视频点播系统的软件老化模式.docxVIP

视频点播系统的软件老化模式 视频点播系统是一个重要而广泛的多媒体应用。这些系统允许用户根据需要选择和阅读用于收听视频或高频内容的视频或高频内容。对于视频点播系统，我们必须确保其可用性和服务质量（qos）。然而，近年来的研究表明，如果软件连续运营，一些错误的记录将导致性能的老化和系统故障。在许多系统中，软件老化是一种普遍现象。例如，由于软件老化，28名士兵在海湾战争中死亡。为了消除或减少由于软件老化引起的软件故障及其持续软件损坏，提出了一种称为软件再生的自动维护技术。 关于软件老化与再生的研究可分为2类:基于模型和基于测量的方法.基于模型的再生策略通过计算最佳的系统可用性或相关性能度量来得到相应的最佳再生周期,常用的方法包括:连续时间马尔可夫链(CTMC),半马尔可夫过程,马尔可夫再生过程(MRGP)或随机Petri网(SPN)等.基于测量的再生策略对采集到的资源参数进行统计分析,预测资源耗尽的预期时间,得到进行再生操作的时间.Garg等人提出了一种检测和估计Unix系统的软件老化的方法,他们采用非参数化的统计方法来检测和估计老化.Grottke等人针对Web服务器,采用非参数化统计方法来检测和估计老化趋势,采用自回归模型预测老化.Hoffmann等人采用几种方法来建模和预测Web服务器的软件老化,他们发现probabilistic wrapper(PWA)是一种较好的变量选择方法,支撑向量机是一种较好的资源预测方法.这些研究的大部分都是针对人工负载,而非实际运行的软件系统. 尽管软件老化现象被广泛发现,但还未见有关于视频点播系统的软件老化报道.因此,本文针对一个实际的视频点播系统,研究其软件老化模式.首先,根据采集到的系统资源(如内存、CPU)和应用服务器(Helix server)参数,采用非参数化的统计方法来检测和估计老化趋势;接着构造径向基网络模型对采集到的参数进行分析,并进行老化预测,采用主成分分析方法来降低老化预测模型的复杂度;最后,对主成分个数进行敏感性分析. 1 系统总体老化分析 为了研究视频点播系统的软件老化模式,首先需要分析采集到的参数来决定系统中是否存在软件老化,表现为系统资源的耗尽,尤其是可用内存是否随着时间的增加呈下降趋势.接着需要通过分析系统资源的斜率来近似估计软件老化过程. 1.1 时间序列不存在趋势检验 如果可用内存资源存在下降趋势,而连接的客户数并没有上升趋势,即可用内存资源的减少不是由于客户的增加造成的,可以断定视频点播系统中存在软件老化现象. 假定采集到的系统参数的时间序列数据为{xt:t=1,2,…,n},t表示采集时刻.采用Mann-Kendall方法来检验空假设:时间序列xt不存在趋势,检验统计值由式(1)计算: S=n-1∑k=1n∑l=k+1sgn(xl-xk),(1)S=∑k=1n?1∑l=k+1nsgn(xl?xk),(1) 其中sgn(·)为正负号函数. 如果检验统计值S的值接近于0,则时间序列数据中不存在趋势;如果检验统计值S的绝对值较大,则可以断定数据中存在趋势. 检验统计值S的方差由式(2)计算: Var(S)=118[n(n-1)(2n+5)].(2)Var(S)=118[n(n?1)(2n+5)].(2) 定义检验统计值Z: Ζ=S-sgn(S)√Var(S).(3)Z=S?sgn(S)Var(S)√.(3) 在空假设下,当样本数n趋向于无穷大时,检验统计值S的分布收敛于正态分布.因此,比较检验统计值Z与标准正态分布的分位数来检验数据中是否存在趋势. 1.2 斜率qqtj的计算 一旦通过上述方法可以确定数据中存在趋势,可以计算其斜率来估计系统的衰退速率.采用由Sen提出的非参数化方法来估计系统资源数据的斜率,这种方法不受噪声的影响且允许存在数据丢失.其计算过程如式(4)所示: qkl=xl-xkl-k,(4)qkl=xl?xkl?k,(4) 其中:qkl表示数据点xl和xk之间的斜率,xl和xk分别为时刻l和k的采样值,且kl. 时间序列数据的斜率q′定义为计算的n′=n(n-1)/2对样本斜率的中值.为了确定斜率q′在统计意义上是否不等于0,定义其置信区间.对于估计斜率的双截尾100(1-α)%置信区间,首先得到双截尾正态分布检验的Zstatistic,接着计算方差: Var(S)=118[n(n-1)(2n+5)-m∑j=1tj(tj-1)(2tj+5)],(5)Var(S)=118[n(n?1)(2n+5)?∑j=1mtj(tj?1)(2tj+5)],(5) 其中:m是样本集的组数,tj是第j组的样本数. 置信区间的下限由第((q′-cα)/2)个最大斜率计算,上限由第((q′+cα)/2)个最大斜率计算,其中cα=λ1-α/2√Var(S).cα=λ1?α