新一代互聯(lián)網(wǎng)服務(wù)及故障檢測(cè)若干關(guān)鍵技術(shù)的研究.pdf

1、服務(wù)的可管理性是新一代互聯(lián)網(wǎng)服務(wù)的核心問題之一。可以預(yù)見互聯(lián)網(wǎng)上的服務(wù)將與時(shí)俱增，如果沒有科學(xué)的方法對(duì)服務(wù)進(jìn)行管理，互聯(lián)網(wǎng)的服務(wù)將不可控。如何形式化描述和語(yǔ)義化表示服務(wù)的內(nèi)部結(jié)構(gòu)及接口，如何使用元服務(wù)組合成功能更強(qiáng)的高級(jí)服務(wù)，如何動(dòng)態(tài)查找和匹配服務(wù)，如何描述故障檢測(cè)服務(wù)的屬性及性能指標(biāo)，如何有效部屬故障檢測(cè)服務(wù)，如何評(píng)估故障檢測(cè)服務(wù)的性能，如何提高故障檢測(cè)服務(wù)的性能，這些是服務(wù)管理必須解決的理論問題。以解決這一關(guān)鍵的科學(xué)問題為目標(biāo)，本文

2、采用理論分析和實(shí)驗(yàn)相結(jié)合的方式重點(diǎn)針對(duì)新一代互聯(lián)網(wǎng)服務(wù)及故障檢測(cè)的若干關(guān)鍵技術(shù)進(jìn)行研究并取得了一系列有價(jià)值的成果。概括起來，本論文的創(chuàng)新成果主要體現(xiàn)在以下幾個(gè)方面： 1)分析了下一代互聯(lián)網(wǎng)基礎(chǔ)網(wǎng)絡(luò)資源異構(gòu)、用戶需求個(gè)性化、參與者眾多等特征；研究了WEB服務(wù)、語(yǔ)義WEB、服務(wù)分類、參與者角色細(xì)分、面向服務(wù)的體系結(jié)構(gòu)、開放網(wǎng)格服務(wù)體系結(jié)構(gòu)等研究成果；從服務(wù)參與者、語(yǔ)義描述、技術(shù)視點(diǎn)分別提出了多角色合作交互管理模型、本體模型和能力分層

3、提供模型。多角色合作交互管理模型使用智能化方式綜合管理服務(wù)：本體模型解決了服務(wù)本質(zhì)特征統(tǒng)一語(yǔ)義描述的問題；能力分層提供模型實(shí)現(xiàn)了異構(gòu)基礎(chǔ)網(wǎng)絡(luò)資源的融合開放；基于三個(gè)服務(wù)模型提出了一個(gè)完整的服務(wù)框架。解決網(wǎng)絡(luò)體系結(jié)構(gòu)的相對(duì)穩(wěn)定性和復(fù)雜多變的用戶服務(wù)需求之間的基本矛盾。 2)分析了網(wǎng)格環(huán)境下故障檢測(cè)服務(wù)所需滿足的各種要求，形式化的描述網(wǎng)格故障模型、故障檢測(cè)器模型及性能評(píng)測(cè)指標(biāo)；提出一個(gè)多層故障檢測(cè)機(jī)制，能根據(jù)不同網(wǎng)格環(huán)境(節(jié)點(diǎn)內(nèi)、站

4、點(diǎn)、虛擬組織)，實(shí)施不同的故障檢測(cè)機(jī)制，在保證完整性、可靠性、動(dòng)態(tài)性、可擴(kuò)展性、適應(yīng)性、多樣性等需求的前提下，能及時(shí)有效地檢測(cè)出進(jìn)程、主機(jī)、站點(diǎn)等不同層次的故障。 3)研究分析了網(wǎng)格等新一代互聯(lián)網(wǎng)服務(wù)必須提供的另一個(gè)重要指標(biāo).互操作性，首先利用“本體”描述故障檢測(cè)服務(wù)，然后利用面向服務(wù)的思想使多級(jí)故障檢測(cè)實(shí)現(xiàn)不依賴于具體的環(huán)境，保證了互操作性要求。 4)利用大量的仿真實(shí)驗(yàn)研究心跳式故障檢測(cè)器在無線自組網(wǎng)不同路由協(xié)議上的性

5、能，提出以變化節(jié)點(diǎn)數(shù)量、節(jié)點(diǎn)移動(dòng)速度、節(jié)點(diǎn)業(yè)務(wù)量、節(jié)點(diǎn)傳輸范圍來評(píng)估性能。仿真結(jié)果顯示主動(dòng)路由提供較好的平均延時(shí)、平均故障檢測(cè)時(shí)間，被動(dòng)路由提供較好的標(biāo)準(zhǔn)化路由開銷、能量消耗率、交付率、誤檢測(cè)率。仿真結(jié)果可以為無線自組網(wǎng)環(huán)境下的故障檢測(cè)器提供參考。 5)為了使故障檢測(cè)服務(wù)能精確地預(yù)測(cè)心跳消息的延時(shí)，提出一種新穎的黑箱模型預(yù)測(cè)下一個(gè)心跳消息的到達(dá)時(shí)間。將心跳消息到達(dá)時(shí)間看作自回歸過程，將心跳消息發(fā)送時(shí)間看作外生變量，基于滑動(dòng)窗口的

6、觀測(cè)值用來估算模型系數(shù)，然后使用這個(gè)結(jié)果估算下一個(gè)心跳消息到達(dá)時(shí)間。仿真實(shí)驗(yàn)表明，在瓶頸鏈路、鏈路失效恢復(fù)、可用帶寬變化、心跳消息間隔變化等不同的網(wǎng)絡(luò)環(huán)境下，自適應(yīng)自回歸外生變數(shù)模型能適應(yīng)這些變化，精確捕獲心跳消息的到達(dá)時(shí)間，與傳統(tǒng)的時(shí)間序列預(yù)測(cè)方法相比，產(chǎn)生最小的預(yù)測(cè)錯(cuò)誤。 6)使用兩層前向神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)并近似心跳消息的非線性特征，精確地預(yù)測(cè)心跳消息的延時(shí)。輸入包含一個(gè)滑動(dòng)窗口心跳消息延時(shí)的觀測(cè)值，輸出是提前一步預(yù)測(cè)，首先使用后

7、向傳播算法來訓(xùn)練網(wǎng)絡(luò)節(jié)點(diǎn)的權(quán)值、偏置值，然后使用最速梯度下降規(guī)則調(diào)整。仿真實(shí)驗(yàn)表明，自適應(yīng)自回歸外生變數(shù)模型能適應(yīng)這些變化，精確捕獲心跳消息到達(dá)時(shí)間，產(chǎn)生更好的預(yù)測(cè)結(jié)果。 7)使用非線性自回歸外生變數(shù)網(wǎng)絡(luò)來學(xué)習(xí)心跳消息的線性、非線性特征，進(jìn)而實(shí)現(xiàn)提前一步預(yù)測(cè)。輸入包含一個(gè)滑動(dòng)窗口心跳消息到達(dá)的觀測(cè)值和一個(gè)滑動(dòng)窗口的心跳消息發(fā)送時(shí)間，輸出是提前一步預(yù)測(cè)，首先使用后向傳播算法來訓(xùn)練網(wǎng)絡(luò)節(jié)點(diǎn)的權(quán)值、偏置值，然后使用最速梯度下降規(guī)則調(diào)整