CN109167833A - 一种基于图的可扩展QoS感知组合方法 - Google Patents

Abstract

本发明公开了一种基于图的可扩展QoS感知组合方法，属于Web服务领域中的Web服务组合技术。该方法在WSCBA算法基础上，提出了基于图的可扩展QoS感知的服务组合（SQACG）方法。SQACG方法根据用户需求采用可伸缩的方式在构造解决方案时裁剪节点，不关注最终的服务组合解决方案的最优性，而是在计算速度和组合服务QoS最优性之间进行权衡，本发明将非功能属性QoS参数考虑其中，并且改进服务依赖图的生成算法，牺牲最终结果的最优性换取空间性能和时间性能，同时具有很好的扩展性，这使得用户可以根据需求在执行速度和服务质量之间调整解决方案体现了本算法良好的扩展性。

Description

一种基于图的可扩展QoS感知组合方法

技术领域

本发明涉及一种基于图的可扩展QoS感知组合方法，属于Web服务领域中 的Web服务组合技术领域。

背景技术

随着Web服务的发展和用户需求的不断提高，Web服务的非功能性属性也 扮演着重要角色，在现今的应用前景下，单一的功能属性的组合已经无法满足需 求，需要将研究扩展到多非功能属性QoS参数。因此近年来对服务组合的研究 有一部分集中到了非功能属性的组合问题上。

服务组合的主要目标是在考虑功能性属性和非功能性属性的情况下在最短 时间内计算最优服务组合方案。基于人工智能规划的解决方案在大型服务存储库 中并没有很强的可伸缩性。基于依赖图构建和搜索的方法也被证明是不可伸缩 的，因为它们构造和搜索的依赖图非常大且复杂。因此需要一种可以在不同场景 下具有伸缩性的算法，可以按照需求保证执行速度或组合方案的最优性。

发明内容

发明目的：针对现有技术中存在的问题，本发明在WSCBA算法基础上，提 出了基于图的可扩展QoS感知的服务组合方法(SQACG)。SQACG方法根据 用户需求采用可伸缩的方式在构造解决方案时裁剪节点，不关注最终的服务组合 解决方案的最优性，而是在计算速度和组合服务QoS最优性之间进行权衡，这 使得用户可以根据需求在执行速度和服务质量之间调整解决方案体现了本发明 良好的扩展性。

技术方案：一种基于图的可扩展QoS感知组合方法，包含以下步骤：

步骤一：生成Web服务依赖图D，加入虚拟节点dummy service，根据Web 服务输入参数S_in和Web服务输出参数S_out从正方向进行一次BFS(广度优先搜索) 删除部分无用服务，再从反方向进行一次BFS再次删除无用服务，最终生成依 赖子图H；

步骤二：令组合路径节点Nas和Nae分别包含H中起始节点和终止节点；

步骤三：从Nae开始反向构造组合路径P，搜索当前节点在依赖子图H中 的邻域，找出所有邻居节点并对它们进行裁剪，最后剩下的邻居节点集合组成P 的下一个节点；

步骤四：重复步骤三中操作直到遇到节点Nas。

进一步的，在所述步骤三中，通常的做法是在依赖子图H上构造一个带有 单起点节点和单端节点的加权有向无环辅助图，但是辅助图结构较为复杂，因此 我们尽量避免在可能出现的辅助图中探索多余路径。在算法中，我们既不构建显 式辅助图，也不耗费内存去存储它，而是直接在辅助图的路径P上动态构建服务 路径。在每一层的子图上做出使得构建组合服务时间最短的本地局部最佳服务路 径选择，从而避免花费大量时间寻找全局最优选择。

进一步的，为了体现算法的良好扩展性，我们将SQACG算法和具体的QoS 参数分别结合，迭代地构建基于子图每一层的局部解决路径。

进一步的，在参数选择中，我们考虑单个QoS参数并使用响应时间的路径 构造算法时，其步骤如下：考虑P中的最后一个构造节点Nae，它对应于依赖子 图H中的一组节点{Nh₁,Nh₂,…Nh_m}。考虑N∈{Nh₁,Nh₂,…Nh_m}，N包含一个 服务，它接受一组输入{i₁,i₂,…，i_n}。同样的，考虑在依赖子图H中节点N的邻 居节点N₁,N₂,…N_k。在本算法中，对每个服务输入i_j，j∈{1,2…n}，选择一个 节点N_j∈{N₁,N₂，…，N_k}，N_j给出了最短的响应时间。在这个步骤中选择的 N的邻居节点的响应时间是给N提供输入参数i_j的所有邻居中最短的。对于N的所有输入参数都选择一个这样的邻居节点，最后就选择了一组依赖子图H中 的响应时间最短的邻居节点。对每个节点N∈{Nh₁,Nh₂,…Nh_m}在搜索过后都可 以得到一个邻居节点集合，然后将所有这些集合组合起来得到一个最终集。这个 最终集再经过裁剪后就成为了路径P中的下一个节点，即P中的下一个节点由 最终集中的节点提供的服务组成。裁剪的具体方案如下：如果辅助图中节点N_i中的服务集是另外一个节点N_j中服务集的真子集，则节点N_i可以代替节点N_j。 此方案在辅助图中选择某个复合节点的邻居节点时可以减少复合节点的数量。当 在P中搜索节点N₁的所有邻居时，如果N₁的一个邻居为N₁的其他邻居真子集， 我们就会舍弃此类邻居节点。

进一步的，在参数选择中，我们考虑单个QoS参数并使用吞吐量的路径构 造算法时，其步骤如下：选择服务组合路径P下一个节点的依据是吞吐量。算法 与使用响应时间的构造方法相同。

进一步的，在参数选择中，我们虑单个QoS参数并使用服务数量的路径构 造算法时，其步骤如下：考虑辅助图A中最后一个构造的节点Nae，则可以通过 依赖子图H生成从Nae开始的所有节点。本算法选择最小服务数量的节点作为 辅助图路径P的下一个节点。

进一步的，为了研究算法在多QoS参数要求下，组合消耗时间是否会明显 提升，我们采用时间、服务数量、吞吐量三个参数作为组合条件，与上述单个 QoS参数的实验形成对照组。考虑多个QoS参数算法时，其步骤如下：考虑辅 助图中最后一个构建节点Nae(即组合路径终止节点)，我们分别应用上述三种 基于单个QoS参数的算法。当前节点的下一个节点是通过多数投票产生的。如 果三种方法中的两种给出相同的节点，那么该节点将被选择为下一个节点。如果 三种方法给出了三个不同的节点N₁、N₂、N₃，则选N₁、N₂、N₃中(QoSValueResponseTime+QoSValueNumberOfServices-QoSValueThroughput)最小 的一个。构造这个表达式是因为想要最小化前两个参数并最大化第三个参数。QoSValueResponseTime代表QoS响应时间，QoSValueNumberOfServices代表QoS 服务数量，QoSValueThroughput代表QoS吞吐量。

本发明根据用户需求采用可伸缩的方式在构造解决方案时裁剪节点，不关注 最终的服务组合解决方案的最优性，而是在计算速度和组合服务QoS最优性之 间进行权衡，这使得用户可以根据需求在执行速度和服务质量之间调整解决方案 体现了本算法良好的扩展性。

与现有技术相比，本发明的优点在于：提出了一种可以在不同场景下具有伸 缩性的算法，可以按照需求保证执行速度或组合方案的最优性。通过QoS动态 构造路径，避免在辅助图中探索多余路径。在算法中，我们既不探究、构建显式 辅助图，也不耗费内存去存储它，而是直接在辅助图的路径P上进行动态构建服 务路径。该方法的主要思想是在每一层的子图上做出本地局部最佳选择，从而避 免花费大量时间寻找全局最优选择。

附图说明

图1是Web服务组合路径图；

图2是SQACG算法流程图；

图3是服务数量对比实验图；

图4是响应时间对比实验图；

图5是组合消耗时间对比实验图。

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。

本次实验采用java编程语言和eclipse mars平台，其中具体PC配置为CPU-i52500，DDR3-8G，SATA6-1TB，OperatingSystem-Win7。针对2008年Web service challenge(wsc-2008)提出的8个公共存储库，对算法进行了评估。

实验思路如下：

实验将对数据集提供的服务描述文件Service.wsdl和服务质量描述文件Servicelevelagreements.wsla解析得到服务描述信息以及服务QoS信息。服务集同 时提供了Challenge.wsdl文件，此文件是设计好的请求文件，包含着特定的服务 请求参数。同时，我们可以得到目前最佳的各项组合指标值，下面的实验结果中 将加入这些最佳值。算法将模拟真实环境，将服务信息解析，按照请求文件需求 将服务组合并记录各项数据指标。

基于图的可扩展QoS感知组合方法，包含以下步骤：首先，遍历服务库生 成服务依赖图D，并将虚拟节点加入；其次，根据需求利用两次BFS算法除去 无用服务，生成依赖子图H；然后，令组合路径节点Nas和Nae分别包含H中 起始节点和终止节点，从Nae开始反向构造组合路径P，搜索当前节点在依赖子 图H中的邻域，找出所有邻居节点并对它们进行裁剪，最后剩下的邻居节点集 合组成P的下一个节点，重复该操作直到遇到节点Nas。

1、Web服务组合路径

对表1中的服务，考虑查询请求Ri＝{i₁,i₂,i₃}，目的是获取Ro＝{i₁₂,i₁₃}作为响应。则我们可以得到一个可能的解决方案(不一定是最优的，取决于用户判定标 准)Q:{S1,S4,[S6||S7]}。其中[S6||S7]表示其是一个复合服务，需要S6和S7共同 接受输入参数产生输出参数。为了描述方便加入Nas和Nae表示起始和终止节 点，Nas和Nae都是虚拟节点。最后的Web服务组合路径图记做P，可以将路径 P看做辅助图的一部分，表示为图1中的web服务组合路径图。图中的每个节点 都称为复合节点记为N_i，因为每个节点都包含一个或者一组Web服务。

表1Web服务信息表

服务名称	输入	输出	响应时间(ms)
				S1	{i<sub>1</sub>}	{i<sub>4</sub>,i<sub>5</sub>}	100
S2	{i<sub>2</sub>}	{i<sub>6</sub>}	150
				S3	{i<sub>3</sub>}	{i<sub>7</sub>}	100
S4	{i<sub>4</sub>}	{i<sub>8</sub>,i<sub>9</sub>}	250
				S5	{i<sub>5</sub>,i<sub>6</sub>,i<sub>7</sub>}	{i<sub>9</sub>,i<sub>10</sub>,i<sub>11</sub>}	200
S6	{i<sub>8</sub>,i<sub>9</sub>}	{i<sub>12</sub>}	500
				S7	{i<sub>9</sub>}	{i<sub>13</sub>}	400
S8	{i<sub>10</sub>}	{i<sub>12</sub>}	450
				S9	{i<sub>11</sub>}	{i<sub>13</sub>}	550

2、裁剪复合节点

复合节点含有较多的子服务，因此生成、搜索都将十分消耗时间资源，因此 很有必要裁剪复合节点的数量，下面给出一个方案。

如果辅助图中节点N_i中的服务集是另外一个节点N_j中服务集的真子集，则 节点N_i可以代替节点N_j。此方案在辅助图中选择某个复合节点的邻居节点时可 以减少复合节点的数量。当在P中搜索节点N₁的所有邻居时，如果N₁的一个邻 居为N₁的其他邻居真子集，我们就会舍弃前者。在图3-5中，包含{S6,S7}的节 点有两个邻居(后向搜索)，分别包含{S4}和{S4,S5}。由于包含{S4,S5}的节点 包含{S4}的节点，则可以丢弃包含{S4,S5}的节点。

SQACG方法的思路是根据不同需求，通过QoS动态构造路径，避免在辅助 图中探索多余路径。在方法中，我们既不探究、构建显式辅助图，也不耗费内存 去存储它，而是直接在辅助图的路径P上进行动态构建服务路径。该方法的主要 思想是在每一层的子图上做出本地局部最佳选择，从而避免花费大量时间寻找全 局最优选择。

接下来将非功能属性QoS参数考虑其中，并且改进服务依赖图的生成算法， 体现出了良好的扩展性。

(1)考虑单个QoS参数

●使用响应时间的路径构造

考虑P中的最后一个构造节点Nae，它对应于依赖子图H中的一组节点 {Nh₁,Nh₂,…Nh_m}。考虑N∈{Nh₁,Nh₂,…Nh_m}，N包含一个服务，它接受一组输 入{i₁,i₂,…，i_n}。同样的，考虑在依赖子图H中节点N的邻居节点N₁,N₂,…N_k。 在本算法中，对每个i_j，j∈{1,2…n}，选择一个节点Nj∈{N₁,N₂，…，N_k}， N_j给出了最好的响应时间。在这个步骤中选择的N的邻居节点的响应时间是给 N提供输入参数i_j的所有邻居中最好的。对于N的所有输入参数都选择一个这样 响应时间最短的邻居节点，最后就选择了一组依赖子图H中的节点。对每个节点N∈{Nh₁,Nh₂,…Nh_m}在搜索过后都可以得到一个集合，然后将所有这些集合 组合起来得到一个最终集。这个最终集再经过裁剪后就成为了P中的下一个节 点，即P中的下一个节点由最终集中的节点提供的服务组成。

●使用吞吐量的路径构建

在此算法中，选择服务组合路径P下一个节点的依据是吞吐量。算法与使用 响应时间的构造方法相同。

●使用服务数量的路径构建

考虑辅助图A中最后一个构造的节点Nae，则可以通过依赖子图H生成从 Na开始的所有节点。本算法选择最小服务数量的节点作为辅助图路径P的下一 个节点。

考虑单个QoS参数时，执行上述三种算法中的一种即可，迭代地构建基于 子图每一层的局部最优的解决路径。考虑到子图包含所有有效解决路径，解决路 径的数量与子图的直径成正比，这会导致解决路径数量呈现爆炸式增长，运用本 方法可有效地减少节点数量。然而构造的解决路径可能不是最优的，因为在搜索 每一层的过程中都做出了局部最优选择。

(2)考虑多个QoS参数。

考虑辅助图中最后一个构建节点Nae，我们分别应用上述三种算法。当前节 点的下一个节点是通过多数投票产生的。如果三种方法中的两种给出相同的节 点，那么该节点将被选择为下一个节点。如果三种方法给出了三个不同的节点 N₁、N₂、N₃，则选N₁、N₂、N₃中(QoSValueResponseTime+QoSValueNumberOfServices-QoSValueThroughput)最小 的一个。构造这个表达式是因为我们想要最小化前两个参数并最大化第三个参 数。

下面给出SQACG方法的伪代码实现：

下面结合附图对实施例进行性能分析：

实验部分主要从四个对比实验分析算法的改进效果，比较因素分别为：参与 组合的服务数量、组合服务响应时间、生成组合消耗时间和多QoS参数要求。

如图3所示，在八个数据集下，WSCBA算法和SQACG方法都与数据集最 好的组合情况存在较小的差距。SQACG方法在参与组合服务数量指标上表现不 如WSCBA算法但是差距很小，这可以从算法的执行步骤分析出原因：WSCBA 算法不仅进行了等价服务的检测和删除，而且在执行A*搜索的过程中对等效节 点进行检测删除，主要目标就是最小化参与组合服务数量，因此存在一定优势； SQACG方法虽然做了裁剪复合节点，但是在QoS属性为ResponseTime时，冗 余处理没有WSCBA算法那样严格。因此在冗余服务处理方面，SQACG方法稍 弱于WSCBA算法。

在实验二中，组合服务响应时间不仅体现冗余服务的数量，还体现着组合服 务选用的原子服务的质量。如图4所示，在较小数据规模的情况下，WSCBA算 法和SQACG方法与组合服务最佳情况差距几乎很小；在大数据规模的情况下， SQACG方法相比WSCBA算法有着比较明显的优势。结合实验一可以得出结论： SQACG方法在原子服务的选择上比WSCBA算法更具有优势，在组合服务响应 时间上也优于WSCBA算法。

结合实验三的结果图5可以看出，在所有的数据集测试结果下SQACG方法 相比WSCBA算法有明显的优势，在大数据规模的情况下表现地更加明显。这正 是SQACG方法的优势：此算法从每一步节点的组合选择的都是局部最优节点， 避免构造辅助图，减少了节点遍历时间；同时裁减复合节点的策略也降低了图的 复杂度。因此，在生成组合服务消耗时间方面，SQACG方法比WSCBA算法有 明显的优势。

在前面的对比实验中，都只采用了唯一的QoS参数(ResponseTime)作为组合 服务的请求参数，这是KBG算法和WSCBA算法的本身局限性导致的。实验将 使用响应时间、服务数量、吞吐量三个参数作为组合条件。括号内数据为只用 ResponseTime参数作为请求参数时WSCBA算法执行数据，括号外数据是 SQACG方法使用三个参数时的执行数据。结果如表2所示。

表2多QoS参数要求下的执行结果对比

通过对比括号内数据可以发现WSCBA算法在多QoS参数要求下，组合消 耗时间并没有提高过多，控制在了1.5倍以内；在服务数量上表现好于WSCBA 算法，这是因为算法执行时将服务数量加入了考虑；在响应时间方面表现也好于 WSCBA算法，也得益于SQACG方法的扩展性，同时考虑多个QoS参数的最优 性。可以看出，SQACG方法在多QoS参数要求下表现很好，有很好的扩展性。

由上述性能分析可见，本发明方法具有良好的效果，SQACG方法将非功能 属性QoS参数考虑其中，并且改进服务依赖图的生成算法，在组合生成时间方 面远远优于WSCBA算法，在多QoS参数要求下表现优异。

Claims (7)

1.一种基于图的可扩展QoS感知组合方法，其特征在于，包含以下步骤：

步骤一：生成Web服务依赖图D，加入虚拟节点，根据Web服务输入参数S_in和Web服务输出参数S_out从正方向进行一次BFS删除部分无用服务，再从反方向进行一次BFS再次删除无用服务，最终生成依赖子图H；

步骤二：令组合路径节点Nas和Nae分别包含H中起始节点和终止节点；

步骤三：从Nae开始反向构造组合路径P，搜索当前节点在依赖子图H中的邻域，找出所有邻居节点并对它们进行裁剪，最后剩下的邻居节点集合组成P的下一个节点；

步骤四：重复步骤三中操作直到遇到节点Nas。

2.如权利要求1所述的基于图的可扩展QoS感知组合方法，其特征在于，在所述步骤三中，在路径P上动态构建服务路径，在每一层的子图上做出使得构建组合服务时间最短的本地局部最佳服务路径选择。

3.如权利要求1所述的基于图的可扩展QoS感知组合方法，其特征在于，在参数选择中，考虑单个QoS参数并使用响应时间的路径构造算法时，其步骤如下：考虑P中的最后一个构造节点Nae，它对应于依赖子图H中的一组节点{Nh₁,Nh₂,… Nh_m}；考虑N∈{Nh₁,Nh₂,…Nh_m}，N包含一个服务，它接受一组输入{i₁,i₂,…，i_n}；同样的，考虑在依赖子图H中节点N的邻居节点N₁,N₂,… N_k；对每个服务输入i_j，j∈{1,2 … n}，选择一个节点N_j∈{N₁,N₂，… ，N_k}，N_j给出了最短的响应时间；选择的N的邻居节点的响应时间是给N提供输入参数i_j的所有邻居中最短的，对于N的所有输入参数都选择一个这样的邻居节点，最后就选择了一组依赖子图H中的响应时间最短的邻居节点，对每个节点N∈{Nh₁,Nh₂,… Nh_m}在搜索过后都可以得到一个邻居节点集合，然后将所有这些集合组合起来得到一个最终集，这个最终集再经过裁剪后就成为了路径P中的下一个节点，即P中的下一个节点由最终集中的节点提供的服务组成。

4.如权利要求3所述的基于图的可扩展QoS感知组合方法，其特征在于，裁剪的具体方案如下：如果辅助图中节点N_i中的服务集是另外一个节点N_j中服务集的真子集，则节点N_i可以代替节点N_j，在辅助图中选择某个复合节点的邻居节点时可以减少复合节点的数量；当在P中搜索节点N₁的所有邻居时，如果N₁的一个邻居为N₁的其他邻居真子集，舍弃此类邻居节点。

5.如权利要求3所述的基于图的可扩展QoS感知组合方法，其特征在于，在参数选择中，考虑单个QoS参数并使用吞吐量的路径构造算法时，其步骤如下：选择服务组合路径P下一个节点的依据是吞吐量，算法与使用响应时间的构造方法相同。

6.如权利要求3所述的基于图的可扩展QoS感知组合方法，其特征在于，在参数选择中，考虑单个QoS参数并使用服务数量的路径构造算法时，其步骤如下：考虑辅助图A中最后一个构造的节点Nae，则通过依赖子图H生成从Nae开始的所有节点，本算法选择最小服务数量的节点作为辅助图路径P的下一个节点。

7.如权利要求3所述的基于图的可扩展QoS感知组合方法，其特征在于，考虑多个QoS参数算法时，其步骤如下：辅助图中最后一个构建节点Nae，分别应用三种基于单个QoS参数的算法；当前节点的下一个节点是通过多数投票产生的，如果三种方法中的两种给出相同的节点，那么该节点将被选择为下一个节点，如果三种方法给出了三个不同的节点N₁、N₂、N₃，则选N₁、N₂、N₃中(QoSValueResponseTime+QoSValueNumberOfServices−QoSValueThroughput)最小的一个， QoSValueResponseTime代表QoS响应时间，QoSValueNumberOfServices代表QoS服务数量，QoSValueThroughput代表QoS吞吐量。