基于QoS度量的Web服務(wù)組合及容錯方法研究.pdf

1、服務(wù)計算模式允許組合各種Web服務(wù)，獲得新的增值服務(wù)，實現(xiàn)了服務(wù)的重用。然而，由于服務(wù)數(shù)量的快速增加，Web服務(wù)的質(zhì)量(Quality of Service，QoS)良莠不齊，在執(zhí)行組合應(yīng)用的過程中，可能由于某服務(wù)是惡意服務(wù)（攜帶病毒）或其QoS與服務(wù)提供商承諾的不一致而導(dǎo)致組合服務(wù)調(diào)用失敗，也可能因環(huán)境變化而導(dǎo)致服務(wù)執(zhí)行時所在的計算節(jié)點失效，導(dǎo)致組合Web服務(wù)應(yīng)用不可用。因此，如何在海量的Web服務(wù)中，根據(jù)用戶的服務(wù)請求，構(gòu)建滿足用戶

2、QoS需求的服務(wù)組合及容錯方法仍然存在諸多挑戰(zhàn)，本文針對上述背景下的若干關(guān)鍵問題進(jìn)行了深入的研究，取得的主要成果如下:
　　(1)研究基于QoS信任下的Web服務(wù)組合問題，提出了基于兩個階段的神經(jīng)網(wǎng)絡(luò)及QoS等級劃分的服務(wù)組合方法，該方法利用兩個階段的神經(jīng)網(wǎng)絡(luò)篩選QoS受信任的Web服務(wù)，在保證全局約束條件及所有的組合成員服務(wù)都具有很好的QoS信任的條件下，建立等級劃分的服務(wù)組合模型。然后提出了基于等級劃分的服務(wù)組合算法，最大化組

3、合后服務(wù)的效用值，進(jìn)而獲得QoS可信的近似最優(yōu)解。實驗結(jié)果表明，非信任服務(wù)的識別率達(dá)到90％，明顯高于傳統(tǒng)的CorrelationLens識別方法。此外，與整型規(guī)劃方法相比，本文提出的基于QoS等級劃分的組合算法的求解速度提升了近3倍，且獲得的解已非常接近全局最優(yōu)解，更好地確保組合服務(wù)的QoS指標(biāo)受信任和最優(yōu)。
　　(2)研究大規(guī)模備選服務(wù)下的服務(wù)組合效率問題，提出了一種以快速抽樣為核心的Web服務(wù)組合方法FAQS，該方法采用統(tǒng)計

4、學(xué)抽樣理論對Web服務(wù)QoS數(shù)據(jù)庫進(jìn)行研究，并對每個效用值區(qū)間內(nèi)的服務(wù)進(jìn)行抽樣;其次，在樣本空間內(nèi)，對于所抽取的典型Web服務(wù)進(jìn)行建模，即以Web服務(wù)效用值與Web服務(wù)使用頻率值為目標(biāo)參數(shù)建立服務(wù)選擇模型;最后，根據(jù)得到的樣本空間內(nèi)的服務(wù)組合結(jié)果，在完全空間中進(jìn)一步優(yōu)化，選出滿足全局QoS約束且保證QoS效用值與服務(wù)頻率值最大化的服務(wù)。實驗結(jié)果表明，該方法可以在大規(guī)模備選服務(wù)中準(zhǔn)確、高效地獲取服務(wù)組合結(jié)果。
　　(3)研究組合方案

5、中成員服務(wù)失效的問題，提出了組合方案的可靠性模型FTDes，即決策模型與優(yōu)化模型，旨在提升Web服務(wù)組合方案的可靠性。在決策模型構(gòu)建過程中，通過選取決策參數(shù)、構(gòu)建決策矩陣、設(shè)計決策模型，為失效的成員服務(wù)找到可替代的備選Web服務(wù)集合;在優(yōu)化過程中，把策略優(yōu)化選擇問題歸結(jié)為0-1整型規(guī)劃問題，提出頂點凸殼的過濾方法并結(jié)合標(biāo)準(zhǔn)的整型規(guī)劃器CPLEX得到優(yōu)化的服務(wù)替換方案。實驗結(jié)果表明，與傳統(tǒng)的決策方法(包括層次分析法APH、證據(jù)推理法ER、

6、喜好值排序技術(shù)的決策模型TOPSIS、線性分配法LAM)相比，本文提出的方法從決策準(zhǔn)確度、響應(yīng)時間方面要優(yōu)于傳統(tǒng)方法，與此同時，本文分析了優(yōu)化選擇過程、TopK算法以及不同參數(shù)對于決策結(jié)果的影響，更好地保證組合服務(wù)的整體QoS指標(biāo)得到進(jìn)一步維持與優(yōu)化，有效地提高了Web組合方案的可靠性。
　　(4)研究組合Web服務(wù)應(yīng)用的節(jié)點失效問題，提出了環(huán)形心跳檢測機(jī)制與輕量級恢復(fù)機(jī)制，旨在提升組合Web應(yīng)用的可靠性。在環(huán)形心跳檢測機(jī)制中，為

7、了減輕中心節(jié)點的壓力，基于環(huán)形拓?fù)涞臋z測方式設(shè)計了分布式的心跳算法，并在每個節(jié)點上部署該心跳算法;針對傳統(tǒng)恢復(fù)方法時間開銷過大的問題，提出了輕量級的恢復(fù)機(jī)制，設(shè)計了考慮負(fù)載重新分配的恢復(fù)算法，同時考慮集群負(fù)載超出閾值時，在環(huán)形結(jié)構(gòu)中增加新的節(jié)點，從而降低集群負(fù)載，避免因負(fù)載過高而引起節(jié)點失效。實驗結(jié)果表明，與傳統(tǒng)的日志分析檢測方法和系統(tǒng)級恢復(fù)方法相比，該檢測與恢復(fù)機(jī)制的開銷小、延遲少，避免了服務(wù)器節(jié)點失效導(dǎo)致組合Web服務(wù)應(yīng)用的整體Qo