[論文泛讀] Accurate and efficient stochastic reliability analysis of composite services using their comp

 

Time: 2 hours
N. Sato, Kishor S. Trivedi: Accurate and efficient stochastic reliability analysis of composite services using their compact Markov reward model representations. IEEE SCC 2007: 114-121

    作者裡的Trivedi是大牛, 杜克大學的資深教授, 在Reliability modeling, Performance modeling等領域建樹頗多, 去年還訪問過中國. 以前學習Stochastic Petri Net的時候看過他的文章, SPNP(stochastic petri net package)工具也是他們那邊開發的.

1. 這篇論文數學公式比較多, 如果不熟悉DTMC/CTMC/Markov reward model(MRM)等概念, 看起來有點慌.
先瞭解一下本文方法能夠解決的問題情境(S5):

這個情境裡的服務組合順序調用服務P1和P2構成, 服務P1使用了伺服器R1, 服務P2使用了伺服器R2, 另有一台備份伺服器(當R1或R2宕機時備用, 假設這台備份伺服器自己永不宕機).
用CTMC對伺服器進行建模,
        R1/R2有三個狀態: U(up), D(down), R(in repair)
        備份伺服器有2個狀態: S(standing-by), U(up for a troubled server).
右邊部分是這個包括3個伺服器系統的狀態圖, 其中λ, µ, ν分別表示failure, failover(容錯移轉), repair rate.
中SR(P)是計算出來的組合服務的Reliability值, Cor是服務P1和P2之間的failure correlation.
有表可知, Cor的值越小, SR(P) ~ SR(P1) * SR(P2).
 

2. 主要有2種方法可用來對組合服務進行reliability analysis(S1):
(1) (stochastic) state-space models
包括: Markov chains, stochastic Petri nets
描述: represent service components and resources as probabilistic state transition systems
優缺點: accurrately captures the impacts of particular failures on the reliability of the entire service but incurs high computation complexity
(2) combinatorial models
包括: reliability block diagrams (RBDs), fault trees (FTs)
描述: focus on the causal relationships between components and resources
優缺點: high efficiencies at the cost of a potential loss of accuracy

 

3. 本文提出了一種基於Markov reward model (MRM)的技術來討論群組合服務的reliability, 在顯著降低計算量(computational complexity)的同時而不失去精確性.
對service component使用DTMCs來建模.
對resources使用CTMCs來建模.

4. 這篇論文讀起來有點吃力, 也不是我目前的研究重點, 這次只作為泛讀材料. 要精讀的話, 還得去學一下Markov reward model才行, 不過最近恐怕是不會去學了.