CN104932944B - 基于带权二部图的云计算资源服务组合方法 - Google Patents

Abstract

本发明涉及云计算中Web服务组合领域，具体涉及一种基于带权二部图的云计算资源服务组合方法。特别是适用于web服务组合及其推荐，保证推荐的响应时间、准确性、可扩展性和可兼容性。本发明则将web服务的兼容性考虑到服务推荐工作中，提出了一个考虑web服务可兼容性的基于二部图的服务推荐方法。首先根据复杂服务和组成复杂服务的简单服务之间的组合信息构建一个带权重的二部图。然后，构建了一个数据集，包括了复杂服务工作流和web服务的基本信息，以及二者之间的关联信息，基于构建的二部图和数据集，预测出没有使用过的web服务的资源值。最后，根据未使用服务的资源值对服务进行排序，为使用者推荐前k个服务。

Description

基于带权二部图的云计算资源服务组合方法

技术领域

本发明涉及云计算中Web服务组合领域，具体涉及一种基于带权二部图的云计算资源服务组合方法。特别是适用于web服务组合及其推荐，保证推荐的响应时间、准确性、可扩展性和可兼容性。

技术背景

云计算是一种基于网络的计算，它依赖于对网络资源的利用和共享来进行应用程序的运行，而不是利用本地服务器和设备来进行相关处理。云计算资源有服务器、存储设备和应用程序等，这些资源都是以服务的形式通过网络通道供广大用户所共享使用。其中，Web服务是云计算中非常重要的服务类型，是一种松耦合的可发布可调用的实体，其可以视为一个小型的软件系统，支持网络间各个客户端的协同交互。随着信息技术和网络技术的发展，Web服务的内容和数量极速上升。但是，这些海量Web服务的非功能特性和大量相类似功能，使得有效地推荐云计算资源中Web服务成了开发设计者的一大难题。

服务质量(QoS)因子是云计算资源服务的非功能特性集合。与运行时间相关的服务质量，例如，承载力、响应时间、延时、吞吐量、可用性、稳定性、可扩展性、可执行力和精确性等。与事务支持相关的服务质量，例如，事务完整性。与配置管理和成本相关的服务质量，例如，控制管理、支持标准、改变周期和完整性等。与安全性相关的服务质量，例如，认证、授权、保密协议、说明、追溯性和可审核性、加密和不可否认性等。

本发明则将web服务的兼容性特性考虑到服务推荐工作中。提出了一个考虑web服务可兼容性的基于二部图的服务推荐方法。该方法基于web服务的历史信息，为开发设计者进行动态的web服务推荐。本发明考虑了web服务的可兼容性特性。具体是从服务的历史信息中可以获取web服务的历史组合信息，历史可用的web服务可以被成功地调用。由于web服务可以进行封装，首先根据复杂服务和组成复杂服务的简单服务之间的组合信息构建一个带权重的二部图。然后，构建了一个数据集，包括了复杂服务工作流和web服务的基本信息，以及二者之间的关联信息，基于构建的二部图和数据集，预测出没有使用过的web服务的资源值。最后，根据未使用服务的资源值对服务进行排序，为开发者推荐前k个服务。

发明内容

本发明的目的在于克服现有技术的未涉及服务兼容性的不足，提出一种考虑了web服务的兼容性特性的服务组合推荐方法。

与本发明基于带权二部图的服务推荐方法相关的定义如下：

定义1.二部图，本发明对二部图的定义公式为，BG＝(WF,WS,E)，其中，WF、WS表示图的两种结点的集合，wf_i、ws_j分别为两种结点集合的元素；E表示其中边的集合，e_i,j为边集合的元素；

定义2.二部图邻接矩阵A用于表示二部图中的信息，邻接矩阵中的元素a_i,j的定义公式为，

其中，a_i,j表示邻接矩阵A中的元素，m、n则分别表示二部图中两类结点的数量；

定义3.边的权重指的是边两端的结点之间的关联的重要程度，权重的定义公式为：w_i,j＝x.(x>＝0)，其中，权重值x的取值根据具体的情况，由研究人员自行定义；

定义4.结点初始化资源值指的是为用于推荐的结点所在的集合中的所有结点赋初始值，赋值规则公式为：

其中，wf_i，ws_j分别表示结点集合WF和WS中的元素；r_wsj是在为结点wf_i进行结点ws_j推荐时的初始资源分配值；其中，1表示在当前情况下两个结点是相连的，0则表示两个结点互不关联；

本发明所述的基于带权二部图的云计算资源服务推荐方法是从web服务历史信息的角度出发，最后列出前k个满足服务条件的web服务进行组合推荐，包括以下步骤：

步骤1，数据预处理；

步骤1.1，从web服务搜索引擎上爬取了符合实验条件的工作流数据；

步骤1.2，构建一个带权重的二部图来表示工作流结点和简单web服务结点以及二者之间的组合关系信息；初始化二部图的结点nodeArray[],邻接矩阵a[][],资源矩阵resourceArray[][],权重矩阵weight[][]和度矩阵degreeArray[]；两类结点集合为WF集合和WS集合，分别包含工作流结点和web服务结点；所构建二部图中的一条边表示来自两个集合结点之间的关联。两个结点集合WF＝{wf₁,wf₂,...wf_m}，WS＝{ws₁,ws₂,...ws_n}；其中，wf_m，ws_n分别表示结点集合WF和WS中的第m个元素和第n个元素；

步骤2，初始化所有web服务结点的资源值；为每一个web服务集合中的结点元素分配一个初始值，此类结点是用于推荐的；根据定义4来计算web服务的初始资源值R＝{r_ws1,r_ws2,...r_wsn}；r_wsn是在为结点wf_i进行结点ws_n推荐时的初始资源分配值；

步骤3，进行第一次资源流动分配；将web简单服务层的资源值投影到工作流层，计算工作流结点层每一个结点的资源值；投影规则按照边的权值设定；通过结点相连的边的权重在所有与结点相连边的权重总和中所占的比例进行资源流动分配；

步骤4，资源的第二次流动分配，从web服务结点层投影到工作流结点层；

这样，通过资源的两次流动分配，所有的服务层结点的最终资源值就计算出来了；

步骤5，通过基于二部图的服务推荐方法计算出所有结点的资源值后将用于推荐的结点进行排序。

本发明的有益效果在于：

本发明构建的数据集的意义在于可以在今后的关于服务组合和推荐的研究中被重用。本发明提出了一个基于带权重二部图的web服务推荐方法。该方法充分利用web服务的历史信息为开发者进行服务推荐，具有比较高的效率。

附图说明

图1是本发明构建的二部图，

图2(a)是初始化简单web服务层的所有结点的资源，

图2(b)是第一次资源流动分配的过程及结果，

图2(c)是第二次资源流动分配的过程及结果。

具体实施方式

下面结合附图说明和具体实施方式对本发明做进一步详细说明。

本发明所述的基于带权二部图的云计算资源服务组合方法，包括以下步骤：

步骤1，数据预处理；

步骤1.1，从web服务搜索引擎上爬取了符合实验条件的工作流数据；

步骤1.2，构建一个带权重的二部图来表示工作流结点和简单web服务结点以及二者之间的组合关系信息；通过对历史数据信息的分析，构建的带权二部图如图1所示；

该二部图的两类结点为组合的web服务结点和简单的web服务结点；在本发明的方法中，两类结点集合为WF集合和WS集合，分别包含工作流结点和web服务结点；工作流的完成是在web服务组合的基础上实现的，是一个web服务链；web服务服务链是一个由简单web服务组合而成的复杂web服务，在web服务链中的所有服务均通过调用彼此的接口进行交互；所构建二部图中的一条边表示来自两个集合结点之间的关联；二部图边的权值信息如图1所示，例如图中w_1,1＝2，即表明wf₁功能的实现调用了web服务ws₁两次，权重越大，表明两个结点的关联性越强；两个结点集合WF＝{wf₁,wf₂,wf₃,wf₄}，WS＝{ws₁,ws₂,ws₃,ws₄,ws₅,ws₆}.其目标是为wf₁推荐其感兴趣的web服务结点；

步骤2，初始化所有web服务结点的资源值；为每一个web服务集合中的结点元素分配一个初始值，此类结点是用于推荐的；根据定义4来计算web服务的初始资源值R＝{r_ws1,r_ws2,r_ws3,r_ws4,r_ws5,r_ws6}.初始化的结果为R＝{1,1,1,0,0,1}，如图2(a)所示；

步骤3，进行第一次资源流动分配；将web简单服务层的资源值投影到工作流层，计算工作流结点层每一个结点的资源值；投影规则按照边的权值设定；通过结点相连的边的权重在所有与结点相连边的权重总和中所占的比例进行资源流动分配；例如wf₁的资源值计算公式为：r_wf1＝2/6*r_ws1+1/3*r_ws2+2/4*r_ws3+3/4*r_ws6，其他3个工作流结点的计算原理类似；第一次流动分配的过程和结果如图2(b)所示；

步骤4，资源的第二次流动分配，从web服务结点层投影到工作流结点层；如ws₁的资源值计算公式为：r_ws1＝2/8*r_wf1+4/7*r_wf3；第二次流动分配的过程和结果如图2(c)所示；

这样，通过资源的两次流动分配，所有的服务层结点的最终资源值就计算出来了；

步骤5，通过基于二部图的服务推荐方法计算出所有结点的资源值后将用于推荐的结点进行排序；从本例中可以得出与wf1不相连的两个web服务结点ws4,ws5的资源值。通过本发明的基于二部图的服务推荐方法后根据计算的结果对ws4和ws5进行排序，推荐给工作流wf1的web服务列表为{ws5,ws4}。

Claims (1)

1.基于带权二部图的云计算资源服务推荐方法，从web服务历史信息的角度出发，最后列出前k个满足服务条件的web服务进行组合推荐；

定义1.二部图，对二部图的定义公式为，BG＝(WF,WS,E)，其中，WF、WS表示图的两种结点的集合，wf_i、ws_j分别为两种结点集合的元素；E表示其中边的集合，e_i,j为边集合的元素；

定义2.二部图邻接矩阵A用于表示二部图中的信息，邻接矩阵中的元素a_i,j的定义公式为，

<mrow> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> <msub> <mi>e</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>&amp;Element;</mo> <mi>E</mi> <mo>.</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>w</mi> <mi>i</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mrow> <mo>(</mo> <mn>0</mn> <mo>=</mo> <mo>&lt;</mo> <mi>i</mi> <mo>&lt;</mo> <mi>m</mi> <mo>,</mo> <mn>0</mn> <mo>&lt;</mo> <mo>=</mo> <mi>j</mi> <mo>&lt;</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>.</mo> </mrow>

其中，a_i,j表示邻接矩阵A中的元素，m、n则分别表示二部图中两类结点的数量；

定义3.边的权重指的是边两端的结点之间的关联的重要程度，权重的定义公式为：w_i,j＝x.(x>＝0)，其中，权重值x的取值由研究人员自行定义；

定义4.结点初始化资源值指的是为用于推荐的结点所在的集合中的所有结点赋初始值，赋值规则公式为：

<mrow> <msub> <mi>r</mi> <mrow> <msub> <mi>ws</mi> <mi>j</mi> </msub> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>1</mn> <mo>,</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> <mo>,</mo> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>w</mi> <mi>i</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> </mtd> </mtr> </mtable> </mfenced> </mrow>

其中，wf_i，ws_j分别表示结点集合WF和WS中的元素；r_wsj是在向结点wf_i推荐结点ws_j时的初始资源分配值；其中，1表示在当前情况下两个结点是相连的，0则表示两个结点互不关联；

包括以下步骤：

步骤1，数据预处理；

步骤1.1，从web服务搜索引擎上爬取符合实验条件的工作流数据；

步骤1.2，构建一个带权重的二部图来表示工作流结点和简单web服务结点以及二者之间的组合关系信息，初始化二部图的结点nodeArray[],邻接矩阵a[][],资源矩阵resourceArray[][],权重矩阵weight[][]和度矩阵degreeArray[]；两类结点集合为WF集合和WS集合，分别包含工作流结点和web服务结点；所构建二部图中的一条边表示来自两个集合结点之间的关联；两个结点集合WF＝{wf₁,wf₂,…wf_m}，WS＝{ws₁,ws₂,…ws_n}；其中，wf_m，ws_n分别表示结点集合WF和WS中的第m个元素和第n个元素；

步骤2，初始化所有web服务结点的资源值；为每一个web服务集合中的结点元素分配一个初始值，此类结点是用于推荐的；根据定义4来计算web服务的初始资源值R＝{r_ws1,r_ws2,…r_wsn}；r_wsn是在为结点wf_i进行结点ws_n推荐时的初始资源分配值；

步骤3，进行第一次资源流动分配；将web简单服务层的资源值投影到工作流层，计算工作流结点层每一个结点的资源值；投影规则按照边的权值设定；通过结点相连的边的权重在所有与结点相连边的权重总和中所占的比例进行资源流动分配；

步骤4，资源的第二次流动分配，从web服务结点层投影到工作流结点层；

令resourceArray[i][n]的值置为tx

这样，通过资源的两次流动分配，所有的服务层结点的最终资源值就计算出来了；

步骤5，通过基于二部图的服务推荐方法计算出所有结点的资源值后将用于推荐的结点进行排序。