论文部分内容阅读
摘要：为了对特定计算系统的性能衰退程度进行诊断，需要分析出系统资源耗费规律，这一过程是整个数据分析的重点。本文采用小波的数据平滑技术，对影响系统性能的相关资源数据进行分析，对计算系统的性能诊断进行了介绍。
关键词：计算系统；小波；数据平滑；性能衰退
中图分类号：TP311.5 文献标识码：A
中图分类号：TP311.5 文献标识码：A 文章编号：1007-9599 （2012） 22-0000-02
1 引言
在最近的很多研究中讨论了“软件衰老”现象。软件衰老是指伴随着软件的运行，系统资源逐渐耗尽或运行错误逐渐积累所导致的系统性能持续下降乃至挂起停机的现象。软件衰老现象是软件可靠性的大敌，有着非常严重的危害作用。
软件衰老的主要原因是软件系统中两种Bug的广泛存在：
（1）Heisenbug[1]是那种仅当多个特定事件均得到满足的情况下才出现故障的Bug。比如，一串特定的操作以后的下一个特定操作如果发生时才会出现的Bug。在试图重复执行时，这类Bug却不一定会再次发生，因为此时，很多隐含未知的环境条件都已不同了，所以这也被称为“临时性故障NoHeisenbug具有相当的隐蔽性，几乎不可能被排除。（2）致使资源耗竭的Bug编程中的一些缺陷可能会导致资源耗竭的故障，常见的有硬盘交换分区被填满、内存耗尽等等。这些缺陷往往是由内存泄漏或是对用过的资源释放清理不完全而造成的。这是一般编码中常见的问题，但在一般的开发和测试过程中，往往因其不造成程序执行中断等表象特征而很难被完全发现，广泛存在于各种操作系统中。在某些大效据量大负载的实际应用环境下，很容易成为软件衰老的重要原因。
由以上可知，计算系统的复杂化趋势致使系统的维护和性能的保持变得越来越困难，系统衰退现象已不可避免。计算系统软件抗衰技术是随着计算机技术的发展衍生出的一个新的研究方向，它涉及系统性能检测、故障诊断、软件工程及可靠性分析等方面。考虑到软件老化的实质就是系统资源的枯竭，本文主要针对当前计算机运行过程中普遍出现的性能衰退现象，对特定计算系统的性能衰退程度进行诊断，主要对影响系统性能的相关资源数据进行分析，分析出系统资源耗费规律，以便对系统性能衰退的检测和量化，以及系统性能的预测等。
2 小波数据平滑技术
资源监测工具采集到的资源使用数据是一组时序数据，由于计算系统在运行过程中存在各种无法预知或排除的干扰，这组时序数据中也就不可避免地存在着噪声。因此在确定系统资源的耗费规律前，有必要对原始数据进行预处理，去掉孤立点、跳跃以及不连续等噪声。
小波分析（Wavelet Analysis）理論[2]是80年代后期发展起来的一种新兴信号处理方法。小波分析的应用是与小波分析的理论研究紧密地结合在一起的，它的重要方面是图像和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构（或恢复）。从数学地角度来看，信号与图像处理可以统一看作是信号处理（图像可以看作是二维信号），在小波分析的许多应用中，都可以归结为信号处理问题。现在，对于其性质随时间是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析[3]。事实上小波分析的应用领域十分广泛，归纳如下：
（1）小波分析用于信号与图像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。（2）小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。（3）在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。基于小波多分辨率分析思想，本文将含有噪声的系统性能数据进行分解、重构，利用降噪函数进行平滑处理[4]。在此采用Haar小波进行多分辨分析。
3 性能衰退规律模型
用合适的值取代孤立点和跳跃点；如果jumpNum=0并且outlierNum=0，则转到（3），否则，如果j>0 则j减1，SET A=A（aj，k）and B=B（aj，k）转到（2），否则跳转到（3）。
（3）本文研究的资源监测系统采集到的软件系统资源耗费参数数据，通常具备周期性的特点，因此我们以均值来取代噪声数据终止。
4 结语
本文对系统的性能衰退特征进行了论述，计算系统的复杂化趋势致使系统的维护和性能的保持变得越来越困难，系统衰退现象已不可避免。介绍了基于小波数据平滑，该算法对影响系统性能的相关资源数据进行分析，并对性能数据进行预处理，去除噪声和孤立点等，进而分析出系统资源耗费规律，便于对计算系统的性能进行诊断。
参考文献：
[1]Avizienis A.，Laprie J.C，Randell B.Fundamental Concepts of Dependability[R].LAAS Technical Report No.01-145，2001.
关键词：计算系统；小波；数据平滑；性能衰退
中图分类号：TP311.5 文献标识码：A
中图分类号：TP311.5 文献标识码：A 文章编号：1007-9599 （2012） 22-0000-02
1 引言
在最近的很多研究中讨论了“软件衰老”现象。软件衰老是指伴随着软件的运行，系统资源逐渐耗尽或运行错误逐渐积累所导致的系统性能持续下降乃至挂起停机的现象。软件衰老现象是软件可靠性的大敌，有着非常严重的危害作用。
软件衰老的主要原因是软件系统中两种Bug的广泛存在：
（1）Heisenbug[1]是那种仅当多个特定事件均得到满足的情况下才出现故障的Bug。比如，一串特定的操作以后的下一个特定操作如果发生时才会出现的Bug。在试图重复执行时，这类Bug却不一定会再次发生，因为此时，很多隐含未知的环境条件都已不同了，所以这也被称为“临时性故障NoHeisenbug具有相当的隐蔽性，几乎不可能被排除。（2）致使资源耗竭的Bug编程中的一些缺陷可能会导致资源耗竭的故障，常见的有硬盘交换分区被填满、内存耗尽等等。这些缺陷往往是由内存泄漏或是对用过的资源释放清理不完全而造成的。这是一般编码中常见的问题，但在一般的开发和测试过程中，往往因其不造成程序执行中断等表象特征而很难被完全发现，广泛存在于各种操作系统中。在某些大效据量大负载的实际应用环境下，很容易成为软件衰老的重要原因。
由以上可知，计算系统的复杂化趋势致使系统的维护和性能的保持变得越来越困难，系统衰退现象已不可避免。计算系统软件抗衰技术是随着计算机技术的发展衍生出的一个新的研究方向，它涉及系统性能检测、故障诊断、软件工程及可靠性分析等方面。考虑到软件老化的实质就是系统资源的枯竭，本文主要针对当前计算机运行过程中普遍出现的性能衰退现象，对特定计算系统的性能衰退程度进行诊断，主要对影响系统性能的相关资源数据进行分析，分析出系统资源耗费规律，以便对系统性能衰退的检测和量化，以及系统性能的预测等。
2 小波数据平滑技术
资源监测工具采集到的资源使用数据是一组时序数据，由于计算系统在运行过程中存在各种无法预知或排除的干扰，这组时序数据中也就不可避免地存在着噪声。因此在确定系统资源的耗费规律前，有必要对原始数据进行预处理，去掉孤立点、跳跃以及不连续等噪声。
小波分析（Wavelet Analysis）理論[2]是80年代后期发展起来的一种新兴信号处理方法。小波分析的应用是与小波分析的理论研究紧密地结合在一起的，它的重要方面是图像和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构（或恢复）。从数学地角度来看，信号与图像处理可以统一看作是信号处理（图像可以看作是二维信号），在小波分析的许多应用中，都可以归结为信号处理问题。现在，对于其性质随时间是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析[3]。事实上小波分析的应用领域十分广泛，归纳如下：
（1）小波分析用于信号与图像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。（2）小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。（3）在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。基于小波多分辨率分析思想，本文将含有噪声的系统性能数据进行分解、重构，利用降噪函数进行平滑处理[4]。在此采用Haar小波进行多分辨分析。
3 性能衰退规律模型
用合适的值取代孤立点和跳跃点；如果jumpNum=0并且outlierNum=0，则转到（3），否则，如果j>0 则j减1，SET A=A（aj，k）and B=B（aj，k）转到（2），否则跳转到（3）。
（3）本文研究的资源监测系统采集到的软件系统资源耗费参数数据，通常具备周期性的特点，因此我们以均值来取代噪声数据终止。
4 结语
本文对系统的性能衰退特征进行了论述，计算系统的复杂化趋势致使系统的维护和性能的保持变得越来越困难，系统衰退现象已不可避免。介绍了基于小波数据平滑，该算法对影响系统性能的相关资源数据进行分析，并对性能数据进行预处理，去除噪声和孤立点等，进而分析出系统资源耗费规律，便于对计算系统的性能进行诊断。
参考文献：
[1]Avizienis A.，Laprie J.C，Randell B.Fundamental Concepts of Dependability[R].LAAS Technical Report No.01-145，2001.