基于时间序列分析的应用服务器性能衰退模型摘要：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。关键词：时间序列；软件老化；自相关函数：TP31文献标识码：A：0253-987X(2007)04-0426-04软件在长期运行的过程中，内在的缺陷随着时间逐渐累积会导致软件性能下降，最终造成系统失效和停机，这一过程就称为软件老化．近年来的研究结果表明，许多软件系统都存在老化现象[1-2]，为了解决这一问题，Huang等人提出了一种主动、预防性的软件容错策略，称为软件再生[1]，目前，广泛采用的有两种方法：一是基于模型的方法，即通过数学方法求得软件再生时间的最优值，从宏观上这类方法一般不能反映实际系统的真实老化情况；另一是基于测量的方法，即根据系统的实际老化情况决定再生动作，如通对过某些老化现象导致的低效或停机的系统资源进行监视，然后用统计学模型估算和验证软件老化情况[3]，或将资源消耗的速度视为时间的函数和系统负载的函数[4]，以及采用基于时序分析的方法来测量和估算Web服务器的软件老化情况等[6]。上述研究基本上集中在研究操作系统老化的问题上，对应用服务器中间件的老化研究均未涉及，本文采用基于测量的方法对西安交通大学计算机系研制的一个实际JUFrame应用服务器进行实验设计，不但测量了必要的系统参数，而且也测量了内部相关组件的特征参数，同时为老化的标志性指标建立了自回归(AR)模型，所得模型能很好地捕获系统的动态特征。1实验方案JUFrame是西安交通大学自主开发的应用服务器中间件软件，它采用J2EE标准，为企业资源集成、事务处理、业务组件管理和部署等基础服务的中间件运行提供了应用支撑平台，为了全面考察该应用服务器的老化情况，需要设计客户端程序(发出合适的请求并记录响应时间)和服务器端程序(记录各种参数，包括服务器本身的一些指标和各个组件的性能指标)，实验设计如下。(1)确定请求类型，将请求分成4种类型：有状态会话、有事务请求，有状态会话、无事务请求，无状态会话、有事务请求，无状态会话、无事务请求，另外，还有一种是模拟客户请求的真实场景。(2)在当前负载情况下确定服务器处理的最大峰值，通过逐渐增大请求率并记录响应时间，如果发现某个请求率下的响应时间超时、丢包且随之丢包率也在增加，则可认为服务器处理的最大峰值就是产生丢包之前的请求率。(3)将测得的服务器处理的峰值从低到高分档，以确定客户端的请求率。(4)在当前请求状态下，按一定的时间间隔记录客户端、服务器端的状态。本实验共测得了5类36个参数，基本上能反映系统的运行情况，从实验结果看出，每次系统宕机都是在“已用内存”达到一定值以后出现的，所以可针对其建立动态模型，以用于实际系统的预测。2自回归滑动平均模型将系统观测所得并按照时间顺序排列的数据称3时间序列分析步骤3.1数据预处理时间序列分析的前提是，时间序列数据必须是平稳的，在分析之前必须先去除孤立点数据并平稳化，剔除孤立点可采用Tukey提出的方法，其基本思想是：先产生一个曲线的平滑估计，然后把它从数据中减掉，这样做，易于识别孤立点，该方法利用了“中位数”是均值的鲁棒(robust)估计这一事实，其步骤如下。(1)从x(i)构造一个新序列x1(i)，即取x(1)，…，x(5)的中位数作为x1(3)，然后舍去x(1)、加入x(6)取中位数得x1(4)，依次类推，直到加入最后一个数据,换言之，总是在相邻5个数据中择取中位数,显然，x1(i)的项数比原x(i)项数少4。(2)用类似的方法在x1(i)的相邻的3个数据中择取中位数，构成序列x2(i)。(3)由序列x2(i)按x3(i)=x2(i-1)/4+x2(i)/2+x2(i+1)/4(这是一海宁平滑滤波器)构成序列x3(i)。分析序列x(i)-x3(i)，若满足x(i)-x3(i)>k(预定...