CN106411623A - 基于事务组合的服务质量性能预测方法及装置 - Google Patents
基于事务组合的服务质量性能预测方法及装置 Download PDFInfo
- Publication number
- CN106411623A CN106411623A CN201611189934.XA CN201611189934A CN106411623A CN 106411623 A CN106411623 A CN 106411623A CN 201611189934 A CN201611189934 A CN 201611189934A CN 106411623 A CN106411623 A CN 106411623A
- Authority
- CN
- China
- Prior art keywords
- service
- atomic
- composite services
- transactional
- atomic service
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
- H04L43/55—Testing of service level quality, e.g. simulating service usage
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于事务组合的服务质量性能预测方法及装置。其中，所述方法包括：按照组合服务的工作流顺序遍历组合服务，提取组合服务中的组件服务；判断组件服务是否为原子服务，若是，则计算得出原子服务的性能参数，并为原子服务赋予对应的事务性；否则，调用设定算法将组件服务整合成原子服务，并计算得出原子服务性能参数，并为原子服务赋予对应的事务性；提取组合服务中的下一个组件服务，并返回继续判断下一个组件服务是否为原子服务，直至组合服务中所有组件服务均遍历到为止；根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定组合服务的服务质量性能。本发明提供的技术方案预测准确度好，且具有较好的可行性和有效性。
Description
技术领域
本发明涉及计算机技术，尤其涉及一种基于事务组合的服务质量性能预测方法及装置。
背景技术
QoS(Quality of Service，服务质量)是指网络提供更高优先服务的一种能力，包括专用带宽、抖动控制和延迟(用于实时和交互式流量情形)、丢包率的改进以及不同WAN(Wide Area Network，广域网)、LAN(Local Area Network，局域网)和MAN(MetropolitanArea Network，城域网)技术下的指定网络流量等，同时确保为每种流量提供的优先权不会阻碍其它流量的进程。QoS是对Web服务满足服务请求者需求能力的一种度量。
Web服务是一项业务之间自动交互的技术，企业能够发布它们的内部业务流程作为一个服务，然后在Web上提供它们的服务。随着应用的深入，业务流程可能包含一个或多个业务功能，由于这些业务可能调用来自不同组织的Web服务，所以需要按照一定方式组合来协同工作，并保证其运行的可靠性和结果的一致性。在复杂的网络环境中，由于面临以下问题，服务组合可能变得十分复杂：组件服务可能长时间运行，服务环境是松散匹配的和自身的异步性。由于机器失败导致的组合过程可能被取消，服务可能被移去或撤销，处理潜在的失败是必须的等等，因此，Web服务需要事务机制来保证输出的一致性及正确和可靠的执行。
Web组合服务技术将Web服务视为基本元素，根据应用的需求，将Web服务连接成功能更加复杂的Web组合服务。Web组合服务通过服务重用大幅度提高了应用的开发速度，为跨企业跨组织的应用合作，实现单个服务无法完成的任务提供了途径。Web服务组合是功能驱动的，但是代表非功能性能的QoS与功能性能同样重要，因为不满足QoS需求的服务组合与不能满足功能需求的服务组合一样无法提供用户期望的服务。判断基于功能需求生成的Web组合服务是否满足QoS需求，以及从功能相似的Web组合服务中选择QoS性能较优的提供给用户十分必要。而这些都需要在Web组合服务执行前对该组合服务的执行期QoS性能进行预测，预测结果作为判断和择优的标准。
在传统的组合服务QoS性能预测中，研究者通常基于工作流的不同结构进行组合服务整合QoS的分析。但是，这些研究都没能考虑事务的要求。虽然事务的引入确保了组合服务的正确和可靠的执行。但是，它影响了组合服务的QoS性能。在分布式数据库系统，两阶段提交协议被用来保证事务的ACID(数据库事务正确执行的四个基本要素的缩写，其包含：原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability))特性。然而，由于它固有的并发性缺失，从而降低了Web服务的服务质量。其次，处理长时间运行事务的方法之一是补偿。补偿会导致组合服务的执行过程发生变化。所以，需要提出一种方法来对基于事务组合服务的QoS性能进行分析，以提高组合服务的QoS预测准确度。
发明内容
本发明的多个方面提供一种基于事务的组合服务的服务质量确定方法及装置，以提高组合服务的QoS预测准确度。
本发明的第一个方面，提供一种基于事务组合的服务质量性能预测方法，包括：
按照组合服务的工作流顺序遍历所述组合服务，提取所述组合服务中的组件服务；
判断所述组件服务是否为原子服务，若是，则计算得出所述原子服务的性能参数，并为所述原子服务赋予对应的事务性；否则，调用设定算法将所述组件服务整合成原子服务，并计算得出所述原子服务性能参数，并为所述原子服务赋予对应的事务性；
提取所述组合服务中的下一个组件服务，并返回继续判断所述下一个组件服务是否为原子服务，直至所述组合服务中所有组件服务均遍历到为止；
根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能。
本发明的第二个方面，提供一种基于事务组合的服务质量性能预测装置，包括：
提取模块，用于按照组合服务的工作流顺序遍历所述组合服务，提取所述组合服务中的组件服务；
处理模块，用于判断所述组件服务是否为原子服务，若是，则计算得出所述原子服务的性能参数，并为所述原子服务赋予对应的事务性；否则，调用设定算法将所述组件服务整合成原子服务，并计算得出所述原子服务性能参数，并为所述原子服务赋予对应的事务性；
所述提取模块，还用于提取所述组合服务中的下一个组件服务，并返回继续判断所述下一个组件服务是否为原子服务，直至所述组合服务中所有组件服务均遍历到为止；
确定模块，用于根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能。
由上述技术方案可知，本发明实施例提供的技术方案结合了Web服务事务机制对组合服务执行流程的影响，给出了先为组合服务中的各原子服务赋予相应的事务性，然后再根据各原子服务的性能参数和各自被赋予的事务性，确定所述组合服务的服务质量性能的方法。本发明实施例提供的技术方案的预测准确度优于现有未考虑事务机制的预测方法，具有较好的可行性和有效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中组合模式为序列模式的示意图；
图2为本发明实施例中组合模式为并列模式的示意图；
图3为本发明实施例中组合模式为选择模式的示意图；
图4为本发明实施例中组合模式为循环模式的示意图；
图5为本发明实施例一提供的所述基于事务组合的服务质量性能预测方法的流程示意图；
图6为本发明提供的一具体组合服务示例的原理示图；
图7a为本发明提供的一具体组合服务示例进行第一步整合处理的原理示图；
图7b为本发明提供的一具体组合服务示例进行第二步整合处理的原理示图；
图7c为本发明提供的一具体组合服务示例进行第三步整合处理的原理示图；
图7d为本发明提供的一具体组合服务示例进行第四步整合处理的原理示图；
图7e为本发明提供的一具体组合服务示例进行第五步整合处理的原理示图；
图7f为本发明提供的一具体组合服务示例进行第六步整合处理的原理示图；
图8为本发明实施例三提供的基于事务组合的服务质量性能预测装置的结构示意图。
具体实施方式
本发明针对现有技术中存在的预测具有事务机制的组合服务的QoS准确度低的问题，提供了一种基于事务的组合服务的服务质量确定方法及装置，以事务处理机制对组合服务的QoS的影响作为基础，提高组合服务的QoS预测准确度。
为解决上述技术问题，本发明具体实施例方式采用如下撰写思路进行描述，以便于技术方案的理解，具体的：
首先，对Web服务赋予事务性；然后，分析具有事务性要求服务的组合问题；其次，分析具有事务性要求组合服务的性能问题，最后，提出基于事务的组合服务的QoS确定方法。
其中，该基于事务的组合服务的QoS确定方法，具体包括以下步骤：
第一步，对Web服务的成功执行次数用概率统计方法进行评估，为了分析组合服务的性能，对组合服务成功执行的次数使用概率统计平均值计算。
第二步，对四种基本组合服务模式(序列，并行，循环，选择)进行了性能的分析。在进行基本组合服务模式的性能分析合时，要充分考虑前后子服务的事务特点，并按照事务组合服务的规则分析QoS性能。
第三步，在第二步的基础上，使用一个整合的方法来分析复杂的具有事务要求的组合服务的QoS性能。
本发明实施例在实施时涉及到如下理论知识：
在基于事务的组合服务选择过程中，当一些功能性相似的候选组件服务可以被获得时，它们的非功能性要求QoS就变得非常重要。由于QoS能够很好地反映用户的需求，所以它是目前最常用的非功能性指标，本发明考虑Web服务(以下简称ws)的QoS主要有如下三个指标：
1、执行价格(Execution price，EP)：请求者调用服务ws所需要的花费，表示为qep(ws)。
2、执行时间(Execution time，ET)：服务ws执行一次所需要的时间，表示为qet(ws)。通常情况下，服务执行一次的时间是相同的，并且在相同的时间内，服务执行一次可能失败，也可能成功完成。
3、成功完成概率(Probability of Success，PS)：服务ws成功完成用户请求的概率，表示为qps(ws)。
其中，执行时间需要考虑组合服务的事务性带来的变化，分析过程如下：
1、Compensatable可补偿服务，一个服务具有可补偿性，那么它能提供补偿策略来撤销该服务的影响，用符号“c”表示。
2、Retriable可重复服务，一个服务具有可不断重试性，那么它能被重试，并且通过足够次数的重试达到最终成功，用符号“r”表示。
3、Pivot基础服务，一个服务具有中心点特性，那么它一旦执行成功，它的影响永远存在，而且不能被撤销，如果它执行失败，没有任何影响，用符号“p”表示。
一般而言，如果一个服务不是可补偿的或可重复的，那么它就是一个Pivot服务。通常一个服务的事务特性是几种活动事务属性的组合。举例而言，一个服务可以结合Pivot属性和retriable属性而产生新的活动属性pr，活动属性pr与r有相同的活动模型，我们认为它们是相同的服务属性。同样的，一个服务可以结合Compensatable属性和Retriable属性而产生新的活动属性cr。因此，可能的活动事务属性组合集为{p，c，pr，cr}。
由于网络环境的动态性，不确定性和开放性，来自不同组织的组件服务往往会调用失败，假设一个Web服务成功执行的概率为ps。服务执行一次的时间为t，那么在时间t内一个Web服务或者成功执行，或者执行失败。Web服务在前n-1次执行都失败，第n次执行成功的概率符合几何分布，概率函数为：
P(X＝n)＝(1-ps)n-1ps
X表示服务第几次执行，那么数学期望值为：
几何分布的数学期望反应的就是成功的平均执行次数，即成功执行的平均次数为1/ps，服务执行一次的时间为t，那么，成功执行的平均时间st为：
st＝t/ps
通常，组合服务由基本组合模式构成，因此为了考虑事务组合服务的时间性能，本实施例提供的技术方案需要分析基本组合模式的时间性能。这里，本实施例讨论四种基本的组合模式，分别是：序列，并行，选择和循环模式，并且服务组合由工作流模型来描述。TP表示事务性，TO表示一次执行时间，ST表示成功执行时间，PS表示成功执行概率。tp、to、st和ps表示组合服务相应概念的具体值。为了简单考虑，模式中每次只有一个组件服务执行失败。
一、序列模式时间性能分析
序列模式用来定义组合服务由一系列按固定顺序执行的组件服务，由n个组件服务WS1、WS2、……WSn组成的序列模式如图1所示。在序列模式中，组件服务从左到右执行，当且仅当前面的组件服务成功执行完成后，后面的组件服务才能开始执行。如果有一个组件服务执行失败，将利用事务机制处理失败。前i个组件服务成功执行时间为sti，组件服务WSi执行一次的时间为ti，服务WSi成功执行的概率为psi。
首先考虑两个服务组成的组合序列模式，n个服务组成的组合模式可以看作前n-1服务的组合服务和第n个服务的组合。
在序列模式中，如果第一个服务WS1被赋予的事务特性为p或pr，WS1一旦成功完成，就不能被撤销，因此第二个服务WS2必须保证一定成功完成，即WS2必须包括r的事务性，所以WS2赋予事务性为pr或cr。{tp1,tp2}表示模式中从左到右或者从上到下的两个服务的事务性。
如果序列模式为{p,pr}或{p,cr}，执行一次该模式，如果WS1执行失败，那么模式执行失败，时间为t1。如果WS1成功执行完成，由于WS2经过有限次数重试必定成功完成，所以模式成功执行完成，时间为t1+t2/ps2。那么在t1+t2/ps2时间内，可以判断该模式是否成功执行完成，故to＝t1+t2/ps2。WS1成功执行完成概率为ps1，由于WS2经过有限次数重试必定成功完成，在模式执行过程中，事务性包含r的服务执行完成概率为1，即WS2成功执行完成概率为1。所以该组合服务的成功执行概率为ps＝ps1，组合服务的事务性为p。
如果WS1执行失败,那么模式执行失败，为了分析该模式的成功完成时间，WS1将重复执行，直到WS1成功执行完成，那么模式成功完成。假设WS1的成功执行完成时间为st1(如果WS1为原子服务，st1＝t1/ps1，如果WS1为组合服务，st1为组合服务的成功完成时间)，由于WS2经过有限次数重试必定成功完成，那么st＝st1+t2/ps2。
如果序列模式为{pr,pr}或{pr,cr}，执行一次模式，WS1和WS2都经过有限次数重试必定成功完成，那么to＝t1/ps1+t2/ps2，执行一次时间也为成功执行完成时间，故st＝st1+t2/ps。WS1和WS2成功执行完成概率都为1，那么模式成功执行的概率为ps＝1，组合服务的事务性为pr。
在序列模式中，如果第一个服务WS1赋予的事务性是c或cr，那么如果第二个服务WS2执行失败，第一个服务执行可以被撤销，所以第二个服务WS2可以赋予任何事务性。
在序列模式中，如果模式为{p,pr}或{p,cr}，那么，tp＝p，to＝t1+t2/ps2，st＝st1+t2/ps2，ps＝ps1。如果序列模式为{pr,pr}或{pr,cr}，那么，tp＝pr，to＝t1/ps1+t2/ps2，st＝st1+t2/ps2，ps＝1。
定理4.2：在序列模式中，如果模式为{c,p}或{c,c}，那么，tp＝p或c，to＝t1+t2，st＝(st1+t2)/ps2，ps＝ps1ps2。如果序列模式为{c,pr}或{c,cr}，tp＝p或c，to＝t1+t2/ps2，st＝st1+t2/ps2，ps＝ps1。如果序列模式为{cr,p}或{cr,c}，tp＝p或c，to＝t1/ps1+t2，st＝(st1+t2)/ps2，ps＝ps2。如果序列模式为{cr,pr}或{cr,cr}，tp＝pr或cr，to＝t1/ps1+t2/ps2，st＝st1+t2/ps2，ps＝1。
证明：如果序列模式为{c,p}或{c,c}，执行一次该模式，如果WS1执行失败，那么模式执行失败，时间为t1。如果WS1成功执行完成，WS2执行一次，如果WS2的执行失败，模式失败，如果WS2的成功执行完成，模式成功执行完成，时间为t1+t2。所以在t1+t2时间内，我们可以判断模式是否成功执行完成，那么to＝t1+t2。
如果WS1执行失败,那么模式执行失败，同样，重复执行WS1，直到WS1成功执行完成。假设WS1的成功执行完成的时间为st1，WS2的执行失败会导致WS1被补偿，并且回滚到模式的起点位置，那么也会导致模式执行失败。同样，重复执行WS2，直到WS2执行成功完成。WS2每次失败都会导致WS1和WS2的重新执行一次，直到WS1和WS2都执行成功。那么服务WS2经过k次执行后成功完成(即经过k-1次执行失败后成功)的时间为：k(st1+t2),概率为：
P(X＝k)＝(1-ps2)k-1ps2
那么成功完成时间即数学期望为：
WS1和WS2的成功执行完成的概率分别是ps1和ps2，那么模式成功执行完成概率为ps＝ps1ps2。如果模式为{c,p}，tp＝p。如果模式为{c,c}，tp＝c。
如果序列模式为{c,pr}或{c,cr}，那么WS2经过有限次数重试一定能成功完成，WS1和WS2的成功执行完成时间分别是st1和t2/ps2，所以st＝st1+t2/ps2。类似序列模式为{p,pr}和{p,cr}的证明，to＝t1+t2/ps2，ps＝1。
如果序列模式为{cr,p}或{cr,c}，执行一次该模式，WS1经过有限次重试必定成功完成，WS1的成功执行时间为st1＝t1/ps1(虽然和以上讨论事务性为c的WS1成功执行时间相同，但是原因不同)。WS2执行一次，根据WS2的执行结果，模式或者执行失败或者成功执行完成，时间为t1/ps1+t2。所以在t1/ps1+t2时间内，可以判断模式是否成功执行完成，那么to＝t1/ps1+t2。类似序列模式为{c,p}或{c,c}的证明过程，st＝(st1+t2)/ps2。WS1和WS2的成功执行完成的概率分别是1和ps2，那么，ps＝ps2。如果模式为{cr,p}，tp＝p。如果模式为{cr,c}，tp＝c。
如果序列模式为{cr,pr/cr}，类似序列模式{pr,pr/cr}的说明。
表1序列模式事务性赋值和时间性能分析
二、并行模式时间性能计算方法
并行模式用来定义组合服务中组件服务没有严格的执行顺序、必须同时进行的组合服务。其模式如图2所示。只有所有并行服务都成功执行完成时，这个组合服务才能成功执行完成。如果一些服务成功执行完成，另一些服务执行失败，那么需要利用事务机制对执行失败的服务进行处理。这里，max{x,y}表示x和y两者的最大值。min{x,y}表示x和y两者的最小值。假设在执行并行模式服务时，优先级为从上往下执行。本发明实施例首先考虑两个服务组成的并行模式。
在并行模式中，如果服务WS1的事务性为p，一旦WS1成功执行完成，它产生的影响不能被撤销，因此服务WS2必须确保一定成功执行完成，即WS2包含r的事务性。另一方面，一旦WS1执行失败，WS2必须能提供补偿策略，所以WS2包含c的事务性，那么WS2的事务性只能为cr。
当WS1和WS2同时执行时，由于WS2的事务性为cr，WS2能经过有限次数的调用确保成功执行完成，时间为t2/ps2。WS1执行一次的时间为t1。那么在时间max{t1,t2/ps2}内，并行模式可以确定是否成功执行完成。所以，to＝max{t1,t2/ps2}。WS1的失败会导致WS2被补偿，使得并行模式执行失败，所以重复执行该模式直到成功执行完成。WS1经过k次执行后成功完成的概率为：
P(X＝k)＝(1-ps1)k-1ps1
那么，成功执行时间为：
并行模式的执行成功完成的概率为WS1和WS2执行成功完成概率乘积，而WS2的执行成功完成概率为1，那么，ps＝ps1，tp＝p。
在并行模式中，如果一个服务WS1的事务性为pr，WS1经过有限次数的调用，一定能成功执行完成，而且成功完成后，其影响就不能被撤销。所以另一个服务WS2必须确保成功执行完成，即事务性必须包含r，那么服务WS2的事务性为pr或cr。
在并行模式中，如果模式为{pr,pr}或{pr,cr}，那么，tp＝pr，to＝max{t1/ps1,t2/ps2}，st＝max{t1/ps1,t2/ps2}，ps＝1。
由于WS1和WS2的事务性都包含r，所以它们都能经过有限次重试确保成功执行完成，且执行一次的时间分别为t1/ps1和t2/ps2，而且执行一次的时间就是成功执行完成的时间，成功执行完成的概率都为1。所以在并行模式中，to＝max{t1/ps1,t2/ps2}，st＝max{t1/ps1,t2/ps2}，ps＝1，tp＝pr。
在并行模式中，如果一个服务WS1的事务性为c，那么WS1可能失败。所以另一个服务WS2必须是可补偿的。即WS2的是事务性包含c，那么，WS2的事务性可以为c或cr。
在并行模式中，如果模式为{c,cr}，tp＝c，to＝max{t1,t2/ps2}，st＝max{t1,t2/ps2}/ps1，ps＝ps1。如果并行模式为{c,c}，tp＝c，to＝max{t1,t2}，st＝max{t1,t2}/min{ps1,ps2}，ps＝ps1ps2。
如果并行模式为{c,cr}，证明类似，这里不再重述。如果并行模式为{c,c}，由于WS1和WS2分别执行一次的时间为t1和t2，故to＝max{t1,t2}，由于WS1和WS2都能提供补偿策略，当为某一个服务(该服务执行失败)提供补偿策略后，每次重新执行一次并行模式，实际上两个服务都被补偿了一次。那么补偿次数取决于需要被补偿次数更多的服务，也就是成功执行完成概率更小的服务。故st＝max{t1,t2}/min{ps1,ps2}。WS1和WS2成功执行完成的概率分别为ps1和ps2，故ps＝ps1ps2，tp＝c。
在并行模式中，如果一个服务WS1的事务性为cr，经过有限调用WS1能够确保成功完成。并且，当WS2执行失败，WS1是可补偿的。所以另一个服务的WS2可以是任何事务性的服务。
如果并行模式为{cr,cr}，那么，tp＝cr，to＝max{t1/ps1,t2/ps2}，st＝max{t1/ps1,t2/ps2}，ps＝1。
由于并行模式中服务为对称的，并行模式{cr,p}，{cr,c}和{cr,pr}的公式可以参考上述给出的相应公式，这里不再复述。并行模式{cr,cr}的公式可以参考模式{pr,pr}的证明。
基于两个服务的并行模式的事务性赋值和时间性能分析如表所示。
表2并行模式事务性赋值和时间性能分析
三、选择模式时间性能分析
本发明实施例考虑两种选择模式：一种是用来定义彼此之间相互制约与排斥关系的分支服务，这类分支服务往往根据具体的执行情况从多个分支选择一个分支执行，选择模式只有一个服务可以被执行。所以可以归结为序列模式的讨论。另外一种选择模式为任选其一的选择模式，分支服务是可以替代的，当某个分支执行失败后，选择另外一个分支替代，直到获得成功的分支，或者所有分支都失败，然后进行补偿，如图3所示。本发明实施例主要考虑第二种选择模式的时间性能分析。
假设在执行选择模式服务时，优先级为从上往下执行。首先考虑两个服务组成的选择模式。
在选择模式中，两个服务都赋予相同事务特性的服务，那么模式的事务性为组件服务相应的事务性，to＝(t1+t2)，st＝(t1+t2)/(ps1+ps2-2ps1ps2)，ps＝ps1+ps2-2ps1ps2。
在选择模式中，由于被选择服务都是完成同样功能的服务，所以，为了简单起见，本发明实施例认为选择模式中服务赋予服务的事务性是对等的，也就是说，在选择模式中，服务只能赋予相同事务性的服务才能满足选择模式的物理含义。所以，两个服务赋予相同事务性的服务。在选择模式中，如果组件服务的事务性为p或c，那么如果WS1成功执行完成，时间为t1，如果WS1执行失败，WS2成功执行完成，时间为t1+t2，如果WS1和WS2都失败，并行模式失败，时间为t1+t2。那么在t1+t2，内可以判断并行模式是否成功执行完成，故to＝(t1+t2)。由于选择模式只有一个服务进入事务组合服务中，故不考虑单独服务的ST。第一个服务成功，模式成功，概率为，第一个服务失败，第二个服务成功的概率为(1-ps1)ps2，事务组合服务成功的概率为ps1+(1-ps1)ps2＝ps1+ps2-ps1ps2，TCWS的事务性为p或c。组合服务选择模式的事务性赋值和时间性能分析如表3所示。如在选择模式中，如果组件服务的事务性为pr或cr，模式只需要执行第一个组件服务就可以使得模式成功执行完成，st＝to＝t1/ps1，ps＝1。
表3选择模式事务性赋值和时间性能分析
四、循环模式时间性能分析
组合服务循环模式是用来定义需要重复执行多次的服务，服务执行成功后，要么返回重复执行自己，要么继续往下执行，如图4所示。为了简单，本发明实施例假设循环执行的次数是有限的。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
基于上述四种基本组合模式时间性能，如图5所示，本发明实施例一提供了一种基于事务组合的服务质量性能预测方法。图5示出了本发明实施例一提供的所述基于事务组合的服务质量性能预测方法的流程示意图。本实施例一提供的所述基于事务组合的服务质量性能预测方法通过整合基本组合服务模式来评估复杂结构的组合服务的QoS性能。本实施例中所述的QoS性能通过时间性能来表征。具体的，本实施例提供的所述方法，包括：
步骤101、按照组合服务的工作流顺序遍历所述组合服务，提取所述组合服务中的组件服务。
其中，所述组合服务包括至少一个组件服务。所述组合服务中所包含的组合模式可以有：序列模式，并行模式，选择模式和循环模式中的任意一种或多种。
步骤102、判断所述组件服务是否为原子服务，若是，则计算得出所述原子服务的性能参数，并为所述原子服务赋予对应的事务性；否则，调用设定算法将所述组件服务整合成原子服务，并计算得出所述原子服务性能参数，并为所述原子服务赋予对应的事务性。
其中，原子服务为单个服务，即如图6中的CRS，OP等。图6中HB、FB、VSR和ETB构成的组件服务为复合服务，而非原子服务；可参见图7b，HB、FB、VSR和ETB构成的复合服务TCA3是由HB和FB通过整合后得到的TCA1、以及由VSR和ETB通过整合后得到的TCA2构成。其中，HB和FB为并行模式，VSR和ETB为序列模式。
这里需要说明的是：CRS、OP、HB、FB、VSR和ETB的具体含义在本文的后续内容会提到，此处不进行解释说明。
具体的，本步骤中“调用设定算法将所述组件服务整合成原子服务”可采用如下方法实现：
首先，识别所述组件服务包含的两个以上的组合模式，其中，所述两个以上的组合模式中包含有一个最上层组合模式以及至少一个最下层组合模式，所述最下层组合模式处于所述最上层组合模式之中，作为所述最上层组合模式中的一个组件服务；
然后，将所述最下层组合模式进行整合，得到子原子服务。
最后，将得到的所有子原子服务进行整合，得到所述原子服务。
例如，对于图6中HB、FB、VSR和ETB构成的复合服务来说，可调用设定算法将HB和FB整合成TCA1，VSR和ETB整合成TCA2，再将TCA1和TCA2整合成TCA3。其中，TCA3即为所述复合服务整合成的原子服务。
在具体实施时，所述的原子服务的性能参数包括：原子服务成功执行一次的时间和成功执行概率。其中，所述原子服务的性能参数计算可参见上述内容中各组合模式时间性能分析部分的内容，即序列模式时间性能分析、并列模式时间性能计算方法、选择模式时间性能分析和循环模式时间性能分析。
步骤103、提取所述组合服务中的下一个组件服务，并返回继续判断所述下一个组件服务是否为原子服务，直至所述组合服务中所有组件服务均遍历到为止。
步骤104、根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能。
在具体实施例时，本步骤104可采取如下步骤实现：
首先，根据得出的各原子服务的组合模式，获取对应的计算规则。
其中，组合模式和计算规则(如计算公式)的对应关系，可预先进行存储。当需要调用时，可根据组合模式去查询并调用所述组合模式所对应的计算规则。在具体实施时，各组合模式，如序列模式、并行模式、选择模式和循环模式，所对应的计算规则可参见上述各模式所对应的表得到，此处不再赘述。
然后，根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，采用所述计算规则确定出所述组合服务的服务质量性能。
本实施例提供的技术方案结合了Web服务事务机制对组合服务执行流程的影响，给出了先为组合服务中的各原子服务赋予相应的事务性，然后再根据各原子服务的性能参数和各自被赋予的事务性，确定所述组合服务的服务质量性能的方法。本发明实施例提供的技术方案的预测准确度优于现有未考虑事务机制的预测方法，具有较好的可行性和有效性。
本发明提供的所述方法可称作为TCA(Transactional CompositionAggregation，事务组合聚合)方法。本发明实施例把事务组合服务看作一个仅包含序列模式的事务组合服务(Sequential TCWS，STCWS)，组件服务可能是原子服务和组合服务。如图本发明实施例二提供的TCA方法的步骤如下：
步骤201、遍历组合服务中的第一个组件服务，如果第一个组件服务为一个原子服务，则可根据预设的计算公式，直接获得该服务的成功执行完成时间；如果第一个组件服务为一个复杂的组合服务模式，先把该第一个组件服务整合成一个基本的组合服务模式，仅包括两个原子服务，并获得该模式中原子服务的成功完成时间，一次执行时间和成功完成概率；然后，根据预设的计算公式获得该模式的成功执行时间。
步骤202、遍历组合服务中的第二个组件服务，无论它是原子服务还是复合服务，都获得它的成功完成时间、一次执行时间和成功完成概率。
同样的，本实施例中所述的原子服务
步骤203、整合第一个组件服务和第二个组件服务，并获得两者组合后的成功执行完成时间。
步骤204、重复上述步骤202和步骤203，直到获得所述组合服务的成功执行完成时间。
本发明实施例给出一个算法来实现上述的时间性能分析方法。算法TPA(TimePerformance Analysis)是主算法。它需要调用三个函数：算法TCA(Transactional CWSAggregation)、算法PPA(Parallel Pattern Aggregation)和算法APA(AlternativePattern Aggregation)。对事务组合服务TCWS中所有元素(包括服务，模式和输出)按照从左到右，从上到下的方式编号。我们定义了一些函数(比如：IsAtomicWS，IsAndSplit，IsOutput)，它们返回的值为组合服务的元素(比如：服务，AND-split模式，输出)。例如：函数IsAtomicWS(WF,i)返回的是工作流编号为i的原子服务。算法中TP表示事务组合服务TCWS的事务性，ST表示TCWS的成功执行时间。
TPA为计算包含n个元素的事务组合服务TCWS时间性能分析算法。如果TCWS中第一个原子服务(见下述算法TPA伪代码的第4行到第5行)，通过调用算法TCA可以获得该原子服务的成功完成时间和事务性，并分别赋值给ST和TP(见下述算法TPA伪代码的第6行到第8行)。如果第一个元素是一个模式(并行或选择)，整个该模式并通过调用算法TCA获得该模式的成功完成时间和事务性，并分别赋值给ST和TP(见行10到12)。然后继续考虑中第二个元素(原子服务或模式)，通过调用算法TCA获得它的一次执行时间，事务性和成功完成概率(见下述算法TPA伪代码的第14行到第15行)。然后整合这两个元素，通过预设的第一公式更新变量ST和TP(见下述算法TPA伪代码的第16行)。重复该过程，直到返回整个事务组合服务的成功完成时间和事务性。其中，下述算法TPA伪代码中第16行的所述预设的第一公式可以是上述表1中所示的公式。
算法TPA伪代码如下：
输入：具有n个元素的事务组合服务TCWS
输出：成功完成时间ST和事务性TP
算法TCA用来获得元素(原子服务或模式)的成功完成时间，一次执行时间和成功完成概率，有变量集合{t,tp,ps}保存。如果组合服务的第i个元素为一个AND-split(相应XOR-split)模式(见下述算法TCA伪代码中第1行到第3行，相应第4行到第6行)，通过调用算法PPA(相应APA)，整合并行模式(相应选择模式)AND-split(相应XOR-split)到AND-join(相应XOR-join)之间的，并获得相应参数。如果第i个元素为一个序列模式，且在并行或选择模式中(见下述算法TCA伪代码中第7行)，可以递归地调用算法TCA整合该序列模式，过程为：根据暂存变量集合{t0,tp0,ps0}更新变量集合{t,tp,ps}(见下述算法TCA伪代码中第9行到第14行)。否则第i个元素是一个原子服务(见下述算法TCA伪代码中第7行)，然后根据该原子服务的成功完成时间，一次执行时间和成功完成概率更新变量集合{t,tp,ps}(见下述算法TCA伪代码中第18行到第20行)。最后，返回变量集合{t,tp,ps}。下述算法TCA伪代码中第14行的所述预设的第一公式可以是上述表1中所示的公式。
算法TCA伪代码如下：
输入：TCWS,i,tp,t,ps
输出：tp,t,ps
算法PPA是用来从上往下整合并行模式。首先，通过调用算法TCA整合并行模式第一个分，获得一次执行时间，事务性和成功完成概率，并分别赋值给t，tp和ps(见下述算法PPA伪代码中的第1行)。然后考虑下一个分支(见下述算法PPA伪代码中的第3行)。同样，获得一次执行时间，事务性和成功完成概率，并分别赋值给t0，tp0和ps0(见下述算法PPA伪代码中的行7)。然后整合两个分支，并更新变量t，tp和ps。当考虑到并行模式最后一个分支时，如果模式是事务组合服务的第一个元素，获得模式的成功完成时间和事务性。如果不是第一个元素，获得模式的一次执行时间，事务性和成功完成概率，并分别赋值给t，tp和ps(见下述算法PPA伪代码中第8行到第9行)。最后，返回t，tp和ps。下述算法PPA伪代码中第9行和第10行的所述预设的第二公式可以是上述表2中所示的公式。
算法PPA伪代码如下：
输入：TCWS,i,t,tp,ps
输出：tp,t,ps
算法PPA伪代码如下：
Algorithm APA(Alternative Pattern Aggregation)
Input:TCWS,i,t,tp,ps
Output:tp,t,ps
上述算法PPA伪代码中第9行和第10行的所述预设的第三公式可以是上述表3中所示的公式。
算法APA是用来从上往下整合选择模式。首先，通过调用算法TCA整合选择模式第一个分，获得一次执行时间，事务性和成功完成概率，并分别赋值给t，tp和ps。然后我们考虑下一个分支。同样，获得一次执行时间，事务性和成功完成概率，并分别赋值给t0，tp0和ps0。然后整合两个分支，并更新变量t，tp和ps。当我们考虑到选择模式的最后一个分支时，如果模式是事务组合服务的第一个元素，获得模式的成功完成时间和事务性。如果不是第一个元素，获得模式的一次执行时间，事务性和成功完成概率，并分别赋值给t，tp和ps。最后，返回t，tp和ps。
下面给出一个实例来说明算法进行时间性能分析的过程。它为一个在线旅行安排组合服务，用户给出他的详细安排要求，包括一个并行的模式：酒店预订(hotel booking,HB)，飞机预订(flight booking,FB)和景点预订(view spot booking,VSB)，景点预订包括一个序列结构：景点查询(view spot request,VSR)和门票预订(entrance ticketbooking,ETB)，然后经由一个序列结构在线支付(online payment,OP)。最后，有一个TDFE和TDU快递选择结构，组合服务如下图6所示。
假设事务组合服务中组件服务的事务性、执行一次的时间、成功执行概率如下表所示。根据时间性能分析算法，把事务的组合服务进行整合，也就是从左到右，从上往下进行整个事务的组合服务时间性能分析时，对组合服务每种结构进行整合以化简我们的复杂组合服务。
组件服务参数
时间性能分析过程：
第一步，如图7a，在事务组合服务中，CRS处于一个序列模式中，为第一个元素，且为原子服务。计算成功完成时间为st1＝t1/ps1＝0.3/0.7＝0.429。第二个元素为并行模式，那么先整合并行模式。递归调用TCA算法，把并行模式中包含的{c,c}并行模式和{cr,c}序列模式分别整合成TCA1和TCA2，由表2规则(Rule)16，TCA1执行一次时间为toTCA1＝max{t2,t3}＝max{0.2,0.6}＝0.6，成功执行概率psTCA1＝ps2ps3＝0.6×0.8＝0.48，事务性tpTCA1＝c。由表1规则(Rule)10，TCA2执行一次时间为toTCA2＝st4+t5＝t4/ps4+t5＝0.1/0.6+0.2＝0.367，成功执行概率psTCA2＝ps5＝0.8，事务性tpTCA1＝c。整合过程见图7a。
第二步，如图7b，对TCA1和TCA2进行整合成TCA3，它们是一个{c,c}的并行模式，根据表2规则(Rule)16，TCA3执行一次时间为toTCA3＝max{toTCA1,toTCA2}＝max{0.6,0.367}＝0.6，成功执行概率psTCA3＝PsTCA1PsTCA2＝0.48×0.8＝0.384，事务性tpTCA3＝c。整合过程见图7b。
第三步，如图7c，再对CRS和TCA3进行整合成TCA4，它们是一个{cr,c}序列模式，而且为事务组合服务的前两个元素，由表1规则(Rule)10，TCA4成功执行时间为stTCA4＝(st1+toTCA3)/psTCA3＝(0.429+0.6)/0.384＝2.680，事务性tpTCA4＝c。整合过程见图7c。
第四步，如图7d，对TCA4和OP进行整合成TCA5，它们是一个{c,c}序列模式，由表1规则(Rule)6，TCA5成功执行时间为stTCA5＝(stTCA4+t6)/ps6＝(2.68+0.7)/0.5＝6.76，事务性tpTCA5＝c。整合过程见图7d。
第五步，如图7e，由于第二个元素为选择模式，首先对选择模式进行整合成TCA6，它是一个{c,c}选择模式，利用表3规则(Rule)23，TCA6执行一次时间为toTCA6＝t7+t8＝0.3+0.4＝0.7，成功执行概率psTCA6＝ps7+ps8-2ps7ps8＝0.7+0.6–0.7×0.6＝0.88，事务性tpTCA6＝c。整合过程见图7e。
第六步，如图7f，最后对TCA5和TCA6进行整合，它们是一个{c,c}序列模式，利用表1规则(Rule)6，整合成TCA7，TCA7成功执行时间为stTCA7＝(stTCA5+toTCA6)/psTCA6＝(6.76+0.7)/0.88＝8.477，事务性tpTCA7＝c。整合过程见图7f。最后获得图中事务组合服务的时间性能为8.477秒。
需要说明的是：对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
如图8所示，本发明实施例三提供的基于事务组合的服务质量性能预测装置的结构示意图。本实施例提供的所述装置可实现上述各实施例提供的所述方法。本实施例提供的基于事务组合的服务质量性能预测装置，包括：
提取模块1，用于按照组合服务的工作流顺序遍历所述组合服务，提取所述组合服务中的组件服务；
处理模块2，用于判断所述组件服务是否为原子服务，若是，则计算得出所述原子服务的性能参数，并为所述原子服务赋予对应的事务性；否则，调用设定算法将所述组件服务整合成原子服务，并计算得出所述原子服务性能参数，并为所述原子服务赋予对应的事务性；
所述提取模块1，还用于提取所述组合服务中的下一个组件服务，并返回继续判断所述下一个组件服务是否为原子服务，直至所述组合服务中所有组件服务均遍历到为止；
确定模块3，用于根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能。
本实施例提供的技术方案结合了Web服务事务机制对组合服务执行流程的影响，给出了先为组合服务中的各原子服务赋予相应的事务性，然后再根据各原子服务的性能参数和各自被赋予的事务性，确定所述组合服务的服务质量性能的方法。本发明实施例提供的技术方案的预测准确度优于现有未考虑事务机制的预测方法，具有较好的可行性和有效性。
其中，上述实施例中的性能参数可包括：原子服务成功执行一次的时间和成功执行概率。
进一步的，上述实施例中的处理模块，可具体用于：
识别所述组件服务包含的两个以上的组合模式，其中，所述两个以上的组合模式中包含有一个最上层组合模式以及至少一个最下层组合模式，所述最下层组合模式处于所述最上层组合模式之中，作为所述最上层组合模式中的一个组件服务；
将所述最下层组合模式进行整合，得到子原子服务；
将得到的所有子原子服务进行整合，得到所述原子服务。
进一步的，上述实施例的确定模块可采用如下结构实现。具体的，所述确定模块包括：获取单元和确定单元，其中，所述获取单元，用于根据得出的各原子服务的组合模式，获取对应的计算规则。所述确定单元，用于根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，采用所述计算规则确定出所述组合服务的服务质量性能。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及交换机中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于事务组合的服务质量性能预测方法，其特征在于，包括：
按照组合服务的工作流顺序遍历所述组合服务，提取所述组合服务中的组件服务；
判断所述组件服务是否为原子服务，若是，则计算得出所述原子服务的性能参数，并为所述原子服务赋予对应的事务性；否则，调用设定算法将所述组件服务整合成原子服务，并计算得出所述原子服务性能参数，并为所述原子服务赋予对应的事务性；
提取所述组合服务中的下一个组件服务，并返回继续判断所述下一个组件服务是否为原子服务，直至所述组合服务中所有组件服务均遍历到为止；
根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能。
2.根据权利要求1所述的方法，其特征在于，所述性能参数包括：原子服务成功执行一次的时间和成功执行概率。
3.根据权利要求1或2所述的方法，其特征在于，所述调用设定算法将所述组件服务整合成原子服务，包括：
识别所述组件服务包含的两个以上的组合模式，其中，所述两个以上的组合模式中包含有一个最上层组合模式以及至少一个最下层组合模式，所述最下层组合模式处于所述最上层组合模式之中，作为所述最上层组合模式中的一个组件服务；
将所述最下层组合模式进行整合，得到子原子服务；
将得到的所有子原子服务进行整合，得到所述原子服务。
4.根据权利要求1或2所述的方法，其特征在于，所述根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能，包括：
根据得出的各原子服务的组合模式，获取对应的计算规则；
根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，采用所述计算规则确定出所述组合服务的服务质量性能。
5.一种基于事务组合的服务质量性能预测装置，其特征在于，包括：
提取模块，用于按照组合服务的工作流顺序遍历所述组合服务，提取所述组合服务中的组件服务；
处理模块，用于判断所述组件服务是否为原子服务，若是，则计算得出所述原子服务的性能参数，并为所述原子服务赋予对应的事务性；否则，调用设定算法将所述组件服务整合成原子服务，并计算得出所述原子服务性能参数，并为所述原子服务赋予对应的事务性；
所述提取模块，还用于提取所述组合服务中的下一个组件服务，并返回继续判断所述下一个组件服务是否为原子服务，直至所述组合服务中所有组件服务均遍历到为止；
确定模块，用于根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，确定所述组合服务的服务质量性能。
6.根据权利要求5所述的装置，其特征在于，所述性能参数包括：原子服务成功执行一次的时间和成功执行概率。
7.根据权利要求5或6所述的装置，其特征在于，所述处理模块，具体用于：
识别所述组件服务包含的两个以上的组合模式，其中，所述两个以上的组合模式中包含有一个最上层组合模式以及至少一个最下层组合模式，所述最下层组合模式处于所述最上层组合模式之中，作为所述最上层组合模式中的一个组件服务；
将所述最下层组合模式进行整合，得到子原子服务；
将得到的所有子原子服务进行整合，得到所述原子服务。
8.根据权利要求5或6所述的装置，其特征在于，所述确定模块，包括：
获取单元，用于根据得出的各原子服务的组合模式，获取对应的计算规则；
确定单元，用于根据计算得出的各原子服务的性能参数以及各自被赋予的事务性，采用所述计算规则确定出所述组合服务的服务质量性能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611189934.XA CN106411623A (zh) | 2016-12-21 | 2016-12-21 | 基于事务组合的服务质量性能预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611189934.XA CN106411623A (zh) | 2016-12-21 | 2016-12-21 | 基于事务组合的服务质量性能预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106411623A true CN106411623A (zh) | 2017-02-15 |
Family
ID=58087918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611189934.XA Pending CN106411623A (zh) | 2016-12-21 | 2016-12-21 | 基于事务组合的服务质量性能预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106411623A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201995A (zh) * | 2011-06-03 | 2011-09-28 | 北京邮电大学 | 实现网络载荷优化的组合服务系统和方法 |
| CN103268523A (zh) * | 2013-05-28 | 2013-08-28 | 北京邮电大学 | 一种实现多个性能指标要求同时满足的服务组合方法 |
| CN106201706A (zh) * | 2015-04-30 | 2016-12-07 | 北大方正集团有限公司 | 一种粒子群服务选择方法和系统 |
-
2016
- 2016-12-21 CN CN201611189934.XA patent/CN106411623A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201995A (zh) * | 2011-06-03 | 2011-09-28 | 北京邮电大学 | 实现网络载荷优化的组合服务系统和方法 |
| CN103268523A (zh) * | 2013-05-28 | 2013-08-28 | 北京邮电大学 | 一种实现多个性能指标要求同时满足的服务组合方法 |
| CN106201706A (zh) * | 2015-04-30 | 2016-12-07 | 北大方正集团有限公司 | 一种粒子群服务选择方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 梅晓勇等: ""基于失败恢复策略的Web组合事务QoS估算"", 《计算机研究与发展》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Athanassopoulos et al. | A comparison of data envelopment analysis and artificial neural networks as tools for assessing the efficiency of decision making units | |
| US9892364B2 (en) | Method for virtualization of a brain-like computing system | |
| Fanti et al. | A three-level strategy for the design and performance evaluation of hospital departments | |
| CN110290021B (zh) | 基于动态规划算法的跨链共识时延优化方法 | |
| DE19717716A1 (de) | Verfahren zur automatischen Diagnose technischer Systeme unter Berücksichtigung eines effizienten Wissenserwerbs und einer effizienten Bearbeitung zur Laufzeit | |
| CN109144683A (zh) | 任务处理方法、装置、系统及电子设备 | |
| CN115081936B (zh) | 面向应急条件下多遥感卫星观测任务调度的方法和装置 | |
| CN109767128A (zh) | 基于机器学习的成像卫星自主任务规划方法 | |
| CN108108878A (zh) | 基于目标的可配置工作流事务模型及其动态验证方法 | |
| CN110288324A (zh) | 一种业务代码的生成、执行方法及装置 | |
| CN109583862A (zh) | 一种基于区块链技术的点对点互联网公益管理方法及装置 | |
| Dillon et al. | Optimal use of budget reserves to minimize technical and management failure risks during complex project development | |
| Navasa et al. | Aspect modelling at architecture design | |
| CN109656692A (zh) | 一种大数据任务管理方法、装置、设备及存储介质 | |
| CN110147388A (zh) | 一种数据处理的方法及装置 | |
| CN106961467A (zh) | 基于事务和QoS组合的服务质量性能预测方法及装置 | |
| Sampathkumaran | Computing the cost of business processes | |
| CN106411623A (zh) | 基于事务组合的服务质量性能预测方法及装置 | |
| CN106682873A (zh) | 基于目标的工作流事务模型及其验证方法 | |
| Acu et al. | Compensation in workflow nets | |
| Petar et al. | Organizational design based on simulation modeling | |
| CN109657865A (zh) | 一种资金池账户透支额度预测方法及装置 | |
| CN106790536A (zh) | 基于事务和QoS的组合Web服务选择方法 | |
| Shen et al. | Quality-driven self-adaptation: Bridging the gap between requirements and runtime architecture by design decision | |
| CN113077263A (zh) | 交易控制方法及装置、计算机设备及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |
|
| RJ01 | Rejection of invention patent application after publication |