一种互联网服务成功执行率的预测方法及装置的制造方法
【专利摘要】本发明公开了一种互联网(WEB)服务成功执行率的预测方法，所述方法包括：依据WEB服务成功执行率的样本数据确定所述样本数据的对数增长序列；对所述对数增长序列进行分类，并依据分类结果获取对数增长序列类之间的转移概率矩阵；依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确定所述WEB服务成功执行率的预测值。本发明还同时公开了一种WEB服务成功执行率的预测装置。
【专利说明】
一种互联网服务成功执行率的预测方法及装置
技术领域
[0001] 本发明涉及软件可靠性预测的相关技术，尤其涉及一种互联网（WEB)服务成功执 行率的预测方法及装置。
【背景技术】
[0002] WEB服务作为一种新型的分布式构件模型被认为是面向服务的构架（S0A， Service-Oriented Architecture)中最核心的技术之一。WEB服务运行在动态变化的网络 环境中，其可靠性表现也在频繁变化，这种动态性使得WEB服务运行时的性能和效率相对 于传统形态的软件更难以预测、掌控和干预。
[0003]目前，用于分析和预测WEB服务可靠性的模型和方法多基于服务等级协议（SLA， Service Level Agreement)的静态分析，直接以服务等级协议所约束的WEB服务的最小连 接带宽、最大丢包率、链接故障率等参数的限值为模型输入，并假设参数恒定不变，分析和 预测WEB服务的实际可靠性。然而，由于WEB服务运行时所依赖的网络和系统环境瞬息万 变，各种影响可靠性的参数也在不断变化，这与相关参数恒定不变的假设存在极大的偏差； 且由于服务等级协议中给出的参数均为上限和下限值，实际运行时的参数值可能高于或低 于限值，从而导致基于服务等级协议的可靠性预测方法高估或低估了 WEB服务实际的表 现。
[0004] 综上所述，考虑真实环境下WEB服务的动态性，提供一种能够准确预测WEB服务可 靠性的方案已成为亟待解决的问题。
【发明内容】
[0005] 有鉴于此，本发明实施例期望提供一种WEB服务成功执行率的预测方法及装置， 能够准确的预测真实环境下WEB服务的成功执行率。
[0006] 为达到上述目的，本发明实施例的技术方案是这样实现的：
[0007] 本发明实施例提供了一种互联网WEB服务成功执行率的预测方法，所述方法包 括：
[0008] 依据WEB服务成功执行率的样本数据确定所述样本数据的对数增长序列；
[0009] 对所述对数增长序列进行分类，并依据分类结果获取对数增长序列类之间的转移 概率矩阵；
[0010] 依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确定所述WEB服 务成功执行率的预测值。
[0011] 上述方案中，所述依据WEB服务成功执行率的样本数据确定所述样本数据的对数 增长序列包括：
[0012] 依据WEB服务成功执行率的样本数据确定所述样本数据中的奇异点数据，依据所 述奇异点数据及非奇异点数据得到相邻样本数据的增量序列，并依据所述增量序列获得所 述样本数据的对数增长序列。
[0013] 上述方案中，所述依据WEB服务成功执行率的样本数据确定所述样本数据中的奇 异点数据，包括：
[0014] 依据WEB服务成功执行率的样本数据sr(i)确定所述sr(i)序列的平均正变化强 度v p和平均负变化强度V n;
[0015]
[0017] 其中，所述sr(i)为第i个WEB服务成功执行率的样本数据；所述i、j、m均为正 整数；
[0018] 石
[0019] 或者
的样本数据为奇异点数据； 其中，所述CO为预设常数。
[0020] 上述方案中，依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序 列，并依据所述增量序列获得所述样本数据的对数增长序列，包括：
[0021] 依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序列cr(i);
[0022]
[0023] 依据所述增量序列cr(i)获得所述样本数据的对数增长序列lcr(i);
[0024]
[0025] 其中，所述i、x、η均为正整数。
[0026] 上述方案中，所述对所述对数增长序列进行分类，并依据分类结果获取对数增长 序列类之间的转移概率矩阵，包括：
[0027] 将对数增长序列lcr(i)划分为ρ类，
；其中，所述MIN* lcr⑴序列中最小值，MIN = min {lcr⑴11 < i〈 (m-1)};所述MAX为lcr⑴序列中最大 值，MAX = max{lcr(i) 11彡i〈(m-l)};所述m为所述WEB服务成功执行率的样本数据个数；
[0028] 依据分类结果获取对数增长序列第u类和第v类之间的转移概率矩阵 TM(u, v, stp)；
[0029]
K. J[0032] 所述mp(x)表示lcr(x)所在的对数增长序列类；当
[0030]
[0031]
寸，mp (X) = u ; 1 < u < p， 1 < v < p，1 < stp < m-1 ;所述 u、v、p、stp 均为正整数；
[0033] 所述IJC0UNT(u，v，X，stp)表示是否满足"lcr(x)在对数增长序列第u类中且 lcr(x+stp)在数增长序列第v类中"的条件；所述IC0UNT(u, X)表示lcr(x)是否在对数增 长序列第u类中。
[0034] 上述方案中，所述依据所述对数增长序列类之间的转移概率矩阵及所述样本数据 确定所述WEB服务成功执行率的预测值，包括：
[0035] 依据对数增长序列第u类和第v类之间的转移概率矩阵TM (u, V，stp)确定每个对 数增长序列类的平均转移增量inc(u，stp);
[0036]
[0037] 其中，1彡u彡p，l彡stp彡m-1 ;所述p为所述对数增长序列的类别数目；所述 MIN为对数增长序列中最小值；所述MAX为对数增长序列中最大值；
[0038] 依据所述平均转移增量inc(u，stp)获得WEB服务成功执行率的样本数据 sr(x+stp)相对于sr(x)的指数增量平均差值EINC(x，stp);
[0039]
[0040] 依据所述EINC(x，stp)及所述样本数据确定所述WEB服务成功执行率的预测值 PRSR ；
[0041 ]
[0042] 本发明实施例还提供了一种WEB服务成功执行率的预测装置，所述装置包括：确 定模块、获取模块及预测模块；其中，
[0043] 所述确定模块，用于依据WEB服务成功执行率的样本数据确定所述样本数据的对 数增长序列；
[0044] 所述获取模块，用于对所述对数增长序列进行分类，并依据分类结果获取对数增 长序列类之间的转移概率矩阵；
[0045] 所述预测模块，用于依据所述对数增长序列类之间的转移概率矩阵及所述样本数 据确定所述WEB服务成功执行率的预测值。
[0046] 上述方案中，所述确定模块，具体用于依据WEB服务成功执行率的样本数据确定 所述样本数据中的奇异点数据，依据所述奇异点数据及非奇异点数据得到相邻样本数据的 增量序列，并依据所述增量序列获得所述样本数据的对数增长序列。
[0047] 上述方案中，所述确定模块，具体用于依据WEB服务成功执行率的样本数据sr (i) 确定所述sr (i)序列的平均正变化强度Vp和平均负变化强度V n;
[0048]
[0050] 其中，所述sr(i)为第i个WEB服务成功执行率的样本数据；所述i、j、m均为正 整数；
[0051] 确劳
[0052] 或者
，的样本数据为奇异点数据； 其中，所述CO为预设常数。
[0053] 上述方案中，所述确定模块，具体用于依据所述奇异点数据及非奇异点数据得到 相邻样本数据的增量序列cr(i);
[0054]
[0055] 依据所述增量序列cr(i)获得所述样本数据的对数增长序列lcr(i);
[0056]
[0057] 其中，所述i、x、η均为正整数。
[0058] 上述方案中，所述获取模块，具体用于将对数增长序列lcr(i)划分 为P类，
其中，所述MIN为lcr⑴序列中最小值， MIN = min{lcr(i) |l < i〈(m_l)};所述 MAX 为 lcr(i)序列中最大值，MAX = max {lcr (i) 11彡i〈 (m-1)};所述m表示所述WEB服务成功执行率的样本数据个数；[0059] 依据分类结果获取对数增长序列第u类和第v类之间的转移概率矩阵 TM(u, v, stp)；
[0063] 所述mp(x)表示lcr (x)所在的对数增长序列类；当
时，mp(x) u ;1 < u < p，
[0060]
[0061]
[0062] 1 < v < p，1 < stp < m-1 ;所述 u、v、p、stp 均为正整数；
[0064] 所述IJC0UNT(u，v，X，stp)表示是否满足"lcr(x)在对数增长序列第u类中且 lcr(x+stp)在数增长序列第v类中"的条件；所述IC0UNT(u, X)表示lcr(x)是否在对数增 长序列第u类中。
[0065] 上述方案中，所述预测模块，具体用于依据对数增长序列第u类和第v类之间的转 移概率矩阵TM(u, v, stD)确定每个对数增长序列类的平均转移增量inc(u, stp);
[0066]
[0067] 其中，1彡u彡p，l彡stp彡m-1 ;所述p为所述对数增长序列的类别数目；所述 MIN为对数增长序列中最小值；所述MAX为对数增长序列中最大值；
[0068] 依据所述平均转移增量inc(u，stp)获得WEB服务成功执行率的样本数据 sr(x+stp)相对于sr(x)的指数增量平均差值EINC(x，stp);
[0069]
[0070] 依据所述EINC(x，stp)及所述样本数据确定所述WEB服务成功执行率的预测值 PRSR ；
[0071]
[0072] 本友明买施例所提供的WEB服务成功执仃卒的t贝测万'/云及装置，依据WEB服务成 功执行率的样本数据确定所述样本数据的对数增长序列；对所述对数增长序列进行分类， 并依据分类结果获取对数增长序列类之间的转移概率矩阵；依据所述对数增长序列类之间 的转移概率矩阵及所述样本数据确定所述WEB服务成功执行率的预测值；如此，能够准确 的预测真实环境下WEB服务的成功执行率。
【附图说明】
[0073] 图1为本发明实施例一 WEB服务成功执行率的预测方法流程示意图；
[0074] 图2为本发明实施例二WEB服务成功执行率的预测方法流程示意图；
[0075] 图3为本发明实施例WEB服务成功执行率实测值与预测值的对比关系示意图；
[0076] 图4为本发明实施例WEB服务成功执行率的预测装置组成结构示意图。
【具体实施方式】
[0077] 在本发明实施例中，依据WEB服务成功执行率的样本数据确定所述样本数据的对 数增长序列；对所述对数增长序列进行分类，并依据分类结果获取对数增长序列类之间的 转移概率矩阵；依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确定所述 WEB服务成功执行率的预测值。
[0078] 图1为本发明实施例一 WEB服务成功执行率的预测方法流程示意图，如图1所示， 本发明实施例WEB服务成功执行率的预测方法包括：
[0079] 步骤101 :依据WEB服务成功执行率的样本数据确定所述样本数据的对数增长序 列；
[0080] 本步骤之前，所述方法还包括：采集所述WEB服务成功执行率的样本数据；
[0081] 这里，所述WEB服务成功执行率表示了向所需的WEB服务发起调用和执行请求后， 服务成功响应并最终完成执行任务的概率，与成功连接率不同，所述成功连接率表示向所 需的WEB服务发起调用和执行请求后，服务成功响应调用请求的概率；但是，WEB服务的成 功执行以成功连接为基础，若连接失败，自然不可能实现最终的成功执行；
[0082] 所述采集所述WEB服务成功执行率的样本数据包括：采集模块通过简单对象访问 协议（SOAP，Simple Object Access Protocol)用户界面（UI，User Interface)平台获取 所述WEB服务成功执行率的样本数据，具体为所述SOAP UI平台向目标WEB服务发起调用 和执行请求，对目标WEB服务进行一段时间的连续调用和执行测试，获得测试结果，依据所 述测试结果获得所述WEB服务成功执行率的样本数据，并将所述样本数据发送给所述采集 模块；所述目标WEB服务由URL地址确定；
[0083] 其中，所述调用和执行请求包括：测试时间、测试模式等；所述测试时间具体可依 据实际需要进行设置，在一实施例中所述测试时间为30分钟；所述测试模式可以为：单用 户串行调用，每次测试得到返回结果后不等待即发起新一轮的测试；
[0084] 所述测试结果包括：连接失败、连接成功但服务无法成功响应、连接成功且服务成 功响应；
[0085] 所述依据所述测试结果获得所述WEB服务成功执行率的样本数据包括：
[0086] 将所述测试结果进行分组，每组中包括η个测试结果，计算每组的WEB服务成功执 行率，并取前m个组的WEB服务成功执行率数据为样本数据，所述样本数据记为sr (i);这 里，1 < i < m，且i为正整数；所述n、m均为正整数，具体数值可依据实际需要进行设置，优 选的，所述 n e [10, 100]，me [10, 150]，在一实施例中，η 取 50, m 取 128;
[0087] 所述sr(i)对应的时间戳为t(i)，所述t(i)为获得所述sr(i)对应的测试结果组 的η次测试结果的平均时间。
[0088] 进一步的，所述依据WEB服务成功执行率的样本数据确定所述样本数据的对数增 长序列包括：
[0089] 依据WEB服务成功执行率的样本数据确定所述样本数据中的奇异点数据，依据所 述奇异点数据及非奇异点数据得到相邻样本数据的增量序列，并依据所述增量序列获得所 述样本数据的对数增长序列；
[0090] 其中，所述奇异点数据为在所述WEB服务运行时受到系统因素或非系统因素影 响而产生的明显脱离整体变化规律的成功执行率的样本数据；所述系统因素包括：消息延 迟、连接带宽、运算资源冲突等；所述非系统因素包括：偶发失效、消息丢失等；
[0091] 所述依据WEB服务成功执行率的样本数据确定所述样本数据中的奇异点数据，包 括：
[0092] 依据WEB服务成功执行率的样本数据sr(i)确定所述sr(i)序列的平均正变化强 度V p和平均负变化强度V n;
[0093]
[0095] 其中，所述sr(i)为第i个WEB服务成功执行率的样本数据；所述i、j、m均为正 整数；
[0096] 确
；
[0097] 或者
的样本数据为奇异点数据； 其中，所述co为预设常数，1 < co <°°，优选的，所述co e [10, 100]。
[0098] 进一步的，所述依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序 列，并依据所述增量序列获得所述样本数据的对数增长序列，包括：
[0099] 依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序列cr(i);
[0100]
[0101] 这里，所述相邻样本数据的增量序列cr(i)表示了若相邻两个WEB服务成功执行 率的样本数据均非奇异点数据，则可直接利用其差值表示相邻样本数据的增量；若相邻两 个WEB服务成功执行率的样本数据中存在奇异点，则利用所述相邻两样本数据前的最小值 与所述相邻两样本数据后的最大值的差值与所述sr(i)对应的测试结果组包含的测试结 果的数目η的比值，表示相邻样本数据的增量；所述i、X、η均为正整数；
[0102] 依据所述增量序列cr(i)获得所述样本数据的对数增长序列lcr(i);
[0103]
[0104] 步骤102 :对所述对数增长序列进行分类，并依据分类结果获取对数增长序列类 之间的转移概率矩阵；
[0105] 这里，对所述对数增长序列进行分类包括：
[0106] 将对数增长序列lcr(i)划分为p类，所述p值依据下取整公式
.取整数；
[0107] 其中，所述 MIN 为 lcr(i)序列中最小值，MIN = min{lcr(i) 11 < i〈(m_l)};所述 MAX为lcr(i)序列中最大值，MAX = max{lcr(i) 11 < i〈(m-l)};所述m为所述WEB服务成 功执行率的样本数据个数；
[0108] 依据分类结果获取对数增长序列类之间的转移概率矩阵包括：
[0109] 依据分类结果获取对数增长序列第u类和第v类之间的多步转移概率矩阵 TM(u, V，stp);所述stp表示步数，例如：当stp为1的时候，考虑的是相邻两个对数增长序 列值的关系，当stp为η的时候，考虑的是间隔η个数据的两个对数增长序列值的关系；
[0110]
[0111]
[0112]
[0113] 所述mp(x)为lcr(x)到某一个对数增长序列类的映射函数，表示lcr(x)落在的 对数增长序列类；当
时，mp (X) =11，即所述1(^(叉）处于第11类；1<11<卩，1<￥<卩，1<8七卩<111-1;所述11、￥、卩、8七口 均为正整数；
[0114] 所述IJC0UNT(u，V，X，stp)为一个真假记号，表示是否满足"lcr (X)在对数增长序 列第U类中且lcr(x+stp)在数增长序列第V类中"的条件；所述IC0UNT(u, X)也是一个真 假记号，表示lcr(x)是否在对数增长序列第u类中。
[0115] 步骤103 :依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确定所 述WEB服务成功执行率的预测值；
[0116] 本步骤具体包括：依据对数增长序列第u类和第v类之间的转移概率矩阵 TM(u, V，stp)确定每个对数增长序列类的平均转移增量inc(u, stp);
[0117]
[0118] 兵甲，1彡u$p，l彡stp彡
m-1 ;所还p艿所还对数増长序列的类别数目；所述 MIN为对数增长序列中最小值；所述MAX为对数增长序列中最大值；
[0119] 依据所述平均转移增量inc(u，stp)获得WEB服务成功执行率的样本数据 sr(x+stp)相对于sr(x)的指数增量平均差值EINC(x，stp);
[0120]
[0121] 依据所述EINC(x，stp)及所述样本数据确定所述WEB服务成功执行率的预测值 PRSR ；
[0122]
[0123] 图2为本发明实施例二WEB服务成功执行率的预测方法流程示意图；如图2所示， 本发明实施例WEB服务成功执行率的预测方法包括：
[0124] 步骤201 :采集WEB服务成功执行率的样本数据；
[0125] 这里，所述WEB服务成功执行率表示了向所需的WEB服务发起调用和执行请求后， 服务成功响应并最终完成执行任务的概率，与成功连接率不同，所述成功连接率表示向所 需的WEB服务发起调用和执行请求后，服务成功响应调用请求的概率；但是，WEB服务的成 功执行以成功连接为基础，若连接失败，自然不可能实现最终的成功执行；
[0126] 所述采集所述WEB服务成功执行率的样本数据包括：采集模块通过简单对象访 问协议（SOAP，Simple Object Access Protocol)用户界面（UI，User Interface)平台 获取所述WEB服务成功执行率的样本数据，具体为所述SOAP UI平台向目标WEB服务发 起调用和执行请求，对目标WEB服务进行一段时间的连续调用和执行测试，获得测试结果， 依据所述测试结果获得所述WEB服务成功执行率的样本数据，并将所述样本数据发送给所 述采集模块；所述目标WEB服务由URL地址确定，在本发明实施例中，所述WEB服务为一 个提供天气信息的WEB服务，所述WEB服务的URL地址为http://www. WEBservicex. net/ globalweather. asmx ? WSDL ；
[0127] 其中，所述调用和执行请求包括：测试时间、测试模式等；所述测试时间具体可依 据实际需要进行设置，在一实施例中所述测试时间为30分钟；所述测试模式可以为：单用 户串行调用，每次测试得到返回结果后不等待即发起新一轮的测试；
[0128] 所述测试结果包括：连接失败、连接成功但服务无法成功响应、连接成功且服务成 功响应；
[0129] 所述依据所述测试结果获得所述WEB服务成功执行率的样本数据包括：
[0130] 将所述测试结果进行分组，每组中包括η个测试结果，计算每组的WEB服务成功执 行率，并取前m个组的WEB服务成功执行率数据为样本数据，所述样本数据记为sr (i);这 里，1 < i < m，且i为正整数；所述n、m均为正整数，具体数值可依据实际需要进行设置，优 选的，所述n e [10, 100]，me [10, 150]，在本实施例中，η取50, m取100;另取28个样本 数据用于验证；如图3所示为本发明实施例WEB服务成功执行率实测值与预测值的对比关 系不意图；
[0131] 所述sr(i)对应的时间戳为t(i)，所述t(i)为获得所述sr(i)对应的测试结果组 的η次测试结果的平均时间。
[0132] 步骤202 :依据WEB服务成功执行率的样本数据确定所述样本数据的对数增长序 列；
[0133] 本步骤具体包括：依据WEB服务成功执行率的样本数据确定所述样本数据中的奇 异点数据，依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序列，并依据所 述增量序列获得所述样本数据的对数增长序列；
[0134] 其中，所述奇异点数据为在所述WEB服务运行时受到系统因素或非系统因素影 响而产生的明显脱离整体变化规律的成功执行率的样本数据；所述系统因素包括：消息延 迟、连接带宽、运算资源冲突等；所述非系统因素包括：偶发失效、消息丢失等；
[0135] 所述依据WEB服务成功执行率的样本数据确定所述样本数据中的奇异点数据，包 括：
[0136] 依据WEB服务成功执行率的样本数据sr(i)确定所述sr(i)序列的平均正变化强 度V p和平均负变化强度V n;
[0137]
[0139] 其中，所述sr(i)为第i个WEB服务成功执行率的样本数据；所述i、j、m均为正 整数；
[0140] 确淀
[0141] 或者
，的样本数据为奇异点数据； 其中，所述co为预设常数，1 < co <°°，优选的，所述co e [10, 100]。
[0142] 进一步的，所述依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序 列，并依据所述增量序列获得所述样本数据的对数增长序列，包括：
[0143] 依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序列cr(i);
[0144]
[0145] 这里，所述相邻样本数据的增量序列cr(i)表示了若相邻两个WEB服务成功执行 率的样本数据均非奇异点数据，则可直接利用其差值表示相邻样本数据的增量；若相邻两 个WEB服务成功执行率的样本数据中存在奇异点，则利用所述相邻两样本数据前的最小值 与所述相邻两样本数据后的最大值的差值与所述sr(i)对应的测试结果组包含的测试结 果的数目η的比值，表示相邻样本数据的增量；所述i、X、η均为正整数；
[0146] 依据所述增量序列cr(i)获得所述样本数据的对数增长序列lcr(i);
[0147]
[0148] 步骤203 :对所述对数增长序列进行分类，并依据分类结果获取对数增长序列类 之间的转移概率矩阵；
[0149] 这里，对所述对数增长序列进行分类包括：
[0150] 将对数增长序列lcr(i)划分为p类，所述p值依据下取整公式
?整数；
[0151] 其中，所述 ΜΙΝ 为 lcr(i)序列中最小值，MIN = min{lcr(i) 11 < i〈(m_l)};所述 MAX为lcr(i)序列中最大值，MAX = max{lcr(i) 11 < i〈(m-l)};所述m为所述WEB服务成 功执行率的样本数据个数；
[0152] 依据分类结果获取对数增长序列类之间的转移概率矩阵包括：
[0153] 依据分类结果获取对数增长序列第u类和第v类之间的多步转移概率矩阵 TM(u, V，stp);所述stp表示步数，例如：当stp为1的时候，考虑的是相邻两个对数增长序 列值的关系，当stp为η的时候，考虑的是间隔η个数据的两个对数增长序列值的关系；
[0154]
[0155]
[0156]
[0157] 所述mp(x)为lcr(x)到某一个对数增长序列类的映射函数，表示lcr(x)落在的 对数增长序列类；当
时，mp(x) =11，即所述1(^(叉）处于第11类；1<11<卩，1<￥<卩，1<8七卩<111-1;所述11、￥、卩、8七口 均为正整数；
[0158] 所述IJC0UNT(u，V，X，stp)为一个真假记号，表示是否满足"lcr (X)在对数增长序 列第u类中且lcr(x+stp)在数增长序列第v类中"的条件；所述IC0UNT(u, X)也是一个真 假记号，表示lcr(x)是否在对数增长序列第u类中。
[0159] 步骤204 :依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确定所 述WEB服务成功执行率的预测值；
[0160] 本步骤具体包括：依据对数增长序列第u类和第v类之间的转移概率矩阵 TM(u, V，stp)确定每个对数增长序列类的平均转移增量inc(u, stp);
[0161]
[0162] 其中，1彡u彡p，l彡stp彡m-1 ;所述p为所述对数增长序列的类别数目；所述 MIN为对数增长序列中最小值；所述MAX为对数增长序列中最大值；
[0163] 依据所述平均转移增量inc(u，stp)获得WEB服务成功执行率的样本数据 sr(x+stp)相对于sr(x)的指数增量平均差值EINC(x，stp);
[0164]
[0165] 依据所述EINC(x，stp)及所述样本数据确定所述WEB服务成功执行率的预测值 PRSR ；
[0166]
[0167] 图4为本发明实施例WEB服务成功执行率的预测装置组成结构示意图；如图4所 示，本发明实施例WEB服务成功执行率的预测装置组成包括：确定模块41、获取模块42及 预测模块43;其中，
[0168] 所述确定模块41，用于依据WEB服务成功执行率的样本数据确定所述样本数据的 对数增长序列；
[0169] 所述获取模块42,用于对所述对数增长序列进行分类，并依据分类结果获取对数 增长序列类之间的转移概率矩阵；
[0170] 所述预测模块43,用于依据所述对数增长序列类之间的转移概率矩阵及所述样本 数据确定所述WEB服务成功执行率的预测值。
[0171] 进一步的，所述装置还包括采集模块44,用于采集所述WEB服务成功执行率的样 本数据；
[0172] 所述采集模块44通过SOAP UI平台获取所述WEB服务成功执行率的样本数据，具 体为所述SOAP UI平台向目标WEB服务发起调用和执行请求，对目标WEB服务进行一段时 间的连续调用和执行测试，获得测试结果，依据所述测试结果获得所述WEB服务成功执行 率的样本数据，并将所述样本数据发送给所述采集模块44 ;所述目标WEB服务由URL地址 确定；
[0173] 其中，所述调用和执行请求包括：测试时间、测试模式等；所述测试时间具体可依 据实际需要进行设置，在一实施例中所述测试时间为30分钟；所述测试模式可以为：单用 户串行调用，每次测试得到返回结果后不等待即发起新一轮的测试；
[0174] 所述测试结果包括：连接失败、连接成功但服务无法成功响应、连接成功且服务成 功响应；
[0175] 所述依据所述测试结果获得所述WEB服务成功执行率的样本数据包括：
[0176] 将所述测试结果进行分组，每组中包括η个测试结果，计算每组的WEB服务成功执 行率，并取前m个组的WEB服务成功执行率数据为样本数据，所述样本数据记为sr (i);这 里，1 < i < m，且i为正整数；所述n、m均为正整数，具体数值可依据实际需要进行设置，优 选的，所述 n e [10, 100]，me [10, 150]，在一实施例中，η 取 50, m 取 128;
[0177] 所述sr(i)对应的时间戳为t(i)，所述t(i)为获得所述sr(i)对应的测试结果组 的η次测试结果的平均时间。
[0178] 进一步的，所述确定模块41依据WEB服务成功执行率的样本数据确定所述样本数 据的对数增长序列，包括：
[0179] 所述确定模块41依据WEB服务成功执行率的样本数据确定所述样本数据中的奇 异点数据，依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序列，并依据所 述增量序列获得所述样本数据的对数增长序列；
[0180] 其中，所述确定模块41依据WEB服务成功执行率的样本数据确定所述样本数据中 的奇异点数据，包括：
[0181] 所述确定模块41依据WEB服务成功执行率的样本数据sr(i)确定所述sr(i)序 列的平均正变化强度V p和平均负变化强度V n;
[0182]
[0184] 其中，所述sr⑴为第i个WEB服务成功执行率的样本数据；所述i、j、m均为正 整数；
[0185] 确定
[0186] 或者
，的样本数据为奇异点数据； 其中，所述CO为预设常数。
[0187] 所述确定模块41依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量 序列，并依据所述增量序列获得所述样本数据的对数增长序列，包括：
[0188] 所述确定模块41依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量 序列cr⑴；
[0189]
[0190] 依据所述增量序列cr(i)获得所述样本数据的对数增长序列lcr(i);
[0191]
[0192] 其中，所述i、x、η均为正整数。
[0193] 进一步的，所述获取模块42对所述对数增长序列进行分类，并依据分类结果获取 对数增长序列类之间的转移概率矩阵，包括：
[0194] 所述获取模块42将对数增长序列lcr(i)划分为ρ类
其中，所述MIN为lcr⑴序列中最小值，MIN = min {lcr⑴11 < i〈 (m-Ι)};所述MAX为 lcr(i)序列中最大值，MAX = max{lcr(i) 11彡i〈(m-l)};所述m表示所述WEB服务成功执 行率的样本数据个数；
[0195] 依据分类结果获取对数增长序列第u类和第v类之间的转移概率矩阵 TM(u, v, stp)；
[0196]
[0197]
[0198]
[0199] 所述mp(x)表示lcr(x)所在的对数增长序列类；当
a 时，mp (X) u ;1 < u < p， 1 < v < p，1 < stp < m-1 ;所述 u、v、p、stp 均为正整数；
[0200] 所述IJC0UNT(u，v，X，stp)表示是否满足"lcr(x)在对数增长序列第u类中且 lcr(x+stp)在数增长序列第v类中"的条件；所述IC0UNT(u, X)表示lcr(x)是否在对数增 长序列第u类中。
[0201] 进一步的，所述预测模块43依据所述对数增长序列类之间的转移概率矩阵及所 述样本数据确定所述WEB服务成功执行率的预测值，包括：
[0202] 所述预测模块43依据对数增长序列第u类和第v类之间的转移概率矩阵 TM(u, V，stp)确定每个对数增长序列类的平均转移增量inc(u, stp);
[0203]
[0204] 其中，1彡u彡p，l彡stp彡m-1 ;所述p为所述对数增长序列的类别数目；所述 MIN为对数增长序列中最小值；所述MAX为对数增长序列中最大值；
[0205] 依据所述平均转移增量inc(u，stp)获得WEB服务成功执行率的样本数据 sr(x+stp)相对于sr(x)的指数增量平均差值EINC(x，stp);
[0206]
[0207] 依据所述EINC(x，stp)及所述样本数据确定所述WEB服务成功执行率的预测值 PRSR ；
[0208]
[0209] 在本发明实施例中，所述确定模块41、获取模块42、预测模块43及采集模块44均 可由服务器中的中央处理器（CPU，Central Processing Unit)或数字信号处理器（DSP， Digital Signal Processor)、或现场可编程门阵列（FPGA，Field Programmable Gate Array)实现。
[0210] 以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
【主权项】
1. 一种互联网W邸服务成功执行率的预测方法，其特征在于，所述方法包括： 依据WEB服务成功执行率的样本数据确定所述样本数据的对数增长序列； 对所述对数增长序列进行分类，并依据分类结果获取对数增长序列类之间的转移概率 矩阵； 依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确定所述W邸服务成 功执行率的预测值。2. 根据权利要求1所述方法，其特征在于，所述依据W邸服务成功执行率的样本数据确 定所述样本数据的对数增长序列包括： 依据WEB服务成功执行率的样本数据确定所述样本数据中的奇异点数据，依据所述奇 异点数据及非奇异点数据得到相邻样本数据的增量序列，并依据所述增量序列获得所述样 本数据的对数增长序列。3. 根据权利要求2所述方法，其特征在于，所述依据W邸服务成功执行率的样本数据确 定所述样本数据中的奇异点数据，包括： 依据W邸服务成功执行率的样本数据Sr (i)确定所述Sr (i)序列的平均正变化强度Vp 和平均负变化强度V。；其中，所述Sr (i)为第i个W邸服务成功执行率的样本数据；所述i、j、m均为正整数；确另 或1 的样本数据为奇异点数据；其 中，所述CO为预设常数。4. 根据权利要求3所述方法，其特征在于，依据所述奇异点数据及非奇异点数据得 到相邻样本数据的增量序列，并依据所述增量序列获得所述样本数据的对数增长序列，包 括： 依据所述奇异点数据及非奇异点数据得到相邻样本数据的增量序列Cr (i);依据所述增量序列Cr (i)获得所述样本数据的对数增长序列Icr (i);其中，所述i、x、n均为正整数。5. 根据权利要求1或2所述方法，其特征在于，所述对所述对数增长序列进行分类，并 依据分类结果获取对数增长序列类之间的转移概率巧随，巧巧： 将对数增长序列lcr(i)划分为P类，；其中，所述MIN为 Icra)序列中最小值，MIN = HiinUcr (i) |1《K(Hi-I)};所述MAX为Icra)序列中最大 值，MAX = max {Icr (i) 11《K (m-1)};所述m为所述肥B服务成功执行率的样本数据个数； 依据分类结果获取对数增长序列第U类和第V类之间的转移概率矩阵TM(U，V，S化）；所述mp (X)表示Icr(X)所在的对数增长序列类；当巧，mp (X) = U ; 1《U《P， 1《V《P，1《8化《m-1 ;所述U、V、P、Stp均为正整数； 所述IJCOUNT (U，V，X，Stp)表示是否满足"Icr (X)在对数增长序列第U类中且 Icr (x+stp)在数增长序列第V类中"的条件；所述IC0UNT(u，X)表示Icr (X)是否在对数增 长序列第U类中。6. 根据权利要求1或2所述方法，其特征在于，所述依据所述对数增长序列类之间的转 移概率矩阵及所述样本数据确定所述W邸服务成功执行率的预测值，包括： 依据对数增长序列第U类和第V类之间的转移概率矩阵TM (U，V，Stp)确定每个对数增 长序列类的平均转移增量inc(u，stp);其中，1《U《P，1《S化《m-1 ;所述P为所述对数增长序列的类别数目；所述MIN为 对数增长序列中最小值；所述MX为对数增长序列中最大值； 依据所述平均转移增量inc (U，Stp)获得W邸服务成功执行率的样本数据Sr (X+S化） 相对于Sr (X)的指数增量平均差值EINC (X，S化）；依据所述EINC (X，stp)及所述样本数据确定所述W邸服务成功执行率的预测值PRSR ;7. -种W邸服务成功执行率的预测装置，其特征在于，所述装置包括：确定模块、获取 模块及预测模块；其中， 所述确定模块，用于依据WEB服务成功执行率的样本数据确定所述样本数据的对数增 长序列； 所述获取模块，用于对所述对数增长序列进行分类，并依据分类结果获取对数增长序 列类之间的转移概率矩阵； 所述预测模块，用于依据所述对数增长序列类之间的转移概率矩阵及所述样本数据确 定所述W邸服务成功执行率的预测值。8. 根据权利要求7所述装置，其特征在于，所述确定模块，具体用于依据W邸服务成 功执行率的样本数据确定所述样本数据中的奇异点数据，依据所述奇异点数据及非奇异点 数据得到相邻样本数据的增量序列，并依据所述增量序列获得所述样本数据的对数增长序 列。9. 根据权利要求8所述装置，其特征在于，所述确定模块，具体用于依据W邸服务成功 执行率的样本数据Sr (i)确定所述Sr (i)序列的平均正变化强度Vp和平均负变化强度V。；其中，所述Sr (i)为第i个W邸服务成功执行率的样本数据；所述i、j、m均为正整数；确 或 P的样本数据为奇异点数据；其 中，所述CO为预设常数。10. 根据权利要求9所述装置，其特征在于，所述确定模块，具体用于依据所述奇异点 数据及非奇异点数据得到相邻样本数据的增量序列Cr (i);依据所述增量序列Cr (i)获得所述样本数据的对数增长序列Icr (i);其中，所述i、x、n均为正整数。11. 根据权利要求7或8所述装置，其特征在于，所述获取模块，具体用于将对数增 长序列Icr (i)划分为P类，其中，所述MIN为Icr (i)序列中 最小值，MIN = min Ucr (i) 11《K (m-1)};所述MAX为Icr (;〇序列中最大值，MAX = max {Icr (i) 11《i< (m-1)};所述m表示所述WEB服务成功执行率的样本数据个数； 依据分类结果获取对数增长序列第U类和第V类之间的转移概率矩阵TM(U，V，S化）；所述mp (X)表示Icr(X)所在的对数增长序列类；当时，mp(x) U= U ;1《U《P， 1《V《P，1《8化《m-1 ;所述U、V、P、Stp均为正整数； 所述IJCOUNT (U，V，X，Stp)表示是否满足"Icr (X)在对数增长序列第U类中且 Icr (x+stp)在数增长序列第V类中"的条件；所述IC0UNT(u，X)表示Icr (X)是否在对数增 长序列第U类中。12. 根据权利要求7或8所述装置，其特征在于，所述预测模块，具体用于依据对数增长 序列第U类和第V类之间的转移概率矩阵TM (U，V，Stp)确定每个对数增长序列类的平均转 移增量 inc (U, Stp);其中，1《U《P，1《S化《m-1 ;所述P为所述对数增长序列的类别数目；所述MIN为 对数增长序列中最小值；所述MX为对数增长序列中最大值； 依据所述平均转移增量inc (U，Stp)获得W邸服务成功执行率的样本数据Sr (X+S化） 相对于Sr (X)的指数增量平均差值EINC (X，S化）；依据所述EINC (X，stp)及所述样本数据确定所述W邸服务成功执行率的预测值PRSR ;
【文档编号】H04L29/08GK105991719SQ201510078158
【公开日】2016年10月5日
【申请日】2015年2月13日
【发明人】谭显波, 夏云霓
【申请人】中国移动通信集团重庆有限公司