[发明专利]移动边缘环境下的Web服务QoS监控方法

说明书

本发明公开了一种移动边缘环境下的Web服务QoS监控方法。该方法通过收集用户和服务信息及Web服务的QoS属性数据，对其进行数据预处理后得到符合边缘环境特性的数据集，并采用高斯隐藏贝叶斯概率监控方法实现边缘环境下的QoS监控。在进行数据预处理时，去掉具有缺失数据的样本后，以服务的地理位置进行聚类划分，得到边缘服务器的位置信息和QoS数据样本流。通过学习部分样本，为每个边缘服务器计算先验概率，同时计算父属性的值来削弱属性间取值的依赖性，构造高斯隐藏贝叶斯分类器，从而提高监控结果的准确性。在监控过程中，考虑用户的移动性调用对应的分类器并结合KNN算法，最终得到监控结果。

技术领域

本发明涉及一种Web服务QoS监控方法，尤其涉及移动边缘环境下的Web服务QoS监控方法，属于互联网技术领域。

背景技术

随着云计算、大数据等新技术对传统Web服务的推动，企业之间甚至个人对服务的需求正逐步转变为服务间的交互。服务质量(QoS)是Web服务的一组非功能属性的集合，是衡量第三方服务好坏的重要指标，每个QoS属性表示Web服务某一方面的质量信息，如响应时间，吞吐量，可靠性等。在复杂多变的环境中，Web服务的运行环境及其运行质量也无时无刻不发生着改变，为了让服务能够适应实时变化的环境，如何对Web服务质量(QoS)进行准确而灵敏的监控成为亟待解决的重点。此外，如今移动边缘计算是一项新兴技术，又由于其具有响应时间短、处理速度快的特点，因此，在服务推荐系统中，通过部署边缘服务器来为移动设备或移动用户提供可靠性服务成为当下在新环境中监控服务质量的新话题，服务质量(QoS)成为关键因素。

现有的监控方法主要针对一般环境下的Web服务，主要采用的是概率监控方法。大多数的QoS属性标准可以用概率质量属性的方式来表达，如响应时间可描述为“某服务对客户请求的响应时间小于10s的概率为50％”。现有的概率监控方法主要有基于估值计算的监控方法，基于经典假设检验SPRT的监控方法和基于贝叶斯思想的监控方法。其中，基于贝叶斯思想的监控方法主要通过历史数据样本流构造贝叶斯分类器，从而计算后验概率得到监控结果，如Zhuang等考虑环境因素的影响，利用TF-IDF算法对构造的贝叶斯分类器进行加权处理进行监控；Zhang等结合信息增益和滑动窗口机制有效摒弃历史数据的过期信息，从而更加准确的监控Web服务QoS。但现有方法面对移动边缘环境下时效性短、变化快的数据，由于用户的移动性可能造成的监控结果偏差，且监控过程中忽略了属性间取值的依赖性。

发明内容

发明目的：本发明的目的在于考虑属性间取值的依赖性和移动边缘环境下数据时效性短、变化快的特性，提供一种移动边缘环境下的Web服务QoS监控方法。

技术方案：为实现上述发明目的，本发明所采用的技术方案是：

一种移动边缘环境下的Web服务QoS监控方法，包括如下步骤：

(1)收集用户和服务信息及用户调用Web服务的QoS属性数据；

(2)对服务信息中的地理位置进行预处理构建边缘端环境，并筛选得到边缘服务器的样本数据流；

(3)基于高斯隐藏贝叶斯概率监控方法计算每个边缘服务器的先验概率，构造分类器；

(4)根据用户位置调用贝叶斯分类器，实现边缘环境下的QoS监控。

作为优选，所述步骤(1)中收集数据主要包括两个方面：从wsdream中收集包含经度、纬度的地理位置的服务信息；采用用户调用的Web服务的QoS属性值作为原始数据集。

作为优选，所述步骤(2)包括如下步骤：

(21)根据服务的经、纬度值将服务划分于不同区域点中；

(22)将经度、纬度值相同的服务看作位于一个边缘服务器中，选取包含服务量不少于指定阈值的区域点作为边缘位置点，相应的服务器为边缘服务器；