CN104503969A - 一种基于How起源的Web合成服务可信度计算方法 - Google Patents

Abstract

本文发明设计了一种基于How起源的Web合成服务可信度计算方法，包含以下步骤：1)针对Web合成服务执行流程，转化为SP二叉树；2)基于SP二叉树，设计一套可信度计算规则，用数学推理证明了规则的合理性和正确性；3)使用设计的规则，给出计算可信度的算法，实现Web合成服务可信度计算。采用本发明的方法，充分考虑了How起源在合成服务可信度评估中的应用，通过Web合成服务的输入数据及演化过程，能够判断Web合成服务的可信度。

Description

一种基于How起源的Web合成服务可信度计算方法

技术领域

本发明涉及数据起源和Web服务技术领域，更具体的讲，涉及到Web服务可信度评估领域，提出一种基于How起源的Web合成服务可信度计算方法，具体完成根据执行流程转化为SP二叉树，基于SP二叉树设计可信度计算规则并进行证明，实现Web合成服务可信度计算算法。实验表明，本文发明的计算方法能够满足用户对合成服务可信性判断的需求，方法正确、可行。

背景技术

随着云服务的应用和普及，服务使用者、服务提供者以及服务代理都处在纷繁复杂的云环境中，用户在使用云服务时，需要判断服务的可信性。目前，Web服务选择都是以QoS参数为标准来判定，只考虑了QoS的属性因素或QoS属性因素的可信问题，并没有考虑Web服务输出数据可信性问题，也就是Web服务输出数据起源信息，而对于用户而言，起源信息可靠的、数据能够得到保证的Web服务恰恰是用户最需要的。

数据起源是对数据处理的整个历史的信息，包括数据的来源和处理这些数据的所有后继过程。在数据起源中，数据的处理流程即为How起源。

发明内容

发明目的：本发明针对Web合成服务的可信度评估问题，引入How起源，在转化的SP二叉树基础上，设计Web合成服务可信度计算规则及相应算法，并对正确性进行证明。

技术方案：一种基于How起源的Web合成服务可信度计算方法，首先将合成服务的合成流程转化为SP二叉树，然后基于SP二叉树设计可信度计算规则，最后通过输入数据可信度和Web合成服务本身流程可信度计算得到Web合成服务的可信度。

Web合成服务执行流程转化为SP二叉树：

首先给出Web合成服务组合的四种流程，在此基础上，完成服务合成流程转化为SP二叉树。

1、Web合成服务组合流程

Web合成服务是指由多个服务(可能是基本服务，也可能是合成服务)组合而成的Web服务，以接口的形式提供给用户或者其他服务使用。合成服务的组合流程可以有顺序、并行、分叉、循环四种模式。

2、二叉树转化

将合成服务的执行流程转化为SP二叉树，包含两个子步骤：

(1)将执行流程图转化为SP图；

(2)将SP图转化为SP二叉树。

由SP图的相关理论可知，SP图是一个有向无环图，并且是一个连通图，所以，根据图论定理“图是连通图当且仅当图含有生成树”，所以，SP图可以转化为树。

基于SP二叉树设计可信度计算规则并进行证明：

Web合成服务可信度是由输入数据可信度及Web服务流程可信度共同决定的。对于合成服务而言，它的执行流程(即输入数据的处理过程)是一个复杂的、动态的流程图，并且，在合成服务的动态执行过程中，所有的循环都被串行所替代，所有的分叉也都不存在，换句话说，就是在动态执行过程中，执行流程图只有串行和并行两种模式。所以，分别给出串行结点(S结点)和并行结点(P结点)的可信度计算规则，然后分别给出正确性证明。

(1)S结点规则

S结点的可信度T_p与S结点的左子树的可信度T_左、右子树的可信度T_右以及输入数据可信度T_I相关，T_p＝αT_左+T_右-αT_I。

(2)P结点规则

P结点的可信度T_p与P结点的左子树的可信度T_左、右子树的可信度T_右相关，T_p＝min{T_左,T_右}。

基于可信度计算规则实现Web合成服务可信度计算：

根据Web合成服务可信度定义和SP树定义，基于数据起源信息提出了一种合成服务可信度计算方法，在计算过程中，所有的循环和分叉转化为并行和串行两种模式。首先给出基于已证明的S结点和P结点可信度计算规则的递归计算算法，然后实例验证算法的有效性和可行性。

附图说明

图1：四种流程模式描述；

图2：合成服务流程图实例：(a)服务静态流程图，(b)动态执行流程A，(c)动态执行流程B；

图3：流程A的SP二叉树的转化过程；

图4：两个服务构成的合成服务：(a)合成服务执行过程，(b)W的SP二叉树；

图5：n个服务构成的合成服务：(a)合成服务执行过程，(b)W的SP二叉树；

图6：复杂串行合成服务：(a)合成服务执行过程，(b)W的SP二叉树；

图7：两个服务并行而成的合成服务：(a)合成服务执行过程，(b)W的SP二叉树；

图8：n个服务并行而成的合成服务：(a)合成服务执行过程，(b)W的SP二叉树；

图9：复杂并行合成服务：(a)合成服务执行过程，(b)W的SP二叉树；

图10：合成服务可信度计算方法流程图；

图11：可信度递归计算过程图；

图12：预警服务执行流程图；

图13：SP二叉树转化；

图14：服务流程可信度计算过程；

图15：合成服务可信度计算演示。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

Web合成服务执行流程转化为SP二叉树：

首先给出Web合成服务组合的四种流程，在此基础上，完成服务合成流程转化为SP二叉树。

Web合成服务组合流程

Web合成服务是指由多个服务(可能是基本服务，也可能是合成服务)组合而成的Web服务，以接口的形式提供给用户或者其他服务使用。合成服务的组合流程可以有顺序、并行、分叉、循环四种模式，如图1所示。

SP二叉树转化

1、SP二叉树

SP二叉树是由n个结点组成的有限集合T，T＝{V,E}，V是结点的集合，E是边的集合，V＝{S,P,Q}，E＝{<v_i,v_j>|v_i,v_j∈V}，其中S是串行的非叶子结点，P是并行的非叶子结点，Q是叶子节点，且满足：①每一个有儿子的父结点有且仅有两个儿子，即左儿子、右儿子；②非叶子结点不是S就是P，叶子节点均为Q。

2、SP二叉树的生成过程

将合成服务的执行流程转化为SP二叉树，包含两个子步骤：①将执行流程图转化为SP图；②将SP图转化为SP二叉树。在本发明设计过程中，将两个子步骤进行优化合并，一次完成两个功能，提高效率。SP二叉树的生成过程具体如下：

①如果SP图G是一个基本SP图，那么SP树T就是一个节点v，Type(v)＝Q；

②如果SP图G是由G₁、G₂、……、G_n串行构成(n≥2)，那么将其看成{G₁、G₂、……，G_n-1}、G_n两个部分处理，SP树T拥有一个根v，Type(v)＝S，它左儿子为串行结构{G₁、G₂、……，G_n-1}生成的SP树，它的右儿子为G_n；

③如果SP图G是由G₁、G₂、……、G_n并行构成(n≥2)，那么将其看成{G₁、G₂、……，G_n-1}、G_n两个部分处理，SP树T拥有一个根v，Type(v)＝P，它左儿子为并行结构{G₁、G₂、……，G_n-1}生成的SP树，它的右儿子为G_n。

从SP图转化为SP二叉树可以归纳为公式1：

$T\left(G\right)=\left\{\begin{array}{cc}Q& G=(s\left(G\right),t\left(G\right))\\ S(T\left(\right\{G_1,...,G_{n-1}\left\}\right),T\left(G_n\right))& G=S\left(\right\{G_1,...,G_{n-1}\},G_n)\\ P(T\left(\right\{G_1,...,G_{n-1}\left\}\right),T\left(G_n\right))& G=P\left(\right\{G_1,...,G_{n-1}\},G_n)\end{array}\right.---\left(1\right)$

其中：T(G)表示由SP图G生成的SP二叉树T，s(G)为图G的唯一起点，t(G)为图G的唯一终点，G＝(s(G),t(G))表示一个只有一条从结点s指向结点p的边的图，G＝S({G₁，...,G_n-1},G_n)表示图G由图{G₁，...,G_n-1}和图G_n串行构成，G＝P({G₁，...,G_n-1},G_n)表示图G由图{G₁，...,G_n-1}和图G_n并行构成，S(T({G₁,...,G_n-1}),T(G_n))表示图{G1，...,G_n-1}的SP二叉树与图G_n的SP二叉树的串行，P(T({G₁，...,G_n-1}),T(G_n))表示图{G₁，...,G_n-1}的SP二叉树与图G_n的SP二叉树的并行。

图2(a)表示服务静态流程，包含串行、并行和循环，按照公式1将流程转化为SP二叉树的具体过程如图3所示。

可信度计算规则的制定与证明

为了得到合成服务的可信度值，需要对SP二叉树中Q、S、P三种结点规定其可信度计算规则。

规定1：输入数据的可信度T_I＝min{I₁,I₂,...,I_n}，其中I＝{I₁,I₂,...,I_n}是服务输入数据的集合。

规定2：Q结点代表的是某一个Web服务，其值就是该Web服务的可信度值。

规则1：S结点的可信度T_p与S结点的左子树的可信度T_左、右子树的可信度T_右以及输入数据可信度T_I相关，T_p＝αT_左+T_右-αT_I。

证明:规则1证明要分三种情形，具体证明如下：

情形一：只有两个服务串行的服务，即最简单的串行合成服务

如图4所示，输出数据O的可信度计算方法有两种，第一种根据输入I以及合成服务W来求，结果为T_o＝αT_I+(1-α)T_W；第二种计算方法是将合成服务拆分开来，看成两个单独的服务A和B来考虑，那么服务A的输出数据的可信度值为T_oA＝αT_I+(1-α)T_A，该值为服务B的输入，那么输出数据O的可信度值为T_oB＝αT_oA+(1-α)T_B＝α[αT_I+(1-α)T_A]+(1-α)T_B。这两种算法的结果应该是完全相等的，即αT_I+(1-α)T_W＝α[αT_I+(1-α)T_A]+(1-α)T_B，进一步可以得到T_W＝αT_A+T_B-αT_I，也就是T_W＝αT_左+T_右-αT_I，规则1成立。

情形二：n个服务串行而成的合成服务(n≥3)

图5(a)是由n个服务组合而成的合成服务，可以将前n-1个服务看成一个新的合成服务NW，那么该合成服务执行过程就是新的合成服务NW与第n个服务合成而成，其SP二叉树如图5(b)所示，那么根据情形一的结论可得，该合成服务的可信度为T_W＝αT_NW+T_n-αT_I，也就是T_W＝αT_左+T_右-αT_I，规则1成立。

情形三：整体为串行、局部为并行结构的合成服务

图6(a)为复杂串行合成服务的执行结构，由n个结构串行而成，每个结构可以是并行结构，可将前n-1个结构看成一个合成服务NW处理，最后一个结构N作为一个服务处理，同情形一、二推理可得T_W＝αT_左+T_右-αT_I，规则1成立。

规则2：P结点的可信度T_p与P结点的左子树的可信度T_左、右子树的可信度T_右相关，T_p＝min{T_左,T_右}。

证明：规则2证明要分三种情形，具体证明如下：

由于规定输入数据的可信度T_I＝min{I₁,I₂,...,I_n}，I＝{I₁,I₂,...,I_n}，而输入数据又是某一服务的输出数据，所以也就相当于，输出数据的可信度T_O＝min{O₁，O₂，...，O_n}，O＝{O₁，O₂，...，O_n}。

情形一：两个服务并行而成的合成服务

图7(a)是由两个服务并行而成的合成服务，输出数据O有两个结果集构成{O₁，O₂}，输出数据可信度可有两种方法得到，第一种直接由输入和合成服务计算得到T_o＝αT_I+(1-α)T_W；第二种也可以分别计算O₁、O₂得到，T_O＝min{O₁,O₂}，其中， $T_{O_1}={\mathrm{\&alpha;T}}_1+(1-\mathrm{\&alpha;})T_A,T_{O_2}={\mathrm{\&alpha;T}}_1+(1-\mathrm{\&alpha;})T_B,$ 那么，T_O＝min{O₁,O₂}＝min{αT_I+(1-α)T_A,αT_I+(1-α)T_B}＝αT_I+(1-α)min{T_A,T_B}。以上两种算法的结果应该是完全相等的，所以，可以得到αT_I+(1-α)T_W＝αT_I+(1-α)min{T_A,T_B}，进一步得到T_W＝min{T_A,T_B}，也就是T_W＝min{T_左,T_右}，规则2成立。

情形二：n个服务并行而成的合成服务(n≥3)

图8(a)是由n个服务并行而成的合成服务，可以将前n-1个服务看成一个新的合成服务NW，那么该合成服务执行过程就是新的合成服务NW与第n个服务并行而成，其SP二叉树如图8(b)所示，可得该合成服务的可信度为T_W＝min{T_NW,T_n}，也就是T_W＝min{T_左,T_右}，规则2成立。

情形三：整体是并行结构，局部是串行结构

图9(a)为复杂并行合成服务的执行结构构并行而成，每个结构可以是串行结构，可将前n-1个结构看成一个合成服务NW处理，最后一个结构N作为一个服务处理，其SP二叉树如图9(b)所示，同情形一、二推理可得T_W＝min{T_左,T_右}，规则2成立。

合成服务可信度计算算法

本发明设计合成服务可信度计算方法流程如图10所示。Web服务集合是一系列功能属性相同的Web服务。首先，当用户或者服务组合代理请求到达时，根据Web服务执行流程，将Web服务执行流程转化为SP二叉树，然后根据SP二叉树计算出Web服务流程的可信度值，再与输入数据可信度结合计算出输出数据的可信度。

1.SP二叉树转化算法

根据已有的SP二叉树转化思想，本发明设计了一种将Web合成服务流程转化为SP二叉树的算法，利用递归完成SP图的遍历，利用分支完成串行和并行两种子处理。

Web合成服务流程转化为SP二叉树的算法如下：

串行处理子方法：

并行处理子方法：

2.合成服务可信度计算算法

根据本发明设计规则，设计了由SP二叉树计算合成服务的可信度值的算法，其中，node为SP二叉树的结点类型(结构体)，p为指针，具体算法如下：

根据上述算法，图3所示的SP二叉树的可信度计算过程如图11所示。

3.实例验证

以预警服务为例，验证了提出的可信性计算方法的可行性和有效性。预警服务的输入数据为CollectedData，输出数据为Alert，CollectedData经过SqlServerStore过程将其存储进SqlServer数据库，然后通过过程getTaiCangData从SqlServer数据库中取出为太仓市水利的相关数据，再将这些相关数据由OracleStore存进太仓市的Oracle数据库，然后通过getInlandRiverData、getChangJiangData分别从Oracle中取得太仓内河水位数据和长江潮位数据，内河水位数据、内河预警水位由InlandRiverAlert处理，作出内河预警的结果，而与此同时，长江潮位数据、长江预警水位由ChangJiangAlert处理，作出长江预警的结果，最后，这两个结果共同由AlertDeploy处理，作出太仓防汛预警的结果Alert。该预警服务的执行流程图如图12所示。

(1)SP二叉树转化

预警服务是一个合成服务，由alert.owl描述，将合成服务alert.owl转化为的SP二叉树如图13所示。

(2)合成服务可信度计算

在计算过程中包含了两个方面可信度的计算：

①合成服务流程可信度计算：根据转化后的SP二叉树，运用规则，计算合成服务流程的可信度。图14演示了合成服务alert.owl可信度计算的过程。由图可知，在回溯到第二层最左边的结点S时，由于其右兄弟为P结点，此时，需要更新输入数据可信度T_I的值，然后从P的最底层结点利用新的T_I的值进行递归计算，最终得到该合成服务可信度为0.539。

②输出数据可信度计算：根据输入数据可信度以及Web服务流程可信度，加权求和即为最后的输出数据的可信度。设输入数据可信度为0.7，取α＝0.5，那么合成服务alert.owl的输出数据可信度为0.62，如图15所示。

通过实例执行结果分析，验证了服务选择的准确性与输出数据的可信度相关，输出数据的可信度会影响服务选择的结果，而输出数据的可信度与其起源密不可分，验证了本文提出计算方法的可行性和有效性。

Claims (4)

1.一种基于How起源的Web合成服务可信度计算方法，其特征在于，包含以下步骤：

1)Web合成服务执行流程转化为SP二叉树；

2)基于SP二叉树设计可信度计算规则并进行证明；

3)通过输入数据可信度和Web合成服务本身流程可信度，基于可信度计算规则实现Web合成服务可信度计算算法。

2.如权利要求1所述的基于How起源的Web合成服务可信度计算方法，其特征在于，所述步骤1)进一步包含以下步骤：

11)根据Web合成服务执行流程，将执行流程图转化为SP图；

12)根据11)所生成的Web合成服务的SP图，判断该SP图是不是一个基本图，若是基本图，那么该SP树就是一个节点；否则该图由串行或者并行构成，SP树拥有一个根，并且由两个孩子节点生成SP树，最终转化为SP二叉树。

3.如权利要求1所述的基于How起源的Web合成服务可信度计算方法，其特征在于，步骤2)根据SP二叉树中的Q、S、P三种结点，定义了可信度计算规则：

(1)S结点规则

S结点的可信度T_p与S结点的左子树的可信度T_左、右子树的可信度T_右以及输入数据可信度T_I相关，T_p＝αT_左+T_右-αT_I。

(2)P结点规则

P结点的可信度T_p与P结点的左子树的可信度T_左、右子树的可信度T_右相关，T_p＝min{T_左,T_右}。

4.如权利要求1所述的基于How起源的Web合成服务可信度计算方法，其特征在于，

在计算过程中，所有的循环和分叉转化为并行和串行两种模式；然后给出计算方法流程和算法。