服务QoS多指标预测系统的设计与实现

来源 :北京邮电大学 | 被引量 : 3次 | 上传用户:hhy0412
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着Web服务的蓬勃发展,在众多服务中为用户进行服务的推荐和选择成为非常迫切的需求,而服务QoS是服务的推荐和选择的重要依据。本论文设计与实现了一种基于分布式网络坐标的服务QoS多指标预测系统,,同时提出了相应的QOS多指标预测方法,用以预测服务的响应时间、带宽以及可靠性。论文从研究Web服务QoS各指标特性入手,分析现有服务QoS预测方法的优缺点,对于3种QoS指标提出了新的预测方法。对于响应时间,大部分现有方法受限于用户历史数据的密度稀疏的问题,我们引入了分布式网络定位技术,将服务和用户映射到多维网络坐标系下,利用大量测量节点完成服务和用户定位;对于可用带宽,现有测量方法难以满足服务QoS预测的场景,本论文提出了基于ICMP协议的测量方法,避免在服务端部署测量程序;对于可靠性预测,把网络坐标作为用户的特征进行聚类,用以寻找相似的用户,解决了用户稀疏的问题,充分利用了网络定位的结果。基于这些QoS预测方法,本论文完成了QoS预测系统的需求分析,设计与实现了服务QoS多指标预测系统,并在PlanetLab平台上进行了部署和测试。该预测系统包括大量测量节点以及若干功能组件。测量节点当负责周期性测量服务QoS,并完成节点定位;当有用户预测请求时,系统中各功能组件会协同完成在线预测。此外,利用系统收集的QoS数据,本论文对提出的预测方法进行了大量实验。实验结果证明了这些方法的可行性和准确性满足实际需求。
其他文献
图像分割是指将一幅图像划分成若干互不重叠的、有意义的和具有相同性质的区域,它是图像处理和模式识别的关键环节。在众多图像分割算法中,模糊C均值算法(Fuzzy C-Means,简称
根据生理学和心理学的知识,人类视觉系统倾向于注视那些最能刺激神经系统的视觉信号。在图像或视频中,这些视觉信号所在的区域是图像中的显著目标或视频中的运动目标。视觉注意