随着Internet和云计算日新月异的发展,面向服务的计算模式在当前众多计算模式中脱颖而出。云计算作为面向服务计算的典型代表,主要是将分布在地理位置相差很远的硬件资源整合集中到一个虚拟的资源池中,用户可根据自身不同需求向资源池请求服务。决定云服务赖以长期生存和发展的关键因素之一是能不断的向用户提供可靠的计算和应用资源服务。随着服务消费者的业务不断增多和需求不断增长,功能单一的服务无法满足用户的请求。云服务系统需要将一定数量的具有不同功能的原子服务按照一定的执行顺序组合成具有某些附加功能的组合服务,并且能够保证组合之后的服务可靠性满足用户的需求。云计算系统具有规模庞大、分布式、松耦合以及网络环境复杂等特点,如何保障组合服务在组合完成之后仍具有较高的可靠性,是目前云服务系统急需解决的问题。可靠性在服务的非功能属性中占着至关重要的作用,服务可靠性的高低,直接决定了其能否按照一定的要求完成服务请求者的业务需求。增加云服务的可靠性,使得服务失效率降低,也在一定程度上降低了云服务提供者的服务成本。由于云服务和传统软硬件有着很大的区别,导致那些在传统软硬件上实施良好的可靠性模型和算法在服务可靠性上并不适用。本文首先对传统的软硬件可靠性建模和预测技术进行了研究和总结,分析其目前的研究现状,结合云服务可靠性的特点,对服务可靠性的性能指标、失效特点、模型建立、评估预测、反馈更新等技术进行深入分析和研究,提出了针对云服务特点的可靠性预测更新框架和预测更新算法。本文的主要工作体现为以下几个方面:(1)对目前可靠性研究领域和研究现状进行总结分析,对云服务和面向服务架构的系统特点进行研究,概括出了云服务系统可靠性建模面临的困难和挑战,对现有服务可靠性建模理论和预测技术进行分类和总结,为下文研究做准备。(2)充分考虑到服务双方在服务交互模型中的发挥的主观性作用,通过对服务双方信誉度进行计算,提出了基于服务双方信誉值的服务可靠性预测更新模型。利用随机Petri网和CCSPNet转换模型描述语言对服务组合框架进行形式化描述,详细了分析了BPEL业务描述语言向CCSPNet模型的转换规则和中间模型建立情况。在充分考虑到服务组合过程中具体服务的动态绑定和更新特性的基础上,提出了服务绑定图的概念,基于提出的服务绑定图对服务组合可靠性增量计算方法进行详细计算,给出不同组合逻辑结构下的组合服务可靠性增量计算方法。充分考虑到服务双方在服务交互模型中发挥的作用,提出了基于服务双方的服务交互模型。通过对服务相似集合和用户相似集合进行计算,对服务和用户进行分类,计算服务和服务之间、用户和用户之间的相似度,通过相似用户对服务的使用反馈值计算服务之间和用户之间的信誉度,对服务可靠性预测结果进行优化更新,在此基础上提出了基于服务双方信誉值的可靠性预测更新模型。(3)针对当前可靠性预测算法的算法复杂度过高、消耗历史数据过多等问题,提出了基于改进贝叶斯算法的云服务组合可靠性预测算法-IDLM。结合当前服务可靠性的特点提出相应的评价指标体系,深入分析了传统贝叶斯算法在预测过程中存在的主要问题,利用指数加权回归方法对算法中状态误差方差进行处理,解决了算法在预测过程中状态误差方法解决困难的问题,并且有效提高了预测算法的准确性。结合上面提到的服务交互模型,通过对服务双方之间的相似度进行计算,对服务和用户进行相似度分类,得出对应的相似集合。通过计算相似集合中相似服务的信誉度和相似用户的信誉度,来对预测结果进行更新和优化,进一步提高预测准确性。(4)采用开源云仿真平台Cloudsim对服务交互模型中的服务发布和服务调用进行模拟仿真,并对实验结果使用Matlab进行分析求解。对本文提出的服务交互模型和可靠性预测更新模型做出可行性分析,实验表明提出的模型在可靠性预测更新方面具有较低的失效率和较高的执行效率。对本文提出的IDLM算法进行对比试验,将本文提出的算法和几种常用的时间序列算法进行对比,分析其算法运行时间和服务失效率,实验表明,IDLM算法在可靠性预测方面具有消耗历史数据少、预测准确性高等优点。