网格计算核心技术 第3章 语义网格和自治计算

2018/1/27,1,第3章 语义网格和自治计算,本章学习目的：语义网格是什么。在语义网格开发中涉及到的技术。语义网格最新发展。什么是自治计算。自治计算的特征。对网格服务如何应用自治计算技术。,2018/1/27,2,3.1 引言,本章内容的安排3.1 引言3.2 语义Web中的元数据和本体3.3 语义Web服务3.4 语义网格的层次结构3.5 语义网格行为3.6 自治计算3.7 本章总结3.8 进一步的阅读和测试,2018/1/27,3,图3.1 语义Web、网格和语义网格,2018/1/27,4,3.2 语义Web中的元数据和本体,图3.2 语义服务匹配中的元数据和本体,图3.3 语义Web的分层结构,2018/1/27,5,RDFRDF：资源描述框架 ResourceDescription Framework1、RDF发展成就2、RDF数据模型,图3.4 RDF数据模型,2018/1/27,6,图3.5 RDF描述1的图表示,图3.5 RDF描述2的图表示,2018/1/27,7,图3.7 RDF描述2的XML描述,2018/1/27,8,本体语言 1.RDFS建立在RDF上的RDFS规范，定义进一步的模型原语，例如类（rdfs:lass）、子类关系（subClassOf，subPropertyOf）、域和属性、子属性（rdfs:ConstraintProperty和rdfs:ContainerMembershipProperty）的范围限制。资源（rdfs:Resource）是定义在RDFS中模型原语的基类。在给出的RDF描述中，RDFS定义有效属性，以及它们自己的属性类型值的特征或限制。,2018/1/27,9,2.DAML+OILDAML+OIL是为Web设计的本体语言，其建立在XML和RDF之上，增加常见的面向对象的本体原语和基于框架的系统17，以及表现描述逻辑DL（Description Logic）18，19的形式严格。DAML+OIL的逻辑基础意指推理服务既可以提供支持本体设计，也可使Web数据较容易访问以满足自动处理要求。DAML+OIL有下列特征：DAML+OIL具有定义明确的语义和清晰的属性，通过潜在的映射去表述DL。DL赋予DAML+OIL合成类和位置的能力和灵活性，去形成新的表述。借助DL的支持，在DAML+OIL中表述的本体借助DL推理系统（如FaCT系统）可以自动推理22、23。DAML+OIL支持XML模式所有数据类型。它和RDFS紧密集成，例如RDFS可用于表述DAML+OIL的机器阅读规范，并且为DAML+OIL提供一个序列生产过程。层次结构使语言的处理操作比较容易。DAML+OIL公理明显比RDF或RDFS两者的公理具有更大的外延。,2018/1/27,10,3.OWLOWL通过增加附加的词汇以及形式语义，OWL使Web内容的机器解释比由XML、RDF和RDFS给出的更加便利。 OWL有三个日益增加的描述子语言：OWL Lite、OWL DL（表述逻辑）和OWL Full。OWL Lite 提供分类层次和简单约束，例如当它提供基数约束时，它仅允许0或1的基数值。OWL Lite是容易使用和实现的。OWL DL提供最大化的表示，当保持完全计算时（保证所有结论是可计算的）和可判定时（所有的计算将在有限时间内完成）。OWL DL包括所有OWL语言结构，但是它们仅能够在一定的限制下使用，例如，当一个类是很多类的一个子类时，这个类不能够是另一个类的实例。OWL Full使用所有的OWL语言原语，并且允许这些原语以任意方式与RDF和RDFS结合。它支持最大化表述和具有非计算保证的RDF的语义自主，例如在OWL Full中的一个类可以同时当作个体的集合和具有它自己特征的个体。OWL Full允许本体增加预先定义（RDF或OWL）词汇的含义。某一推理软件能够支持为OWL Full的每一个特征的完整推理，这是不可能的。,2018/1/27,11,本体编辑器1. OntoEdit 2 .OilEd3. Protg,2018/1/27,12,3.3 语义Web服务,Web服务中的三个核心标准是用于服务描述的WSDL、用于报文交换的SOAP和用于服务注册和发现的UDDI。Web服务的特征是它们对服务合成的支持。对Web服务来说，在合成的过程中自动得到另一个服务是期望和希望的，这要求Web服务要用语义来丰富。,2018/1/27,13,DAML-SDAML-S35既是描述Web服务的语言又是描述Web服务的本体。DAML-S本体包含三个部分 :ServiceProfile：这个像是一个服务的黄页条目。它与在UDDI中可找到的内容类型有关，并建立这内容类型之上，描述需要自动发现的服务属性，例如服务提供什么、它的输入、输出是什么以及它的其他方面是什么（先决条件和效用）。ServiceModel服务模型：描述一个服务的过程模型，例如使用该服务所涉及到的控制流和数据流。它提供我们想要推理的Web访问程序的属性声明描述的过程模型。服务模型被设计成允许自动合成和执行服务。ServiceGrounding服务基础（范围）：连接该过程模型描述到通信级协议和采用WSDL的报文描述。,2018/1/27,14,图3.8 DAML-S Web服务,2018/1/27,15,OWL-SOWL-S36来自于DAML-S，它使用OWL作为本体语言来语义描述Web服务。OWL-S描述属性、性能和Web服务的进程模型。它允许Web服务去描述和发现、去互操作，并且可以用不含糊的、计算机翻译方式组合服务。为了支持自动引用和Web服务的执行，OWL-S元素可以被映射到WSDL规范。,2018/1/27,16,3.4语义网格的层次结构,语义网格可划分为四个服务层次基本服务、数据服务、信息服务和知识服务。层次结构如图 :,图3.9 语义网格的分层结构,2018/1/27,17,3.5 语义网格行为,基于本体的网格资源匹配,图3.10 基于本体资源匹配的布局,基于本体的匹配媒介由三个组成部分：域本体：提供用于表述资源公告和作业请求的域模型和词汇。域背景知识：捕获有关域的附加知识。匹配媒介规则：定义什么时候资源匹配一个作业描述。,2018/1/27,18,在myGrid中的语义工作流注册和发现,发现服务主要负责：从一个观察和维持一个在观察中返回一个入口的参考中推断语义描述，因此，要与服务通信的详细资料可以在稍后重新得到。使用本体服务和相联系的推理器去索引在描述数据库中的条目，去确保在发现有效时间内找回条目。,图3.11 myGrid中的语义发现服务,2018/1/27,19,在Geodise中语义工作流设定1 .EDSO本体本体服务包括四个组成部分：保持本体（知识模型）的基本数据模型，并且允许应用通过定义好的API与数据模型交互；提供对基本本体数据模型中的概念以及它们之间关联访问的本体服务器；提供有推理能力的FaCT 推理器；用作用户的应用和本体之间接口的一组用户API。,2018/1/27,20,2. EDSO资源的语义注释语义注释的目的是对Web页和文档以及计算资源增加语义。,2018/1/27,21,每一个组件的功用描述如下： 本体概念浏览器给出在层次结构中EDSO任务的概念模型。每一个任务用属性描述，属性详细说明概念任务模型之间的关系。组件编辑器用于任务定义。它动态生成一个本体驱动格式，每一个格式的缝隙（位置）用清晰说明的本体概念类型（语义链接）描述一个任务的特性。一个任务可以由详细说明每一个在本体链接之后的特性来定义或重用一个现存的任务。语义Web搜索引擎根据算法性能、运行时间或这些任务的精确性来提供对类似任务搜索的能力。工作流编辑器提供编辑功能（诸如功能的修改和删除），也提供了任务（作业）和工作流的图形表述。状态监控器拥有有关每一个任务的状态信息，例如它的输入和输出参数。本体推理器实施基于一个任务本体和它的状态信息的本体逻辑推理。工作流顾问给出有关下一个将要处理任务的建议。工作流设定引擎把一个工作流中一个任务的抽象描述分解为一个具体的任务实例，并且为服务引用建立动态绑定。Matlab已经用作一个计算环境，因此，工作流设定引擎将转换本体描述工作流到一个Matlab脚本文件。Matlab计算执行环境为EDSO任务的执行提供实际环境。,3.语义工作流设定,2018/1/27,22,在ICENI中语义服务注释和适配基于RDF和OWL42，ICENI为语义服务注释和适配提供下列支持：元数据空间：ICENI引入元数据空间的概念，该空间是一个具有标准元数据发布和发现协议的环境，有利于元数据的处理和在网格资源之间语义交互。元数据空间的优点是把拥有元数据的网格资源和它们的实现和宿主环境分离开来。在元数据空间中的每一个参与者具有元数据发布者的特点。发布的元数据落入三个种类中的一个：请求、实现或域。服务实现发布者：服务实现发布者的行为像是在宿主环境中的一个典型的服务提供者，并且通过它的语义注释的发布，把它的语义表述投影到元数据空间。服务请求发布者：一个服务请求发布者是任何具有把语义注释发布请求到元数据空间能力的网格服务消费者。本体发布者：本体发布者编写和发布本体信息到元数据空间。语义服务注释：在ICENI中，带有语义的服务注释由用户手工处理。服务方法的签名的不同方面需要在RDF中描述，集中在服务的语法含义表述上，借助服务方法定义的语义注释。语义匹配：从一个用户来的服务接口方法的请求通过接口的语义注释来表述，将与一个服务实现的注释进行语义匹配，该注释由一个服务实现发布者提供。匹配是基于类和属性推理得到的，其中类属性由方法签名描述。服务适配：在从一个匹配服务接收一个概念等价实现清单时，服务适配动态产生所需要的适配代理。,2018/1/27,23,PortalLab - 语义网格的门户工具集1.PortalLab中的Portlet在PortalLab中有三种类型的portlet：Web页portlet:用于通过Web页处理用户的输入和输出。网格系统portlet:提供网格系统级服务，例如作业提交和监控，用户认证和授权，以及数据传输。网格应用portlet:为问题解决（求解器）和知识相关活动提供特定领域服务，,2018/1/27,24,图3.14 OGSA相容SGP基础设施,2018/1/27,25,2 .可视化门户合成环境（VPCE）使用门户合成器PC（Portal Composer）通过集成VPCE工具集，对portlert的即插即用可可视地合成一个门户。这种VPCE也合并了一个PG门户生成器（Portal Generator），一旦合成完成，PG将产生一个门户。VPCE也支持portlet工作流设定，其中portlet可以可视化连接，然后作为一个portlet发布。PG将检测使用在门户中的portlet的兼容性，并且将生成一个可以用流语言描述的作业图。作业图描述portlet之间的从属关系。可以容易的定制具有一些基本功能的门户摸板，来满足用户的特殊需求，以全面加快门户的合成。,2018/1/27,26,3. Portlet知识库该工具集中有三个层次的portlet知识库：Portlet接口知识库（PInR），Portlet实现知识库（PImR）和Portlet域服务知识库（PDSR）。PDSR被用于去注册一个具有语义能力的portlet。在PDSR中的Web页portlet条目描述怎样组织一个Web页的数据。在PDSR中的网格系统portlet条目描述portlet的功能和系统需求。在PDSR中的网格应用portlet条目描述portlet本体、portlet约束和语义数据需求。服务提供者也可以对PDSR中的每一个portlet增加服务质量。对一个应用portlet，例如领域问题求解器，服务质量描述域问题可以被解决的程度。对一个系统portlet，例如域问题相关求解器，服务质量描述portlet最适合处理的作业类型。PInR用于存储与接口相关的信息和与它有关的网格服务的OGSA网格服务句柄（GSH）。接口描述如何使用每一个portlet输入/输出参数。例如Web页portlet的接口描述输入可以是一个普通的用HTML或XML编写的文件，而输出可以是一个图象或表。在PinR中的每一个portlet接口在PDSR中有一个惟一的的条目。通过与网格服务有关的OGSA网格服务参考（GSR），PImR用于存储每一个portlet实现。,2018/1/27,27,4. 语义portlet匹配器语义portlet匹配器SPM（Semantic Portlet Matcher），是一个匹配引擎，用于语义匹配最靠近的portlet候选者。匹配引擎将实施本体、约束、服务质量的portlet匹配，以及在PDSR中注册的每一个portlet上的语义数据请求的portlet匹配。,2018/1/27,28,5. 语义portlet注册器语义portlet注册器SPR（Semantic Portlet Register）为portlet注释提供一个GUI。一旦一个portlet的注释完成，SPR在PDSR中为语义portlet匹配注册注释。,2018/1/27,29,6 .在PortalLab中的代理软件代理是具有下列特征的自治组件：自治性：控制它们的内部状态和行为；反应：对环境改变以及时的方式给出响应；主动：根据将来目标的预期采取活动；交互：与其他代理通信，或许也包括人；推论：通过它们先前的动作推演用户的交互意图。,图3.15 PortalLab中语义匹配SGP的数据流,2018/1/27,30,7 .Portlet包装生成器,图3.16 Portlet包装生成器的结构,2018/1/27,31,8 .在PortalLab中的对等支持（P2P）在PortalLab中，每一个UA与工作在一个P2P模型47中的一个GSA和多个GSA交互。当建立一个网格门户时，一个UA将请求一个GSA得到所要求的SGP。如果一个GSA没有需求的SGP，它可以对另一个GSA发送一个请求，去寻找需求的SGP。用这种方法，从PortalLab建立的一个网格门户可以使用不同网格系统提供的SGP，形成一个网格可用的P2P系统（图3.17）。P2P范例的益处是portlet互操作和聚合，以及可以包含几个虚拟结构VO（Vietual Organizations）的大网格环境的简单管理。,2018/1/27,32,网格上的数据起源数据起源48是一个注释，其解释如何形成一个特定的结果，以及该结果是什么。目前在起源领域仅有极少量的项目 :1.在myGrid中的起源生成和发现2. PASOA,2018/1/27,33,3.6 自治计算,自治计算的概念广义的讲，自治计算是指一个自动调节以满足正在其中运行的应用需要的基础设施。自治计算是一个自管理计算模型，以具有模式的人体自治神经系统来命名。一个自治计算系统是一个具有灵活性的系统，可以采用抢先的和后因子调节两者，用最小的人工干预去保证高质量的服务，类似于自治神经系统调节人体系统而不需要个体的有意识干预。自治计算的目的是减少像网格这样大的计算系统管理的复杂性。网格由于以下原因需要采用自治计算：复杂性：网格本质上是复杂的，因为它试图耦合大规模、全异的、分布的和异类的资源，例如数据、计算机、操作系统、数据库系统、应用和特殊的设备，上述这些资源可跨越多个虚拟组织去提供统一的计算平台。动态的特性：网格是一个动态的计算环境，在这个环境中的资源和服务可随时加入和离开。,2018/1/27,34,自治计算系统的特征自保护自优化自修复自配置开放标准自学习,2018/1/27,35,自治计算项目1.行业成就IBM eLizaIBM OptimalGrid（最佳网格）Intel Itanium 2Sun N12.学术成就美国亚利桑那州大学的Autonomia55美国Rutgers大学的Automate56伦敦帝国学院的AMUSE59Open Overlays60，英国牛津布鲁克斯大学和兰开斯特大学,2018/1/27,36,自治网格服务的设想,2018/1/27,37,一个自治网格服务可能有下列组成部分：核心：这是服务的核心部分，提供核心功能，例如执行一个计算。广告：广告部件