基于统计监测的网构软件异常诊断研究

Internet的复杂性、开放性和动态性使得提供在线服务的网构软件更易于暴露错误，而快速准确的异常诊断成为提高网络服务可靠性和可用性的关键。网构软件异常诊断就是检测网构软件的异常现象，并且分析和定位其出现的原因，从而避免失败的发生或减少由失败造成的影响。在已有研究中，构件级监测数据因开销较大而难于在线获取与统计；基于历史数据建立软件模型，缺乏演化能力而无法适应网构软件的动态性；根据度量间关联异常诊断，问题定位粒度过大而不精确。因此，针对现有研究在效率、适应性、准确性等方面存在的不足，本课题基于统计监测的方法，面向网构软件研究异常诊断技术，研究内容包括：面向OSGi框架的网构软件监测方法、网构软件运行状态模型的建立与演化、网构软件异常检测与诊断。并实现异常诊断框架，结合实际系统对提出的模型、方法和技术进行验证。旨在快速发现并准确定位问题，为实现具有高可靠性的网构软件提供理论依据和技术支撑。

随着Internet技术的快速发展，网构软件已经成为提供服务的主要方式。然而，Internet的复杂性、开放性和动态性使得提供在线服务的网构软件更易于暴露错误，而快速准确的异常诊断成为提高网络服务可靠性和可用性的关键。网构软件异常诊断就是检测网构软件的异常现象，并且分析和定位其出现的原因，从而避免失败的发生或减少由失败造成的影响。在已有研究中，构件级监测数据因开销较大而难于在线获取与统计；基于历史数据建立软件模型，缺乏演化能力而无法适应网构软件的动态性；根据度量间关联异常诊断，问题定位粒度过大而不精确。因此，针对现有研究在效率、适应性、准确性等方面存在的不足，本课题基于统计监测的方法，面向网构软件研究异常诊断技术展开研究。具体研究内容如下：. 首先，提出一种负载感知的网构软件状态异常检测方法。基于在线增量式聚类，识别动态变化的负载模式；针对特定负载模式所对应的度量空间，利用局部离群因数检测异常状态并量化其异常程度；利用T检验方法计算度量异常值以定位异常原因。该方法无需对度量进行建模，考虑到了负载对系统状态的影响，并且量化了系统状态和各度量的异常程度。. 而后，提出一种基于关联分析的网构软件性能异常检测方法。利用核典型关联分析建立工作负载与性能之间的关联关系；利用控制图监测关联系数的变化以检测性能异常；利用特征选择方法量化各度量的异常程度从而定位异常度量。该方法无需建立性能模型，能够考虑多个性能度量及其关联性，并且能够适应部署环境动态变化。. 最后，提出一种面向资源的网构软件组件异常检测方法。利用线程染色方法对单个组件的资源利用和组件间交互行为进行运行时监测；基于实时获得的监测数据，动态构建和更新控制图，分析各组件资源变化，从而定位异常组件。该方法能够发现组件资源利用的异常，并且不改变原有线程调度模型，具有较小的监测开销。. 结合以上研究成果，本项目设计并实现了一个支持网构软件运行状态、性能表现及组件资源异常检测的原型系统。结合网构软件的典型应用场景对提出的模型、方法和技术进行验证。旨在快速发现并准确定位问题，为实现具有高可靠性的网构软件提供理论依据和技术支撑。