近年来,基于云平台的服务应用于诸多不同的领域,包括医疗保健、公共交通、移动通讯等,并逐渐成为互联网行业发展的主流趋势。但云平台系统的长时间不间断运行会引发一种称之为“软件老化”的现象。由此引发的短暂系统停机或不平稳将严重影响互联网企业的正常运营。针对上述云平台系统的软件老化问题,本文采用两种不同的模型分别对OpenStack平台的软件老化进行预测和维护。预测模型方案通过对系统关键性能参数变化趋势的预测,从而获取系统未来一段时间内性能参数的变化趋势。可靠性分析方案通过对系统运行状态可靠性进行分析,从而预测系统未来状态的可靠性。通过这两种方案有效识别云平台系统的老化,获取老化特征出现的时间阈值。在老化发生的时间阈值范围内,主动地执行维护措施以缓解系统因老化而引起的性能下降,避免系统故障事件的发生,增强系统的可靠性。本文以实际项目为基础,研究内容包括以下三项:1)建立了基于HMM的OpenStack云平台系统的软件老化预测模型。模型参数的初始值都是根据隐马尔可夫模型的常见约束规则设置。整个预测过程分为两部分:a)模型建立:采用Baum-Welch算法进行模型参数训练,建立能够真实模拟系统性能变迁的模型。同时,采用Forward-Backward算法对模型的训练精度进行评估。b)模型预测:在HMM模型与观测序列的基础上,采用Viterbi算法预测性能参数未来一段时间的变化趋势,确定最佳再生操作执行时间点,达到维护系统可靠性的目的。最后,采用MAPE和MRSE对模型的预测效能进行评估,以验证预测模型的有效性。2)设计并实现基于DFT模型的OpenStack云平台系统的可靠性分析模型。利用动态逻辑门描述系统的非平稳动态演化过程,提出将虚拟化技术与故障维护相结合的方案,建立具备容错功能的OpenStack云平台系统,构建系统的动态故障树模型。通过对模型可靠性的分析,实现老化维护方案的及时部署。该模型同未引入容错单元的系统进行对比后,充分验证DFT在老化维护领域的可用性。3)设计和规划OpenStack云平台在物理服务器系统的搭建方案,实现基于OpenStack云平台架构技术的实验环境部署。其次,为加快系统软件老化的发生进程,提出分别针对CPU、内存、网络等部件的负载发生方案,实现负载数据的采集。