[发明专利]一种SOA服务平均故障间隔时间预测方法

权利要求书

1.一种SOA服务平均故障间隔时间预测方法，其特征在于按以下步骤执行：

步骤一：记录连续n次SOA服务故障发生的时刻；获取SOA服务的故障间隔时间数据序列；

设定SOA服务故障发生的初始时刻为t(n)，所述故障间隔时间数据序列为tf(i)，tf(i)＝t(i+1)-t(i)，各故障间隔时间，n为正整数，i为整数且1≤i≤n-1；

步骤二：替换所述故障间隔时间数据序列中的奇异点；

设定单位时间内所述故障间隔时间数据序列的最大正变化率为R_p，单位时间内所述故障间隔时间数据序列的最大负变化率为R_n；计算R_p和R_n；

Rp=max{tf(i+1)-tf(i)t(i+1)-t(i)|tf(j)-tf(i)>0};]]>

Rp=max{tf(i+1)-tf(i)t(i+1)-t(i)|tf(j)-tf(i)>0};]]>

当tf(i)-tf(i-1)t(i)-t(i-1)>a×Rp]]>且tf(i+1)-tf(i)t(i+1)-t(i)>a×Rn]]>时，tf(i)为奇异点；

当tf(i)-tf(i-1)t(i)-t(i-1)<a×Rn]]>且tf(i+1)-tf(i)t(i+1)-t(i)>a×Rp]]>时，tf(i)为奇异点，0.5＜a＜1；

设定所述故障间隔时间数据序列中的奇异点集合为f(x)，1≤x≤n-1；

当tf(i)为奇异点时，

tf(i)=mean{(f(x+1)-f(x-1))×(t(x)-t(x-1))t(x+1)-t(x-1)+f(x-1)|1≤x≤n-1};]]>

步骤三：计算相邻故障间隔时间增量序列的对数；

设定相邻故障间隔时间增量序列为cr(i)；cr(i)＝tf(i+1)-tf(i)；计算相邻故障间隔时间增量序列的对数lcr(i)：

lcr(i)=log(cr(i))cr(i)>0-log(-cr(i))cr(i)<00cr(i)=0;]]>

步骤四：计算对数增长序列各分类之间的转移概率矩阵；

设定lcr(i)序列中最小值为MIN，MIN＝min{lcr(i)|1≤i≤n-1}；设定lcr(i)序列中最大值为MAX，MAX＝max{lcr(i)|1≤i≤n-1}；将MIN到MAX的区间分为p个类，p为正整数；设定第x个序列数据到第l个分类的映射函数为map(x)，1≤l≤p；当且仅当MIN+MAX-MINp×(l-1)≤lcr(x)≤MIN+MAX-MINp×l]]>时，map(x)＝l；

设定MIN到MAX的区间中第x₁个类和第x₂个类之间的转移概率矩阵为TR(x₁，x₂)，x₁和x₂均为正整数；

TR(x1,x2)=Σl=1nIJCOUNT(x1,x2,l)Σl=1nICOUNT(x1,l)ifx1≠x21-Σ1≤i≤p,x1≠iTR(x1,i)else;]]>

ICOUNT(x1,l)=1ifmap(l)=x10else;]]>

IJCOUNT(x1,x2,l)=1ifmap(1+1)=x2andmap(l)=x10else;]]>

步骤五：计算相邻故障间隔时间指数增量的平均转移差值；

计算MIN到MAX的区间各个类的平均转移增量inc(l)，其中1≤l≤p；inc(l)=Σ0≤i≤p,i≠lTR(l,i)×(i-l)×MAX-MINp;]]>设定相邻故障间隔时间指数增量的平均转移差值为EINC；

EINC=einc(map(n-1))inc(map(n-1))>00inc(map(n-1))=0-e-inc(map(n-1))inc(map(n-1))<0;]]>

步骤六、设定平均故障时间间隔的预测值为PMTTF，计算并求出PMTTF；PMTTF=Σi=1wtf(n+1-i)w+EINC;]]>w为正整数。

2.如权利要求1所述的一种SOA服务平均故障间隔时间预测方法，其特征是：所述获取SOA服务的故障间隔时间数据序列由SOAP UI测试平台对SOA服务的url地址测试得到。