基于分层混合专家神经网络的Web服务失效检测机制

利用反射中间件来检测导致服务失效的各种状态和参数,从服务内部动态调整服务运行状态和配置,可以有效地避免服务失效.将分层混合专家神经网络(Hierarchical Mixtures of Expert neural network,HME)配置在反射中间件的元层中,用来检测这些服务的失效环境状态,并解决引起Web服务失效的状态.利用极大似然(Expectation-Maximization,EM)的学习策略对分层混合专家网络进行训练.实验和数据分析表明,HME网络作为反射中间件检测技术可以高效地对服务失效进行检测和辨识.

Web服务失效处理的反射中间件技术应用与实现

为提高服务有效性,在Web服务的客户方和服务器方配置反射层,捕捉到导致服务失效的各种状态和参数,有针对性地从服务内部动态调整服务运行状态和配置。依据服务失效类型,给出客户方和服务器方反射层的处理方法和工作过程,并借助于分层混合专家网络(HME)作为服务失效的检测方案,基于极大似然的HME学习策略可以对高维、非线性和强耦合的状态空间进行学习和辨识。通过实验和数据分析,表明了基于HME网络的反射中间件可以高效地对服务失效进行检测和处理。