一种面向Web服务的分级服务模型*

以服务响应时间为QoS参数,提出了一种面向Web服务的分级QoS方法,该方法从预测请求响应时间入手,通过区分操作类型并采用优先级队列调度策略,进而保证请求响应时间.在ONCE平台内置SOAP引擎SOAPExpress的基础上进行了原型实现.实验表明,该方法能有效地保证不同级别用户的请求响应时间,实现服务分级.     

基于二维QoS模型的Web服务组合

在实际应用中,单个Web服务通常无法满足复杂应用的需求,如何组合已有的服务,从而提供更强大更完整的商业功能已成为此领域的研究热点。然而现行的SOA架构中,Web服务组合方法中很少考虑Web服务质量（QoS）问题,或者对Qos考虑得不够全面,这样,组合出的服务不能确保能够满足用户的QoS需求。针对这一问题,提出了Web服务的二维QoS模型,并使用了改进的UDDI规范,在此基础上给出了基于QoS的Web服务组合的有色Petri网组合策略。在满足用户组合服务的功能需求的同时,也满足了用户对服务质量QoS的需求,实现了需求服务的优化。     

一种支持领域特性的Web服务组装方法

Web服务为软件构件技术提供了良好的工业化基础．软件构件和构架技术的研究也为Web服务的应用奠定了一定的应用基础．在构件组装中,如何支持适应用户需求的Web服务的组装是当前研究的热点之一．该文提出了一种基于优化算法的、支持领域特性的Web服务组装方法,该方法的核心是面向Web服务应用．按照用户确定的功能和QoS需求,基于现有领域模型和Web服务QoS属性,将特定领域的优化组装转化为数学优化问题加以解决．这一方法可以较好地适应用户需求的更改并可以辅助用户选择服务．该文最后给出了支持该方法的原型工具的实验结果,用以说明该方法的可行性与有效性．     

随机QoS感知的Web服务组合概率分析

运行环境的开放性和动态性使Web服务的QoS具有内在的随机性。由QoS具有随机性的Web服务构造而成的组合服务,其QoS也具有随机性,从而使组合服务用户面临QoS需求不能被满足的风险。利用基于重要性采样的仿真方法,在随机PERT网络中对Web服务组合的QoS进行概率分析,以评估组合服务的QoS风险。方法通过一个简单的分布函数,引入权重函数以实现对目标分布函数的无偏估计。以实际的Web服务QoS数据为基础进行实验,对重要性采样技术和蒙特卡洛仿真的合理性和效率进行了对比,结果显示利用重要性采样技术进行组合服务QoS概率分析具有更高的精度与效率。     

一种满足马尔可夫性质的不完全信息下的 Web服务组合方法

针对满足马尔可夫性质的服务组合过程给出了按照用户服务质量(QoS)要求的服务组合方法．首先,提出了一种支持QoS属性描述的Web服务描述模型,并实现了对组合服务整个生命周期的QoS信息描述．在此基础上提出了基于多目标决策理论和k臂赌博机理论的服务选择算法,与同类方法相比,该方法可以在不完全信息下根据用户对QoS属性的偏好来选择合适的候选服务进行组合．最后,给出了QoS驱动的服务组合框架E-WsFrame和具体实现,并分析了实验结果．实验表明E-WsFrame可以综合考虑服务组合的功能要求和QoS要求,从而根据服务请求实现服务的自动组合．     

基于语义的QoS感知Web服务发现机制

随着提供相同功能的Web服务数量的日益增多,服务质量(Quality of Service,QoS)成为用户选择Web服务的重要考虑因素.目前,通过对服务QoS属性在语法层匹配来提供Web服务选取的机制不能很好地满足复杂QoS属性匹配的要求.研究了基于用户QoS需求偏好,将用户需求的QoS与候选服务的QoS进行语义比较,结合约束规划(Constraint Programming)方法,在语义层匹配Web服务的QoS属性,选取满足匹配要求的服务,最后对满足QoS属性值约束的候选服务进行优化选择处理,获取最终匹配的候选服务.     

基于动态QoS的Web服务组合

在Web服务组合中,现行的几种QoS衡量标准都将重点放在单个Web服务本身的质量上,而忽视了Web服务动态特性、组合特性以及服务组合中的网络特性。另外,在诸多服务组合的算法中,都只是强调组合服务的总体质量,却忽略了用户对某些质量属性的约束条件,从而导致服务重计算问题经常发生。为此,考虑了服务动态特性以及服务间的协作关系对组合服务质量的影响,提出了动态QoS模型;同时,综合了用户的质量约束以及组合服务的整体质量,将用户的质量约束引入服务组合流程中。最后通过实验证实了所提出的动态QoS模型能够根据服务实体的实时情况计算服务质量,同时将用户的质量约束引入服务组合流程中,有效地避免了服务重计算问题。     

Web服务QoS组合优化研究

Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务组合过程。     

求解Web服务组合QoS优化的多属性决策及自适应遗传算法

随着面向服务计算(Service-oriented Computing,SOC)的不断发展,基于服务质量(Quality of Service,QoS)的Web服务组合研究成为了必然趋势。鉴于QoS属性的多维性及相互矛盾性,提出将基于QoS的Web服务组合优化问题转化为多属性决策问题进行求解。采用折中系数 对每个组合服务实例到正负理想点的距离进行累加求和,最终得到一组最优服务排序结果,用户可以根据自身偏好进行选择。传统的多属性决策方法无法有效地处理大规模的组合服务搜索空间,因此,为了有效地解决Web服务组合优化这一NP难题,提出一种结合多属性决策方法和自适应遗传算法的新型优化算法来解决该问题。实验采用真实的QoS综合服务数据集进行验证,实验结果表明,该方法能够在较短时间内找到全局近似最优解,且解集的排序结果接近于实际的最优服务排序。同时,该方法对于解决大规模的Web服务组合优化问题具有良好的可伸缩性。     

动态的QoS感知Web服务选择和组合优化模型

Web服务软件工程的实用化挑战之一是QoS感知的选择、组合和稍后的绑定,表现为允许在运行时绑定一组领域Web服务构成面向服务的系统.这些领域Web服务在提供要求的功能同时,还满足一些非功能约束,例如总的费用或响应时间,并且使之最优化.对此作者提出了一种把Web服务看作为首类构件对象的关系查询基础结构,它通过各种Web服务操作调用评估查询.鉴于个性化和效率在这种评估中的重要作用,提出了一个基于聚合不同Web服务的多属性QoS参数的查询优化模型.该模型通过用户设定的全局约束和偏好、一个动态的等级方案以及多级匹配来调整QoS.等级提供了一个Web服务的行为评估,而多级匹配通过使用类似的和部分的答案对解决方案的空间进行扩展.进而给出了模型求解的遗传算法,并从适应度函数的静态惩罚、动态惩罚以及拉伸3个方面对优化性能进行了比较.文中最后介绍了一个从高端实现的服务查询引擎原型系统,用以展示该方法的适应性、可行性和有效性.     

A probabilistic approach to modeling and estimating the QoS of web-services-based workflows

Web services promise to become a key enabling technology for B2B e-commerce. One of the most-touted features of Web services is their capability to recursively construct a Web service as a workflow of other existing Web services. The quality of service (QoS) of Web-services-based workflows may be an essential determinant when selecting constituent Web services and determining the service-level agreement with users. To make such a selection possible, it is essential to estimate the QoS of a WS workflow based on the QoSs of its constituent WSs. In the context of WS workflow, this estimation can be made by a method called QoS aggregation. While most of the existing work on QoS aggregation treats the QoS as a deterministic value, we argue that due to some uncertainty related to a WS, it is more realistic to model its QoS as a random variable, and estimate the QoS of a WS workflow probabilistically. In this paper, we identify a set of QoS metrics in the context of WS workflows, and propose a unified probabilistic model for describing QoS values of a broader spectrum of atomic and composite Web services. Emulation data are used to demonstrate the efficiency and accuracy of the proposed approach.     

一种基于划分的组合服务选取方法

组合服务选取问题是服务计算领域研究的核心问题.由于组合服务中基本服务QoS间存在着复杂的关联关系,使得某些服务一起使用时效率会较高,而某些服务一起使用时效率反而会降低,现有的服务选取算法几乎忽略了该问题,从而使得选取时所使用的Web服务QoS数据往往不准确,致使选取出的组合服务在实际执行时并不是最优的.为了解决该问题,提出了一种基于划分的组合服务选取方法.首先基于日志记载的质量信息选取那些性能优良的组合服务执行实例,在此之上发现被频繁一起使用的具体服务集合,据此产生对组合服务的划分,形成组合服务点和对应的点模式;最后把点模式集作为点的备选服务集,以点为单位进行组合服务选取.由于点模式经过了多遍执行的验证,和直接对点中各基本服务进行独立选取相比其性能往往会更高.实验表明,该方法能有效提高选取出的组合服务质量.     

基于组合服务执行信息的服务选取方法研究

组合服务选取问题是服务计算领域的一个研究热点问题,已往的选取方法大多基于难以准确获取的服务QoS信息,且算法思路复杂.文中提出了一种基于组合服务执行信息的服务选取方法.该方法分为3个阶段:数据生成阶段、数据挖掘阶段和服务选取阶段,分别进行组合服务执行信息的记载和相关数据集的生成、路径分支关联规则和服务执行顺序序列模式的挖掘以及基于挖掘产生的知识模式进行服务选取.文中首先给出一种可以方便记载日志的服务组合系统架构;然后提出一种基于时间加权的算法模型,以有效地进行路径分支关联规则和顺序序列模式的挖掘;最后对文中的组合服务选取方法进行描述.实验结果表明:文中方法在选取出的组合服务健壮性方面要优于基于QoS的方法.     

Web Service Composition Based on QoS Rules

For workflow-based service composition approach, the relations between the Web service QoS and environments are usually not considered, so that the information about QoS for composite service selection is inaccurate. It makes the selected composite service inefficient, or even unexecutable. To address this problem, a novel service composition approach based on production QoS rules is proposed in this paper. Generally, it is very difficult to directly analyze how different kinds of environment factors influence the Web service QoS. We adopt “black-box” analysis method of optimizing composite services, discovering the knowledge such as “the QoS of one Web service will be higher in specific environments”. In our approach, the execution information of the composite service is recorded into a log first, which will be taken as the basis of the subsequent statistical analysis and data mining. Then, the timely QoS values of the Web services are estimated and the production QoS rules being used to qualitatively express the different performances of the Web service QoS in different environments are mined. At last, we employ the mined QoS knowledge of the Web services to optimize the composite service selection. Extensive experimental results show that our approach can improve the performance of selected composite services on the premise of assuring the selecting computation cost.     

基于QoS的Web服务选择方法研究进展

基于QoS的Web服务选择是从功能相同的Web服务中以Web服务的QoS属性为评价指标选出最优服务的过程,其作为语义Web服务领域的关键技术正在蓬勃发展.文章考察了现有的Web服务选择方法,对其进行了归类,分析了各类方法的优缺点,讨论了这个方向的研究重点及未来的研究趋势.     

Service selection algorithms for Web services with end-to-end QoS constraints

Web services are new forms of Internet software that can be universally deployed and invoked using standard protocols. Services from different providers can be integrated into a composite service regardless of their locations, platforms, and/or execution speeds to implement complex business processes and transactions. In this paper, we study the end-to-end QoS issues of composite services by utilizing a QoS broker that is responsible for selecting and coordinating the individual service component. We design the service selection algorithms used by QoS brokers to construct the optimal composite service. The objective of the algorithms is to maximize the user-defined utility function value while meeting the end-to-end delay constraint. We propose two solution approaches to the service selection problem: the combinatorial approach, by modeling the problem as the Multiple Choice Knapsack Problem (MCKP), and the graph approach, by modeling the problem as the constrained shortest path problem in the graph theory. We study efficient solutions for each approach.This research was supported in part by NSF CCR-9901697.     

基于QoS的语义Web服务选择框架

服务质量（QOS）成为动态选择满足用户需求的Web服务的关键因素。然而目前Web服务的QoS信息描述缺乏语义性,且Web服务的选择还不能做到完全自动化。文章提出一种Web服务的QoS本体结构,并在此QoS本体和原有的语义Web服务的基础上提出基于QoS的语义Web服务选择框架（QSF4SWS）。研究表明,该框架不仅增强了Web服务QoS描述的语义性,而且还能够实现Web服务的动态发现与自动选择。     

一种服务聚合中QoS全局最优服务动态选择算法

Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展.如何动态地把现存的各种Web服务整合起来以形成新的、满足不同用户需求的、增值的复杂服务已成为新的应用需求和研究热点.针对现有服务聚合中服务选择技术的不足,提出了一种解决服务聚合中服务动态选择QoS全局最优化问题的实现算法GODSS(global optimal of dynamic Web services selection).算法的主要思想是把服务动态选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目标遗传算法的智     

Per-flow optimal service selection for Web services based processes

With the development of the Service-Oriented Computing (SOC) paradigm, flexible business processes can be defined from independently developed services. Multiple services corresponding to the same functionality but characterized by different Quality of Service (QoS) attributes can be offered by different service providers and the best set of Web services can be selected at run-time in order to maximize the QoS for end users.In the literature many approaches have been proposed for the optimal service selection which is usually performed on a per-request basis, i.e., considering a single process invocation. In this paper we propose a broker-based framework which solves the optimal service selection on a per-flow basis. Multiple applications, defined as different BPEL processes are considered at the same time and multiple requests to the same process are optimized concurrently.Service selection is formulated as a constrained non-linear multi-criteria optimization problem and an heuristic algorithm is proposed to determine a scalable and efficient solution.A comparison with top performing state-of-the-art approaches for a number of different scenarios of interest is also provided. Results show that the overall optimization time reduction which can be achieved by our solution is proportional to the system incoming workload. Order of magnitudes optimization time improvements can be obtained if compared to alternative methods. Moreover, our solution is robust to workload prediction uncertainty.