一种线上服务质量的保障性能评估方法、装置及设备

1.本发明涉及网络性能评估领域，特别涉及一种线上服务质量的保障性能评估方法、装置及设备。


背景技术：

2.在基于线上网络流量性能分析研究中，有学者从web服务质量分析中的研究成果对网络性能分析展开研究。任迪等针对网络环境不稳定导致web 服务质量(qos)数据中存在噪声数据，进而降低web服务质量预测精度的问题，提出一种基于贝叶斯分类的混合协同过滤web服务质量值预测方法.该方法使用贝叶斯算法对web服务质量数据进行分类并得到每个分类的概率，利用分类结果确定缺失值可能的取值范围，并对用户和服务的相似邻居进行过滤.通过引入分类概率，改进传统的协同过滤方法得到最终的缺失值预测结果，在一定程度上消除了噪声数据对web服务质量预测的影响。根据云服务的特点，面向服务体系架构，利用网络服务的服务绩效、可靠性、吞吐率、利用率等评价指标的相对权重，分析了云服务下的网络服务质量。石婧文等针对大规模分布式电商集群的流量场景以及动态容量规划的需求，该文提出了包含不确定性估计的流量实时预测框架。该框架基于多变量的长短期记忆网络自动编码器和贝叶斯理论，在进行流量确定性预测的同时能够给出准确的不确定性区间估计。iosup等基于amazon的ec2，利用科学计算的方法设计了云服务性能评估模型，该模型主要对云计算平台的计算性能、负载和能耗等方面进行了分析；
3.然而，在现有技术中，并为对突发事件下，针对线上教学网络服务质量进行分析，及提供一个较为可靠的评估结果，有鉴于此，提出本申请。


技术实现要素：

4.本发明公开了一种线上服务质量的保障性能评估方法、装置及设备，旨在对具有突发流量的线上服务提供一个评估结果，以用于优化系统的服务能力。
5.本发明第一实施例提供了一种线上服务质量的保障性能评估方法，包括：
6.对网络性能进行分析，获取系统的服务能力以及系统的负载；
7.根据所述服务能力及负载，获取系统的时延上界；
8.根据所述时延上界，对线上服务质量进行评估。
9.优选地，所述对网络性能进行分析包括：分析阻塞概率、分析立即服务概率、分析延时时间、分析服务并发能力、分析负载。
10.优选地，所述根据所述服务能力及负载，获取系统的时延上界具体为：
11.所述服务能力为β
e2e
，负载为a(t)，时延上界d
max
所述系统的时延上界通过如下公式获得：
12.公式1：
13.公式2：d
max
＝sup{inf{τ≥0:α(s)≤β
e2e
(s+τ)}}；
14.公式3：
15.其中，r
n1
是前向网络服务提供的服务速率，r
n2
是后向网络服务提供的服务速率，r
c
是云服务提供的服务速率，f是云服务在处理计算进程时对数据传输的影响因子。
16.优选地，对线上服务质量进行评估，具体为：
17.对所述公式1、2、3进行运算获得：
[0018][0019]
其中，r
e2e
＝min{r
n1
,r
c
,r
n2
/f}，t
e2e
＝t
n1
+t
c
+t
n2
；
[0020]
当负载为α(t)＝m+pt，系统的时延上界为d
max
＝t
e2e
+m/r
e2e
＝t
c
+t
e
+m/r
e2e
；
[0021]
其中，t
n
＝t
n1
+t
n2
；
[0022]
优选地，还包括：在忽略信号处理时延的情况下，服务延迟参数t链路传输时延和包处理时延的和，即t＝l/r+l/c，其中，l表示最大包长,c 表示最小链路传输速率,r表示用户的请求数。
[0023]
其中，t
n
＝l(1/r
n1
+1/r
n2
+2/c)；
[0024]
系统的时延上界为d
max
＝t
c
+l(1/r
n1
+1/r
n2
+2/c)+m/r
e2e
；其中， r
e2e
＝min{r
n1
,r
c
,r
n2
/f}。
[0025]
本发明第二实施例提供了一种线上服务质量的保障性能评估装置，包括：
[0026]
网络性能分析模块，用于对网络性能进行分析，获取系统的服务能力以及系统的负载；
[0027]
时延上界获取模块，用于根据所述服务能力及负载，获取系统的时延上界；
[0028]
线上服务质量评估模块，用于根据所述时延上界，对线上服务质量进行评估。
[0029]
优选地，所述时延上界获取模块具体用于：
[0030]
所述服务能力为β
e2e
，负载为a(t)，时延上界d
max
所述系统的时延上界通过如下公式获得：
[0031]
公式1：
[0032]
公式2：d
max
＝sup{inf{τ≥0:α(s)≤β
e2e
(s+τ)}}；
[0033]
公式3：
[0034]
其中，r
n1
是前向网络服务提供的服务速率，r
n2
是后向网络服务提供的服务速率，r
c
是云服务提供的服务速率，f是云服务在处理计算进程时对数据传输的影响因子。
[0035]
优选地，所述线上服务质量评估模块具体用于：
[0036]
对所述公式1、2、3进行运算获得：
[0037][0038]
其中，r
e2e
＝min{r
n1
,r
c
,r
n2
/f}，t
e2e
＝t
n1
+t
c
+t
n2
；
[0039]
当负载为α(t)＝m+pt，系统的时延上界为d
max
＝t
e2e
+m/r
e2e
＝t
c
+t
e
+m/r
e2e
；
[0040]
其中，t
n
＝t
n1
+t
n2
；
[0041]
优选地，所述线上服务质量评估模块具体还用于：在忽略信号处理时延的情况下，服务延迟参数t链路传输时延和包处理时延的和，即t＝l/r+l/c，其中l表示最大包长,c表示最小链路传输速率,r表示用户的请求数；
[0042]
其中，t
n
＝l(1/r
n1
+1/r
n2
+2/c)；
[0043]
系统的时延上界为d
max
＝t
c
+l(1/r
n1
+1/r
n2
+2/c)+m/r
e2e
；其中， r
e2e
＝min{r
n1
,r
c
,r
n2
/f}。
[0044]
本发明第三实施例提供了一种线上服务质量的保障性能评估设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如上任意一项所述的一种线上服务质量的保障性能评估方法。
[0045]
基于本发明提供的一种线上服务质量的保障性能评估方法、装置及设备，通过对网络的性能进行分析，以获得系统的服务能力以及系统的负载，针对分析得到服务能力及负载提出时延上界，通过时延上界不同因素的进行分析，以获得可靠性较高的线上服务质量评估报告。
附图说明
[0046]
图1是本发明第一实施例提供的一种线上服务质量的保障性能评估方法流程示意图；
[0047]
图2是本发明实施例提供的多服务台混合制排队模型示意图；
[0048]
图3至图10是本发明实施例提供的仿真实验图；
[0049]
图11是本发明第二实施例提供的一种线上服务质量的保障性能评估模块结构示意图。
具体实施方式
[0050]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
[0052]
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0053]
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制
本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0054]
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0055]
取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
[0056]
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0057]
以下结合附图对本发明的具体实施例做详细说明。
[0058]
本发明公开了一种线上服务质量的保障性能评估方法、装置及设备，旨在对具有突发流量的线上服务提供一个评估结果，以用于优化系统的服务能力。
[0059]
请参阅图1，本发明第一实施例提供了一种线上服务质量的保障性能评估方法，其可由一种线上服务质量的保障性能评估设备(以下简称评估设备)来执行，特别的，由评估设备内的一个或者多个处理器来执行，以实现如下步骤：
[0060]
s101，对网络性能进行分析，获取系统的服务能力以及系统的负载；
[0061]
在本实施例中，可以先对突发的流量进行分析，特别地，针对突发线上教学流量进行分析；
[0062]
设有向连通图n＝<v,e>，记n＝|v|,m＝|e|，每一条边<i，j>有一个非负数c(i，j)，称作边<i，j>的统计流量。n有两个特殊的顶点s和t，s 称作下发点，t称作接收点，其余的顶点称作中间点[11]。称n为网络出口的聚合流量，记作n＝<v,e,c,s,t>。
[0063]
设f:e
→
r*，其中，r*是非负数集，满足下述条件：
[0064]
(1)流量限定
[0065]
(2)负载平衡
[0066]
称f是聚合流n上的一个可行流，称下发点s的净流量为f的流量，记作v(f)，即
[0067]
流量值变动最大的可行流称作突发流。
[0068]
对聚合流进行分析：
[0069]
假设n＝<v,e,c,s,t>，且则
[0070][0071][0072]
由上可以得到：
[0073]
如果f是n上的任一聚合流，是任一割集，则
[0074]
如果f是网络n上的任一聚合流，是任一割集，且则是限制最大流，是最小割集。
[0075]
假设n中每一个顶点之间至多有一条边，如果i和j之间有两条边<i,j> 和<j,i>，可以在<j,i>上插入一个顶点k，把<j,i>分成两条边<j,k>和 <k,i>，且容量都等于c(j,i)。那么：
[0076]
maxv(f)＝s.t.f(i,j)≤c(i,j),<i,j>∈e
ꢀꢀꢀ
(9)
[0077][0078][0079]
f(i,j)≥0,<i,j>∈e
ꢀꢀꢀ
(12)
[0080]
v(f)≥0
ꢀꢀꢀ
(13)
[0081]
对阻塞概率进行分析：
[0082]
当大量批用户因突发流量，无法进入队列缓冲区，就会造成网络阻塞。阻塞概率[12]是衡量网络qos的重要指标。对于等待用户，系统将采用先到先服务的策略，用户进入缓冲区后，可能存在排队或被拒两种不同的结果。假设单个用户r，在队列中的位置符合正态分布，则r在j批次的概率为：
[0083][0084]
设r的队列长度为，请求数为，当时，则之后的用户无法进入等待区，即该批次中将
有个请求存在阻塞。其阻塞概率为
[0085][0086]
对立即服务概率进行分析：
[0087]
当r请求的服务器处于空闲状态时，可立即获得服务。当前系统的队列长度为i(i<m)，批量到达数为j，当j≤m
‑
i时，所有请求均立即获得服务；当j＞m
‑
i时，由于系统采用部分接受策略和先到先服务的顺序，因此，位置在[1,j
‑
m+i]的请求可立即获得服务。因此，立即服务概率[13]为
[0088][0089]
对延时时间进行分析：
[0090]
用户延时时间为系统服务和等待时间的总和。根据式14，w
q
(t)为等待时间t的概率分布函数，当等待时间为0时，其概率为：
[0091][0092]
如果r的位置为n,n∈[1,j]，因无法立即获得服务，按先来先到的原则，需等待前一个服务请求完成后再获取服务。假设r的请求数为l，m为服务台数量，l个请求的离去流则符合mμ的l阶erlang分布。l的存在两种情况分别为：
[0093]
当i<m，r请求到达。当j∈(m
‑
i,n
‑
i]，当n∈(m
‑
j,j]时，r进入队列排队等待。当j∈(n
‑
i,∞]，而n∈(m
‑
j,n
‑
j]时，也会等待。有l＝n
‑
m+i，等待时间的分布函数为
[0094][0095]
当i≥m，请求到达时不存在空闲的服务台。当j∈[1,n
‑
i]，n∈[1,j]时，请求会排队等待。当j∈(n
‑
i,∞]，而n∈[1，n
‑
i]时，也会等待。有l＝n
‑
m+i，等待时间的分布函数为
[0096][0097]
因此，等待时间w
q
(t)为
[0098]
[0099]
其中，和可分别由式(18)和式(19)代入。延时时间w＝w
q
+w
s
， w
q
和w
s
互相独立。根据分布函数的卷积公式，可以得到延时时间为：
[0100][0101]
对服务并发能力进行分析：
[0102]
在云服务系统中，用户请求往往是批量到达(如用户需要部署多个vm)。本文将根据文献[14
‑
15]，从用户批量请求的特性和流量特性出发，对 m
x
/m/m/m+r排队模型进行建模和分析云计算的服务性能。根据排队系统中常见的性能指标，给出在该批量排队中对应指标的表达式，并分析云服务系统的服务质量，以此保障qos和避免违反服务水平协议(sla)。
[0103]
当业务系统正常服务时，通常有大批用户请求进入服务台。用户发送请求时，服务台会根据用户的需求自适应提供不同类型的服务，用户也将排队进入缓冲区。排队模型m
x
/m/m/m+r为多服务台混合制排队模型，属于有限状态的马尔可夫过程，其具体如图2所示。该模型的工作特性为：数据流批量到达服务台，λ为数据流的到达时间间隔服从泊松流；每批请求的数目为一随机变量x，其概率分布为p(x＝x)＝c
i
，x＝1,2,
…
,k(k 为正整数)。
[0104]
设将系统内用户请求数的队列长度i作为系统的状态变量，其概率为π
i
，系统容量n＝m+r，流量强度已知当ρ<1时，系统存在平稳状态，状态转移满足如下规则。
[0105]
①
对于状态i的转出情况，由任意一个状态i出发，其向右均可一步到达其后的任意一个状态i+1,i+2,
…
，或i+k，即在i状态中有批量为x的请求到达系统。而向左只能到达其相邻状态i
‑
1，即在同一个时刻，只有一个请求被服务完成而离开系统。
[0106]
②
i转入时，状态i此时的左边状态为i
‑
1，i
‑
2，
…
，i
‑
k直接到达，即批量为x的请求到达系统后，其队列长度为i。在右边状态为i+1，i+2，
…
，i+k，当相邻状态i+1时可到i状态。
[0107]
③
服务结束后，由状态i向i
‑
1状态的转移过程，其转移概率根据参数 i值的不同而有不同的变化规律。以状态m为分界点，对m左边的状态 i(0<i<m)，其转移概率为iμ，右边转移概率为mμ。
[0108]
根据chapman
‑
kolmogorov
‑
方程[]，可以得到：
[0109][0110]
由式(21)可得，π
i+1
可以由π
i
递推，可获得π1,π2,
…
,π
n
和π0之间的关系，由可获得所有队列长度的概率分布。
[0111]
通过上述分析，我们可以得出，增加服务台数量有利于提高服务性能。在面对突发量大的用户请求时，我们需要增加终端服务器(虚拟机或主机)，以便有效地保证用户的qos。
[0112]
对负载进行分析：
[0113]
在一体化服务系统提供相同的服务能力时，由于其负载的不同，用户得到的服务性能也会有所不同，因此，为了更准确地分析云服务一体化服务系统的服务性能，需要提出一种方法来描述一体化服务系统的负载，即终端用户接入一体化服务系统的数据流情况。
[0114]
用户接入服务系统的数据流受前向网络服务系统接入能力的限制。前向网络服务系统需要检测到达入口的数据流是否满足条件，当不满足条件时，网络需要进行相应的调整。因此，终端用户接入前向网络服务系统的数据流就是一体化服务系统的负载。
[0115]
由于大多数网络系统在网络的流量控制策略来约束到达的聚合流，并且为了表现流的特性，在实际应用中，负载均衡是将用将户提交的作业调度到不同的虚拟机资源上，使系统中虚拟机或主机之间共同分担工作负载，完成作业执行。当然，现有的资源池可以有上万或几十万的虚拟机和主机的服务节点，如果负载不均衡，很有可能导致业务全部中断。因此，本文假设线上教学服务系统的负载可以表示为a(t)＝m+pt的形式，其中m表示最大突发量，p表示到达速率，且p需满足p≤r，否则时延界限将趋于无穷。
[0116]
对限制突发模型进行分析：
[0117]
通过对线上教学中的网络流量指标的分析，限制突发模型首先是考虑影响大流量突发性的设定，称为“突发限制”。我们用一个非负数r表示给定某通信链路上的一个业务流，对于任意两个时刻x和y，且y≥x，r在区间[x，y]上的积分表示该业务充在时间[x，y]内在链路上传输的数据量。 r(t)[0，1]表示为线上业务在时刻t的瞬时流量。当r(t)为0时，表示其链路为空闲；当r(t)为1时，表示其链路满负载传输。给定σ≥0且ρ≥0， r～(σ,ρ)，且当对于所有的x和y，满足y≥x，则：
[0118][0119]
式中的ρ为平均速率，σ为突发限制，对于一个固定值ρ，σ越大，则突发能力越大。
[0120]
当流量定义为上界突发流量时，则有：
[0121][0122]
式中a为函数衰减因子，当任何时间段[x，y]内流过的流量总量总存在一个上界，此上界为一个递减的指数函数，ρ为上界流速率，ae
‑
aσ
为限制函数。如果流量受限于该指数函数，那么网络延时以及队列长度呈指数衰减分布。
[0123]
对于随机限制突发情况，当f(σ)∈f，给定σ>0，0≤x<y，则有：
[0124][0125]
ρ为上界流速率，f(σ)为限制函数。
[0126]
s102，根据所述服务能力及负载，获取系统的时延上界；具体为：
[0127]
稳定的性能是用户选择线上服务的衡量指标。时延是性能指标中的重要参数，在实际应用场景中，业务质量好坏直接受时延性能的影响。例如，当学生选择进行在线云教学
时，他们希望选择的云服务能够在尽量短的时间内完成自己的请求。传统时延的分析方法可分为两类：一类是统计理论分析法，另一类是时间序列分析法。但两种方法均只能得到平均时延的统计值或近似值，不能得到直接影响云服务质量及用户服务选择的时延上界。因此，本实施例重点对融合服务系统的时延上界展开讨论。
[0128]
所述服务能力为β
e2e
，负载为a(t)，时延上界d
max
所述系统的时延上界通过如下公式获得：
[0129]
公式1：
[0130]
公式2：d
max
＝sup{inf{τ≥0:α(s)≤β
e2e
(s+τ)}}；
[0131]
云服务系统中的每个服务组件的服务能力曲线可以用lr函数表示。因此，本文假设服务系统中每个服务组件的服务能力和缩放函数s的缩放曲线分别为
[0132]
公式3：
[0133]
其中，r
n1
是前向网络服务提供的服务速率，r
n2
是后向网络服务提供的服务速率，r
c
是云服务提供的服务速率，f是云服务在处理计算进程时对数据传输的影响因子。
[0134]
s103，根据所述时延上界，对线上服务质量进行评估。具体为：
[0135]
对所述公式1、2、3进行运算获得一体化服务系统的端到端服务能力为：
[0136][0137]
其中，r
e2e
＝min{r
n1
,r
c
,r
n2
/f}，t
e2e
＝t
n1
+t
c
+t
n2
；
[0138]
通过上式可以看出，对于云服务一体化服务系统，如果每个网络服务组件被描述为lr函数，云服务被描述为具有线性缩放曲线的lr函数，那么整个服务系统提供的端到端服务能力可以被描述为受缩放曲线约束的lr 函数。其服务延迟参数t是整个系统中每个服务组件的延迟参数之和。服务速率是前向网络服务速率、云服务速率及后向网络服务的传输服务速率三者中的最小值。
[0139]
当负载为α(t)＝m+pt，系统的时延上界为d
max
＝t
e2e
+m/r
e2e
＝t
c
+t
e
+m/r
e2e
；
[0140]
其中，t
n
＝t
n1
+t
n2
；
[0141]
在本实施例中，对于网络服务，lr函数中的延迟参数t反映了网络的系统属性，它可以被看做是在一个网络会话的忙期，第一个bit流在最糟糕情况下传输所需的时间。在忽略信号处理时延的情况下，服务延迟参数t 链路传输时延和包处理时延的和，即t＝l/r+l/c，其中，l表示最大包长,c 表示最小链路传输速率,r表示用户的请求数。
[0142]
其中，t
n
＝l(1/r
n1
+1/r
n2
+2/c)；
[0143]
系统的时延上界为d
max
＝t
c
+l(1/r
n1
+1/r
n2
+2/c)+m/r
e2e
；其中， r
e2e
＝min{r
n1
,r
c
,r
n2
/f}。
[0144]
由上式可以看出，当网络服务速率为恒定值，且数据流的突发量为0 时，一体化服务系统的时延上界为恒定值，与数据流的到达速率无关。这是因为本章假设到达速率不大
于系统服务速率，从而使得进入系统的数据流会立刻得到服务，而不会在系统中产生等待时延。此时，本文所求的时延上界即为系统的处理时间。
[0145]
具体地，请参阅图3及图4，不同缩放因子下和不同ip数(即用户数) 的时延，可以看出，当网络服务速率很小时，网络时延会随着服务速率的增加而增加。当f和k不断增加时，延时也会随着服务速率不断增加，同时延时上界也会不断减小，流量经过服务器处理后增加了后向传输网络的负载。因此，网络服务速率和网络延时，在不同的情况下，都会有影响，且影响程度也将不同。
[0146]
我们使用不同网络节点数进行仿真对网络性能数据的影响，当f＝0.5 和f＝2节点数分别为50、100、500、1000时，图5(f＝0.5)和图6(f＝2) 中给出了对不同节点数的对服务速率所得到的仿真结果。当所使用的网络的节点数目较少时，当网络节点数(n)为50个时，所得到的网络延时比较大，且服务速率越大，延迟一直增大；而当网络节点数(n)为100和500时时，图中所显示的延时比50个网络节点延迟已经小很多。而当n＝1000时，延迟越来越小，说明节点数越多，延迟越小。
[0147]
我们假定最大突发量为2000mb，前向负载与后向负载的突量流量一致。图7(f＝0.5)和图8(f＝2)中可以看出，随着最大突发量的增加，系统的延时也随着增加。这是因为当服务速率一定时，系统的网络延时也随之增加。这是因为当服务速率一定时，系统的时延只与最大突发量有关，且最大突发量越大，系统的处理时间越长。在图8中，当f＝2时，由于经过服务器的数据增加了后向传输网络的负载，而系统提供一定服务速率时，系统延时也将增大。
[0148]
图9(f＝0.5)和图10(f＝2)描述了在不同缩放因子下以及相同前向流量下本文方法与现有技术的延时上界性能对比图。从实验可以看出，在相同服务速率下，当f＝0.5，rn＝5000mb/s和f＝2，rn＝5000mb/s时，本文评测方法将获得更小的时延上界。这是因为现有技术不能根据链路的服务能力分配流量，造成数据链路流量负载过大，导致网络堵塞，从而影响时延上界。而确定限制突发模型的性能评估方法影响时延上界的主要因素为突发流量，到达速率虽有关联，但对时延影响不大。
[0149]
由此可知，时延上界随着服务速率的增加而增加。当服务速率一定时，突发流量是影响时延上界的主要因素。当用户数量不断增加时，后向网络服务提供的服务能力对时延上界有着重要的影响。而当节点数越多，其服务能力越强，网络延时越小，这说明了节点的计算能力对时延上界也起了主要的作用。因此，当面对突发的流量，为了避免出现网络的堵塞，网络运营商为了保障网络的服务质量，应根据自身服务能力及用户的请求计算服务节点的数据积压上界，从而为网络服务接点的缓存区大小的分配提供依据。其次应尽可能的扩大出口带宽以及实现多带宽的负载均衡，以保证带宽不会出现拥堵。最后，网络运营商要用网络虚拟批技术实现以服务的形式提供网络资源，且提供丰富多样的网络服务，以满足业务个性化和多样化的需求。
[0150]
请参阅图11，本发明第二实施例提供了一种线上服务质量的保障性能评估装置，包括：
[0151]
网络性能分析模块201，用于对网络性能进行分析，获取系统的服务能力以及系统的负载；
[0152]
时延上界获取模块202，用于根据所述服务能力及负载，获取系统的时延上界；
[0153]
线上服务质量评估模块203，用于根据所述时延上界，对线上服务质量进行评估。
[0154]
优选地，所述时延上界获取模块202具体用于：
[0155]
所述服务能力为β
e2e
，负载为a(t)，时延上界d
max
所述系统的时延上界通过如下公式获得：
[0156]
公式1：
[0157]
公式2：d
max
＝sup{inf{τ≥0:α(s)≤β
e2e
(s+τ)}}；
[0158]
公式3：
[0159]
其中，r
n1
是前向网络服务提供的服务速率，r
n2
是后向网络服务提供的服务速率，r
c
是云服务提供的服务速率，f是云服务在处理计算进程时对数据传输的影响因子。
[0160]
优选地，所述线上服务质量评估模块203具体用于：
[0161]
对所述公式1、2、3进行运算获得：
[0162][0163]
其中，r
e2e
＝min{r
n1
,r
c
,r
n2
/f}，t
e2e
＝t
n1
+t
c
+t
n2
；
[0164]
当负载为α(t)＝m+pt，系统的时延上界为d
max
＝t
e2e
+m/r
e2e
＝t
c
+t
e
+m/r
e2e
；
[0165]
其中，t
n
＝t
n1
+t
n2
；
[0166]
优选地，所述线上服务质量评估模块203具体还用于：在忽略信号处理时延的情况下，服务延迟参数t链路传输时延和包处理时延的和，即 t＝l/r+l/c，其中l表示最大包长,c表示最小链路传输速率,r表示用户的请求数；
[0167]
其中，t
n
＝l(1/r
n1
+1/r
n2
+2/c)；
[0168]
系统的时延上界为d
max
＝t
c
+l(1/r
n1
+1/r
n2
+2/c)+m/r
e2e
；其中， r
e2e
＝min{r
n1
,r
c
,r
n2
/f}。
[0169]
本发明第三实施例提供了一种线上服务质量的保障性能评估设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如上任意一项所述的一种线上服务质量的保障性能评估方法。
[0170]
基于本发明提供的一种线上服务质量的保障性能评估方法、装置及设备，通过对网络的性能进行分析，以获得系统的服务能力以及系统的负载，针对分析得到服务能力及负载提出时延上界，通过时延上界不同因素的进行分析，以获得可靠性较高的线上服务质量评估报告。
[0171]
本发明第四实施例提供了一种可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被该存储介质所在设备的处理器执行，以实现如上任意一项所述的一种线上服务质量的保障性能评估方法。
[0172]
示例性地，本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完
成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现一种线上服务质量的保障性能评估设备中的执行过程。例如，本发明第二实施例中所述的装置。
[0173]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor， dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述线上服务质量的保障性能评估方法的控制中心，利用各种接口和线路连接整个所述实现对线上服务质量的保障性能评估方法的各个部分。
[0174]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现线上服务质量的保障性能评估方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡 (smart media card,smc)、安全数字(secure digital,sd)卡、闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0175]
其中，所述实现的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random accessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0176]
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0177]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。