一种Web服务的服务质量预测方法和装置的制造方法
【技术领域】
[0001] 本发明涉及通信技术领域，更具体地说，涉及一种Web服务的服务质量预测方法 和装置。
【背景技术】
[0002] Web服务（WebService)技术以其自包含、自描述、模块化的特点以及松耦合、低 成本等显著优势成为目前面向服务架构（ServiceOrientedArchitecture，SOA)最成功的 实现技术。然而，随着大量的Web服务被构建和发布，网络中出现了大量功能相同或相近但 服务质量（QualityofService，QoS)各异的Web服务。包括可靠性、可用性、安全性等在 内的QoS指标作为非功能属性的代表成为Web服务选择的重要依据。但是，受服务提供商 的硬件及软件等基础设施、网络状况、服务请求负载等因素的影响，Web服务的QoS呈现出 明显的动态特性，因此，非常有必要开展Web服务的QoS动态预测研究，通过预测Web服务 的QoS的预期水平来评估不同Web服务的非功能属性，并依据此进行Web服务的选择。
[0003] 现有技术中关于Web服务的QoS预测方法主要包括以下几种方法：
[0004] (1)基于协同过滤（Collaborative Filtering，CF)及其改进算法的QoS预测方 法。
[0005] 具体地，针对用户端的QoS指标，该类方法依据相似度高的实体间往往具有相似 观点或属性的基本假设，选择与自己相似度高的实体作为推荐者，并根据推荐者的历史QoS 数据进行预测。
[0006] (2)基于人工智能的QoS预测方法。
[0007] 具体地，该类方法通过采用大量的历史QoS数据构造、训练并更新免疫算子、人工 神经网络等人工智能算法的核心部件，进行QoS预测。
[0008] (3)其他QoS预测方法。
[0009] 如基于结构方程模型（StructuralEquationModeling，SEM)的QoS预测方法，利 用QoS历史信息定量预测在未来时间段内QoS的变化值；又如基于事例推理的QoS预测方 法，依据外界环境、事务类型、事务大小相同或相近时服务的QoS相同或相近的基本假设进 行QoS预测。
[0010] 然而本发明的发明人对现有技术中的上述Web服务的QoS预测方法进行研究后发 现，现有Web服务的QoS预测方法主要存在以下问题：一是依赖于大量历史QoS数据，运行 效率低；二是QoS数据来源于服务消费者的反馈信息，而服务消费者的反馈信息在数据量 和数据的真实性两方面都带有不确定性，从而使得Web服务的QoS预测准确性难以保证；三 是难以根据实时的QoS数据实现QoS预测的自适应校准。
【发明内容】
[0011] 有鉴于此，本发明提供一种Web服务的服务质量预测方法和装置，以解决现有技 术中Web服务的QoS预测方法存在的依赖于大量历史QoS数据，运行效率低，准确性低以及 无法实现自适应校准的难题，以实现服务器端Web服务的QoS预测和自适应校准，为用户选 择Web服务提供客观决策依据。技术方案如下：
[0012] 基于本发明的一方面，本发明提供一种Web服务的服务质量预测方法，包括初始 化的服务质量QoS估计值；所述方法包括：
[0013] 在第k-1个时间窗口结束时，依据所述第k-1个时间窗口的QoS估计值计算得到 第k个时间窗口的QoS公告；k为大于1的正整数；
[0014] 依据所述QoS公告、第k个时间窗口的卡尔曼增益和第k个时间窗口的QoS量测 值，计算所述第k个时间窗口的QoS估计值；
[0015] 依据所述第k个时间窗口的QoS估计值和QoS公告，计算所述第k个时间窗口的 QoS公告可信度；
[0016] 依据所述第k个时间窗口的QoS公告可信度调节所述第k+1个时间窗口的大小；
[0017] 以调节后的第k+1个时间窗口的大小为QoS预测周期执行后续预测。
[0018] 优选地，当计算第1个时间窗口的QoS公告时，所述在第k-1个时间窗口结束时， 依据所述第k-1个时间窗口的QoS估计值计算得到第k个时间窗口的QoS公告包括：
[0019] 在所述第1个时间窗口开始时，依据初始化的QoS估计值為计算得到第1个时间 窗口的QoS公告。
[0020] 优选地，所述在第k-1个时间窗口结束时，依据所述第k-1个时间窗口的QoS估计 值计算得到第k个时间窗口的QoS公告包括：
[0021] 利用公式==巧毛-!，计算所述第k个时间窗口的QoS公告
[0022] 其中，毛^为第k-1个时间窗口的QoS估计值，Fk为第k个时间窗口的QoS状态转 换矩阵。
[0023] 优选地，所述依据所述QoS公告、第k个时间窗口的卡尔曼增益和第k个时间窗口 的QoS量测值，计算所述第k个时间窗口的QoS估计值包括：
[0024] 利用公式4 = 4- +A(4 -)计算所述第k个时间窗口的QoS估计值毛? ? 5.
[0025] 其中，Kk为第k个时间窗口的卡尔曼增益，zk为第k个时间窗口的QoS量测值。
[0026] 优选地，所述第k个时间窗口的卡尔曼增益心的计算方法包括：
[0027] 利用公式C=d，7' +0;，计算所述第k个时间窗口的预测误差协方差矩阵 ，其中，Pki为第k-1个时间窗口的估计误差协方差矩阵，Qk为第k个时间窗口的系统激 励噪声协方差矩阵；
[0028] 利用公式& =6(/r+馬F1，计算所述第k个时间窗口的卡尔曼增益Kk;
[0029] 其中，Rk为第k个时间窗口的量测噪声协方差矩阵。
[0030] 优选地，所述依据所述第k个时间窗口的QoS估计值和QoS公告，计算所述第k个 时间窗口的QoS公告可信度包括：
[0031] 利用公式
计算所述第k个时间窗口的QoS公告可信度 Trustk；
[0032] 其中，n为QoS指标个数。
[0033] 优选地，所述依据所述第k个时间窗口的QoS公告可信度调节所述第k+1个时间 窗口的大小包括：
[0034] 判断所述第k个时间窗口的QoS公告可信度是否小于阈值；
[0035] 如果小于，减小所述第k+1个时间窗口；
[0036] 如果不小于，保持或增大所述第k+1个时间窗口。
[0037] 基于本发明的另一方面，本发明提供一种Web服务的服务质量预测装置，包括初 始化的服务质量QoS估计值；所述装置包括：
[0038] 第一计算单元，用于在第k_l个时间窗口结束时，依据所述第k_l个时间窗口的 QoS估计值计算得到第k个时间窗口的QoS公告；k为大于1的正整数；
[0039] 第二计算单元，用于依据所述QoS公告、第k个时间窗口的卡尔曼增益和第k个时 间窗口的QoS量测值，计算所述第k个时间窗口的QoS估计值；
[0040] 第三计算单元，用于依据所述第k个时间窗口的QoS估计值和QoS公告，计算所述 第k个时间窗口的QoS公告可信度；
[0041] 调节单元，用于依据所述第k个时间窗口的QoS公告可信度调节所述第k+1个时 间窗口的大小；
[0042] 执行单元，用于以调节后的第k+1个时间窗口的大小为周期执行后续预测。
[0043] 优选地，所述第一计算单元计算第1个时间窗口的QoS公告时，具体用于在所述第 1个时间窗口开始时，依据初始化的QoS估计值.％计算得到第1个时间窗口的QoS公告；
[0044] 所述第一计算单元计算第k个时间窗口的QoS公告时，具体用于利用公式 f ，计算所述第k个时间窗口的QoS公告t;
[0045] 其中，毛_:1为第k-1个时间窗口的QoS估计值，Fk为第k个时间窗口的QoS状态 转换矩阵。
[0046]优选地，所述第二计算单元具体用于，利用公式毛=毛*厂）,计算所 述第k个时间窗口的QoS估计值4 . 9：
[0047] 其中，Kk为第k个时间窗口的卡尔曼增益，zk为第k个时间窗口的QoS量测值。
[0048] 优选地，还包括：
[0049] 第四计算单元，用于利用公式4 =_ _，计算所述第k个时间窗口的预 测误差协方差矩阵G1其中，Pk1为第k~l个时间窗口的估计误差协方差矩阵，Qk为第k个 时间窗口的系统激励噪声协方差矩阵；
[0050] 第五计算单元，用于利用公式果^ = 6 (6 +A) 1，计算所述第k个时间窗口的卡 尔曼增益Kk;
[0051] 其中，Rk为第k个时间窗口的量测噪声协方差矩阵。
[0052] 优选地，所述第三计算单元具体用于，利用公式
计算所 述第k个时间窗口的QoS公告可信度TrUstk;
[0053] 其中，n为QoS指标个数。
[0054] 优选地，所述调节单元包括：
[0055] 判断子单元，用于判断所述第k个时间窗口的QoS公告可信度是否小于阈值；
[0056] 调节子单元，用于在所述判断子单元判断所述第k个时间窗口的QoS公告可信度 小于阈值时，减小所述第k+1个时间窗口；在所述判断子单元判断所述第k个时间窗口的 QoS公告可信度不小于阈值时，保持或增大所述第k+1个时间窗口。
[0057] 应用本发明的上述技术方案，本发明提供的一种Web服务的服务质