1、http:/-1-自律计算系统测评技术研究 1王慧强，吕宏武，哈尔滨工程大学计算机学院，黑 龙江哈 尔滨 (150001)E-mail：摘 要：随着自律计算技术的快速发展和自律计算系统的广泛应用，自律计算系统测评已经成为一个新的研究热点。本文首先 对已有的自律计算系 统测评指标体系、 测评模型、测评工具和相关的工业化标准进行了的分析和比较。接着在此基础上针对当前自律计算系统测评的不足之处，提出了一个新的、更为通用的自律计算系统多维测评模型。最后，简要介绍了自律计算系统测评技术当前面临的问题和挑战，并就 该领 域内的相关工作及发展方向进行了展望。关键词：自律计算；自律计算系统；测评模型；测评指标
2、体系；中图分类号：TP3931. 引 言随着计算机技术的快速发展和因特网技术的普遍应用，计算机系统向着分布式、大型化、复杂化演化，系统的交互性、动态性、异构性越发显著，对系统的配置、优化、保护变得十分困难且管理的开销不断加大。由于管理软件自身复杂性地爆炸性增长，传统上通过设计更为精细和复杂的管理软件对系统实行管理的方法变得不再适应当前形势 1。据IBM 的一份调查资料显示，2003 年在美国 IT 产业 25%-50%的资源被用于问题的决策，大约 50%的预算用于阻止和恢复系统故障 2。另一份报告显示，当机一小时给美国银行业带来的损失高达 2,600,000 美元 3。因此迫切需要一种新的技术
3、来解决这个困境。2001 年，IBM 的执行副总裁 Pual Horn 在哈佛大学召开的国际工程学术会议上，借鉴生物神经系统的自觉性首次提出自律计算这个概念 4。其基本思想是从整体上设计一种具有自我感知、自我管理能力的分布式计算机系统，使其在向用户提供优质服务的同时隐藏其自身的复杂性。此项技术一经提出立即引起了广泛的关注，IBM、HP、SUN 等公司都提出了相应的研究计划，经过各大商业公司和学术机构的努力，目前已经产生了许多支持自律计算的系统，例如 Autonomia，Rainbow，Prato 等 5-7，一般称之为自律计算系统。到目前为止，自律计算系统已经被应用于网络管理、数据存储和航天控
4、制等诸多关键领域 5,8-10，发挥了重要作用，如何确定当前系统的自律特性并进一步提高自律计算系统的性能，成为需要迫切解决的一个问题 11。对系统自律性能测评的研究，有助于确定影响系统自律性的关键因素及系统设计的缺陷和不足，可以为自律计算系统得进一步发展提供重要的技术参考。目前许多科研机构已经对自律计算系统的测评进行了初步的研究，提出了一些测评指标体系、测评模型和工具，某些国际标准化组织还发布了相应自律计算系统工业化标准。但是总体上来说，自律计算系统测评技术整体上仍然处于基于规则测评和手工测评的初期阶段，目前大部分工作还集中在对特定属性的测评上，还没有比较完善的系统自律性测评模型，测评工具也很
5、缺乏。因此急需提出新的测评模型和测评算法推动自律计算系统测评技术的进一步发展。本文针对当前国内外自律计算系统已有测评指标、测评模型、测评工具和相关工业化标准进行了分析和比较，在此基础上借鉴多主体系统和网络安全等相关领1本课题得到 国家高技术研究发展计划（863 计划）基金（项目编号：2007AA01Z401）和国家自然科学基金（项目编号：90718003）的资助。http:/-2-域已有测评技术提出了一个更加全面的自律计算系统多维测评模型，最后对自律计算系统测评领域当前所面临的问题与挑战作了简要介绍，并就该领域内的相关工作及发展方向进行了展望。2. 自律计算系统测评技术的研究现状虽然目前提出的
6、自律计算系统结构各异，但是从根本上来说，它们都是由一个个自律单元（Autonomic computing Element，AE ）组成的整体 12,13。一个自律单元基本上可以抽象成两部分：管理组件和被管理组件，如图 1 所示。其中管理组件只有一个，它执行系统管理员的命令或是进行自我管理，同时指挥被管理组件完成系统的行为。被管理组件可以是一个或多个，它们可以是系统的任意部分，包括软件、硬件甚至是整个系统。其中管理组件通常被简称为 MAPE-K，这个结构主要包含检测器、分析器、计划器、执行器和知识库，通过它们之间的控制环来实现自我管理 14。每一个自律单元都能够从环境收集信息、进行决策、并根据需
7、要调整自身，使之具有自我配置、自我修复、自我优化和自我保护能力 15。众多的自律单元构成了自律计算系统，通过彼此之间的相互协作、协商以使得整个系统正常运作，呈现出自配置、自恢复、自优化和自保护中的一种或几种特性。被管理组件计划执行分析检测知识感知器效应器图 1 自律单元结构图Fig 1 Autonomic computing element framework从 2001 年自律计算技术提出以来，国内外一些研究机构就对自律计算系统的概念属性、结构模型和实现方法进行了研究 8,16-18，取得了许多的研究成果。与之相比，自律测评技术作为自律计算的又一研究热点，虽然许多学术机构和研究组织已着手对其
8、研究，但到目前为止仅仅在局部上提出了一些测评指标、测评模型、测评工具及标准，尚缺乏严密的理论体系和整体上的测评方法，仍需要进一步的研究和完善。下面将对这些已有的自律计算系统测评技术进行简要介绍和分析。2.1 自律计算系统测评指标体系为了定量测评自律计算系统的特性，必须提出相应的指标，合理的指标是系统量化测评的基础。对于自律计算系统的属性如何定义与分配、如何测评与验证是自律计算系统测评所面临的关键问题。对自律计算系统进行全面测评的指标体系，应该包含影响系统性能的各个方面，不但要对系统的负载和开销做出评定，还要对管理的适应和反应时间、粒度、鲁棒性和开放性等诸多方面进行评定。应该在保障测评全面性的基
9、础上，尽可能的包含较少的指标，如此既便于指标的统一又可以减少测评时的开销。对于一个自律计算系统而言，通常观点认为不需要建立新的指标体系，只需要在传统测评指标体系的基础之上添加一些http:/-3-自律计算系统的特有属性即可成为自律计算系统测评指标体系 19。下面对自律计算系统常用的测评指标进行简要介绍。（1）服务质量(QoS) 服务质量是自律计算系统测评常用的一个指标，它可以有效地反映出系统达到其设计目标的程度，通常它都是由一系列的子指标构成的，例如数据分发的时间、速度、效率等 19,20，这些指标都紧紧围绕着系统所关注的服务或应用领域。它可以被用来作为一个全局的指标、子服务指标或者是一个组件
10、的指标。通常情况下，它都用来测试系统服务的优劣，根据测评结果考虑利用自治的策略来提高性能，或者是通过采用个性化的 GUI 设计和提高用户的方便性。Bennani 等人在文献 21中把 QoS 作为测定自律计算系统的鲁棒性的手段，通过设计了一个遵循 2 状态柯西分布可变系数的 QoS 控制器实现自律调节，经过分析 QoS 的变化来分析系统的鲁棒性。实验中考查了在多个任务共同到达或当系统服务时又出现新服务请求的情况下，待测自律计算系统的鲁棒性。（2）适应和反应时间 适应和反应时间也是自律测评过程中常用的一个测评指标，适应时间是指由系统识别出环境的改变到系统适应了环境改变而重新达到稳定状态的时间，反
11、应时间可以看作是适应时间的一部分，它是指系统识别出了环境的改变到系统决定以何种策略来应对这种改变的时间。David Garlan 等人对 Rainbow 系统的适应性测评采用了反应时间作为测评的指标 5。作者采用的策略是：当网络过载时，C/S 系统的客户端延迟应小于两秒，否则实验将引起（自）修复。不过该测评方法过于简单，采用的策略过于单一，还需要进一步地改进。E. G. Pereira 等人在文献 20中对他们提出的自恢复模型进行了测评,该试验的测评指标主要是延迟时间。作者指出由于网络的许多服务需要随时添加和移出，导致需要对系统进行重新配置，其主张用自配置来实现自恢复,提出了相应的自恢复模型并
12、研究了对网络存储服务和本地应用软件的重配置，通过分析在没有用户干预的情况下自律配置所需要的延迟时间，来分析自恢复的执行性能。（3）开销 目前对自律计算系统的测评大多只是关注于系统达到既定目标的程度，系统组件之间的交互、协作和动作执行的开销还没被考虑到测评的结果内。对于大多数的商业系统而言，减少系统维护和管理的开销是一个重要的目标，虽然减少开销的效益不能立刻显现，但长此以往将会提高系统自管理的能力。此外由于自律计算系统为了实现自律必然需要增加监测、分析和计划等机制，这会带来额外的开销，在系统的测评中这些开销也必须被考虑到。在对自律计算系统 Patia 的测评中 22，测试了对一个网络服务器增加自
13、律特征以解决请求激增与震荡的问题，但经研究显示，通过增加检测机制给服务器带来的效益并不足以抵消相应的开销，因此在向一个非自律计算系统添加自律机制时，必须要考查带来的额外开销。（4）粒度 粒度是另一个对系统性能影响较大的因素，不同的粒度对反应时间的影响很大，粒度良好的组件具有更高的适应性和灵活性，但另一方面对粒度的要求过高将导致需要更多的环境数据，同时组件也会带来相应的反馈信息，于是整个系统的数据流将会急剧增加，影响到系统的性能。此外相同的服务在两个不同自律粒度的系统之上也不能被简单比较，应该在对粒度进行处理后再进行测评。（5）鲁棒性 通常优良的鲁棒性是自律计算系统一个重要的特征，许多自律计算系
14、统都在不同层级上设计了避免错误的机制，以提高鲁棒性，例如通过处理群集系统中的节点失效以避免硬件失效。某些系统被设计成能够处理预测到的失效，如利用平均硬件失效时间或其它一些条件来预先处理可能面临的环境问题。McCann 指出在对其所开发的视频服务系统 Kandra 的研究中，通过测试系统的鲁棒性，来测定系统的自适应能力 19,23。http:/-4-Bennani 等人也把鲁棒性作为表征系统自律性重要的属性 21。（6）开放性 开放的系统经常需要添加和删除组件，稳定性对其就显得非常重要。例如目前许多自律计算系统都是由 Agent 作为自律单元而构成的，对于由多 Agent 构成的自律计算系统而言
15、，由于可以随时添加和删除 Agent，系统整体的稳定性可能会受到影响，因此在系统设计时就必须具有较好的开放性，由此保证 Agent 的数量变化不至于对系统的稳定性影响太大 24,25。而对封闭式自律计算系统而言通常有较好的稳定性，这个指标就不太重要。由于系统的复杂性，往往单一的指标很难对系统的多个自律特性进行合理的测评，测评指标集是一个更为恰当的选择，它们通常可以从多个方面对系统的自律特性进行考查，更加精确地测评某一自律特性或系统整体的自律特性。J. A. McCann 等人在文献 19中提出了一个包括十个指标的自律计算系统测评指标体系，包括：服务质量、开销、粒度、错误避免、自动化程度、适应性
16、、适应和反应时间、敏感度、稳定性等。该指标集基本包括了对自律计算系统常用属性的测评，但是作者并没有提出具体的量化手段，必须对该指标集进行合理量化后才能对具体系统进行测评。Lin P 等人则是依据 IEL 的 Std1061-1998 标准从软件工程的角度，提出了自律计算系统的一个测评指标框架，作者在分析了自律计算系统的需求后，确定自律计算系统的属性主要包括：开放性、可预测性、自感知、环境感知、自配置、自优化、自保护和自恢复，还得出了他们之间的相互关系 26。但该文只完成了测评的前两个步骤：确定质量需求，确定测评的指标，但最重要的指标的细化、量化以及分析质量指标的数据却没有进行，还需要进一步的完
17、善。Mazeiar Salehie 等人对自律计算系统的特性进行了深入的研究，经过对自律计算系统的特性和测评的质量属性分析后，提到了它们两者之间的对应关系，认为自律计算系统的 8 个质量属性分别可以由可靠性、有效性、可维护性、可用性、功效性和便携性来测评 8，如果对这些质量属性进行量化，就可以实现自律计算系统的测评。这为自律计算系统的测评提供了一种理论的依据。由于目前对自律计算系统的研究偏重于自恢复方面，因此大多自律计算系统的测评指标体系是针对自恢复特性提出的。自恢复系统不同于传统的容错系统，在本身具有容错能力的同时能够对系统的错误进行修复，对其进行测评也需要考虑更多的内容。文献 27从自恢复
18、角度提出一个实用的测评基准，除对容错能力的测量之外，还包含了对自律完备性的测定。该基准的指标集包含两个指标：注入干扰后恢复的有效程度，恢复反应的自律程度。为了对自恢复能力进行测试，作者采用了注入技术，共包含了 30 种干扰注入。第一个指标是通过测试成功恢复数量与总干扰试验数量来得到，第二个指标通过自律计算系统完备程度分类来测定。该基准能够量化基于 J2EE 的复杂的、分级产品的自律恢复能力，并且目前已经投入应用了。但此标准还存在着一定缺陷，一方面干扰注入集很难包含全部典型干扰，在系统变化后注入将随之修改，通用性较差；另一方面，自律完备程度的测定涉及到人为的干预，很难进行量化，且粒度粗糙。因此还
19、需要对其进行进一步的改进，以实现更精确地测评。Neti Sangeeta 等人从软件工程的角度依据软件质量标准“ISO9126”提出了一个对具有自恢复特性软件结构的测评指标体系 28。为了实现测评，针对自恢复系统开发了一个基于属性（ABAS）的分析和推理框架。当系统进化后，框架能够重新分析系统对质量属性进行改变。其结构如图 2 所示，整个质量测评框架分为两部分：传统测评属性和特殊的自律属性。其中自律属性包括：可观察性、感知性、耦合性、复杂性和可测性。这 5个属性分别由支持探测反常行为、支持对错误行为的诊断、支持对期望行为的模拟、支持区分期望行为和支持对正确行为的测试等几个方面体现出来。但是该文
20、也没有对提出的指http:/-5-标进行量化，如果依照该标准进行测评，还需要提出相应指标的量化方法，尚需要进一步完善。此外，据资料显示，当前大多数系统处于自律完备度的人工级和管理级，它们通常被称之为半自律计算系统。这些系统的特性相对于完备的自律计算系统还存在着一定差距，对这种半自律计算系统进行测评，还需要考虑人工干预的问题。理想的情况是不制定特殊的测评指标，通过采用某些手段把自律计算系统的测评指标体系修改后应用于半自律计算系统。对半自律计算系统的测评，目前比较合理的一种方法是把整个测评过程分成若干阶段，在各阶段之间才需要人的干预，每一个阶段都被单独测评，最终根据阶段之间人为干预的程度对结果进行
21、惩罚 29。图 2 一个自律指标体系结构 28Fig 2 A autonomic computing metric set framework2.2 自律计算系统测评模型由于自律计算技术是一门新兴的学科，目前还处于发展的初始阶段，面向自律计算系统的测评技术主要集中在基于规则测评方面，基于模型的测评还比较少。但从长远来看，基于模型测评具有诸多优点，将是未来研究的方向和重点。由于自律计算的实质就是在整体上表现出一种自我管理的特点，是整体协作的结果，基于模型的测评有利于从全局上收集系统的信息发挥更大的功效，因此基于模型的自律计算系统测评可以看作是系统整体自律特性测评的一种需要 30。当然基于模型的自
22、律性测评方法并不能完全取代基于规则的自律性测评方法，而且也不是为了完全取代基于规则的方法，因为模型的建立需要系统的局部信息，这些局部信息只有靠基于规则的方法获得，两者之间存在着相辅相成的关系。众多实际的工作表明，基于模型测评的关键问题是建立有效的自律测评模型。通过测评模型可以实现对系统自律测评需求地准确描述而不涉及其实现细节，由此可以更加全面而准确地理解影响自律计算系统的自律能力因素。并且可以通过对自律测评模型的形式化描述和分析找出影响系统自律性能的缺陷。目前基于模型的自律计算系统测评模型还比较少，大体上只有自律完备度模型和自律适应性模型，下面主要介绍在这一领域已有的相关工作。（1）自律完备度
23、模型 http:/-6-虽然当前对自律计算系统的实现方法还没有一个共识，但一般都认为自律计算系统的实现是一个渐进的过程，从人工管理的系统到自律计算系统要经历几个阶段。这方面的代表性研究是 IBM 公司的自律完备度分类标准。该标准把自律计算系统分为 5 级：基础级、管理级、预测级、适应级和自律级 31。从基础级到自律级是一个自律程度不断加强的过程。该标准首先是在 IBM 2004 年自律计算技术报告中提出，后来经过 IBM2005 白皮书的修改得到了补充和完善 32。据 IBM 沃森研究中心的一篇文章的介绍，其已经被应用于实际的系统测评之中 27。自律计算系统的五级分类如表 1 所示，其中基础级
24、需要专业的系统管理员依据系统的说明和技术文档对组件进行配置、优化、恢复和保护操作；管理级已经具有管理软件，一定程度上可以自动的处理某些任务；预测级的系统管理员已不再需要很多的专业知识，单个组件或系统在一定程度上可以监测、分析环境信息并推荐可行的行动；适应级系统已经只需很少的人的干预，组件可以单独或联合的监测和分析环境并采取相应的行动。当达到自律级的时候就可以在无须人为干预的情况下动态的自我管理。这是一个自律程度逐渐提高，人为干预渐渐变小的过程，就目前的系统来说还大多处于第一二级。表 1 自律完备度分类Tab.1 Autonomic Computing maturity 基础级 管理级 预测级
25、适应级 自律级特征 依赖于系统的技术文档，需要人工配置、优化、保护系统组件在一定程度上，管理软件可以自动的处理某些任务具有前瞻性，单个组件或系统在一定程度上可以监测、分析环境信息并推荐可行的行动需很少人为干预，自动管理资源，通讯管理更加实用，由服务等级协议驱动在无须人为干预的情况下动态的管理 IT 服务和资源工具 采用本地工具和平台；具有特殊性统一的控制台和问题管理机制，自动实现软件管理、入侵检测和负载平衡受控制台制约，实时地观测当前和未来 IT 的性能；包括可靠性管理知识库基于资源特殊性的策略驱动策略；管理工具动态地改变开销和财务分析工具、商业和 IT 模型工具；平衡分析；某些电子商务管理自
26、动执行管理员具备的技能处理平台特殊性和地理上分离的技术处理多平台多管理工具的技能跨平台处理知识；IT 负载管理技能；某些商业处理知识了解每种商业资源的目标的分配；分析商业目标的影响电子商务的开销与效益分析；熟练使用 IT 环境下的财务工具基准 需要确定问题和整个任务的时间系统的可用性；关闭出现问题的访问或工作的时间商务系统的可用性；服务等级协议地获取；客户的满意程度商务系统的反应时间；IT 技术对商务服务成功得影响商务地成功；服务等级指标的竞争能力；商业服务的响应度但是该测评模型对自律计算系统分类过于简单，只包括五个等级，不利于系统自律程度的严格区分，如果要进一步应用于更大范围的实际测评中，尚
27、需进一步细化测评粒度，增加表单的测评条目，引入量化标准，实现系统自律程度的细粒度测评。此外，由于系统管理有人的参与，而人为介入的程度不宜测定，因此该模型还有待于进一步的改进。http:/-7-（2）自律适应性模型 通过采用自律计算技术可以提高 IT 产品的专业化程度，减少开销和提高企业效率。但是自律计算技术应用于 IT 环境是一个循序渐进的过程，只有当大多数企业采用自律技术进行开发和研究时，自律计算才真正实现。IBM 公司在 2006 年的技术报告白皮书中针对商业自律计算系统测评，结合 IT 服务应用环境提出了一个自律计算适应性模型 33，使基于模型的自律计算系统测评得到了进一步的发展为商业机
28、构提供了一种测评、校准自身已有产品自律性能的方法。自律适应性模型如图 3 所示，横轴 x 代表功能性，表示信息技术和商业过程的自动化程度，共分为 5 个等级：人工级、装置与监测级、分析级、闭环控制级和具有商业过程的闭环控制级。纵轴 y 代表控制范围，也包括 5 个级别：子组件级、单实例级、同种类型多实例级、不同种类型多实例级和商业系统级。第三个轴 z 轴代表的是服务流。图 3 自律适应性模型 33Fig 3 Autonomic computing adaptation model 该模型的每一个点都对应于从子组件但商业系统中某一级别的自律程度值，是测评的结果更加直观，用户可以利用这一测评模型方
29、便的测试出所用商业系统的自律特性。并且通过自律计算系统适应性模型不难看出，可以通过以下三个方面增加自律的完备程度： 1）使系统功能更加自动化；2）在更大资源范围上实行自动操作 3）在多样的管理进程中自动执行任务和活动 33。该测评模型为商业利用自律计算提供了一个解空间，使企业可以更好地利用自律计算来提高产品性能。虽然自律适应性模型采用三维结构综合考虑了系统自律性的多个影响因素，但是该测评模型仍过于粗糙，未覆盖自律计算系统的各重要属性，且只能从整体上得到一个定性的分析结果，不适用于对自恢复、自配置、自保护等单一属性的测定，距离精确定量的测评仍有一定差距。2.3 自律计算系统测评工具手工进行自律测
30、评的难度和局限性是显而易见的。手工测评的效率很低，对一个系统的测评通常需要大量时间，并且所用的方法由于其特殊性而很难移植。事实上，对于一个http:/-8-分布式系统而言，众多用户每天都可以在系统上做配置修改，或者由于系统的配置起了变化，或者由于系统中新增了自律单元或组件，或者由于升级了系统、应用程序，都可能使系统整体的自律性能发生新的变化。并且任意一台主机上的自律特性都将影响到整个系统。要在这样一个动态、分布的环境中频繁地进行系统自律性测评，仅靠系统管理员的手工操作几乎是不可能的 34。可见，要进行快速有效的自律测评，自动化的自律测评工具必不可少。系统管理员利用自动化的自律测评工具，可以轻易
31、地检查出系统的配置状态，同时还对系统资源的使用状况进行分析。在系统配置和应用不断改变的情况下，系统管理员能够定期地对系统和应用进行自律测评，及时地采取必要的处理措施，提高系统的自律能力 34。因此自律测评工具能够简化工作，提高效率，是自律测评中重要的研究内容。现有的自律测评工具并不多，其中比较有代表性的是 IBM 自律测评工具（assessment tool） ，这是一个共享软件工具，它具有对系统自律性能进行测评的能力，主要表现在从以下六个方面测试自律的水平：安全管理、用户管理、执行和能力的管理、处理方案的调度、可用性和问题的管理 35。安全管理主要是指确保关键商业资源和数据的安全使之不受攻击
32、和未经授权的访问，远离各种内外部威胁；用户的管理是指对用户访问公司资源的整个过程中的行为管理，例如基于商业策略与工作需要添加、删除和改变资源访问；执行和能力的管理则是指根据商业操作的需求检测管理系统性能，以确保达到需求的吞吐量和反应时间；处理方案的调度是指计划、测试、分发、卸载和验证 IT 处理方案，如果采取的操作没有成功，必须能够回滚到在此之前的有效状态 36；可用性是指确保所需求的 IT 服务是可用的，能够保证商业的连续性；问题的管理主要是指识别、隔离和解决可能会影响到 IT 服务的各种行为。利用自律测评工具对自律计算系统的测评过程主要分为三步，首先，用户填写自律测评工具提供的关于以上六个
33、测评方面的调查表单，接着自律测评工具根据用户提供的信息和事先设定的测评规则，在这六个测评项目上分别对待测系统进行测定，把它归类为基础级、管理级、预测级、适应级和自律级中的一类，最后在如下图 4 的五个同心圆上标出系统的自律性能。用户可以根据这个示意图得到系统的自律性 37。图 4 自律测评工具结果显示界面 37Fig 4 The users interface of autonomic computing assessment tool http:/-9-利用该工具能够减少自律计算系统测评的工作量，但该测评工具过于简单，粒度比较粗糙，只能得到定性的测评结果，应该进一步细化测评的指标，并对其进行
34、量化，采用合理的测评算法得到更为精确的定量测评结果。此外，IBM 公司开发的自律开发工具集（Autonomic computing toolkit）除具有系统建模的功能之外也具有一定的测试分析的功能 38，但主要集中在系统性能方面，不能对系统总体自律特性做出评价。加拿大的维多利亚和多伦多大学的 DEAS（The Design and Evolution of Autonomic Application Software）工程开发了一个基于属性的框架 39，把通常需要在运行时的完成的需改工作提前到设计时进行。工程人员可以利用这个框架分析和验证系统的属性，当系统进化时，其测评体系仍然有效。但这是一
35、个专用性工具，不具有可移植，适用范围狭窄。2.4 自律计算系统的工业化标准标准对于一个系统或一项技术来说是非常重要的，它通常作用于系统开发和维护的整个过程之中。在系统开发之前就要提出详细的标准，为系统或技术的开发提供一个指导，系统的开发过程就是一个不断实现这些标准的过程。在开发完成之后，还要对所开发的系统或技术进行评定，以证实其已达到相关要求和达到指标的程度。从自律计算提出时开始，以分布式管理任务组织 DMTF、结构化信息促进组织 OASIS为首的国际标准化组织就着手制订关于自律计算的标准，到目前为止由各标准化机构和商业公司提出的许多关于支持自律计算的标准已多达十数种，如表 2 所示。表 2
36、有代表性的自律计算相关标准Tab 2 Representative standards of autonomic computing提出标准的组织 与自律相关的标准Distributed Management Task force CIM（Common Information Model） ，WS-CIM， CIM-SPLInternet Engineering Taskforce Policy - RFC3060, Simple Network Management Protocol - RFC1157Organization for the Advancement of Structure
37、d Information Standards (OASIS) WS-DM, WS-Policy,WS-Security,SDDJava Community Process JSR3, JSR47, JSR87, JSR168Storage Networking Industry Association SMI-SGlobal Grid Forum Open-grid Systems Architecture, Open-grid Systems Infrastructure,CMM-WGThe Open Group ARMWorld Wide Web Consortium (W3C) XML
38、, SOAP, Web Services其中比较有代表性的是 WS-DM 标准和 CIM 标准。2005 年 3 月,结构化信息促进组织（Organization for the Advancement of Structured Information Standards，OASIS）提出了一个关于网络服务的标准,包括：网络服务安全、网络服务分布式管理、 网络服务资源框架、网络服务通告标准。由于各种自律计算技术已经被应用于网络服务，做作为系统管理的规范化接口，WS-DM 标准将对系统的管理产生巨大的影响，极有可能成为自律计算的核心标准之一 40。 CIM 标准是由分布式管理组织（Distri
39、buted Management Task force，DMTF）提出一个概念信息模型。其采用面向对象的技术提出了一个统一的定义和数据结构，主要用于描述在企业内部和网络环境下的计算和商业实体。根据文献 41的介绍，该标准的最新版本支持自律计算。CIM 可忽略各平台的特殊性，允许各种管理应用程序存取数据、控制http:/-10-装置和系统，提高了互操作的简易性。下图 5 是 IBM 公司给出的一个自律标准示意图 40，其中的标注处代表自律管理组件所具有的标准，为自律计算的标准化提供了重要的借鉴。图 5 自律管理组件的代表性标准 40Fig 5 Representative standards u
40、sed by an autonomic manager3. 自律计算系统多维测评模型就目前自律计算系统的测评状况来看，还没有比较完善全面的量化指标体系和测评方法，仅有的部分主要是针对系统的某一方面而进行的。本文根据自律计算系统测评技术已有成果，借鉴 multi-gent 系统和网络安全等相关领域的关于测评技术的研究 34,42,43，试着提出了一个新的、更通用的测评模型。可以形式化的表述一个四元组：M=（D, F, A, t）其中 D 代表系统的自律完备度等级，D=基础级，管理级，预测级，适应级，自律级F 带表自律计算系统的主要特性，F=自配置，自恢复，自优化，自保护Q 代表系统的用户的满意度，Q=开销、服务质量 t 代表时间。如下图所示：Time自 律 特 性用户满意度自律完备度等级(AutonomicComputingMaturity)（UsersSatisfaction）基 础 级管 理 级预 测 级适 应 级自 律 级（ A u t o n o m i c C o m p u t i n g F e a t u r e ）服务质量开销自配置自优化自恢复自保护图 6 自律计算系统多维测评模型
