基于動(dòng)態(tài)網(wǎng)絡(luò)分析理論的大規(guī)模軟件故障預(yù)測(cè)模型與可視化界面實(shí)現(xiàn)

胡曉曄

（寶雞文理學(xué)院教學(xué)設(shè)備與實(shí)驗(yàn)室管理處，陜西 寶雞 721007）

1 概述

隨著人們對(duì)軟件系統(tǒng)功能需求的不斷增加，軟件系統(tǒng)變得越來(lái)越龐大和復(fù)雜，尤其是軟件系統(tǒng)的缺陷和漏洞很難避免。軟件系統(tǒng)在達(dá)到一定規(guī)模之后，隨著軟件的長(zhǎng)時(shí)間運(yùn)行，軟件系統(tǒng)模塊存在“老化”的特點(diǎn)，總是面臨各種故障或者失效問(wèn)題，或者由于內(nèi)在的缺陷漏洞從而導(dǎo)致受到不同程度的攻擊?？偠灾?，現(xiàn)代社會(huì)的正常運(yùn)作越來(lái)越依賴(lài)于基礎(chǔ)設(shè)施的軟件系統(tǒng)的安全可靠的運(yùn)行。

軟件系統(tǒng)的可信性問(wèn)題已經(jīng)成為國(guó)際上普遍關(guān)注的問(wèn)題?，F(xiàn)代大規(guī)模軟件系統(tǒng)導(dǎo)致其產(chǎn)生可信問(wèn)題的原因總結(jié)起來(lái)有：

(1)軟件規(guī)模越來(lái)越復(fù)雜，人為配置以及使用不當(dāng)，或者軟件存在內(nèi)在缺陷。

(2)軟件的開(kāi)發(fā)和運(yùn)行環(huán)境已經(jīng)由傳統(tǒng)的靜態(tài)封閉環(huán)境發(fā)展為開(kāi)放多變的互聯(lián)網(wǎng)環(huán)境，而惡意代碼的大量存在會(huì)破壞軟件系統(tǒng)的正常運(yùn)行。

為了解決系統(tǒng)面臨的迫切的可信問(wèn)題，國(guó)內(nèi)外眾多組織機(jī)構(gòu)已成立全球的計(jì)算平臺(tái)和可信計(jì)算聯(lián)盟組織，正致力于解決面臨的安全和可信問(wèn)題。

基于上述背景，本文將基于復(fù)雜網(wǎng)絡(luò)研究的理論基礎(chǔ)，著重研究大規(guī)模軟件系統(tǒng)中的故障預(yù)測(cè)與定位問(wèn)題，主要包括大規(guī)模軟件系統(tǒng)的動(dòng)態(tài)與靜態(tài)分析方法，基于復(fù)雜網(wǎng)絡(luò)的故障預(yù)測(cè)與定位方法，以及結(jié)果的可視化界面顯示部分。

2 大規(guī)模軟件系統(tǒng)故障預(yù)測(cè)模型的理論分析

2.1 基本原理

本文基于復(fù)雜網(wǎng)絡(luò)理論，將大規(guī)模軟件系統(tǒng)的動(dòng)態(tài)運(yùn)行信息和靜態(tài)信息提取出來(lái)，再將軟件的動(dòng)態(tài)運(yùn)行方法調(diào)用序列所映射的調(diào)用關(guān)系網(wǎng)絡(luò)進(jìn)行分析，并利用可視化界面直觀地展示出來(lái)，進(jìn)而達(dá)到故障與異常的檢測(cè)與定位。

本文提出了一種基于調(diào)用動(dòng)態(tài)網(wǎng)絡(luò)的系統(tǒng)檢測(cè)機(jī)制，通過(guò)本文實(shí)現(xiàn)的大規(guī)模軟件故障預(yù)測(cè)與定位系統(tǒng)完成了調(diào)用關(guān)系網(wǎng)絡(luò)的生成，并利用本模型對(duì)網(wǎng)絡(luò)進(jìn)行實(shí)時(shí)分析和監(jiān)控。模型基本性質(zhì)有：

(1)復(fù)雜網(wǎng)絡(luò)適應(yīng)性：基于K核分解算法對(duì)網(wǎng)絡(luò)靜態(tài)結(jié)果分析，能夠形象地顯示出大規(guī)模復(fù)雜網(wǎng)絡(luò)的層次結(jié)構(gòu)信息與核心節(jié)點(diǎn)，更加難得的是此思想可以分析超大規(guī)模的網(wǎng)絡(luò)，這一點(diǎn)在利用K-core分解全美各航線大規(guī)模節(jié)點(diǎn)數(shù)據(jù)上已經(jīng)得到了充分的體現(xiàn)，因此說(shuō)我們提出的模型系統(tǒng)可以用來(lái)分析超大規(guī)模網(wǎng)絡(luò)系統(tǒng)，具有可移植的良好特性；

(2)不同的時(shí)間片段特性：由于我們的模型是利用實(shí)時(shí)監(jiān)控的原理可以用來(lái)監(jiān)控網(wǎng)絡(luò)中每一個(gè)時(shí)間段內(nèi)的狀態(tài)改變，記入下每一個(gè)狀態(tài)對(duì)應(yīng)調(diào)用關(guān)系網(wǎng)絡(luò)，利用該網(wǎng)絡(luò)就可以分析所監(jiān)控軟件的未來(lái)發(fā)展趨勢(shì)。

2.2 大規(guī)模軟件系統(tǒng)故障預(yù)測(cè)方法與理論

2.2.1 動(dòng)態(tài)網(wǎng)絡(luò)分析方法簡(jiǎn)介

系統(tǒng)模型的故障預(yù)測(cè)與定位整體按照以下流程：

(1)對(duì)軟件運(yùn)行過(guò)程進(jìn)行持續(xù)的監(jiān)控；

(2)將監(jiān)控得到的數(shù)據(jù)經(jīng)過(guò)處理后生成相應(yīng)的系統(tǒng)某一時(shí)間段內(nèi)的方法調(diào)用關(guān)系圖；

(3)對(duì)被監(jiān)控軟件進(jìn)行基本功能塊的劃分，根據(jù)劃分結(jié)果生成相應(yīng)的特征網(wǎng)絡(luò)與入口函數(shù)；

(4)對(duì)軟件的動(dòng)態(tài)運(yùn)行行為進(jìn)行持續(xù)監(jiān)控，生成相應(yīng)的時(shí)間片段Δti內(nèi)系統(tǒng)的調(diào)用關(guān)系網(wǎng)絡(luò)Gi；

(5)根據(jù)動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)演化公式G’i+1=f(Gi,Δti+1)來(lái)預(yù)測(cè)軟件下一時(shí)間段內(nèi)的狀態(tài)G’i+1；

(6)根據(jù)動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)測(cè)量公式d=g(G’i+1,Gi+1)來(lái)對(duì)軟件Δti+1內(nèi)得到的監(jiān)控狀態(tài)Gi+1同預(yù)測(cè)狀態(tài)G’i+1的差異進(jìn)行測(cè)量；

如果測(cè)量公式得到的差異值超過(guò)了我們?cè)O(shè)定的閾值，則認(rèn)為被監(jiān)控軟件在Δti+1在當(dāng)前功能塊發(fā)生了異常。

2.2.2 調(diào)用關(guān)系網(wǎng)絡(luò)的矩陣表示形式

調(diào)用關(guān)系網(wǎng)絡(luò)的數(shù)據(jù)結(jié)構(gòu)可以有鄰接矩陣和加權(quán)矩陣兩種形式。

鄰接矩陣：為了能夠準(zhǔn)確地檢測(cè)到矩陣元素的變化，本文在鄰接矩陣的基礎(chǔ)上做了一些限定，定義矩陣中的每一個(gè)位置(a,b)代表確定的含義，這樣避免出現(xiàn)同構(gòu)圖的鄰接矩陣相似的情況。

加權(quán)矩陣：增加了加權(quán)矩陣的分析，主要了是為了圖形效果的需要，并加入了隨機(jī)噪聲的影響，使得兩幅圖像的對(duì)比度更加明顯。在加權(quán)圖中的噪聲波動(dòng)的影響較去重圖要強(qiáng)很多，通過(guò)對(duì)比分析，我們可以更加深入地研究調(diào)用關(guān)系生成網(wǎng)絡(luò)的故障與異常發(fā)生機(jī)制。

2.2.3 模型建立

大規(guī)模復(fù)雜網(wǎng)絡(luò)對(duì)應(yīng)了軟件系統(tǒng)的不斷衍變周期，用戶(hù)不斷對(duì)軟件提出新的指令，使得軟件系統(tǒng)對(duì)此作出反應(yīng)，每一次反應(yīng)都會(huì)產(chǎn)生一個(gè)新的狀態(tài)，軟件狀態(tài)隨運(yùn)行時(shí)間的增加也變得更加復(fù)雜，為了對(duì)軟件狀態(tài)加以記錄，并加以分析，我們首先為模型中對(duì)應(yīng)的動(dòng)態(tài)調(diào)用網(wǎng)絡(luò)結(jié)構(gòu)演變過(guò)程定義為一個(gè)映射函數(shù)：

該函數(shù)的意義就是根據(jù)軟件運(yùn)行所產(chǎn)生的數(shù)據(jù)，把這些數(shù)據(jù)劃分成為一個(gè)個(gè)最小的時(shí)間切片，測(cè)量這個(gè)時(shí)間切片內(nèi)對(duì)應(yīng)的特征網(wǎng)絡(luò)的狀態(tài)，由此可見(jiàn)：

式中：

Gk——為對(duì)應(yīng)功能模塊的特征網(wǎng)絡(luò)時(shí)間切片。

由于我們所用的函數(shù)公式都是統(tǒng)一的，所以不必?fù)?dān)心時(shí)間切片的一致性，因此可以推算出下一時(shí)刻的動(dòng)態(tài)網(wǎng)絡(luò)的時(shí)間切片，由此可以使用特征網(wǎng)絡(luò)Gk作為同一個(gè)功能塊內(nèi)的預(yù)測(cè)動(dòng)態(tài)時(shí)間切片G’i+1，并且由于時(shí)間切片Gk是在系統(tǒng)的動(dòng)態(tài)運(yùn)行監(jiān)控過(guò)程中生成的，保證了Gk的合理性。前一個(gè)值與后一個(gè)值只要網(wǎng)絡(luò)調(diào)用不同就會(huì)發(fā)生變化，研究這個(gè)變化其實(shí)就是分析復(fù)雜網(wǎng)絡(luò)的動(dòng)態(tài)特性，進(jìn)而達(dá)到對(duì)軟件系統(tǒng)故障與異常的監(jiān)控與定位。

3 預(yù)測(cè)模型實(shí)現(xiàn)與可視化界面的設(shè)計(jì)

3.1 大規(guī)模軟件系統(tǒng)研究框架

大規(guī)模軟件故障預(yù)測(cè)與定位系統(tǒng)的研究框架如圖1所示：

圖1 研究框架圖

大規(guī)模軟件系統(tǒng)研究框架系統(tǒng)一共分為5個(gè)子模塊：監(jiān)控模塊：對(duì)軟件行為進(jìn)行持續(xù)監(jiān)控，得到軟件運(yùn)行時(shí)的方法執(zhí)行信息，以dat文件的格式存儲(chǔ)；

數(shù)據(jù)處理模塊：對(duì)監(jiān)控?cái)?shù)據(jù)進(jìn)行處理，通過(guò)重構(gòu)trace來(lái)獲得軟件運(yùn)行時(shí)的方法調(diào)用序列，生成K核分解之后的調(diào)用關(guān)系網(wǎng)絡(luò)；

故障注入模塊：給被監(jiān)控系統(tǒng)注入威布爾分布的概率故障；

故障分析模塊：按照預(yù)測(cè)模型動(dòng)態(tài)分析方法進(jìn)行故障的分析工作；

顯示模塊：進(jìn)行調(diào)用關(guān)系網(wǎng)絡(luò)與故障分析結(jié)果的可視化。

3.2 數(shù)據(jù)庫(kù)設(shè)計(jì)與數(shù)據(jù)處理模塊

3.2.1 數(shù)據(jù)庫(kù)表設(shè)計(jì)

根據(jù)之前的數(shù)據(jù)，所獲得的實(shí)驗(yàn)數(shù)據(jù)格式如圖2所示：

圖2 實(shí)驗(yàn)數(shù)據(jù)格式

其中每個(gè)字段的意義如表1所示：

表1 實(shí)驗(yàn)數(shù)據(jù)格式說(shuō)明

所獲得數(shù)據(jù)按照格式存入指定的目錄中，對(duì)數(shù)據(jù)的進(jìn)一步處理在下一節(jié)中介紹。

3.2.2 數(shù)據(jù)處理模塊介紹

數(shù)據(jù)處理模塊的主要功能為：首先建立并初始化數(shù)據(jù)庫(kù)；其次將監(jiān)控?cái)?shù)據(jù)按照格式進(jìn)行解析后并存入數(shù)據(jù)庫(kù)中；最后以trace為單位，通過(guò)trace重構(gòu)獲得方法調(diào)用序列。

在之前提到的網(wǎng)絡(luò)動(dòng)態(tài)系統(tǒng)分析中，首先要獲得網(wǎng)絡(luò)的數(shù)據(jù)也就是trace信息，在數(shù)據(jù)庫(kù)部分我們已經(jīng)對(duì)trace有了一個(gè)大致的認(rèn)識(shí)，在這里對(duì)trace做一個(gè)比較細(xì)致的介紹，比如數(shù)據(jù)格式里的traceId、eoi、ess等字段，為了能夠得到本文需要的方法調(diào)用關(guān)系，首先要進(jìn)行基于trace信息的數(shù)據(jù)分析，重構(gòu)運(yùn)行時(shí)的trace路徑。

下面給出一些本文中用到的術(shù)語(yǔ)定義：

方法(operation)：為了實(shí)現(xiàn)特定服務(wù)而定義在組件中的一些函數(shù)。

執(zhí)行(execution)：運(yùn)行時(shí)方法的一次執(zhí)行過(guò)程。

路徑(trace)：每一次請(qǐng)求系統(tǒng)提供服務(wù)，都會(huì)執(zhí)行一系列嵌套的方法，本文把這一系列的執(zhí)行過(guò)程稱(chēng)之為“路徑”。

在監(jiān)控的過(guò)程中，對(duì)于執(zhí)行服務(wù)請(qǐng)求的線程附加一個(gè)特有的traceId，同時(shí)將其加入到同一個(gè)trace的所有的數(shù)據(jù)記錄之中。

3.3 故障預(yù)測(cè)模塊

通過(guò)把讀入的調(diào)用關(guān)系網(wǎng)絡(luò)對(duì)應(yīng)矩陣轉(zhuǎn)化為其對(duì)應(yīng)的節(jié)點(diǎn)矩陣，輸出其對(duì)應(yīng)的二范數(shù)，然后把每次試驗(yàn)中的所有數(shù)據(jù)都做此處理，呈現(xiàn)出總體變化圖像，首先是第一條正常情況下的曲線；再輸出第二條異常情況下的曲線，二者加以對(duì)比。

3.4 系統(tǒng)顯示模塊

分別從動(dòng)態(tài)和靜態(tài)分析理論來(lái)顯示和分析對(duì)應(yīng)的調(diào)用關(guān)系網(wǎng)絡(luò)，并顯示其數(shù)據(jù)庫(kù)對(duì)應(yīng)的trace文本信息。通過(guò)觀察生成的軟件調(diào)用關(guān)系網(wǎng)絡(luò)來(lái)分析并預(yù)測(cè)其間發(fā)生的異常與故障，進(jìn)而實(shí)現(xiàn)模型的監(jiān)控功能。此處將添加兩個(gè)動(dòng)態(tài)圖，分別為加權(quán)圖、和去重圖。而注入加權(quán)的目的主要是為了突出去重圖的優(yōu)良特性。

4 結(jié)束語(yǔ)

本文提出了一種基于動(dòng)態(tài)網(wǎng)絡(luò)分析理論的大規(guī)模軟件故障預(yù)測(cè)模型并建立了相應(yīng)的可視化界面，此模型可以實(shí)現(xiàn)大規(guī)模軟件故障的預(yù)測(cè)，設(shè)計(jì)故障注入實(shí)驗(yàn)對(duì)模型進(jìn)行了驗(yàn)證，取得了良好的效果，證明了此模型的有效性。

由于java的矩陣處理能力較MATLAB相比較弱，所以在本界面模塊中采用了混合編程，但java本身和matlab的接口并不及C或C++和matlab的多，因此效率有待提高。以后可以根據(jù)實(shí)際需要，在C或C++平臺(tái)上開(kāi)發(fā)程序。

利用2范數(shù)做動(dòng)態(tài)分析時(shí)，盡管取得了比較滿(mǎn)意的精度，但在一些特殊trace內(nèi)部調(diào)用關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)性改變存在著誤報(bào)的風(fēng)險(xiǎn)，盡管對(duì)異常情況進(jìn)行實(shí)際返回值與返回類(lèi)型檢查可以避免誤報(bào)，但是整個(gè)檢測(cè)系統(tǒng)的開(kāi)銷(xiāo)時(shí)間將增加，會(huì)導(dǎo)致靈敏性下降。在后續(xù)的開(kāi)發(fā)中可以利用其它的矩陣分析理論解決這個(gè)問(wèn)題。

[1]劉克，單志廣，王戟，等.“可信軟件基礎(chǔ)研究”重大研究計(jì)劃綜述[J].中國(guó)科學(xué)基金，2008，22(3)：145-151.

[2]趙廣元.MATLAB與控制系統(tǒng)仿真實(shí)踐[M].北京：北京航空航天大學(xué)出版社，2009.

[3]范立鋒，喬世權(quán)，程文彬，等.JSP程序設(shè)計(jì)[M].北京：人民郵電出版社，2009.

[4]李建剛，秦興橋，鄭雨貝，等.JSP網(wǎng)絡(luò)編程技術(shù)與實(shí)踐[M].北京：清華大學(xué)出版社，2008.

[5]張新曼.精通JSP[M].北京：人民郵電出版社，2007.

[6]詹靜，張煥國(guó).可信平臺(tái)模塊自動(dòng)化測(cè)試研究[J].計(jì)算機(jī)研究與發(fā)展，2009，46(11)：1839-1846.

[7]Haohua Zhang，Hai Zhao，Wei Cai，et al.Using the K-core decomposition to analyze the static structure of large-scale software systems[J].Supercomput，2009，10(3)：127-140.

[8]Ignacio Alvarez-Hamelin，Luca Dall’Asta，Alain Barrat，et al.K-core decomposition：a tool for the visualization of large scale networks[J].ACM Computing Surveys，2006，11(2)：789-796.