基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)方法

陳曉璠，鄧硯谷

(南昌航空大學(xué)，江西南昌330063)

1 引言

計(jì)算機(jī)系統(tǒng)的功能日益強(qiáng)大，軟件系統(tǒng)的復(fù)雜性也逐漸凸顯，軟件系統(tǒng)的維護(hù)難度逐漸增大，與軟件有關(guān)的程序失效問(wèn)題層出不窮，而人們對(duì)計(jì)算機(jī)系統(tǒng)軟件應(yīng)用的可靠性需求并未降低，反而逐漸增多。目前軍事國(guó)防、金融、通信等領(lǐng)域均離不開計(jì)算機(jī)系統(tǒng)，若計(jì)算機(jī)不能長(zhǎng)時(shí)間穩(wěn)定運(yùn)行，在一定程度上對(duì)社會(huì)經(jīng)濟(jì)存在不可忽視的影響。

計(jì)算機(jī)系統(tǒng)中軟件老化可理解為服務(wù)器軟件在長(zhǎng)時(shí)間工作后，性能出現(xiàn)衰退。大部分人認(rèn)為老化僅出現(xiàn)于計(jì)算機(jī)硬件系統(tǒng)里，但針對(duì)軟件來(lái)講，軟件老化問(wèn)題已不少見[1]。一個(gè)軟件工作后，伴隨時(shí)間的積累，軟件內(nèi)部潛藏的缺陷將逐漸凸顯，致使軟件系統(tǒng)性能老化。通俗來(lái)講，軟件系統(tǒng)使用時(shí)間較長(zhǎng)后，系統(tǒng)資源將出現(xiàn)明顯耗損，服務(wù)速度、服務(wù)質(zhì)量也大大降低。為此，軟件老化趨勢(shì)預(yù)測(cè)，能夠?yàn)檐浖到y(tǒng)失效起到?jīng)Q定性作用。文獻(xiàn)[2]與文獻(xiàn)[3]的研究人員均對(duì)軟件缺陷問(wèn)題進(jìn)行研究，分別提出了半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)方法、融合多策略特征篩選的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法，可對(duì)軟件缺陷進(jìn)行準(zhǔn)確預(yù)測(cè)，但未曾考慮到軟件老化的動(dòng)態(tài)性，僅可以識(shí)別軟件缺陷模式，未能對(duì)缺陷模式下的老化趨勢(shì)進(jìn)行準(zhǔn)確預(yù)測(cè)。為此，提出基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)方法，該方法與同類方法的差異在于使用動(dòng)態(tài)命令樹算法優(yōu)化軟件老化預(yù)測(cè)效果，可動(dòng)態(tài)預(yù)測(cè)軟件老化趨勢(shì)，這對(duì)軟件系統(tǒng)維護(hù)存在十分重要的意義。

2 基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)方法

2.1 降噪自編碼器與混合趨勢(shì)粒子濾波的軟件老化趨勢(shì)預(yù)測(cè)方法

考慮傳統(tǒng)粒子濾波方法的狀態(tài)方程具有單一性，未能適應(yīng)動(dòng)態(tài)的軟件老化趨勢(shì)，且在軟件老化趨勢(shì)預(yù)測(cè)過(guò)程中，對(duì)軟件老化特征的提取必須根據(jù)經(jīng)驗(yàn)判斷，訓(xùn)練過(guò)程需要大量軟件老化數(shù)據(jù)，應(yīng)用成本較多[4]。為此，本文使用基于降噪自編碼器與混合趨勢(shì)粒子濾波的軟件老化趨勢(shì)預(yù)測(cè)方法，克服上述問(wèn)題。

2.1.1 混合軌跡粒子濾波

本文使用混合軌跡粒子濾波方法，通過(guò)最小二乘擬合最新階段軟件老化觀測(cè)值，選取當(dāng)中擬合誤差平方和最低的函數(shù)設(shè)成粒子濾波的狀態(tài)方程，此方法能夠伴隨軟件老化趨勢(shì)的變化而自主變化粒子濾波狀態(tài)方程[5-6]。

混合軌跡粒子濾波方法原理如圖1所示。

圖1 混合軌跡粒子濾波方法原理

如圖1所示，混合軌跡粒子濾波方法應(yīng)用步驟是：

步驟一：初始化軟件老化趨勢(shì)預(yù)測(cè)數(shù)據(jù)特征數(shù)目j=1；

步驟二：輸入d個(gè)軟件老化趨勢(shì)觀測(cè)值，使用最小二乘方法擬合多個(gè)老化趨勢(shì)種類函數(shù)，運(yùn)算獲取平方誤差與最小函數(shù)并設(shè)成粒子濾波狀態(tài)方程；

步驟三：通過(guò)粒子濾波算法對(duì)狀態(tài)方程時(shí)變參數(shù)實(shí)施優(yōu)化，判斷軟件老化趨勢(shì)，設(shè)置閾值運(yùn)算軟件剩下應(yīng)用壽命[7]；

步驟四：增多b個(gè)軟件老化趨勢(shì)觀測(cè)值(b

圖中使用的擬合函數(shù)是

rt+1=β1rt+β2

(1)

式中，rt表示t時(shí)刻的軟件狀態(tài)值；rt+1表示h+1時(shí)刻的軟件狀態(tài)值；βn表示狀態(tài)函數(shù)參數(shù)。

2.1.2 特征提取

在實(shí)施降噪自編碼器訓(xùn)練時(shí)，對(duì)軟件老化特征的歸一化十分重要，歸一化后的軟件老化數(shù)據(jù)能夠優(yōu)化降噪自編碼器的學(xué)習(xí)效率，優(yōu)化降噪自編碼器的學(xué)習(xí)準(zhǔn)確性[8]。所以，本文擴(kuò)展頻域能量占比，實(shí)現(xiàn)軟件老化特征的歸一化，將歸一化后的軟件老化數(shù)據(jù)設(shè)成降噪自編碼器的輸入，擴(kuò)展頻域能量占比的方法是

(2)

式中，軟件老化趨勢(shì)預(yù)測(cè)數(shù)據(jù)的頻譜與特征數(shù)目是v(g)；軟件老化趨勢(shì)預(yù)測(cè)數(shù)據(jù)的頻域區(qū)間寬度與頻譜能量占比的擴(kuò)展系數(shù)是h；頻譜能量占比的偏置系數(shù)是δ。

預(yù)測(cè)實(shí)際軟件老化趨勢(shì)時(shí)，可能會(huì)存在軟件老化趨勢(shì)預(yù)測(cè)數(shù)據(jù)樣本數(shù)量低于軟件老化特征數(shù)量的問(wèn)題，此時(shí)訓(xùn)練過(guò)程將出現(xiàn)過(guò)擬合問(wèn)題，所以，需要在有限的訓(xùn)練樣本里導(dǎo)入噪聲擴(kuò)展訓(xùn)練樣本，以此抑制過(guò)擬合問(wèn)題[9-10]。

2.1.3 降噪自編碼驗(yàn)證集誤差提取

在軟件全壽命周期里均勻采集并提取軟件老化數(shù)據(jù)特征樣本，將軟件老化特征樣本集合設(shè)成Q。訓(xùn)練時(shí)，把樣本集合Q導(dǎo)入噪聲后設(shè)成訓(xùn)練樣本和測(cè)試樣本，最小化代價(jià)函數(shù)，以此實(shí)現(xiàn)軟件老化特征重構(gòu)。

在預(yù)測(cè)軟件老化趨勢(shì)時(shí)，使用訓(xùn)練完畢的降噪自編碼器運(yùn)算測(cè)試樣本P的各個(gè)輸入和輸出的重構(gòu)誤差DV，把它設(shè)成描述軟件老化趨勢(shì)的觀測(cè)值。DV可使用重構(gòu)值φ和原始特征值φ運(yùn)算獲取

(3)

由于正常情況下，軟件老化特征在訓(xùn)練完畢的自編碼器里重構(gòu)誤差較小，伴隨軟件老化程度變大，獲取的軟件老化特征樣本和軟件未老化樣本差異也日益變大，此時(shí)DV也開始變大。DV屬于一種單一曲線，所以僅需要獲取軟件完全老化時(shí)的重構(gòu)誤差閾值便能夠使用混合軌跡粒子濾波方法實(shí)施軟件老化趨勢(shì)預(yù)測(cè)。此方法能夠降低訓(xùn)練過(guò)程里采集的軟件老化特征數(shù)據(jù)量，訓(xùn)練成本變小，訓(xùn)練效率變高。

2.1.4 預(yù)測(cè)流程

降噪自編碼器與混合趨勢(shì)粒子濾波的軟件老化趨勢(shì)預(yù)測(cè)方法的預(yù)測(cè)流程圖如圖2所示。

圖2 降噪自編碼器與混合趨勢(shì)粒子濾波的軟件老化趨勢(shì)預(yù)測(cè)方法流程圖

綜上所述，基于降噪自編碼器與混合趨勢(shì)粒子濾波的軟件老化趨勢(shì)預(yù)測(cè)方法的步驟是：

步驟一：訓(xùn)練軟件老化趨勢(shì)預(yù)測(cè)樣本：采集軟件老化數(shù)據(jù)，得到軟件在沒(méi)有出現(xiàn)老化時(shí)的數(shù)據(jù)特征，導(dǎo)入高斯噪聲，增多訓(xùn)練樣本數(shù)目；

步驟二：訓(xùn)練降噪自編碼器，提取閾值：設(shè)定網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，建立降噪自編碼器神經(jīng)網(wǎng)絡(luò)。將訓(xùn)練樣本輸入至降噪自編碼器神經(jīng)網(wǎng)絡(luò)中，代價(jià)函數(shù)實(shí)施最小化，按照測(cè)試樣本調(diào)節(jié)降噪自編碼器神經(jīng)網(wǎng)絡(luò)的超參數(shù)，完成訓(xùn)練集特征重構(gòu)。把軟件完全老化的數(shù)據(jù)特征輸入訓(xùn)練完畢的降噪自編碼器神經(jīng)網(wǎng)絡(luò)之中，獲取軟件老化閾值；

步驟三：軟件老化數(shù)據(jù)特征重構(gòu)誤差獲取。把軟件老化數(shù)據(jù)特征輸入到降噪自編碼器神經(jīng)網(wǎng)絡(luò)，得到重構(gòu)誤差；

步驟四：軟件老化趨勢(shì)預(yù)測(cè)。把重構(gòu)誤差進(jìn)行平滑處理后，設(shè)成觀測(cè)值分別輸入的混合趨勢(shì)粒子濾波算法里，實(shí)施軟件老化趨勢(shì)預(yù)測(cè)。

2.2 基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法

因預(yù)測(cè)軟件老化趨勢(shì)時(shí)，軟件老化趨勢(shì)數(shù)據(jù)具有動(dòng)態(tài)性，軟件老化趨勢(shì)預(yù)測(cè)樣本也存在變化，前一階段的數(shù)據(jù)樣本將不適用于后一階段的預(yù)測(cè)任務(wù)，為此，預(yù)測(cè)指令也分為新增、重寫、去除等。為實(shí)現(xiàn)高精度的軟件老化趨勢(shì)預(yù)測(cè)，本小節(jié)使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法，優(yōu)化管理軟件老化趨勢(shì)預(yù)測(cè)命令，實(shí)現(xiàn)軟件老化趨勢(shì)預(yù)測(cè)效果優(yōu)化。

2.2.1 動(dòng)態(tài)命令樹的構(gòu)建

在軟件老化趨勢(shì)預(yù)測(cè)時(shí)，使用動(dòng)態(tài)命令樹合理的組織與管理預(yù)測(cè)命令，動(dòng)態(tài)命令樹結(jié)構(gòu)中包含雙向鏈表、多個(gè)平衡二叉子樹鏈表，其可以在軟件老化趨勢(shì)預(yù)測(cè)命令中動(dòng)態(tài)變化預(yù)測(cè)指令，且應(yīng)用效率顯著。存儲(chǔ)結(jié)構(gòu)如圖3所示。

圖3 動(dòng)態(tài)命令樹結(jié)構(gòu)示意圖

雙向鏈表是按照軟件老化趨勢(shì)預(yù)測(cè)命令集中命令行的命令關(guān)鍵字而建立的，軟件老化趨勢(shì)預(yù)測(cè)命令集里相應(yīng)的命令域，是鏈表里各個(gè)結(jié)點(diǎn)所存儲(chǔ)的數(shù)據(jù)信息，且各個(gè)結(jié)點(diǎn)具有相應(yīng)的命令行處理入口，此入口與二級(jí)鏈表存在連接性[11]。軟件老化趨勢(shì)預(yù)測(cè)命令建立后，需要先根據(jù)命令關(guān)鍵字，檢索雙向鏈表定位至相應(yīng)的結(jié)點(diǎn)，然后在此節(jié)點(diǎn)入口位置進(jìn)入相應(yīng)的平衡二叉子樹里，實(shí)施第二次定位，獲取匹配節(jié)點(diǎn)，此節(jié)點(diǎn)相應(yīng)的位置即為命令行管理的位置。

動(dòng)態(tài)命令樹雙向鏈表結(jié)點(diǎn)的存儲(chǔ)結(jié)構(gòu)分為四部分，第一部分是軟件老化趨勢(shì)預(yù)測(cè)命令行節(jié)點(diǎn)屬性結(jié)構(gòu)入口指針；第二部分是孩子結(jié)點(diǎn)指針；第三部分是前驅(qū)結(jié)點(diǎn)指針；第四部分是后繼節(jié)點(diǎn)指針。軟件老化趨勢(shì)預(yù)測(cè)命令行節(jié)點(diǎn)屬性結(jié)構(gòu)入口指針可存儲(chǔ)命令行記錄，其屬于動(dòng)態(tài)命令樹執(zhí)行命令的憑據(jù)。孩子結(jié)點(diǎn)指針指向命令處理的入口地址；前驅(qū)結(jié)點(diǎn)指針、后繼節(jié)點(diǎn)指針依次指向節(jié)點(diǎn)的前驅(qū)和后繼，可較好的管理雙向鏈表。

使用雙向鏈表結(jié)點(diǎn)數(shù)據(jù)建立軟件老化趨勢(shì)預(yù)測(cè)命令樹時(shí)，雙向鏈表是按照軟件老化趨勢(shì)預(yù)測(cè)命令關(guān)鍵字順序構(gòu)建，若雙向鏈表里某結(jié)點(diǎn)的命令關(guān)鍵字和軟件老化趨勢(shì)預(yù)測(cè)命令行的關(guān)鍵詞一致，便把相應(yīng)操作變換至此結(jié)點(diǎn)相應(yīng)的子樹中。軟件老化趨勢(shì)預(yù)測(cè)命令行節(jié)點(diǎn)屬性的結(jié)構(gòu)分為命令關(guān)鍵字、命令參數(shù)掩碼值、命令屬性R/A、命令優(yōu)先級(jí)。

命令關(guān)鍵字即為軟件老化趨勢(shì)預(yù)測(cè)命令的首個(gè)關(guān)鍵字；命令參數(shù)掩碼值為除了命令關(guān)鍵詞之外全部參數(shù)關(guān)鍵字大小對(duì)比值；命令屬性R/A與命令行管理存在直接聯(lián)系；命令優(yōu)先級(jí)是軟件老化趨勢(shì)預(yù)測(cè)命令的先后順序，命令集里命令行記錄均根據(jù)結(jié)點(diǎn)模式保存在雙向鏈表里。

2.2.2 動(dòng)態(tài)命令樹算法

為優(yōu)化動(dòng)態(tài)命令樹算法效率，讓它可以高效的更新軟件老化趨勢(shì)預(yù)測(cè)命令信息，把平衡二叉樹設(shè)計(jì)為動(dòng)態(tài)命令樹的形式[12]。在動(dòng)態(tài)命令樹雙向鏈表里檢索獲取命令行的命令關(guān)鍵字所匹配的結(jié)點(diǎn)信息域后，將此匹配節(jié)點(diǎn)設(shè)成入口，進(jìn)入平衡二叉樹，然后將輸入的軟件老化趨勢(shì)預(yù)測(cè)命令信息按照具體情況實(shí)施新增、重寫或去除等管理。

針對(duì)軟件老化趨勢(shì)預(yù)測(cè)命令重寫問(wèn)題，可在雙鏈表中操作，其不存在結(jié)點(diǎn)空間釋放情況。例如針對(duì)軟件老化趨勢(shì)預(yù)測(cè)命令新增問(wèn)題，需要融合雙向鏈表與平衡二茬子樹鏈表的雙向應(yīng)用，不論是新增或去除，使用遞歸搜索模式便可獲取最合適的操作位置。

在軟件老化趨勢(shì)預(yù)測(cè)命令管理中，若軟件老化趨勢(shì)預(yù)測(cè)命令在平衡二叉子樹里，便表示此命令已存在，直接進(jìn)行編輯處理即可。若沒(méi)軟件老化趨勢(shì)預(yù)測(cè)命令不在平衡二叉子樹里，變需要在此樹中實(shí)施新增處理。

使用動(dòng)態(tài)命令樹算法管理軟件老化趨勢(shì)預(yù)測(cè)命令，能夠降低命令行的對(duì)比次數(shù)，提高命令查詢效率，優(yōu)化軟件老化趨勢(shì)的動(dòng)態(tài)預(yù)測(cè)效果。

3 實(shí)驗(yàn)分析

實(shí)驗(yàn)在Linux系統(tǒng)中設(shè)計(jì)應(yīng)用服務(wù)器，由于Linux系統(tǒng)穩(wěn)定性與安全性顯著，且使用性能較好。目前很多企業(yè)服務(wù)器都把自家企業(yè)的服務(wù)設(shè)置在Linux系統(tǒng)中。實(shí)驗(yàn)里本文使用的Linux系統(tǒng)處理器核數(shù)是4核，網(wǎng)站服務(wù)器使用Tomcat服務(wù)器，Tomcat服務(wù)器是一種輕量級(jí)應(yīng)用服務(wù)器，可獨(dú)立運(yùn)行。為模擬軟件老化過(guò)程，使用壓力測(cè)試工具siege模擬，實(shí)驗(yàn)環(huán)境使用的工具信息如表1所示。

表1 實(shí)驗(yàn)環(huán)境使用工具

在體現(xiàn)軟件老化趨勢(shì)的多個(gè)指標(biāo)里，內(nèi)存使用是核心指標(biāo)之一。所以把內(nèi)存設(shè)成軟件老化特征，使用本文方法預(yù)測(cè)內(nèi)存衰退趨勢(shì)，實(shí)現(xiàn)軟件老化趨勢(shì)預(yù)測(cè)。Linux操作系統(tǒng)長(zhǎng)時(shí)間使用后，內(nèi)存損耗將逐漸嚴(yán)重，每日需要重啟4次以上，可用內(nèi)存的日變化詳情如圖4所示。

圖4 可用內(nèi)存的日變化詳情

使用本文方法預(yù)測(cè)Linux操作系統(tǒng)內(nèi)存衰退趨勢(shì)，實(shí)現(xiàn)Linux操作系統(tǒng)軟件老化趨勢(shì)預(yù)測(cè)。使用平均絕對(duì)誤差、均方誤差評(píng)價(jià)本文方法對(duì)Linux操作系統(tǒng)軟件老化趨勢(shì)預(yù)測(cè)效果，平均絕對(duì)誤差MAE、均方誤差MSE的表達(dá)式如下式所示

(4)

(5)

式中，m是軟件老化特征數(shù)；i是軟件老化趨勢(shì)預(yù)測(cè)次數(shù)；o1、o2依次是實(shí)際值與預(yù)測(cè)值。

使用文獻(xiàn)[2]提出的半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)方法、文獻(xiàn)[3]提出的融合多策略特征篩選的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法作為對(duì)比方法，以此評(píng)價(jià)本文方法的預(yù)測(cè)效果。三種方法的預(yù)測(cè)效果如圖5、圖6、圖7所示。

圖5 本文方法預(yù)測(cè)效果

圖6 文獻(xiàn)[2]方法預(yù)測(cè)效果

圖7 文獻(xiàn)[3]方法預(yù)測(cè)效果

對(duì)比圖5、圖6、圖7可知，三種方法對(duì)Linux操作系統(tǒng)內(nèi)存衰退趨勢(shì)的預(yù)測(cè)效果存在明顯差異，本文方法預(yù)測(cè)結(jié)果的平均絕對(duì)誤差、均方誤差小于0.04，半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)方法、融合多策略特征篩選的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法預(yù)測(cè)結(jié)果的平均絕對(duì)誤差、均方誤差都大于本文方法，表示本文方法對(duì)Linux操作系統(tǒng)內(nèi)存衰退趨勢(shì)的預(yù)測(cè)和實(shí)際值偏離較小，精確度較高，軟件老化趨勢(shì)預(yù)測(cè)效果更好。

測(cè)試本文方法中基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法的使用價(jià)值，此方法使用價(jià)值主要通過(guò)軟件老化趨勢(shì)預(yù)測(cè)指令的新增、重寫、去除三種指令管理效果體現(xiàn)。將軟件老化趨勢(shì)預(yù)測(cè)指令的數(shù)目依次設(shè)成5個(gè)、10個(gè)、15個(gè)、20個(gè)，測(cè)試在使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法前后，軟件老化趨勢(shì)指令新增、重寫、去除三種指令操作的響應(yīng)耗時(shí)，結(jié)果如圖8、圖9、圖10所示。

圖8 新增指令

圖9 重寫指令

圖10 去除指令

分析圖8、圖9、圖10可知，在使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法前后，新增、重寫、去除三種指令響應(yīng)耗時(shí)都存在一些變化，在未使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法之前，新增、重寫、去除三種指令響應(yīng)耗時(shí)超過(guò)300ms，雖然響應(yīng)耗時(shí)不顯著，但是和使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法相比，響應(yīng)耗時(shí)較多。使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法后，新增、重寫、去除三種指令響應(yīng)耗時(shí)低于200ms，響應(yīng)速度較快，指令管理效率高，這對(duì)軟件老化趨勢(shì)預(yù)測(cè)效率存在積極影響，可提升本文方法對(duì)軟件老化趨勢(shì)預(yù)測(cè)效果。

4 結(jié)論

為預(yù)測(cè)軟件老化趨勢(shì)，提出基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)方法。本文方法和同類軟件老化趨勢(shì)預(yù)測(cè)方法的差異在于本文方法中使用基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法，動(dòng)態(tài)管理軟件老化趨勢(shì)預(yù)測(cè)指令，可實(shí)現(xiàn)軟件老化趨勢(shì)預(yù)測(cè)階段性指令管理，提升軟件老化預(yù)測(cè)效率。

在實(shí)驗(yàn)中，證明了本文方法可以高精度的預(yù)測(cè)軟件老化趨勢(shì)，比半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)方法、融合多策略特征篩選的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法的使用效果更佳，并且本文方法中，基于動(dòng)態(tài)命令樹算法的軟件老化趨勢(shì)預(yù)測(cè)命令管理方法的使用，可大大提升軟件老化趨勢(shì)預(yù)測(cè)指令管理效率。