Page 76 - 《软件学报》2021年第7期

1994 Journal of Software 软件学报 Vol.32, No.7, July 2021

本事件的后验概率最大,为 0.143.因此,该事件对应的感知对象“服务任务量”将被加入精英感知集合,以保障识
别效率.

Fig.7 Posterior probability of the basic events
图 7 基本事件的后验概率

为了测试 SAFER 的识别效率,本文设定滑动窗口大小为 5,数据平稳度阈值为 0.58,状态异常程度阈值为
0.62,平滑因子和分别取值 0.4 和 0.6,上述取值是综合考虑了 SAFER 的方法开销、系统可接受的最大异常程
度等因素,并在 BookStore 系统中进行多次实验后确定的最佳取值.本文建议在其他系统中应用 SAFER 时,可根
据不同案例系统对平稳度、异常程度、运行开销等多方面因素的实际需求进行取值调整,以获得最佳效果.
本文具体测试了 SAFER 与现有模糊推理方法、本体推理方法和贝叶斯网络分析方法的识别效率.在
BookStore 系统实时运行过程中,以随机注入不同故障的方式进行 10 次重复实验并统计不同方法识别事件的平
均时间,实验结果如图 8 所示.SAFER 对于异常事件的平均识别时间为 7.624s,而模糊推理方法、本体推理方法
和贝叶斯网络分析方法的平均识别时间分别为 8.435s、8.721s 和 8.639s,说明 SAFER 在识别效率方面有所提
升.但在第 5 次、第 6 次及第 9 次实验中,SAFER 与其余 3 种事件识别方法的识别效率基本持平,这是因为,引发
这 3 次实验所注入事件的基本事件是不常见的(如 API 调用失败等),因此与之相关的感知对象并未加入到精英
感知集合中进行重点监控.然而在系统实际运行过程中,常见事件的发生概率是远高于不常见事件的,而最易引
发常见事件的相关感知对象已被密切监控,因而 SAFER 的优势会较为明显.

Fig.8 Comparison of the time efficiency between SAFER and other methods
图 8 SAFER 与其他方法的识别效率对比
由于识别效率包括感知数据采集与处理、事件识别两部分的效率,上述实验结果只能说明 SAFER 的识别
效率较其他方法有所提升,无法明确识别效率提升的具体原因,因此本文补充测试了 SAFER 以及现有其他方法
在第 2 部分,即在事件识别部分中所需时间.测试该时间不需要考虑感知数据采集与处理部分的耗时,因此本文
在前述数据集 1~6 中记录了事件识别方法的耗时,具体如下:从未标记事件日志数据中第 1 条开始,识别每一条
日志数据中发生的事件,记录其识别所需时间并进行累加,最终得到上述 4 种方法分别在数据集 1~6 中识别事