一种基于预测控制的SaaS系统自适应方法

发布时间：2017-08-04 16:23

  本文关键词：一种基于预测控制的SaaS系统自适应方法

  更多相关文章： 自适应系统 需求 预测控制 服务质量 软件即服务 云计算

【摘要】：对于部署在虚拟服务器集群上的多层云端应用系统而言,可以通过调整运行时架构以适应需求和上下文环境的变化,并保证其在动态负载下的性能.然而,由于缺乏通用的方法,如何从问题空间上的需求自适应地映射到解空间上的架构就成为了一个关键的问题.为解决这个问题,目前存在3种驱动方法:需求驱动模型、架构驱动模型和综合需求和架构模型的驱动方法.然而,这些方法的性能是有限的,并且忽视了时间变化规律,对横切系统多个层次的需求演化支持也不足.文中提出了一个基于预测控制的自适应方法(SAPC),它采用综合需求和架构的模型来驱动系统的自适应.该方法根据监控获取的运行时状态信息日志得到服务组件QoS值,学习基于小波变换的模型以准确预测服务组件的QoS,并通过预测控制诱导需求进化或实现运行时架构的模型转换来达到系统的自适应.更进一步,其根据当前的服务组件的QoS以及目标QoS做出优化决策.在控制操作部分中,判别当前情况下是做框架调整还是需求调整.如果存在可行的运行时模型,则通过预测控制产生操作向量,继而自动生成面向方面的脚本;该脚本被执行后会重构运行时模型并生成相应实例,该实例被传递给并行计算架构(比如MapReduce、Yarn或Spark等)来执行.否则,运用训练好的模型标识出进化点,然后将进化点与初始的需求混合起来以诱导需求进化.为验证上述方法,文中以一个名为CloudCRM在线SaaS平台为基准进行了大规模的实验,该平台基于RGPS元模型框架,通过对开源软件SuperCRM进行服务化改造来获得,其支持多租户.为观察平台在不同模型驱动方法的性能表现,文中对于该平台进行了剪裁,构造了4种由不同模型驱动的系统(包括Static、Req、Arch与SAPC),实验结果验证了文中方法的有效性.其中,在用户数为20时文中方法相对于其他3种方法在响应时间上分别降低54%,26%与21%,在吞吐率上提高313%,288%与12%,在可靠性上提高0.40%,0.26%与0.42%;在用户数为200时文中方法相对于其他3种方法在响应时间上分别降低99.5%,99.2%与20.7%,在吞吐率上提高320%,298%与10%,在可靠性上提高500%,495%与1.5%.进而文中方法使用小波变换分析相较于傅里叶变换在响应时间上降低7.2%,在吞吐率上提高2.4%,在可靠性上提高0.08%.在参数对于系统的影响方面,随着目标集合的大小与插件扩展点的数目的增长,SAPC方法都符合响应时间和吞吐量增加而可靠性下降的现象.
【作者单位】： 武汉大学软件工程国家重点实验室&计算机学院;湖北文理学院;武汉大学国际软件学院;
【关键词】： 自适应系统 需求 预测控制 服务质量 软件即服务 云计算
【基金】：国家“九七三”重点基础研究发展规划项目基金(2014CB340400) 国家自然科学基金(61273216,61202032,61272111,61202031,61202048) 湖北省重大科技创新计划(2013AAA020) 中国国家科技支柱项目(2012BAH07B01) 武汉市青年科技晨光计划(2014070404010232) 软件工程国家重点实验室开放基金(SKLSE-2012-09-21)资助~~
【分类号】：TP393.09
【正文快照】： 1引言在软件工程中,需求工程关注的是准确描述问题以及如何加快系统从需求建模到实现的过程[1].在应用程序部署之后,由于软件需求的演化而产生的需求变更会导致耗时费力的开发活动[2],并同时影响客户的体验.因此,软件系统需要具有自适应调整的能力,以快速响应需求变更和感知上

【相似文献】

中国期刊全文数据库 前10条

1 徐立鸿;预测控制的研究现状及问题[J];控制理论与应用;1994年01期

2 刘兵,冯纯伯;基于双重准则的二自由度预测控制——离散情况[J];自动化学报;1998年06期

3 徐湘元,毛宗源;预测控制的常用模型及其相互关系和统一形式[J];广东工业大学学报;2000年03期

4 苏宏业,李林欢,褚健;预测控制的新进展[J];机电工程;2001年05期

5 李韫 ,李书臣;漫谈预测控制[J];自动化博览;2001年05期

6 许超,陈治纲,邵惠鹤;预测控制技术及应用发展综述[J];化工自动化及仪表;2002年03期

7 胡国龙,孙优贤;预测控制进展及其应用研究[J];电力系统及其自动化学报;2003年01期

8 陆顾新,黄道平,王永庆,朱学峰;多周期非自衡系统预测控制研究[J];计算机测量与控制;2003年09期

9 冯少辉,赵均,钱积新;预测控制中的稳态优化策略[J];自动化技术与应用;2003年03期

10 袁天保,刘新建,秦子增;混合加权连续预测控制研究[J];电机与控制学报;2005年06期

中国重要会议论文全文数据库 前10条

1 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年

2 魏善碧;柴毅;丁宝苍;;独立动态系统分布式预测控制研究[A];第二十七届中国控制会议论文集[C];2008年

3 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年

4 陈虹;;预测控制鲁棒性研究的若干问题[A];第二十二届中国控制会议论文集（下）[C];2003年

5 刘兵;徐立鸿;冯纯伯;;连续系统预测控制[A];1994中国控制与决策学术年会论文集[C];1994年

6 崔小第;卢准炜;徐荣良;;一类非线性模型的预测控制[A];1994年中国控制会议论文集[C];1994年

7 刘兵;徐立鸿;冯纯伯;施建华;;具有饱和输入的预测控制[A];1995年中国控制会议论文集（上）[C];1995年

8 罗国娟;吴刚;;预测控制中柔化因子与控制增量权重的关系[A];第二十四届中国控制会议论文集（上册）[C];2005年

9 刘燕卿;刘飞;;约束预测控制软件实现及仿真研究[A];2007中国控制与决策学术年会论文集[C];2007年

10 柴毅;魏善碧;郭茂耘;凌睿;;带通信完全失效的多飞行器编队分布式预测控制研究[A];2009中国控制与决策会议论文集（3）[C];2009年

中国重要报纸全文数据库 前1条

1 陈倩;南屯矿运搬工区巧打安全“预防针”[N];经理日报;2008年

中国博士学位论文全文数据库 前10条

1 张隆阁;基于多胞的鲁棒预测控制研究[D];华北电力大学;2015年

2 李德伟;预测控制在线优化策略的研究[D];上海交通大学;2009年

3 林永君;基于复杂机理模型的过程预测控制研究[D];华北电力大学;2002年

4 徐湘元;预测控制的线性方法、非线性方法和神经网络方法[D];华南理工大学;2000年

5 盛云龙;离散时间约束不确定线性系统的鲁棒预测控制[D];浙江大学;2003年

6 徐祖华;模型预测控制理论及应用研究[D];浙江大学;2004年

7 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年

8 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年

9 张立;预测控制综合方法及其在回转窑煅烧过程中的应用研究[D];东北大学;2012年

10 李常贤;复杂系统的预测控制及其应用[D];浙江大学;2003年

中国硕士学位论文全文数据库 前10条

1 冯凯;基于最小二乘支持向量机的参数变化模型辨识及其预测控制[D];浙江大学;2015年

2 徐进;基于预测控制的电梯永磁曳引机无称重传感器起动策略研究[D];哈尔滨工业大学;2015年

3 王会卿;大型直流锅炉机组预测控制方法应用研究[D];山东大学;2015年

4 刘博;基于扰动观测的永磁同步电机电流预测控制研究[D];哈尔滨工业大学;2015年

5 胡婧;随机模型预测控制在风力发电系统的应用[D];华北电力大学;2015年

6 倪虹;基于智能计算的预测控制及应用[D];宁波大学;2015年

7 孙志民;基于改进粒子群优化的磨矿过程预测控制[D];大连理工大学;2015年

8 武晓英;预测控制在同步发电机励磁非线性控制中的应用[D];河北工业大学;2015年

9 杜宇;监督预测控制的研究与应用[D];华北电力大学（北京）;2010年

10 邹洁;结构振动的预测控制研究[D];武汉理工大学;2006年

，

本文编号：620541