随着网络服务资源的开放与丰富,网络中提供相同功能或数据的服务层出不穷,给终端用户的服务资源选择带来了挑战,亟需建立一套评价与推荐机制为服务使用者甄别和选择优质的服务。作为一项非功能性属性,响应时间是网络服务性能的重要度量指标。它直接影响了用户的服务体验,并在服务资源选择中扮演重要的角色。响应时间不仅受制于服务自身的软硬件性能,同时还受到用户访问时空分布差异性的影响,具有显著的不确定性,因此如何可靠地预测响应时间是一个难点。同一个服务在不同时空访问下的性能存在差异,即在不同空间位置、不同时间段访问同一个网络地图服务所得到的响应时间也不同。本文选取OGC Web Map Service(WMS)为研究对象,通过全球多地分布式部署的监测系统获取服务响应时间,从空间维度、时间维度、时空维度分别对GetCapabilities操作和GetMap操作响应时间进行定性和定量的分析,发现WMS响应时间与用户离服务器的地理距离具有正相关关联关系,在时间序列上呈现非趋势性的平稳变化特征,且距离相近的用户访问服务的响应时间序列变化的相似度更高。在此基础上,本文提出地理加权回归(Geographical Weighted Regression,GWR)与时空自相关移动平均(Spatial-Temporal Auto Regressive and Moving Average,STARMA)相结合的WMS响应时间混合时空预测模型GWR-STARMA,旨在为服务动态的发现与选择提供决策支持作用。该模型综合考虑了用户访问时空分异特征对WMS响应时间的影响,其中GWR部分描述服务响应时间的时空趋势,STARMA部分拟合时空序列局部随机扰动。本文通过将多个地区监测点不同时刻WMS响应时间的实测数据与模型预测值对比,验证了模型的有效性。实验表明,本文模型的预测精度相比经典的平均值法有较大的提升,同时较GWR模型在预测精度上有一定程度的改善,混合预测模型GWR-STARMA在响应时间频繁波动的实时预测中更具有实际意义。
暂无评论