首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 312 毫秒
1.
软件Rejuvenation技术通过定期对软件系统执行Rejuvenation操作来有效改善软件系统性能,执行Rejuvenation操作的周期直接关系到软件系统性能的改善.目前,主要通过单个指标的优化对软件Rejuvenation周期进行研究,这并不能整体提高性能.鉴于此,提出了综合考虑整体性能指标的方法来优化软件Rejuvenation周期,将所关心的指标综合考虑,在适当降低某个指标性能的同时有效提高其他指标性能,起到整体提高软件系统性能的目的.以综合考虑系统可用性、系统停机时间以及系统损失3个指标为例进行探讨,并寻找到了2个可以用之对软件Rejuvenation周期进行优化的目标函数.实验结果表明,通过该目标函数得到的周期可以很好地改善软件系统的整体性能.  相似文献   

2.
该文针对软件在连续运行过程中普遍发生的老化现象,提出了一种嵌套的基于时间的软件抗衰策略,并采用Petri网来描述每次恢复的具体过程,采用有限状态自动机控制恢复次数,建立整个策略的实施过程模型。与传统的基于时间的软件抗衰策略不同,该策略在每次执行系统级恢复前首先执行N次的应用级恢复,从而减少了恢复时间,降低了抗衰成本和周期性应用级恢复策略预测失败的风险,提高了系统的可靠性。另外,该策略具有可扩展性,对于多种因素导致的性能衰退,可以执行多级嵌套的恢复。  相似文献   

3.
研究基于Linux网络服务器的软件老化过程建模、预测及软件再生策略问题.通过引入动量项及模拟退火算法的人工神经网络(BP)改进算法,对软件老化过程进行建模和预测.克服了BP算法收敛速度慢,易陷入局部极小值的缺陷,并提出将基于阈值的软件再生策略用于软件老化现象的主动性容错,提高软件系统的可靠性和可用性.仿真结果表明,该策略既降低了软件失效率,又减少了系统由于软件恢复而暂停服务的时间.  相似文献   

4.
为了对抗软件老化,提出一种细粒度的、事前的、主动的多级软件抗衰技术。通过分析系统资源的 占用和损耗情况,判定系统性能的衰退规律,并据此制定了基于时间的多级软件抗衰策略和基于检测的多级软 件抗衰策略,采用有限状态自动机对两种策略进行形式化描述,最后通过Web服务案例说明策略的制定过程, 给出仿真结果。实验表明,较之单一系统级软件抗衰,多级抗衰策略可以进一步缩短MTTR,提供更高的系统可 用性,同时将抗衰成本降到更低。  相似文献   

5.
虚拟仪器将传统仪器大部分的硬件功能由软件来实现,加以代替以及扩充。完全用软件来实现以往由硬件完成的功能,其关键技术是如何用软件来确定采样间隔的精确定时。介绍了Windows9X中虚拟仪器软件在不同采样频率要求下的多种软件定时方法。  相似文献   

6.
为了更精确地预测软件容错模型中的容错实时调度算法主部分可否执行,提出了基于预测袁的容错调度算法(PTBA).该算法充分考虑了当前时间至替代部分通知时间之间的任务执行状况,以该时间段内通知时间的先后顺序精确地预测主部分的执行情况,并为待执行主部分构建预测表.当主部分不发生错误时,算法将依照预测表进行任务调度.模拟结果表明,利用PTBA可获得更多的主部分执行时间,降低了CPU消耗.PTBA适用于软件错误率较低的应用环境,特别是当任务的周期较短时,能够以较小的调度开销获得较高的调度性能.  相似文献   

7.
组态软件中历史数据存储与查询的一种新方法   总被引:1,自引:0,他引:1  
提出了一种达到毫秒级的快速历史数据存储与查询方案,该方案采用哈希散列和多级索引的组织结构,应用了定时和定差的存储策略及分级压缩方法,并针对方案进行查询性能的分析和优化.目前采用该方案实现的数据库系统已经在商用组态软件中稳定运行,与同类产品相比,有着良好的存储和查询效率.  相似文献   

8.
针对当前软件老化的检测、分析和软件再生的不确定性问题,提出了一种基于贝叶斯证据框架的最小二乘支持向量机(LS-SVM)的软件老化检测方法,即:使用最小二乘支持向量机分类器进行数据分类,以此解决数据采集时出现的小样本、高纬度,非线性、局部最小值等问题;通过贝叶斯证据框架来优化LS-SVM的超参数,从而提高分类器的学习精度和泛化能力.实验结果表明,在状态清晰区间,软件老化的概率均在0.7至0.9之间,而高维模型检测出的软件老化的概率为0或1.如果从概率粒度层来描述软件老化,则软件再生的时间点选取效率更高,根据概率值的变化可进一步解析软件老化的不确定性.实验结果及分析显示,概率粒度所描述的软件健康状态更符合软件老化的客观状况.  相似文献   

9.
容错系统不仅会产生硬件故障,由于连续长时间的运行,系统的性能也会逐渐下降或失效,即老化现象。综合考虑容错系统中的硬件故障和老化现象,提出了将传统的冗余技术和软件抗衰技术相结合的策略,并给出了该系统的非马尔可夫随机Petri网模型,随之对基于该模型的系统进行了定量分析。  相似文献   

10.
实现服务器虚拟化的虚拟机系统在长期的运行过程中会出现性能衰退、服务质量下降等"老化"现象。为了避免虚拟机系统软件老化造成的不必要的损失,本文使用软件再生方法来解决这一老化问题,提出了一种改进的虚拟机再生框架,分析了三种对虚拟机监视器进行再生的方法。并在此基础上采用Cold-VM方法和Migrate-VM方法对虚拟机监视器进行了再生实验。实验结果表明,Cold-VM方法对当前系统服务的中断时间较长,而Migrate-VM方法可以有效的降低当前系统服务的中断时间,提高系统的可用性。  相似文献   

11.
针对持续运行软件系统中的老化问题,提出一种重配置与周期再生相结合的软件再生方法.采用连续时间马尔可夫链对两阶段衰退软件系统的工作模式进行建模,给出系统可用性和单位时间平均成本的形式化定义与分析,并以可用性和成本作为评价标准计算相应的最佳再生周期,推导出了采用重配置的临界条件.仿真结果表明,随着重配置成功率的提高,系统的可用性增加,成本降低,当重配置成功率为1时,与纯周期再生方法相比,采用结合重配置的软件再生方法可使系统单位时间宕机成本降低48.9%.  相似文献   

12.
0 IntroductionApplication server provides a runti me environment fordistributed applications through appropriately separatingpresentationlayer ,businesslogiclayer andenterpriseinforma-tionlayer .It effectively reduces the complexity of distributedapplication development andi mprovesthe reuse rate of distrib-uted business components . As large numbers of Web applica-tions and enterprise distributed applications are running ontheapplication server platform,the reliability of the applicationserve…  相似文献   

13.
研究表明,服务器软件如果长时间运行则会产生软件老化现象。导致计算机系统失效。为了解决这一问题,首先需要做软件老化的实验,这就涉及到实验程序的设计。本文以Apache服务器为例,给出了软件老化现象实验的程序设计图及源代码。  相似文献   

14.
基于时间序列分析的应用服务器性能衰退模型   总被引:1,自引:0,他引:1  
针对JUFrame应用服务器老化情况,设计了多种类型的客户请求程序和服务器端程序,记录了各种参数共计5类36个.对影响应用服务器中间件性能的主要指标“内存利用率”,采用时间序列分析方法建模,经采样数据的统计分析得出了自相关函数明显拖尾、偏自相关函数明显截尾的结果.模型的仿真结果表明,预测值与原始数据拟合良好,且可作为系统再生的依据,它适用于预测实际的运行系统.与其他软件老化预测方法比较,所提模型更切合系统的实际运行状况,有利于提高系统的可用率.  相似文献   

15.
基于插桩技术的程序谱构建方法   总被引:1,自引:1,他引:0  
为了满足软件测试、软件调试和程序优化等领域对程序谱的需求,提出了基于插桩技术的程序谱构建模型,主要包括插桩预处理、双缓冲处理、有穷自动机处理识别插桩点、植入探针生成插桩代码、编译连接并执行插桩程序以收集执行轨迹构建程序谱。采用双缓冲处理机制,可有效提高源代码处理效率,有穷自动机能够准确识别插桩点。在软件错误定位中的应用结果表明基于插桩技术构建的程序谱可为准确、高效的程序理解和分析提供方便。  相似文献   

16.
介绍了具有时间约束的分布式软件(TCDS)的可靠性评估方法,阐述了线性文件传输路径的响应时间评估算法;根据这种思想,通过改变配置文件中被测分布式系统的拓扑结构、链路的通信能力和可靠性以及每个程序的所需文件集等信息。能真实模拟现实环境中不同拓扑下的分布式软件.该响应时间评估算法的使用可以减少测试程序的运算时间开销。提高具有时间约束的分布式软件可靠性评测的效率.  相似文献   

17.
提出采用静态扫描的方法,研究出了一套完整的扫描算法.通过确定出碰到间接转移类指令时转移地址的范围,从而遍历指令运行所有可能的路径,实现嵌入式软件机器码的智能反汇编。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号