文章目录
- 第七章
-
- Random testing
- Serial Blocks
- Parallel Blocks
- 如何创建 reliability 的 Block digrams
- markov model
- 如何根据系统来构建马尔科夫计算模型
- software reliability growth
-
- basic execution time model
-
- 观察 failure
- 操作概要（operational profiles)
- Time
- 理解 reliablity growth
- 回看 basic execution time model 并细致计算
-
- 三个假设
- 分别计算 failure intensity, total failure,
- 选择 failure objective
- 估计 estimate 模型的参数
-
- 最小二乘法 （Least Squares Estimators）
第七章
Failure 种类：
- Transient Failure – In this case the program gives and incorrect result, but the program continues to execute. 程序给出了一个错误的结果，但程序继续执行。
- Hard Failure – In this case the program crashes (stack overrun, heap overrun, broken thread). 程序崩溃（堆栈溢出、堆溢出、线程中断）。
- Cascaded Failure – In this case the program crashes and takes down other programs. 程序崩溃并拖垮其他程序。
- Catastrophic Failure – In this case the program crashes and takes down the operating system or the entire system; a total system failure 程序崩溃并导致操作系统或整个系统崩溃；完全的系统故障。
不同阶段为了可靠性的手段
Random testing
- test inputs are chosen with a particular distribution over the input domain that somehow reflects the actual usage of the program.
Serial Blocks
- 成功概率：
- 失败概率：
Parallel Blocks
- 失败概率：
- 成功概率：
如何创建 reliability 的 Block digrams
markov model
- 使用马尔科夫模型的原因是： we want to explore how the reliability of systems evolves over time.
- 算 T 秒之后某个 state 的概率，如果是独立的就是行列式计算
-
马尔科夫性质：The Markov property means that, at any state of the process, the future states of the process are dependent only on that state 马尔可夫性质意味着，在过程的任何状态下，该过程的未来状态仅依赖于该状态。
-
用公式表示为：
- homogeneous （均匀）and in-homogeneous（非均匀） Markov models。如果状态转移矩阵任何时候都不变，那么这个马尔科夫模型就是均匀的
-
按照均匀的马尔科夫模型，如果想计算 n 个时间步骤之后的状态，可以通过如下公式；其中 M n M^n Mn 是 n 个 M 行列式计算
-
并且通常在开始的时候还会制定一个初始的向量 α \alpha α；所以最终 n 个 step 之后的结果可以表示为：
如何根据系统来构建马尔科夫计算模型
- 确定系统的马尔可夫状态。马尔可夫状态需要与系统状态或任何单个组件的状态区分开来。
- 计算马尔可夫状态之间的转移概率，并据此推导系统的转移矩阵。
- 确定感兴趣的时间范围并计算n步转移概率。
上述的每个device 都有 functioning 和 failed 两种状态
- 分别用 S A , S B , S C S_A, S_B, S_C
