CN103577899B - 一种基于可靠性预测与QoS相结合的服务组合方法 - Google Patents
一种基于可靠性预测与QoS相结合的服务组合方法 Download PDFInfo
- Publication number
- CN103577899B CN103577899B CN201310583125.7A CN201310583125A CN103577899B CN 103577899 B CN103577899 B CN 103577899B CN 201310583125 A CN201310583125 A CN 201310583125A CN 103577899 B CN103577899 B CN 103577899B
- Authority
- CN
- China
- Prior art keywords
- service
- qos
- service set
- reliability
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于可靠性预测与QoS相结合的服务组合方法,首先,根据用户的QoS约束进行服务的局部选择,把全局QoS约束分解成局部约束,然后在每个服务集合中选择局部较优的实体服务,最后对这些QoS属性较优的服务的可靠性进行预测,把预测结果作为最终组合方案选择的一个决定因素。这样既考虑了服务当前的QoS满足情况,又考虑它们在未来一段时间内的可靠性变化情况,然后根据用户偏好,决定这两者之间的权重关系,使得选出的服务在当前QoS约束和未来可靠性上达到一种折中,得到高效可靠的系统。
Description
技术领域
本发明属于计算机领域,涉及一种服务组合方法。
背景技术
面向服务计算(SOC)的技术,利用已有的服务开发新的软件和服务,得到了显著的关注并在商业、政府等其他领域受到广泛使用。然而,由于不同的服务通过不同的技术实现,部署在不同的平台上,并利用不同的通信链接发布,所以引入服务质量QoS(QualityofService)来区分这些功能相似性能不同的服务。目前互联网上相似功能的服务数量越来越多,用户更关注的往往是这些非功能属性(即QoS)。因此,基于QoS感知的服务组合逐渐成为服务计算领域的热门研究领域。
QoS感知的服务组合目标是为系统选出一个组合方案,给工作流中的每个抽象服务实例化一个实体服务,并使该组合服务的整体QoS尽最大可能满足用户的端到端需求。现有的方法一般可分为三种:第一,把组合方案的选择问题转化为全局优化问题,目的是使选择出来的组合方案能最大的满足用户的QoS约束请求。第二种局部选择法,在不依赖其他服务集合的基础上,在每类候选服务集合中选择,把组合问题转换成一个并行选择的问题,把不同的QoS属性转化成效用值,一般适用于分布式环境。最后一种是全局优化和局部选择相结合的选择方法,使用混合整数规划(MIP)寻找使效用函数最优的全局QoS约束分解,然后根据得到的局部约束选择一个最优的局部服务组合在一起。
值得注意的是,以上几种方法,都未考虑到QoS属性的动态变化性,当前选出的组合方案,由于其中某个服务在下一时刻的QoS变化,不再满足要求,进而导致组合过程的重复。在所有的QoS属性中,服务的可靠性与硬件、软件配置,网络连接,服务和用户的位置密切相关,任一环节的变化都有可能引起服务的不可靠,进而导致系统的不可靠。在可靠性预测的方法上,鉴于服务计算SOC的特殊性质,它的可靠性预测与其他软件架构有显著不同,主要有以下挑战:(1)Web服务的数量保持快节奏的增长,预测所有可用的候选服务将会非常费时。(2)一个面向服务系统的可靠性依赖于第三方自主服务,这些服务并不受系统所有者和通信链路(可能是不可靠的)的控制。不仅如此,由于服务由代理商提供,用户对其内部组件和实现细节缺乏了解,此外加上网络连接不同,用户调用相同服务得到的性能也会有所差异,而且当一个服务被用户首次调用时,通常只知道它当时的可靠性,缺少过去失败数据。因此,目前常见的一种方法是基于协同的可靠性预测,利用相似用户的调用失败信息,来预测当前用户在一段时间内调用该服务的可靠性情况。
目前对可靠性变化的研究主要集中在可靠性的预测上,在组合过程中考虑可靠性变化的研究非常少,并且在现有研究中,QoS预测和组合过程结合只处于概念模型阶段,尚未有一种具体的组合方法,既考虑QoS的满足情况又关注QoS属性的动态变化。
发明内容
技术问题:本发明提供了一种高效、可靠的基于可靠性预测与QoS相结合的服务组合方案的方法。
技术方案:本发明的基于可靠性预测与QoS相结合的服务组合方法,包括以下步骤:
1)对用户提出的QoS约束请求进行全局分解,即把r个全局QoS约束请求q1,……,qr中的每一个分解到n个服务集合,得到nr个目标局部约束,每一个分解过程的具体流程为:
首先根据下式把每个服务集合中的每个QoS属性取值区间分成d等份:
qmin ik≤q1 ik≤......≤qz ik≤......≤qmax ik,
其中
其中,qz ik是第i个服务集合中,第k个QoS属性的第z个分界点,qmin ik和qmax ik是候选集中所有服务在对应属性上的最小值和最大值;
然后将d-1个分界点和QoS属性取值区间上限值,即q1 ik,q2 ik,……,qmax ik作为输入,利用线性规划方法,从上述d个值中选出使目标公式最优的值记为qik,并将其作为第i个服务集合中第k个QoS属性的目标局部约束;
2)最优服务的选择:基于目标局部约束,利用下式计算得到每个服务的QoS满足情况:
其中,sij表示第i个服务集合中第j个服务,qik是第i个服务集合中第k个QoS属性的目标局部约束,qi(j,k)是服务sij的第k个QoS属性值;
利用topk算法在每个服务集合中选出t个f(sij)值最大的服务,作为最优服务,其中t的值由用户确定;
3)可靠性预测:在每个服务集合内,用皮尔逊相关系数方法计算最优服务与其他服务之间的相似度,得出最优服务的相似服务,然后利用相似服务的可靠性,得出最优服务的可靠性;
4)确定最终组合方案:
从每个服务集合中抽取一个最优服务,组成备选方案,以此方式,按照所有服务集合的不同最优服务的组合,得到tn个备选方案;
根据工作流的特点,计算每个备选方案的整体可靠性CSrel,然后根据下式对每个备选方案进行加权求值,得到整体满意度Wresult:
其中,CSrel代表该备选方案的整体可靠性,wrel∈(0,1)是可靠性对最终组合方案的重要性,f(si)是第i个服务集合中的最优服务的QoS满足情况;
最后将tn个整体满意度Wresult中的最大值所对应的备选方案作为最终组合方案。
本发明方法步骤1)中的线性规划方法的目标公式为:
其中pz ik的定义如下:
qz ik表示第i个服务集合中,第k个QoS属性的第z个分界点,c(qz ik)表示QoS属性值大于qz ik的服务个数,m是第i个服务集合的服务个数,xz ik∈{0,1}是为qz ik引入的指示变量,当xz ik=1表示qz ik被选作第i个服务集合的第k个QoS的目标局部约束,反之xz ik=0表示不被选中。
在QoS感知的服务组合方法上,我们采用变种的全局优化和局部选择相结合的选择方法,具体是使用混合整数规划(MIP)寻找使效用函数最优的全局QoS约束分解,然后根据得到的局部约束选择一组较优的局部服务。
有益效果:本发明与现有的基于QoS感知的服务组合方法相比,具有以下优点:
以往的QoS感知的服务组合研究主要以寻找最大可能满足用户的QoS约束请求为目标。最具代表性的就是全局优化和局部选择相结合的组合方法,它根据组合方案对QoS约束请求的整体满足情况,定义效用函数,根据效用函数进行全局QoS约束分解,选出所有符合目标局部约束的服务,组成备选服务组合方案,并把效用函数最大的方案作为最终的组合方案。但是目前绝大部分的组合方法都未考虑到QoS属性的动态变化性,只考虑QoS属性当下的满足情况。本发明在现有的方法上,摒弃了效用函数概念,在QoS约束分解上提出了新的分解目标,在最优服务选择上增加了用户的可控性,引入了可靠性预测这一过程,并将其结果作为最终组合方案选择的重要影响因素。
因此,本发明方法对传统的服务组合方法进行改进,把可靠性预测从一个单独的领域引入到服务组合过程中,得到了一种相对可靠性变化而言,自适应的服务组合方法,使得选出的最终组合方案在未来的可靠程度和QoS约束的满足情况上取得了平衡。其次,它提高了组合方案的可靠程度,这个可靠程度并不是当前时刻下可靠性的满足情况,而是根据相似用户以往对该服务的调用记录,得出的该服务在一段时间的可靠性,可以避免组合方案在未来一段时间内的失败概率。
附图说明
图1是服务组合示意图。
图2是本发明方法的流程图。
具体实施方式
本发明是在n组功能性相同但QoS属性不同的服务中,选择最优组合方案的过程。问题如图1所示,假定系统已经对用户的需求建模成功,得到了一组给定的组合需求CSrequest={S1,...,Sn},每一个需求模块都有一组满足其功能属性的候选服务集合Si={si1,si2...,sir}。根据工作流中的n个任务,如何在满足其功能的n组服务集合中进行选择,使其不仅能满足用户的QoS需求,而且保证组合方案的可靠性。表1给出了本发明中用到的符号及其表示的含义。
表1
下面结合附图和实施例对本发明进行详细说明。
1)对用户提出的QoS约束请求进行全局分解
把r个全局QoS约束请求q1,……,qr中的每一个分解到n个服务集合,得到nr个局部约束。对每个全局QoS约束请求,分解得到的n个局部QoS约束,集合在一起必须满足之前的全局约束。此外由于我们希望在QoS满足和高可靠性之间得到一种平衡,因此根据局部约束选出的服务个数应尽可能多,进而可避免那些具有高可靠性但低QoS满足的服务被排除。因此,给出最优分解的定义:给定一组全局QoS约束q={q1,……,qr},它的最优分解是n组局部约束lqi={qi1,……,qir},其中1≤i≤n,lqi指第i个候选服务集的局部约束。分解必须满足两个条件:(1)所有的qij集合在一起,必须满足其对应的全局约束qj;(2)符合lqi约束条件的服务数量尽可能的大。
每一个分解过程的具体流程为:
首先根据下式把每个服务集合中的每个QoS属性取值区间分成d等份:
qmin ik≤q1 ik≤......≤qz ik≤......≤qmax ik,
其中
其中,qz ik是第i个服务集合中,第k个QoS属性的第z个分界点,qmin ik和qmax ik是候选集中所有服务在对应属性上的最小和最大值。
用c(qz ik)表示满足qz ik的服务个数,m表示该服务集合的服务总数,pz ik定义为根据上述定义,我们希望得到的服务总数最大,于是全局分解问题变成了最大化的问题,线性规划是研究线性约束条件下线性目标函数极值问题的经典数学理论和方法。线性规划有三要素:决策变量、约束条件和目标函数。为了建立目标函数,我们首先为每个qz ik引入一个指示变量xz ik∈{0,1},其中xz ik=1表示qz ik被选作局部约束,xz ik=0反之不被选中。利用线性规划方法,对目标公式求解,得出的qz ik记作qik,就是第i个服务集合中,第k个QoS属性的目标局部约束。
2)最优服务的选择
根据之前得到的nr个目标局部约束,本步骤可以在n个服务集合中并行进行,从而大大提高了时间效率。不失一般性,假设QoS的属性值越大越好,因此在满足约束的情况下,服务的QoS值越大,我们认为它越满足需求,基于目标局部约束,利用下式计算得到每个服务的QoS满足情况:
其中,sij表示第i个服务集合中第j个服务,qik是是第i个服务集合中第k个QoS属性的目标局部约束,qi(j,k)是服务sij的第k个QoS属性值。
利用topk算法根据上式在每个服务集合中选出t个f(sij)值最大的服务,作为最优服务。由于本发明在第4)步中需要考虑所有服务集合中的不同最优服务的组合,生成tn个备选方案,当t太大时,本发明的计算复杂度会变得特别大,所以这里考虑用户的承受范围,根据用户可接受的程度确定t的大小。
3)可靠性预测
经过步骤2),每个服务集合中都选出了t个最优服务,从每个服务集合中任选一个最优服务,组合在一起都能满足用户的QoS约束请求。由于此时组合尚未完成,所有可能的组合方案都没有历史运行记录。因此,整体的可靠性不能基于先前的QoS经验预测。但是服务在过去通常被许多用户调用过,因此可以根据相似服务的可靠性记录来预测最优服务的可靠性,皮尔逊相关系数用下面的公式来计算服务i和j的相似度,其中Ui∩Uj表示同时调用服务i和j的用户集合;和分别是调用服务i和j的所有服务失败概率的平均值。
计算最优服务和其他服务的相似度,并从中选取最优服务的相似服务,根据相似服务的失败概率,来预测最优服务的可靠性。
4)确定最终组合方案:
从每个服务集合中抽取一个最优服务,将这n个最优服务组成一个备选方案。以此方式,按照所有服务集合的不同最优服务的组合,分别抽取最优服务组成备选方案,从而可以得到tn个备选方案。
然后根据工作流的特点,计算每个备选方案的整体可靠性CSrel,之后计算整体满意度Wresult。具体方法为:
首先根据预测出的最优服务的可靠性和类似图1的工作流结构,考虑整个组合方案的可靠性,目前常见的四种工作流程结构包括顺序、分支、循环和并行。顺序结构是组成其他结构的基本类型,下面我们只介绍顺序的可靠性计算方法,其它结构可根据自身特点推导得出。在顺序结构中,用户一个接一个地执行任务,一旦任何任务序列失败,整个组合方案就会崩溃。假设有n个任务,每个任务的失败概率表示为pi,则整体的失败概率为根据失败概率可得出每个备选方案的整体可靠性CSrel。然后根据下式对每个备选方案进行加权求值,得到整体满意度Wresult
其中,CSrel代表该备选方案的整体可靠性,wrel∈(0,1)是可靠性对最终组合方案的重要性,f(si)是根据步骤2)计算出来的第i个服务集合中的最优服务的QoS满足情况。将tn个结果中的最大值所对应的备选方案作为最终组合方案。
Claims (2)
1.一种基于可靠性预测与QoS相结合的服务组合方法,其特征在于,该方法包括以下步骤:
1)对用户提出的QoS约束请求进行全局分解,即把r个全局QoS约束请求q1,……,qr中的每一个分解到n个服务集合,得到nr个目标局部约束,每一个分解过程的具体流程为:
首先根据下式把每个服务集合中的每个QoS属性取值区间分成d等份:
qmin ik≤q1 ik≤……≤qz ik≤……≤qmax ik,
其中
其中,qz ik是第i个服务集合中,第k个QoS属性的第z个分界点,qmin ik和qmax ik是候选集中所有服务在对应属性上的最小值和最大值,n为服务集合个数;
然后将d-1个分界点和QoS属性取值区间上限值,即q1 ik,q2 ik,……,qmax ik作为输入,利用线性规划方法,从这d个值中选出使目标公式最优的值记为qik,并将其作为第i个服务集合中第k个QoS属性的目标局部约束;
2)最优服务的选择:基于目标局部约束,利用下式计算得到每个服务的QoS满足情况:
其中,sij表示第i个服务集合中第j个服务,qik是第i个服务集合中第k个QoS属性的目标局部约束,qi(j,k)是服务sij的第k个QoS属性值;
利用topk算法在每个服务集合中选出t个f(sij)值最大的服务,作为最优服务,其中t的值由用户确定;
3)可靠性预测:在每个服务集合内,用皮尔逊相关系数方法计算最优服务与其他服务之间的相似度,得出最优服务的相似服务,然后利用相似服务的可靠性,得出最优服务的可靠性;
4)确定最终组合方案:
从每个服务集合中抽取一个最优服务,组成备选方案,以此方式,按照所有服务集合的不同最优服务的组合,得到tn个备选方案;
根据工作流的特点,计算每个备选方案的整体可靠性CSrel,然后根据下式对每个备选方案进行加权求值,得到整体满意度Wresult:
其中,CSrel代表该备选方案的整体可靠性,wrel∈(0,1)是可靠性对最终组合方案的重要性,f(si)是第i个服务集合中的最优服务的QoS满足情况;
最后将tn个整体满意度Wresult中的最大值所对应的备选方案作为最终组合方案。
2.根据权利要求1所述的基于可靠性预测与QoS相结合的服务组合方法,其特征在于,所述步骤1)中的线性规划方法的目标公式为:
其中n为服务集合个数,r为全局QoS约束请求的个数,d为所述步骤1)中把每个服务集合中的每个QoS属性取值区间等分的数量,pz ik的定义如下:
qz ik表示第i个服务集合中,第k个QoS属性的第z个分界点,c(qz ik)表示QoS属性值大于qz ik的服务个数,m是第i个服务集合的服务个数,xz ik∈{0,1}是为qz ik引入的指示变量,当xz ik=1表示qz ik被选作第i个服务集合的第k个QoS的目标局部约束,反之xz ik=0表示不被选中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310583125.7A CN103577899B (zh) | 2013-11-19 | 2013-11-19 | 一种基于可靠性预测与QoS相结合的服务组合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310583125.7A CN103577899B (zh) | 2013-11-19 | 2013-11-19 | 一种基于可靠性预测与QoS相结合的服务组合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103577899A CN103577899A (zh) | 2014-02-12 |
CN103577899B true CN103577899B (zh) | 2016-06-15 |
Family
ID=50049642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310583125.7A Active CN103577899B (zh) | 2013-11-19 | 2013-11-19 | 一种基于可靠性预测与QoS相结合的服务组合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103577899B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105978720A (zh) * | 2016-05-11 | 2016-09-28 | 北京系统工程研究所 | 一种满足端到端QoS约束的服务选择方法 |
CN108076143A (zh) * | 2017-12-01 | 2018-05-25 | 河南理工大学 | 一种物流Web服务动态优化组合方法 |
CN110532504B (zh) * | 2019-07-11 | 2023-06-27 | 桂林理工大学 | 一种面向服务组合的约束强度感知的QoS约束分解方法 |
CN110971683B (zh) * | 2019-11-28 | 2021-06-15 | 海南大学 | 基于强化学习的服务组合方法 |
CN112769942B (zh) * | 2021-01-15 | 2022-09-16 | 重庆邮电大学 | 一种基于QoS的微服务动态编排方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6857020B1 (en) * | 2000-11-20 | 2005-02-15 | International Business Machines Corporation | Apparatus, system, and method for managing quality-of-service-assured e-business service systems |
CN102799947A (zh) * | 2012-06-21 | 2012-11-28 | 东南大学 | 一种基于sbg的组合服务可靠性的动态预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120053970A1 (en) * | 2010-08-25 | 2012-03-01 | International Business Machines Corporation | Systems and methods for dynamic composition of business processes |
-
2013
- 2013-11-19 CN CN201310583125.7A patent/CN103577899B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6857020B1 (en) * | 2000-11-20 | 2005-02-15 | International Business Machines Corporation | Apparatus, system, and method for managing quality-of-service-assured e-business service systems |
CN102799947A (zh) * | 2012-06-21 | 2012-11-28 | 东南大学 | 一种基于sbg的组合服务可靠性的动态预测方法 |
Non-Patent Citations (1)
Title |
---|
王尚广 等.基于全局QoS约束分解的Web服务动态选择.《软件学报》.2011,(第7期),1426-1439. * |
Also Published As
Publication number | Publication date |
---|---|
CN103577899A (zh) | 2014-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Portfolio planning of renewable energy with energy storage technologies for different applications from electricity grid | |
US11831505B2 (en) | Method and system of hybrid data-and-model-driven hierarchical network reconfiguration | |
Supciller et al. | Selection of wind turbines with multi-criteria decision making techniques involving neutrosophic numbers: A case from Turkey | |
CN103577899B (zh) | 一种基于可靠性预测与QoS相结合的服务组合方法 | |
Deb et al. | A bi-objective constrained optimization algorithm using a hybrid evolutionary and penalty function approach | |
CN114721833B (zh) | 一种基于平台业务类型的智能云端协调方法和装置 | |
CN101630161B (zh) | 一种复杂工业生产智能系统及其构造方法 | |
CN104573106A (zh) | 一种基于案例推理技术的城市建设智能审批方法 | |
CN106251020A (zh) | 基于资源环境承载力的土地利用布局优选方法 | |
CN104036324B (zh) | 一种基于遗传算法的通信网络容量可靠性最优设计方法 | |
CN102945283B (zh) | 一种语义Web服务组合方法 | |
CN105976048A (zh) | 一种基于改进人工蜂群算法的输电网扩展规划方法 | |
CN108074004A (zh) | 一种基于网格法的地理信息系统短期负荷预测方法 | |
CN105302858A (zh) | 一种分布式数据库系统的跨节点查询优化方法及系统 | |
CN103824127B (zh) | 云计算环境下服务的自适应组合优化方法 | |
Khalili-Damghani et al. | Solving land-use suitability analysis and planning problem by a hybrid meta-heuristic algorithm | |
Zhang et al. | A dynamic web service composition algorithm based on TOPSIS | |
Syu et al. | AI-based electricity grid management for sustainability, reliability, and security | |
CN104392317A (zh) | 一种基于遗传文化基因算法的项目调度方法 | |
CN105184383B (zh) | 基于智能优化方法的城市移动应急电源最优调度方法 | |
CN102420812A (zh) | 一种支持分布并行处理的Web服务自动QoS组合方法 | |
CN103995750B (zh) | 一种多Agent系统非对称分布式约束优化方法 | |
CN105447571A (zh) | 一种基于遗传算法的体系结构自动优化方法 | |
CN108804788B (zh) | 一种基于数据细胞模型的Web服务演化方法 | |
CN102739755A (zh) | 智能一体化网络计算机计算技术基础 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |