfxyaxb基于混沌预测的软件抗衰基于最大Lyapunov指数预测11||||xppllXXXXe(1)1(1)(,,,)pnmnmnXxxx预测原理-对初始轨道的指数发散和估计进行了量化选取理由-Lyapunov指数求解方便-相关领域取得很好应用-平均负载与响应时间变化混沌特性明显预测方法XP为相点，Xl演化到Xl+1，Xp演化到Xp+1,分离速度为ex,其中x为Lyapunov指数；预测长度为1/λ；(1)pnm注册器数据封装器事件处理器守护线程过滤器监控管理器平均负载监控节点控制通道数据通道性能信息库(PIB)报表信息可视化信息性能分析器抗衰决策报警日志历史信息网络文件系统进程运行内存监控模型图WebClientWebClientWebClientWebClient集群系统监控系统Web服务器系统结构基于混沌预测的软件抗衰Web服务器性能监控基于混沌预测的软件抗衰Web服务器抗衰粒度划分构件级-构件是服务器系统一个重要的组成部分-抗衰成本比较低-保存与构件相关的用户请求信息，在软件恢复后还原应用级-系统包括很多个应用服务-抗衰成本较构件级高-只需要保存应用相关的状态和用户请求信息系统级-性能衰退不能通过应用级恢复而解决，就采取系统级-系统开销大，影响服务多，宕机时间长-需要保存所有应用的状态和用户请求信息基于混沌预测的软件抗衰多粒度抗衰决策平均负载预测数据用户请求数量预测的响应时间服务器系统服务器抗衰策略运行历史信息构件级应用级系统级性能维护执行准入多粒度抗衰决策图响应时间-衡量Web服务器软件健康与否重要标志-当响应时间不是很大，进行执行准入阶段-当响应时间大于一定范围以后就执行抗衰平均负载-平均负载是影响响应时间的关键因素-平均负载大小决定抗衰粒度用户请求数量-决定执行准入基于混沌预测的软件抗衰多粒度抗衰决策NoYesNoYesYesNoNoYes开始yn+ip预测响应时间预测平均负载xn+iR1系统级构件级应用级xn+iR2结束执行准入请求数量具体抗衰决策流程图研究背景及主要内容01性能参数混沌性分析02基于混沌预测的软件抗衰03实验结果分析及抗衰决策应用04论文提纲总结与展望05实验结果分析及抗衰应用实验环境一个典型的Web服务器软件-有一定用户访问量-要随时提供正确可靠的Web服务J2EE标准架构-采用了JSP，Servlet，EJB等一系列技术较好的软硬件资源-硬件配置：采用IBM专业服务器-软件配置：操作系统：Linux，Web服务器：Tomcat6.5，开发平台：Eclipse3.4，开发语言：JAVA，数据库：Mysql5.0JavaApplet浏览器HTMLServletJ2EE平台Web服务器JSP数据库EJBJ2EE平台EJB容器EJBTomcat6.5服务器业务逻辑层Web层客户层Mysql服务器IE浏览器模拟法庭系统架构实验结果分析及抗衰应用最大Lyapunov指数求解其中拟合直线斜率就是最大Lyapunov指数为λ=0.0274预测长度1/λ=41平均负载最大Lyapunov指数其中拟合直线斜率就是最大Lyapunov指数为λ=0.0287预测长度1/λ=35响应时间最大Lyapunov指数实验结果分析及抗衰应用混沌预测实验分析评价指标：11|()()|[]100%()niAiFiMAPEnAi平均负载预测比较响应时间预测比较响应时间相对误差平均负载相对误差绝对值实验结果分析及抗衰应用混沌预测实验分析性能参数预测长度平均相对误差最大相对误差Avgload50(Hour)11.65%22.06%Responsetime50(Hour)13.42%26.53%性能参数预测长度平均相对误差最大相对误差误差15%Avgload41(Hour)9.53%43%76%Responsetime35(Hour)10.02%28.8%85%神经网络预测结果基于最大Lyapunov指数预测结果跟踪预测结果实验结果分析及抗衰应用抗衰决策实验分析在模拟法庭系统中相关参数确定-P=725ms-RequestNum=2408-R1=18-R2=24-预测长度min(k,m)=35(k,m分别为为平均负载、响应时间预测长度)软件老化情况-在2368(Hour)到2402(Hour)之间，从前面预测的平均负载与响应时间可以看出，没有达到抗衰条件，所以在用户请求数量很大的情况下可以执行准入控制。执行抗衰前后响应时间对比构件级抗衰在跟踪预测的结果中可以看到在2417时ARR(15.02,729.05ms)，达到构件级抗衰条件，执行抗衰后响应时间变化如图所示。研究背景及主要内容01性能参数混沌性分析02基于混沌预测的软件抗衰03实验结果分析及抗衰决策应用04论文提纲总结与展望05总结完成了相关性能参数的混沌性证明实现了性能参数的混沌预测，取得了比较好效果通过预测数据建立的抗衰模型，能估计软件老化在模拟法庭教学系统中验证了上述方法展望多个性能参数其他混沌分析方法（Kolmogorov熵、Poincare截面法）建立多参数的混沌方程用权值衡量每个性能参数对老化的影响总结与展望请各位老师批评指正！谢谢！