基于两层模式的Web服务工作流失效恢复算法

现有的Web事务工作流恢复算法通常未考虑用户的个性需求,也没有考虑恢复时的连锁恢复情况.为此,定义全局事务工作流模式和执行事务模式2种失效恢复粒度,并提出基于这2种粒度的失效恢复算法.通过细粒度的执行事务模式进行事务实例级的层次式递归恢复,采用粗粒度的全局事务工作流模式进行模型级的恢复,并用来满足客户的个性需求.该算法...     

层次移动IPv6区域代理容错机制

为提高移动IPv6性能,IETF引入层次移动管理策略HMIPv6,但层次管理策略中使用的区域代理成为可靠性和性能的瓶颈.提出层次移动IPv6环境下的区域代理交叉模型,基于该模型引入主次MAP的概念,设计有效的失效探测和恢复方法.利用路由器探测和定期绑定更新探测MAP状况,降低了区域代理的失效探测时间和缩短了失效恢复延迟.通过失效探测和恢复延迟的量化分析,可以看到相比HMIPv6中的考虑,区域代理容错机制以极少的信令开销换取了失效恢复效率大幅提高,从而增强了区域代理容错性能,使层次移动IPv6结构更加可靠.     

一种基于补偿代价的长事务调度算法

服务组合应用中的事务具有较长的生命周期,一个事务被划分成多个分布的子事务.补偿机制是保证长事务原子性的一种有效方法,允许在语义上逆转一个已提交子事务的结果.然而,补偿的代价可能是巨大的.针对该问题,在分析并定义事务补偿代价的基础上,提出一种子事务延迟提交算法――STCD(subtransactions committingdelay)算法,与传统子事务执行后立即提交的方法相比,STCD 算法允许某个全局事务的子事务在提交前根据自身的补偿代价和全局事务的运行状态动态确定提交时间,使可能的补偿操作变更为回滚操作.算法的正确性得以证明.模拟实验结果表明,在事务失败时,STCD 算法可以有效地减少补偿活动的数目,降低补偿代价.     

云计算环境下基于可靠性感知的任务调度算法

针对云计算环境下并行任务易受资源失效的影响而无法完成,且动态提供云资源可靠性较低的问题,首先,引入失效恢复机制,由于在失效可恢复情况下资源失效规律动态变化,使用两参数Weibull分布对不同时段资源节点和通信链路失效规律的局部特征进行描述;然后,根据并行任务之间存在的各类交互关系分析,提出了一种基于变参数失效规则的资源可靠性评估模型;最后,将该模型并入粒子群算法得到基于可靠性感知的自适应惯性权重粒子群资源调度算法R PSO,从而在计算适应度时充分考虑备选资源的可靠程度。仿真实验结果表明,当选择了合适的失效恢复参数时,提出的R PSO算法能够大幅度提高云服务可靠性,且只会增加少量的额外失效恢复开销。     

一种基于任务依赖信息的工作流事务模型

H·Garcia-Molina等人提出了用于解决长事务问题的Sagas模型,但Sagas模型的事务补偿过程会撤销整个长事务,另外模型要求长事务的每个子事务都必须具有补偿子事务,这两个缺陷大大影响了Sagas模型的执行效率和适用性。本文通过利用任务间的依赖关系以及对事务进行分类的方法,在Sagas的基础上实现了一个部分补偿的工作流事务模型,对于不同类型的事务执行不同的补偿策略,同时即使撤销子事务也仅撤销该子事务所对应的依赖事务,而不是撤销整个事务流程。     

基于分类的自适应失效检测系统

虚拟化环境中的实例失效往往会造成巨大的经济损失. 描述了一种面向虚拟化环境的失效检测系统设计与实现. 考虑了虚拟化环境的层次依赖性, 采用一种层次失效检测模型对不同层次的实例失效进行了分类, 提高了实例失效恢复的准确性; 通过自适应性动态周期失效检测机制均衡了虚拟机检测器的CPU资源消耗和时效性. 该系统在OnceCloud^[1]平台中进行了实现与实例验证.     

考虑失效恢复的组合服务性能建模与分析

互联网环境下运行的组合服务易受到资源故障和组件失效影响而导致失效.已有的失效恢复措施在提高服务可用性的同时也会对服务的性能产生负面影响.为了对失效可恢复情况下的组合服务性能进行量化,通过综合组合服务失效类型和恢复策略,给出一种考虑失效恢复的组合服务性能分析模型.采用排队Petri网(queueing Petri net,简称Qn)描述组合服务的失效发生及其恢复处理过程,重点研究实施重试和替换策略的服务运行情况.详细描述了考虑失效恢复的服务节点和链路QPN模型的内部结构,在此基础上,通过服务交互机制构建组合服务分散执行的性能模型.最后,采用QPME工具仿真和比较不同失效发生率、失效类型分布和恢复策略下组合服务模型的性能表现.结果表明,该方法能够定量分析失效恢复对组合服务性能的影响,有助于指导不确定网络环境下的信息服务系统失效恢复策略实施方案的设计.     

基于二进制的长频繁项目集挖掘算法

结合挖掘长频繁项目集的自顶向下搜索策略,提出一种基于二进制的长频繁项目集挖掘算法.该算法用数值递减搜索策略产生候选项,在用到频繁项目集修剪其子集减少候选项的基础上还通过事务特征减少搜索事务数,并运用二进制的逻辑"与"运算计算支持数,提高了算法的效率.算法分析和实验表明,该算法是有效的、快速的.     

基于混合粒度冲突检测的事务工作流调度算法

事务工作流由若干个平面事务组成,其执行满足松弛原子性.由于组成事务工作流的平面事务具有不同的完成特性,为了防止不可串行化的执行,现有的调度算法通常只允许一个活动工作流执行不可补偿事务,这大大限制了并发度.定义了基于事务类型和事务实例两种粒度的冲突关系,并提出了一种基于这两种粒度冲突检测的调度算法,保证了并发事务工作流的可串行化和可恢复执行.该算法从两个方面提高了并发度:一方面通过事务实例之间(细粒度)的冲突检测减少了工作流冲突的概率;另一方面通过事务类型之间(粗粒度)的冲突预测,允许多个将来不冲突的工作流执行不可补偿事务.     

基于散列技术的自适应关联规则挖掘算法

针对关联规则挖掘经典的Apriori算法多次扫描数据库,侯选项集数目多而引起的效率低下问题,本文提出了将Apriori算法与散列技术和自适应步长相结合的改进算法,算法压缩了侯选项集的数目以及减少了扫描数据库的次数.通过理论分析与实验结果表明,该算法与经典的Apriori算法相比较,效率上有明显的提高,特别是对大事务集,长事务集数据挖掘效果更为明显.