一种基于稳态概率的自律计算系统自律能力的测量方法与装置

摘要

本发明提供的是一种基于稳态概率的自律计算系统自律能力的测量方法与装置。它包括数据分析模块、存储单元、日志分析辅助模块和输入设备和输出设备。数据分析模块接收来自日志分析辅助模块或者输入设备输入的状态空间和状态转移概率矩阵，并对存储单元中的基准状态转移图进行约减，生成待测系统状态转移图，最终由数据分析模块确定待测系统的自律指数，生成图像并在显示器上显示。本发明无需建立测量指标集和干扰注入集，所需开销较小、输入数据项简单、具有良好的通用性和移植性。

说明书

技术领域

本发明涉及对自律计算系统自律能力测量的方法和装置。

背景技术

随着网络技术的日益普及和软件技术的不断进步，计算机系统呈现出越来越高的复杂性、动态性和异构性，由此给系统的配置和维护带来很大的困难。受生物系统自律神经系统启发，IBM提出的自律计算技术采用“以技术管理技术”的思想，减少系统对人为干预的依赖，实现完全自我管理，成为解决当前复杂性危机的有效手段。在国内，自律计算又被称为“自主计算”。自律能力的测量是确定自律计算系统优劣，以及进一步提高自律计算系统性能的重要标准和技术参考，已成为当前自律计算应用领域的重要研究内容。

目前国内外对自律计算系统自律能力的测量主要采用基于规则或干扰注入的方法。具有代表性的自律计算系统测量方法主要有：1)IBM公司提出的自律完备度模型(The AutonomicMaturity Level Model)(《An Architecture blueprint for Autonomic Computing》http://www-03.ibm.com/auto nomic/pdfs/ACBP2_2004-10-04.pdf.)，该模型从特征、工具、管理员所需技能和基准等方面，按系统的自律完备性把自律计算系统划分为5个等级，并设计了相应的测量工具“Automation Assessment Tool”。但是该模型粒度过于粗糙，5级划分的模式不利于系统自律程度的严格区分，且缺乏精确定量分析的方法，此外还牵涉到对人为干预程度的估计，不宜精确量化。2)自律适应性模型(The Autonomic Computing Adoption Model)(《Anarchitectural blueprint for autonomic computing》http://www-03.ibm.com/autonomic/pdfs/AC_Blueprint_White_Paper_4th.pdf)是IBM提出的另一个侧重于商业系统的基于规则的自律能力测量模型，通过对系统功能、控制范围和服务流等3个方面对系统进行测量。该模型的各指标仍停留在理论阶段，缺乏精确量化的方法，难于进行细粒度定量分析。3)Sterritt等人提出了一种基于干扰注入的测量方法，通过向自恢复系统注入干扰测试系统的自律恢复(自治愈)能力。该方法的测量指标集包含两个指标：注入干扰后恢复的有效程度和恢复反应的自律程度。但此方法存在着一定的缺陷：一方面干扰注入集很难包含全部典型干扰，在系统变化后注入将随之修改，通用性较差；另一方面，自律完备程度的测定涉及到对人为干预程度的估计，很难进行客观评价，且测量结果粒度粗糙。4)其它关于自律计算系统测量的文章都是针对现有研究提出的一些模型框架或指标体系，都未曾提出具体的测量手段，不能直接应用于细粒度的量化分析。

有一项专利“用于测量计算系统的自主能力的方法和系统(200610144713.0)”(或METHOD FOR MEASURING AUTONOMIC ABILITY OF COMPUTING SYSTEM，SYSTEM，AND COMPUTER PROGRAM(JP2007133870)或Quantitative measurement of the autonomiccapabilities ofcomputing systems (US 20070168751；KR 20070049064))涉及本发明研究领域，但与本发明的方法不同。它通过向被测系统注入干扰，测试系统检测和处理干扰的恢复规程所需时间量来测量系统的自律(自主)能力。该方法存在以下明显的不足：1)所需的干扰注入集很难包含全部典型干扰；2)由于干扰集包含尽可能多的典型干扰，规模庞大，因此当待测系统改变时，注入集将随之修改，造成的开销较大；3)由于干扰集规模庞大，现实实验发现往往存在共生性干扰冲突，即用于测量自律能力不同属性的干扰可能不支持同时注入；4)该项发明侧重于自恢复能力的测试，缺少对自律计算其余属性自配置和自保护的评价。

从上述分析可以看出，现有自律计算系统自律能力的测量方法并不完善，存在着三个普遍性的缺点：1)大多数测量方法只适合于定性或粗粒度分析，缺乏细粒度的定量测量方法。2)大多采用基于规则的测量方式，首先需要建立指标集，但指标集的建立或量化往往与特定系统或应用环境相关，通用性不强。3)部分现有方法采用注入干扰试验测试系统恢复能力间接来测量系统的自律能力，但是一方面干扰注入集很难包含全部典型干扰，在系统变化后注入将随之修改，移植性较差且开销巨大；另一方面由于干扰集规模庞大，现实实验发现往往存在共生性干扰冲突，即用于测量自律能力不同属性的干扰可能不支持同时注入。

发明内容

本发明的目的是提供一种通用性强、具有细粒度定量测量自律计算系统自律能力的一种基于稳态概率的自律计算系统自律能力的测量装置。

本发明的目的是这样实现的：

本发明的基于稳态概率的自律计算系统自律能力的装置的组成包括数据分析模块、存储单元、日志分析辅助模块和输入设备和输出设备。数据分析模块接收来自日志分析辅助模块或者输入设备输入的状态空间和状态转移概率矩阵，并对存储单元中的基准状态转移图进行约减，生成待测系统状态转移图，最终由数据分析模块确定待测系统的自律指数，生成图像并在显示器上显示。

本发明的基于稳态概率的自律计算系统自律能力的测量方法为：它是在由数据分析模块、存储单元、日志分析辅助模块、输入设备和输出设备组成的用于测量自律计算系统自律能力的装置中进行的确定系统状态空间、确定各状态之间转移概率和测量自律计算系统自律能力。

本发明的基于稳态概率的自律计算系统自律能力的装置还可以包括：

1、所述数据分析模块的构成为：包括状态转移图生成模块、自律指数计算模块、图像回显模块，以及处理单元和输入接口和输出接口。状态转移图生成模块根据输入的系统状态空间，在约减驱动引擎控制下对基准状态转移图化简生成待测系统状态转移图并输入自律指数计算模块。自律指数计算模块根据状态转移图和状态转移概率矩阵，采用SM-PEPA(Semi-Markov Performance Evaluation Process Algebra半马尔可夫性能评价进程代数)描述规则对待测系统状态之间的关系进行描述，并求解各状态的稳态概率，然后通过自律指数计算模块确定待测系统处于自律态的稳态概率值。

2、所述日志分析辅助模块的构成为：包括日志规格化模块、自律事件提取模块和转移概率计算模块。日志规格化模块将待测系统的日志转化为XML文档，并把结果提交给自律事件提取模块。自律事件提取模块对预处理后的日志进行分析，生成状态空间并统计各自律事件的概率。转移概率计算模块对前述概率数据进行分析生成各状态转移概率矩阵。

本发明的基于稳态概率的自律计算系统自律能力的测量方法还可以包括：

所述自律计算系统自律能力的测量过程的实现过程如下：

1)把待测自律计算系统状态空间V_i与完全自律计算系统状态空间V₀进行比较，若V_i＝V₀则待测系统对应的状态转移图为基准状态转移图Φ₀并转步骤3)，否则转步骤2)；

2)求出V_i与V₀的差集Δ＝V₀-V_i；

3)$>\forall v_j\in \Delta$>，首先删除状态转移图Φ₀中与之对应的边e₁ⁱ，$>e_2^i\in E,$>然后从Δ中删除v_j，判断Δ是否为空，若否继续步骤2)，若是则得到待测系统对应的状态转移图；

4)接收状态转移概率矩阵P_i；

5)根据得到的状态转移图和状态转移概率矩阵P_i，利用半马尔可夫性能评价进程代数对系统自我管理的过程进行描述；

6)求解SM-PEPA描述得到各状态稳态概率值s_i，i∈V_i；

7)根据6)中得到的各状态的稳态概率值，按公式求待测自律计算系统的自律指数。

本发明的优点在于：本发明无需建立测量指标集和干扰注入集，所需开销较小、输入数据项简单、具有良好的通用性和移植性，可以应用于军事、国民经济领域等各种自律或半自律计算系统的自律能力细粒度定量测量中。

附图说明

图1为本发明评价装置的一种实施例的构成概略方块图；

图2为实施例1的系统状态转移图；

图3为实施例1的SM-PEPA描述；

图4为本发明测量方法的流程图；

图5为实施例2的状态转移图；

具体实施方式

下面结合选取的典型实施例对本发明做更详细的描述。

本发明的基于稳态概率的自律计算系统自律能力的装置具体实现如下：

在图1中描述了本发明的自律能力测量装置的一个实施例，本实施例为部署在单一计算机或网络上的一个系统。该装置包括数据分析模块、存储单元、日志分析辅助模块、输入设备和输出设备组成。输入设备包括键盘、触摸屏或其它任何类型的输入设备，输出设备包括显示器、打印机等其它任何类型的输出设备。管理员可以直接或通过网络远程登录与输入设备和输出设备交互。

数据分析模块是本装置的核心部分，包括输入接口、输出接口、处理单元、状态转移图生成模块、自律指数计算模块和图像回显模块。输入接口接收来自日志分析辅助模块或者输入设备输入的状态空间和状态转移概率矩阵后，把状态空间提交给状态转移图生成模块。在约减驱动引擎的控制下，对存储单元中的基准状态转移图进行约减，生成待测系统状态转移图，并提交给自律指数计算模块和图像回显模块。自律指数计算模块根据前述状态转移图、输入接口提供的状态转移概率矩阵和存储在存储单元中的SM-PEPA描述规则，利用SM-PEPA对状态转移图进行描述，进而解得各状态稳态概率，最后由自律能力计算模块确定待测系统的自律指数，并把该测量结果提交给图像回显模块。图像回显模块负责处理状态转移图生成模块或自律指数计算模块提交的数据并生成图像，通过输入输出接口在显示器上显示。

存储单元是核心分析模块之外的一个模块，可以使用计算机系统/网络的硬件、软件或者软硬件相结合来实现，负责存储基准状态转移图、SM-PEPA描述规则和日志分析规则等系统驱动准则。

日志分析辅助模块作为可选模块，也可以由系统管理员通过输入装置直接输入待测系统的状态空间和状态转移概率矩阵来实现。主要通过分析被测系统最近一段足够长时间(由系统规模确定)内的日志获得状态空间和状态转移概率矩阵。日志规格化模块对待测系统的日志转化为XML文档，并把结果提交给自律事件提取模块。自律事件提取模块对预处理后的日志进行分析，生成状态空间并统计各自律事件的概率。转移概率计算模块对前述概率数据进行分析生成各状态转移概率矩阵。

本实施例是对本发明的基于稳态概率的自律计算系统自律能力的装置的验证性实现，说明了本发明所提出的基于稳态概率的自律计算系统自律能力测量装置的构成。本装置只需待测系统的日志即可实现对自律计算系统自律性能的细粒度测量。

实施例1为一个完全自律计算系统自律能力的测量过程。

首先，对待测系统的运行记录(日志)进行分析，确定系统的状态空间和个状态之间的转移概率。

状态空间是指自律计算系统所有可能存在的状态集合，可以表示为V＝{G，V，F}∪SA，其中G代表正常态，V代表系统脆弱态，F代表非自我管理态。$>\mathrm{SA}⋐\Sigma$>，∑＝{SC，SP，SO，SH}，SC、SP、SO和SH分别代表自配置态、自保护态、自优化态和自恢复态。对系统运行记录进行分析，查找待测自律计算系统是否具有自配置、自保护、自优化和自恢复全部四个属性。当SA＝∑时，被称为(完全)自律计算系统，否则被称为半自律计算系统。完全自律计算系统满足V＝V₀；待测状态空间V₁＝{G，V，SC，SP，SO，SH，F}。

状态转移概率是对各状态之间转化关系的概率统计，也可以通过对运行记录的分析获得。状态转移图是一个有向图，其中节点代表系统可能处于的状态，有向边代表系统状态之间的转移动作。完全自律计算系统对应的状态转移图被称为基准状态转移图Φ₀。各状态之间转移概率是指由一个状态到另一个状态的转移动作发生的概率之合。所有转移动作的概率构成状态转移概率矩阵，记为P＝{P_ij}(i，j∈V)，矩阵中每个元素P_ij代表从状态i到状态j的转移动作Action_ij的转移概率。对V₁中各个状态之间转移动作的转移进行统计，建立状态转移概率矩阵，记为P₁。

把待测自律计算系统状态空间V₁与V₀进行比较，因为V₁＝V₀，则待测系统对应的状态转移图为Φ₀，得到待测系统对应的状态转移图(如图2)。根据状态转移图并结合各状态之间的状态转移概率，利用SM-PEPA规则对待测自律计算系统的自我管理过程进行描述，如附图3所示。采用连续状态空间近似法(continuous state-space approximation)对前述SM-PEPA描述进行分析，解得各状态稳态概率值s_i，i∈V。把得到的各状态稳态概率值带入公式(1)确定待测系统的自律指数。

本实施例能够覆盖常见的自律计算系统。通过本实施例的描述可以发现，只需利用待测自律计算系统本身的运行记录(如日志)，即可实现对自律计算系统自律能力的细粒度定量测量，不需要建立复杂的干扰注入集或综合测量指标体系，具有较高的通用性。

实施例2为一个半自律计算系统自律能力的测量，待测系统只具有自恢复、自配置和自优化属性，而不具备自保护属性。通过对待测系统的日志进行分析，得到的的状态空间为V₂＝{G，V，SC，SO，SH，F}，其状态转移概率矩阵为P₂。利用本发明的方法，实施例2的测量过程如下(见图4)：

1)接收待测自律计算系统状态空间的输入V_i，与V₀进行比较，由于V₂≠V₀，需要首先确定待测系统的状态转移图，转步骤2)；

2)差集Δ＝V₀-V₂＝{SP}；

3)对SP∈Δ，首先删除状态转移图Φ₀中与之对应的边，然后从Δ中删除SP，此时Δ为空，得到待测系统对应的状态转移图，如附图5；

4)接收状态转移概率矩阵P₂；

5)根据前述状态转移图和状态转移概率矩阵，利用SM-PEPA规则对其进行描述；

6)求解前述SM-PEPA描述得到各状态稳态概率值s_i，i∈V；

7)由步骤6)中解得的各状态稳态概率值，确定待测自律计算系统的自律指数。

实施例2针对的是半自律计算系统评价的验证性实现，说明了本发明方法的实现流程，通过本实施例可见本方法适应于半自律计算系统自律能力的测量。

本发明可以完成对自律计算系统自律能力的测量，无需建立综合测量指标体系或干扰注入集，具有精确定量分析能力、所需输入数据项简单、不涉及对人为干预等级的估计、通用性高等特点，可以应用于军事、国民经济领域等各种自律或半自律计算系统自律能力的测量中。