SPECTRA：一种用于管理系统中具有混合观测性特征的NFR（非功能性需求）权衡的马尔可夫框架

《ACM Transactions on Autonomous and Adaptive Systems》：SPECTRA: A Markovian Framework for Managing NFR Tradeoffs in Systems with Mixed Observability

非功能性需求（NFRs）的混合观测特性对自适应性系统（SAS）决策造成挑战，传统MDP方法难以有效处理多目标冲突。本文提出SPECTRA框架，基于多目标混合观测马尔可夫决策过程（MOMDP），在MirrorNet远程数据镜像系统中验证其优势，表现为更高的效用值、更快的策略规划及更优的权衡效果。

　　

摘要

非功能性需求（NFRs）在推动软件系统的自适应方面起着关键作用。在自适应系统（SAS）中，同时满足多个NFRs会引入显著的复杂性，因为这些需求常常存在冲突——改进一个NFR可能会对其他NFR产生负面影响。由于NFRs的可观测性程度不同（有些可以完全观测到，而有些只能部分观测到），解决这类权衡问题变得更加具有挑战性。传统的SAS决策方法（如基于马尔可夫决策过程（MDPs）的方法）通常假设所有NFR的可观测性是均匀的，这限制了它们有效应对这些挑战的能力。

我们认为，将NFRs视为具有混合可观测性的实体（即某些可以完全观测到，而某些只能部分观测到）能够实现更有效的决策。自适应系统如何对具有混合可观测性的NFRs之间的权衡进行建模和解决，以获得更好的结果呢？

本文介绍了SPECTRA，这是一个基于MDPs的多目标决策框架。SPECTRA通过利用多目标混合可观测性马尔可夫决策过程（MOMDP）来处理NFRs之间的权衡，该过程能够有效地建模和处理NFRs的不同可观测性。使用MirrorNet中的场景对这种方法进行了评估，MirrorNet是一个基于软件定义网络（SDN）的 realistic Remote Data Mirroring（RDM）系统。结果表明，与现有方法相比，SPECTRA能够实现更高的效用值、更快的策略规划以及更有效的权衡。