Trong chương này ta đã trình bày các vấn đề lí thuyết cơ bản, những lí thuyết đã trình bày là cơ sở để xây dựng phương pháp dự đoán hiệu năng Web Services.
Phần một giúp ta hiểu được cơ bản về Web Services như vai trò, các thành phần, tác nhân, cách thức hoạt động của một Web Services, để từ đó có thể làm quen được với một hệ thống Web Services thực tế. Mục đích của đồ án này là xây dựng một phương pháp mới để dự đoán hiệu năng Web Services do đó trong phần viết về Web Services ta cũng đi tìm hiểu sâu hơn về hiệu năng Web Services, các mô hình hóa hiệu năng, để từ đó lựa chọn một mô hình hiệu năng phù hợp nhất để đánh giá.
Phần hai của chương này trình bày về các lí thuyết hàng đợi, các mô hình hàng đợi, và đánh giá hiệu năng của các mô hình này. Mô hình hàng đợi là mô hình phổ biến đối với các hệ thống cung cấp dịch vụ cho khách hàng, không chỉ trong công nghệ thông tin mà còn trong các lĩnh vực khác. Web Services với mục đích cung cấp các dịch vụ của nhà cung cấp cho khách hàng dựa trên môi trường Web, nên mô hình hàng đợi được sử dụng phổ biến và rộng rãi trong các hệ thống Web Services. Tìm hiểu về lí thuyết hàng đợi cho ta một công cụ toán học để từ đó đưa ra những công thức đánh giá hiệu năng Web Services về mặt lí thuyết.
Phần ba của chương này cho ta một cái nhìn tổng quan về các phương pháp phân tích hồi quy hiện nay. Trong đó phổ biến và đang được nghiên cứu phát triển gần đây nhất là mạng Nơron đại diện cho phân tích hồi quy có tham số và Gausian Process đại diện cho phân tích hồi quy phi tham số. Theo tài liệu [7] các nghiên cứu của Williams - Rasmussen, và Neal lấy động lực là sử dụng Gaussian Process thay thế cho mạng Nơron học có giám sát. Williams – Rasmussen viết trong một cuốn sách của mình[6] nhận định rằng mạng Nơron không dễ sử dụng trong thực hành, vì người dùng phải đưa ra nhiều quyết định liên quan tới kiến trúc, hàm hoạt động, tốc độ học,... và thiếu công cụ lí thuyết để trả lời cho tính đúng đắn của các quyết định này. Ngược lại Gaussian Process dựa trên lí thuyết xác suất với các công trình của Bayes, có nền tảng toán học rõ ràng. Các mô hình Gauss luôn xem xét làm việc với các hệ thống có nhiễu, mà bất kì hệ thống thực tế nào thì nhiễu cũng luôn tồn tại, và ngẫu nhiên. Điều này tạo động lực cho ta trong việc áp dụng Gaussian Process
trong phương pháp dự đoán hiệu năng Web Services, và đề xuất ra mô hình nhiễu của hệ thống.
CHƯƠNG 2 : XÂY DỰNG PHƯƠNG PHÁP DỰ ĐOÁN
Chương này trình bày các vấn đề sau:
• Các phương pháp dự đoán hiệu năng Web Services tồn tại: Bao gồm ba phương pháp là dự đoán sớm hiệu năng qua mô phỏng, dự đoán hiệu năng các luồng công việc Web Services, dự đoán hiệu năng phía Client. Trong mỗi phương pháp trình bày phương pháp luận, chỉ ra ưu điểm và hạn chế.
• Trình bày cách xây dựng phương pháp dự đoán hiệu năng mới:
o Tổng quan về phương pháp.
o Xây dựng mô hình dữ liệu đầu vào.
o Thực hiện phân tích hồi quy Gaussian Process: Lựa chọn hàm hiệp phương sai, đánh giá siêu tham số hàm hiệp phương sai, quy trình thực hiện phân tích hồi quy, đánh giá kết quả phân tích hồi quy.
o Dự đoán sử dụng mô hình hàng đợi: Đánh giá tham số cho mô hình, đánh giá kết quả dự đoán.
o Sử dụng kết hợp phân tích hồi quy với mô hình hàng đợi.
• Đánh giá phương pháp về mặt lí thuyết.