[发明专利]一种基于多模型对比的软件老化预测方法及装置

说明书

本发明公开了一种基于多模型对比的软件老化预测方法及装置，属于软件老化领域，从目标软件系统收集老化指标，将其处理成时间序列数据作为模型的预输入；针对老化数据规模，设计包括机器学习和神经网络的老化预测模型，计算各模型的预测误差，选定误差最小的模型作为候选模型；计算该模型与其他模型间是否存在显著性差异，如果差异性明显，选定该模型为最终的老化预测模型。本发明解决了单个模型预测结果可能会影响决策制定的问题，用户可以根据老化数据特征和预测误差自动地选择适合的模型，避免了主动性的维护措施或早或晚地执行，降低对软件可靠性的影响。可以扩展更多的模型，针对不同的老化数据规模可以选择最优的预测模型帮助系统运维。

技术领域

本发明属于软件老化领域，更具体地，涉及一种基于多模型对比的软件老化预测方法及装置。

背景技术

针对各种系统软件，如Linux操作系统、Apache服务器、中间件、J2EE应用服务器、物联网环境下的软件系统以及各种移动设备，在长时间运行过程中，由于错误的累积和资源的消耗而导致的性能下降并最终崩溃，这种现象被称之为软件老化。软件老化预测作为软件重生的一种主动性维护技术得到了广泛使用。该预测方式可以基于系统的当前或过去状态来推断和预测未来状态。通过使用诸如机器学习或时间序列方法之类的技术，估计下一状态的系统资源使用情况。此预测模式可估计系统资源耗尽的时间，并在系统显示老化趋势之前合理地做出决策。

然而，传统的基于机器学习的方法往往很少考虑在软件老化过程中代表性参数值所隐藏的时序信息，且单一模型可能对不同数据特征(线性或非线性)预测能力有所差别，从而导致预测精度较低。因此，在软件老化预测的研究中，需同时考虑老化数据特征和高精度的预测需求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于多模型对比的软件老化预测方法及装置，解决了单个模型预测结果可能会影响决策制定的问题，可以根据老化数据特征和预测误差自动地选择适合的模型，避免了主动性的维护措施或早或晚地执行，降低对软件可靠性的影响。

为实现上述目的，按照本发明的一个方面，提供了一种基于多模型对比的软件老化预测方法，包括：

S1：从目标软件系统收集老化指标原始数据；

S2：将所述老化指标原始数据处理成时间序列数据，组成数据集；

S3：针对老化数据规模，设计若干种老化预测模型，将所述数据集作为各所述老化预测模型的输入；

S4：计算每个所述老化预测模型的预测误差，选定预测误差最小和拟合效果最好的老化预测模型作为候选的老化预测模型；

S5：计算所述候选的老化预测模型与其他剩余的老化预测模型之间是否存在显著性差异，如果差异性明显，那么选定所述候选的老化预测模型为最终的老化预测模型，以由所述最终的老化预测模型对所述目标软件系统进行老化预测。

优选地，步骤S2包括：

根据所述老化指标原始数据的采样周期将所述老化指标原始数据处理成按时间索引的时间序列数据，组成数据集。

优选地，所述老化预测模型包括若干种机器学习和神经网络的老化预测模型。

优选地，步骤S4包括：

重复使用各所述老化预测模型进行多次预测，分别取每个所述老化预测模型的各预测结果的预测误差的均值作为对应老化预测模型最终的预测误差；

选定最终的预测误差最小及预测结果与真实观测值拟合效果最好的老化预测模型作为候选的老化预测模型。

优选地，步骤S5包括：

使用非参数检验中的秩和检验计算所述候选的老化预测模型与其他剩余的老化预测模型之间是否存在显著性差异；