CN104679655A - 基于参数相关性的软件系统状态评估方法 - Google Patents

Abstract

基于参数相关性的软件系统状态评估方法，包括以下步骤：步骤1、确定软件系统的状态参数；步骤2、确定状态参数类型，其中，软件系统性能随状态参数值增加而增加的状态参数为正相关参数，软件系统性能随状态参数值增加而降低的状态参数为负相关参数；步骤3、采集当前软件系统中所有状态参数的值，获得每个状态参数的测量值；步骤4、根据状态参数的类型、正常值、测量值对每个状态参数进行评分；步骤5、计算所有状态参数得分总和，判定当前软件系统的系统状态。本发明不仅提供了软件系统状态评估方法，还利用样本数据的正常值和系统性能的相关性评分确定系统状态，可以提高系统状态评估时的精确度，可以降低系统状态评估的误差。

Description

基于参数相关性的软件系统状态评估方法

技术领域

本发明涉及计算机软件领域，具体地，涉及一种基于参数相关性的软件系统状态评估方法。

背景技术

随着大型软件管理系统的普及和大量应用，软件运行状态的准确监控已成为当前的研究热点。但是软件健康度评估和预测其理论与技术的发展仍然处在一个初级的阶段。

计算机软件系统健康状态管理主要包括资源、功能和任务健康度的评估和预测。资源健康问题是系统健康管理面对的首要问题,在计算机系统中部署着大量各种各样的资源,资源效力的正常发挥对于系统性能的影响是显而易见的。一旦关键资源出了问题,将使得系统轻则功能降级,重则系统崩溃。由于存在资源退化现象,必然存在资源健康与故障的现象,资源不健康也叫资源病态,严重的资源病态会影响资源正常效力的发挥。通常人们往往更加关注资源的故障状态,因此在故障识别、故障诊断等方面投入了大量精力。然而大多时候资源是处在健康与故障之间的非绝对状态,即亚健康状态,处在这个状态的资源没有发生故障,但却不能充分地发挥其效用,只是部分地行使着资源的职责,因此系统运维人员希望通过一个评价系统对系统状态准确评估，找到亚健康状态，及早处理。

当前对于硬件系统的评估系统已有相当程度研究，但是对于软件系统的评估由于其复杂性和不确定性，没有任何成熟的方法。

发明内容

本发明的目的就在于克服上述现有技术的缺点和不足，提供一种基于参数相关性的软件系统状态评估方法，准确地评估当前软件系统的状态，为运维人员提供决策支持。

本发明解决上述问题所采用的技术方案是：

基于参数相关性的软件系统状态评估方法，包括以下步骤：

步骤1、确定软件系统的状态参数；

步骤2、确定状态参数类型，其中，软件系统性能随状态参数值增加而增加的状态参数为正相关参数，软件系统性能随状态参数值增加而降低的状态参数为负相关参数；

步骤3、采集当前软件系统中所有状态参数的值，获得每个状态参数的测量值；

步骤4、根据状态参数的类型、正常值、测量值对每个状态参数进行评分，获得所有状态参数的得分；

步骤5、计算所有状态参数得分总和，并根据该得分总和判定当前软件系统的系统状态。

作为本发明的进一步改进，上述基于参数相关性的软件系统状态评估方法还包括各状态参数的权重分配步骤，该步骤在步骤1与步骤4之间。

进一步，步骤4中对每个状态参数进行评分时还依据状态参数的权重，具体包括以下步骤：

步骤41、判断状态参数类型，如果为负相关参数则跳转到步骤42；如果为正相关参数则跳转到步骤43：

步骤42、判断状态参数的测量值是否超过其正常值的1.2倍，如果不超过，其得分采用公式(1)计算：

s_i＝w_i×(2-v_i/t_i)   (1)；

如果状态参数的测量值超过其正常值的1.2倍时，其得分采用公式(2)计算：

$s_i=w_i\×(2-{\mathrm{\θ}}^{(\frac{v_i}{t_i}-1)\×5})---\left(2\right);$

步骤43、判断状态参数的测量值的范围：

如果状态参数的测量值超过正常值,其得分采用公式(3)计算；

s_i＝w_i   (3)；

如果状态参数的测量值超过其正常值的0.8倍但不超过正常值，则其得分采用公式(4)计算：

s_i＝w_i×v_i/t_i   (4)；

如果状态参数的测量值不超过其正常值的0.8倍，其得分采用公式(5)计算：

$s_i=w_i\×(2-{\mathrm{\θ}}^{(\frac{t_i}{v_i}-1)\×5})---\left(5\right);$

式中，s_i表示第i个状态参数的得分，w_i表示第i个状态参数的权重，v_i表示第i个状态参数的测量值，t_i表示第i个状态参数的正常值，θ为定值表示计算底数。

进一步，所述各状态参数的权重分配步骤如下：测试软件系统操作的响应时间和对应状态参数的测量值，根据每项状态参数与响应时间的关系，确定状态参数的权重。

作为本发明的又一改进，上述基于参数相关性的软件系统状态评估方法还包括状态参数正常值确定步骤，该步骤在步骤1与步骤4之间，具体包括以下步骤：

(a)获取软件系统的状态数据样本集，该样本集中的每个样本均包括所有状态参数的值；

(b)采用K均值聚类算法将样本集中的所有样本聚为k类；

(c)选择聚类结果中数量最多的前N类样本作为平均值计算样本集，求每个状态参数在计算样本集中的平均值，该平均值作为相应状态参数的正常值。

进一步，所述软件系统的系统状态包括正常状态、注意状态、异常状态和危险状态，四种状态的分值范围依次降低。

综上，本发明的有益效果是：

1、本发明提供了软件系统状态评估方法，解决了现有技术在软件运行状态评估中困难的问题，便于运维人员对系统状态准确评估，找到亚健康状态，及早处理；

2、本发明利用样本数据的正常值和系统性能的相关性评分确定系统状态，可以提高系统状态评估时的精确度，可以降低系统状态评估的误差。

附图说明

图1是本发明的方法的具体实施方式的流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地的详细说明，但本发明的实施方式不限于此。

实施例1：

如图1所示，基于参数相关性的软件系统状态评估方法，包括以下步骤：

步骤一、确定软件系统的各级指标和状态参数，本实施例中以使用oracle服务器和WebLogic服务器的软件系统为例，该软件系统运行的状态参数共计45个，设置的各级指标和状态参数如表1所示。

表1软件系统运行的状态参数

步骤二、确定状态参数类型，其中，软件系统性能随状态参数值增加而增加的状态参数为正相关参数，软件系统性能随状态参数值增加而降低的状态参数为负相关参数；本步骤中，将状态参数分为两类：一类随着状态参数值增加整体系统性能增加；另一类随着状态参数值增加整体系统性能降低。前者与系统存在正相关关系，为正相关参数，后者与系统存在负相关关系，为负相关参数。本步骤中，将状态参数中的Oracle缓存命中率、Oracle软解析率、Oracle内存排序率、Oracle解析执行率和Oracle解析调用率、Oracle锁竞争比率作为负相关参数，剩余状态参数全部为正相关参数。

步骤三、各状态参数的权重分配，测试软件系统操作的响应时间和对应状态参数的测量值，根据每项状态参数与响应时间的关系，确定状态参数的权重。各状态参数进行权重分配也即对每个状态参数赋予一个初始分值，该分值的确定必须根据每个状态参数在整个系统性能中重要性确定。由于目前没有任何理论支持权重的决定，因此通过测试法确定该权重。本实施例中采用的办法为：在测试环境下，通过测试软件Load Runner获得系统操作的响应时间和对应状态参数的采集值，默认响应时间能够反映系统的负载状况。LoadRunner是一种系统性能的负载测试工具，应用其测试响应时间确定各状态参数的权重分配时的具体步骤为：以四级指标(即状态参数的上级指标)为基本单元分多次测试，每次测试修改一个四级指标值，记录系统操作的响应时间，实际上，由于每个四级指标包括一个或多个状态参数，每个四级指标值对应的响应时间也反映了该四级指标下的所有状态参数值对应的响应时间；然后，根据响应时间比值确定四级指标的权重，四级指标的权重比值与响应时间比值成正比；最后，根据四级指标的权重确定每个状态参数的权重，默认每个四级指标下的所有状态参数重要性相等，权重也相等，因此每个四级指标的权重除以其包括的状态参数的个数即可得到每个四级指标下的状态参数的权重。

本实施例中，通过采用上述方法对比分析每项状态参数与响应时间的关系，确定出权重关系如表2所示.

表2软件系统的状态参数权重

上表中，状态参数中的权重中4/12、3/6是分数，另外，每个四级指标的权重是其包含的状态参数的权重之和，一、二、三、四级指标中，每个上级指标的权重是其包含的下级指标的权重之和，总的整个系统的权重为100。

上述步骤二与步骤三不分先后顺序。

步骤四、采集当前软件系统中所有状态参数的值，获得每个状态参数的测量值；本步骤中的所有状态参数是指步骤1中确定的全部状态参数，本实施例中共45个状态参数，以下的所有状态参数含义亦如此。

步骤五、根据状态参数的类型、权重、正常值、测量值对每个状态参数进行评分，获得所有状态参数的得分；对每个状态参数进行评分时步骤如下：

步骤Ⅰ、首先判断状态参数类型，如果为负相关参数则跳转到步骤Ⅱ；如果为正相关参数则跳转到步骤Ⅲ：

步骤Ⅱ、判断状态参数的测量值是否超过其正常值的1.2倍，如果不超过，采用线性扣分方式，其得分采用公式(1)计算：

s_i＝w_i×(2-v_i/t_i)   (1)；

如果状态参数的测量值超过其正常值的1.2倍时，采用指数扣分方式，其得分采用公式(2)计算：

$s_i=w_i\×(2-{\mathrm{\θ}}^{(\frac{v_i}{t_i}-1)\×5})---\left(2\right);$

步骤Ⅲ、判断状态参数的测量值的范围：

如果状态参数的测量值超过正常值得满分,其得分采用公式(3)计算；

s_i＝w_i   (3)；

如果状态参数的测量值超过其正常值的0.8倍但不超过正常值，采用线性扣分方式，则其得分采用公式(4)计算：

s_i＝w_i×v_i/t_i   (4)；

如果状态参数的测量值不超过其正常值的0.8倍，采用指数扣分方式，其得分采用公式(5)计算：

$s_i=w_i\×(2-{\mathrm{\θ}}^{(\frac{t_i}{v_i}-1)\×5})---\left(5\right);$

上面五个公式即为评分函数，五个公式中，s_i表示第i个状态参数的得分；w_i表示第i个状态参数的权重；v_i表示第i个状态参数的测量值；t_i表示第i个状态参数的正常值；θ为定值，表示计算底数，本实施例中默认取值为1.3；i表示状态参数的编号，i＝1,2，…，45。步骤五主要利用评分函数对状态参数进行评分。

一般情况下，在确定软件系统的状态参数后，进行确定状态参数的类型、对各状态参数进行权重分配、确定各状态参数的正常值步骤，并将参数类型、权重和正常值进行存储，在软件系统运行过程中，采集状态参数的测量值即可进入步骤五进行计算。其中，确定状态参数的类型、对各状态参数进行权重分配、确定各状态参数的正常值三个步骤不分先后顺序。实际应用中，上述步骤二、步骤三、步骤四也可以不分先后顺序，只要在步骤五计算之前全部完成即可。本实施例中，状态参数的正常值可以事先设置或测定，也可以在本方法的评估过程中在步骤五之前测定，与步骤二、步骤三、步骤四不分先后顺序。

步骤六、对所有状态参数评分完毕后，将所有状态参数的分数相加即将步骤Ⅱ中计算出的s₁至s₄₅共45个得分相加计算出所有状态参数得分总和，根据该得分总和就可判定当前软件系统的系统状态，该系统状态包括正常状态、注意状态、异常状态和危险状态，四种状态的分值范围依次降低，这四种状态的分值范围与所有状态参数的权重相匹配，所有状态参数的权重总和等于正常状态的分值范围上限，本实施例中为100。本实施例中，系统状态与得分总和的关系如表3所示。

表3-系统状态分值范围

一级指标	正常状态	注意状态	异常状态	危险状态
					系统状态	80-100	60-80	40-60	0-40

实施例2：

在实施例1的基础上，本实施例中的基于参数相关性的软件系统状态评估方法还包括通过K-均值聚类算法来获取每个状态参数的正常态数据、确定状态参数正常值步骤，该步骤在步骤一与步骤五之间，具体包括以下步骤：

(a)获取软件系统的状态数据样本集X即训练集合，假设训练集合大小为m，训练集合为{x⁽¹⁾，x⁽²⁾，x⁽³⁾，…，x^(m)}，每个样本中均包括所有状态参数的值，由于本实施例中共采集45个状态参数，每个训练样本维度为45，即x^(p)∈R⁴⁵，p＝1,2，…，m；R⁴⁵表示45维的实数空间。

(b)采用K均值聚类算法将样本集中的所有样本聚为k类，具体包括以下步骤：

(b1)随机选取k个聚类质心点：μ₁，μ₂，…，μ_k；μ_j∈R⁴⁵，j＝1,2，…k；

(b2)重复b21-b22直到收敛，此处收敛是指每个样本分入的类不再变化：

(b21)对于每一个样本x^(p)，计算其应该属于的类：

$c^{\left(p\right)}=\arg \underset{j}{\min }{\left|\right|x^{\left(p\right)}-{\mathrm{\μ}}_j\left|\right|}^2---\left(6\right);$ c^(p)表示每一个样本x^(p)应该属于的类，c^(p)的取值范围为{1,…,k}；

(b22)在步骤(b21)将所有样本分类完成后，对于每一个类，重新计算该类的质心：

${\mathrm{\μ}}_j=\frac{\underset{p=1}{\overset{m}{\mathrm{\Σ}}}1\{c^{\left(p\right)}=j\}{x}^{\left(p\right)}}{\underset{p=1}{\overset{m}{\mathrm{\Σ}}}1\{c^{\left(p\right)}=j\}}---\left(7\right).$

(c)将聚类结果中数量最多的前N类样本作为系统正常态的代表，选择该前N类中的所有样本作为平均值计算样本集，求每个状态参数在计算样本集中的平均值，该平均值作为相应状态参数的正常值；也即针对前N类中所有样本，求每个状态参数的平均值作为该状态参数的正常值。N的取值应使聚类得到的样本占到总样本的数量的70％左右，涵盖大多数正常状态；本实施例中，N取值为3，k取值为8，通过大量实验表明，当k＝8，N＝3时，聚类得到的样本占到总样本的数量的70％左右，涵盖了大多数正常状态。

本实施例中使用的状态参数的权重数组与软件系统的状态数据样本集X储存于计算机系统中，当对动态的软件系统进行评估时，将状态数据样本集X与实时状态参数的数据通过状态参数的权重数组进行计算，通过计算所得的评估值进行系统状态评估。该样本集X从软件系统运行中采集系统监控数据获取，这些监控数据中必然包括有所需的45个状态参数。

本发明为了解决现有技术在软件运行状态评估中困难的不足，提出了上述基于参数相关性的软件系统状态评估方法，该方法基于参数聚类与相关性分析对软件系统状态进行评估。在海量的系统运行样本数据中，利用K-均值聚类法对样本数据进行聚类，筛选出具有代表性的类，从而计算得到软件系统每项状态参数的均值作为其正常值。系统每项状态参数初始化具有一定分值即权重，由于每项参数对于系统性能影响不同，初始分值不采用简单的同等对待。当对系统进行评估时，根据系统的状态参数的测量值对参数的分值进行重新评估。本发明基于参数相关性的软件系统状态评估方法利用样本数据的正常值和系统性能的相关性一起确定样本数据中各参数的评分，可以提高系统状态评估时的精确度，可以降低系统状态评估的误差。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.基于参数相关性的软件系统状态评估方法，其特征在于，包括以下步骤：

步骤1、确定软件系统的状态参数；

步骤2、确定状态参数类型，其中，软件系统性能随状态参数值增加而增加的状态参数为正相关参数，软件系统性能随状态参数值增加而降低的状态参数为负相关参数；

步骤3、采集当前软件系统中所有状态参数的值，获得每个状态参数的测量值；

步骤4、根据状态参数的类型、正常值、测量值对每个状态参数进行评分，获得所有状态参数的得分；

步骤5、计算所有状态参数得分总和，并根据该得分总和判定当前软件系统的系统状态。

2.根据权利要求1所述的基于参数相关性的软件系统状态评估方法，其特征在于，还包括各状态参数的权重分配步骤，该步骤在步骤1与步骤4之间。

3.根据权利要求2所述的基于参数相关性的软件系统状态评估方法，其特征在于，步骤4中对每个状态参数进行评分时还依据状态参数的权重，具体包括以下步骤：

步骤41、判断状态参数类型，如果为负相关参数则跳转到步骤42；如果为正相关参数则跳转到步骤43：

步骤42、判断状态参数的测量值是否超过其正常值的1.2倍，如果不超过，其得分采用公式(1)计算：

s_i＝w_i×(2-v_i/t_i)    (1)；

如果状态参数的测量值超过其正常值的1.2倍时，其得分采用公式(2)计算：

$S_i=w_i\×(2-{\mathrm{\θ}}^{(\frac{v_i}{t_i}-1)\×5})---\left(2\right);$

步骤43、判断状态参数的测量值的范围：

如果状态参数的测量值超过正常值,其得分采用公式(3)计算；

s_i＝w_i  (3)；

如果状态参数的测量值超过其正常值的0.8倍但不超过正常值，则其得分采用公式(4)计算：

s_i＝w_i×v_i/t_i  (4)；

如果状态参数的测量值不超过其正常值的0.8倍，其得分采用公式(5)计算：

$S_i=w_i\×(2-{\mathrm{\θ}}^{(\frac{t_i}{v_i}-1)\×5})---\left(5\right);$

式中，s_i表示第i个状态参数的得分，w_i表示第i个状态参数的权重，v_i表示第i个状态参数的测量值，t_i表示第i个状态参数的正常值，θ为定值表示计算底数。

4.根据权利要求2或3所述的基于参数相关性的软件系统状态评估方法，其特征在于，所述各状态参数的权重分配步骤如下：

测试软件系统操作的响应时间和对应状态参数的测量值，根据每项状态参数与响应时间的关系，确定状态参数的权重。

5.根据权利要求1至3任一所述的基于参数相关性的软件系统状态评估方法，其特征在于，还包括状态参数正常值确定步骤，该步骤在步骤1与步骤4之间，具体包括以下步骤：

(a)获取软件系统的状态数据样本集，该样本集中的每个样本均包括所有状态参数的值；

(b)采用K均值聚类算法将样本集中的所有样本聚为k类；

(c)选择聚类结果中数量最多的前N类样本作为平均值计算样本集，求每个状态参数在计算样本集中的平均值，该平均值作为相应状态参数的正常值。

6.根据权利要求1至3任一所述的基于参数相关性的软件系统状态评估方法，其特征在于，所述软件系统的系统状态包括正常状态、注意状态、异常状态和危险状态，四种状态的分值范围依次降低。