基于軟件老化自適應(yīng)的高可靠SaaS應(yīng)用性能保障方法研究.pdf

1、隨著云計(jì)算的興起，越來越多的應(yīng)用系統(tǒng)以SaaS的模式向客戶發(fā)布。人們對SaaS的依賴越來越大，同時(shí)也對其可靠性要求也越來越高。而一旦SaaS應(yīng)用的可靠性出現(xiàn)問題，所導(dǎo)致的危害也比以往更加嚴(yán)重。傳統(tǒng)的可靠性解決方案主要考慮網(wǎng)絡(luò)負(fù)載均衡、軟件并發(fā)能力等方面，但SaaS應(yīng)用的多租約模式和云平臺(tái)架構(gòu)使得它的可靠性問題變得更加復(fù)雜。影響Web應(yīng)用軟件可靠性的最主要原因就是軟件老化。軟件老化是指軟件系統(tǒng)（特別是大訪問量、大數(shù)據(jù)量的服務(wù)器軟件）在持續(xù)

2、運(yùn)行一段時(shí)間后就會(huì)出現(xiàn)性能上的衰退，甚至癱瘓。在軟件系統(tǒng)在長時(shí)間的連續(xù)運(yùn)行過程中，一些軟件錯(cuò)誤不斷地消耗系統(tǒng)資源，當(dāng)某種資源枯竭時(shí)，系統(tǒng)將不可避免地出現(xiàn)故障，軟件性能隨之衰退，并最終導(dǎo)致軟件的失效。實(shí)踐表明，復(fù)雜的軟件系統(tǒng)在其推出之前不可能做到全面覆蓋的測試，異常和可能導(dǎo)致誤操作的程序容易被忽視，造成程序在連續(xù)運(yùn)行過程中會(huì)出現(xiàn)內(nèi)存的占用和泄露、未釋放的文件鎖、數(shù)據(jù)更新不及時(shí)、存儲(chǔ)空間碎片、舍入誤差的累積，以及特殊的“老化相關(guān)錯(cuò)誤(Agi

3、ng related bugs)”等不良情況。
　　軟件老化已經(jīng)成為SaaS應(yīng)用的共性問題。如何在集群的任務(wù)調(diào)度中應(yīng)對軟件老化的問題，以保證Web應(yīng)用的高可靠性，這是當(dāng)前學(xué)術(shù)界研究的熱點(diǎn)，并已經(jīng)引起了國際上多家知名軟件企業(yè)（如IBM、EMC和HP等）的研發(fā)興趣。但目前還沒有相關(guān)的成熟方法。因此，本研究的主要目標(biāo)是盡快縮短與發(fā)達(dá)國家技術(shù)水平的差距，研究基于軟件老化自適應(yīng)的高可靠SaaS應(yīng)用性能保障方法，解決Web應(yīng)用軟件老化這一共性

4、問題。主要研究內(nèi)容包括:
　　(1)設(shè)計(jì)了自適應(yīng)的Saas性能保障機(jī)制。在傳統(tǒng)的系統(tǒng)性能保障策略基礎(chǔ)上，分析多種性能保障策略的策略目標(biāo)和策略特征，給出如資源利用率和事務(wù)吞吐率等SaaS應(yīng)用系統(tǒng)整體性能指標(biāo)計(jì)算方法，對SaaS應(yīng)用系統(tǒng)性能保障機(jī)制的基本思路和處理過程進(jìn)行分析，形成支持系統(tǒng)性能評價(jià)、請求準(zhǔn)入控制和請求調(diào)度等一系列策略的SaaS應(yīng)用自適應(yīng)性能保障框架。為提高SaaS應(yīng)用系統(tǒng)性能保障方法的準(zhǔn)確性，針對核心的請求準(zhǔn)入和請求調(diào)

5、度模塊引入了模糊控制與模糊評價(jià)理論，研究基于請求準(zhǔn)入閾值的準(zhǔn)入控制算法及基于服務(wù)器性能級(jí)別評價(jià)的自適應(yīng)請求調(diào)度算法。
　　(2)提出了一種面向用戶訪問意圖的Web交互SaaS應(yīng)用老化趨勢預(yù)測方法。針對以Web交互形式提供服務(wù)的SaaS軟件系統(tǒng)，該方法以用戶負(fù)載為研究對象，通過對用戶意圖進(jìn)行預(yù)測來間接預(yù)測軟件老化的趨勢。首先提出了這種預(yù)測方法的整個(gè)流程，并詳細(xì)地分析了這一流程中的幾項(xiàng)關(guān)鍵環(huán)節(jié)。然后重點(diǎn)研究了如何對用戶的訪問意圖進(jìn)行預(yù)

6、測，這里涉及兩個(gè)關(guān)鍵算法，即序列模式挖掘算法和模式匹配算法。通過對傳統(tǒng)的PrefixSpan序列模式挖掘算法和KMP模式識(shí)別算法進(jìn)行改進(jìn)，達(dá)到預(yù)測用戶訪問意圖的目的。最后，根據(jù)預(yù)測出的用戶訪問意圖推導(dǎo)出未來一段時(shí)間內(nèi)各個(gè)頁面的訪問量，再結(jié)合頁面損傷量對Web服務(wù)器的老化趨勢進(jìn)行預(yù)測。
　　(3)提出了一種面向軟件老化的SaaS應(yīng)用系統(tǒng)分級(jí)再生策略。將SaaS應(yīng)用系統(tǒng)劃分為操作系統(tǒng)級(jí)、中間件級(jí)、應(yīng)用級(jí)和組件級(jí)四個(gè)再生等級(jí)，并分析了實(shí)

7、施各級(jí)再生的優(yōu)劣。接著提出了軟件分級(jí)再生系統(tǒng)框架，并詳細(xì)闡述了系統(tǒng)各功能模塊的工作流程。然后給出了軟件老化的評估方法，依據(jù)應(yīng)用系統(tǒng)中多種資源的損耗情況來度量系統(tǒng)的老化狀態(tài)，并確定系統(tǒng)是否發(fā)生軟件老化、需要實(shí)施軟件再生。之后提出了基于多屬性決策的再生等級(jí)選擇算法，在確定服務(wù)器老化、需要實(shí)施再生后，依據(jù)系統(tǒng)狀態(tài)和負(fù)載量等因素選擇合適的再生級(jí)別和再生對象并對其實(shí)施再生。最后，本文提出一種組件再生次序生成方法，當(dāng)實(shí)施組件級(jí)再生時(shí)，根據(jù)組件的耦合