网络环境下软件老化模式及再生方法研究

软件老化是造成系统性能衰减直至宕机的重要原因，研究和抵抗软件老化，对于提高软件系统的可用性具有重要意义。在网络环境下 ，大量的组件形成一个错综复杂的软件交互网络，传统以黑盒、粗粒度、统一模型为特征的软件老化分析和再生方法，已不适用于解决该环境下老化相关问题。以灰盒直至白盒、细粒度、差异化测量为特征的方法成为软件老化与再生研究的一种趋势。本课题通过灰盒或白盒分析方法研究了多参数非线性老化趋势检测问题，老化定位及原因推导问题，自适应的细粒度再生问题以及老化与再生方法的实验验证问题。同时还增加了对云系统可靠性的研究和大数据平台的性能诊断研究。取得的主要研究成果有：1、在软件老化检测与诊断方面, 提出了一种软件老化现象特征抽取和检测方法CSHP，与目前公认的Mann-Kendall-Sen检测方法相比，在鲁棒性、敏感性、适应性和自动化程度等方面优势明显；提出了基于请求路径追踪的多粒度性能诊断方法，通过剖析应用服务之间的依赖关系可以准确定位到性能异常的服务，通过构建运行时参数之间的因果关系可以准确定位到引起老化的原因，与已有的诊断方法相比在诊断精度上有显著提高；通过分析真实软件系统的错误和失效日志，设计和实现了利用系统日志进行软件失效与性能下降预测的系统LogMaster； 2、在软件再生方面，提出了一种基于运行时体系结构的软件再生方法，通过计算反射原理和模型驱动方法，使设计阶段用于复杂性控制的软件体系结构成为系统运行时的一阶实体，既能为软件老化的检测提供全面、实时、准确的系统运行信息，也能根据软件再生方案动态调整运行系统的状态和行为；该方法在JonAS、Openstack、Android等主流软件平台进行了验证性应用；3、 在测试床与基准测试集方面, 为了给软件老化与再生研究提供真实的软件负载，构建了面向大数据和面向数据中心的两套基准测试集：BigDataBench和DCBench，发布半年就有34个国家的1500个独立IP访问，被俄亥俄州立大学、国家互联网应急中心等国内外科研团队使用。本项目共发表（含录用）论文67篇，其中SCI收录14篇，EI收录40篇，申请国家发明专利6项，培养研究生23名。此外项目组成员多次参加或者组织国际会议如Middleware和SOSE等。