Web服务与Web服务组合

,Web服务与Web服务组合,Web服务,1.Web服务的定义W3C(WorldWideWebConsortium,万维网联盟)：“Web服务是由URI标识的应用软件，这些软件系统的接口和绑定可以通过XML来定义、描述和发现，Web服务支持通过基于Internet协议直接与其他应用程序进行交互”。,Web服务,IBM所给出的Web服务的定义为：“Web服务描述了一些操作的接口，这些接口可以通过Internet协议和XML消息的传递机制进行访问。通常采用规范、标准的XML语言来描述Web服务，Web服务的描述一般包括与Web服务进行交互所必需的信息，包括消息格式、传输协议和物理位置。Web服务的接口隐藏了服务实现的具体细节，从而实现了与运行平台、编程语言无关的服务开发与部署，使得基于Web服务的应用程序具有松耦合、模块化和跨平台的特性。Web服务可以单独地完成任务，也可以通过与其他Web服务的合作来满足复杂的业务需求。”,Web服务,2.Web服务的技术规范,Web服务,3.面向服务的架构(ServiceOrientedArchitecture,SOA)SOA的核心概念是重用和互操作，它将企业的IT资源整合成可操作的、基于标准的服务，使其能够被重新组合和应用。与传统的紧耦合IT架构相比，SOA的松耦合架构更能适应业务的变化。在SOA中，可以用一个服务替换另一个服务而无须关心其底层的实现技术，唯一需要考虑的就是服务的接口。SOA带来的另一个好处是可以充分利用现有的IT资源，包括计算资源、数据资源和应用系统资源等，这种架构最终将使企业能够更加快速地、有效地适应业务需求。,Web服务,4.Web服务的体系架构,Web服务,Web服务的体系结构包括三种角色和三种操作，三种角色主要是指服务提供者、服务消费者和服务注册中心；三种操作分别是服务的发布、发现和绑定。Web服务技术为实现Internet上数据资源、信息资源和应用资源的共享和集成提供了实现方法，越来越多的服务提供商开始基于Web服务技术向消费者提供服务。,1.为什么进行Web服务组合网络上所发布的Web服务大都结构简单、功能单一，不能满足用户较复杂的业务需求，这时需要聚合网络上已经存在的功能简单的Web服务，构建出功能强大的增值服务。这种服务聚合过程就是Web服务组合。,Web服务组合,2.Web服务组合的定义IBM公司：Web服务组合是支持业务流程逻辑的一组Web服务，该组合Web服务既可以作为最终的Web服务提交给用户，又可以作为新的Web服务发布到网络上，Web服务组合是通过确定组件Web服务的执行顺序和各组件Web服务之间的交互来实现的。,Web服务组合,Web服务组合,HP实验室提：Web服务组合是服务提供者将网络上已经存在的Web服务作为服务的组件模块进行重用，在总体上完成对各个组件服务的增值，这种增值体现在所构建的新的服务能够满足较复杂的、特定需求的能力，并且能够提供更高的可用性和服务质量保障。,Web服务组合,3.Web服务组合框架图,Web服务组合,基于事例推理的Web服务QoS预测方法,8.QoS事例的组织图3.2QoS事例的存储模式,基于事例推理的Web服务QoS预测方法,9.QoS事例的检索目标QoS事例：检索规则：(1)首先检索出与目标QoS事例具有相同任务类型的历史QoS事例(2)依据全局相似度，从(1)中检索到的QoS事例集中找出与目标QoS事例最为相似的K个历史QoS事例,基于事例推理的Web服务QoS预测方法,相似度计算公式(1)局部相似度：,基于事例推理的Web服务QoS预测方法,相似度计算公式：(2)全局相似度：,基于事例推理的Web服务QoS预测方法,10.QoS预测QoS预测公式：具体QoS预测算法见论文P60,基于事例推理的Web服务QoS预测方法,11.模拟实验实验平台图3.3实验模拟平台,基于事例推理的Web服务QoS预测方法,实验结果：图3.6预测精度比较图,基于事例推理的Web服务QoS预测方法,实验结果：基于事例推理的Web服务QoS预测方法的预测精度为：95.55%。常用的平均值法的预测精度为：51.45%。,1、Web服务QoS评价模型的重要性在基于QoS的Web服务选择中，Web服务的QoS评价值是进行服务选择的依据。科学合理的QoS评价模型是服务选择成功的关键。,研究问题二：Web服务QoS评价模型,研究问题二：Web服务QoS评价模型,2.已有的QoS评价模型基于QoS属性扩展的评价模型基于一般QoS属性和领域QoS属性的评价模型基于用户QoS偏好量化的评价模型,3.存在的不足：要么不考虑用户的QoS约束导致所选择的服务不能满足用户的QoS需求要么将用户的QoS约束当作是强制性约束容易导致过约束问题，降低服务选择的成功率和服务资源的利用率(3)不能快速地量化用户的模糊QoS偏好导致所选择的服务与用户的QoS偏好不一致,研究问题二：Web服务QoS评价模型,基于约束层次和模糊偏好的QoS评价模型,4.约束层次(ConstraintHierarchies,CHs)(1)ConstraintHierarchies(CHs)属于传统的用于处理过约束问题的知识工具，通过把约束描述成带有分层偏好或分层重要性的约束来解决过约束问题。CHs把约束分为两类：硬约束层所有硬约束必须被满足软约束层约束问题的解可以不满足软约束，但偏离值越小越好。,基于约束层次和模糊偏好的QoS评价模型,（2）QoS约束层次模型,基于约束层次和模糊偏好的QoS评价模型,5.模糊QoS偏好量化方法（1）约束层重要性比对关系,基于约束层次和模糊偏好的QoS评价模型,基于约束层次和模糊偏好的QoS评价模型,基于约束层次和模糊偏好的QoS评价模型,6.QoS评价函数(1)QoS硬约束层评价函数,基于约束层次和模糊偏好的QoS评价模型,(2)QoS软约束层评价函数,基于约束层次和模糊偏好的QoS评价模型,(3)QoS综合评价函数,基于约束层次和模糊偏好的QoS评价模型,7.实例分析,基于约束层次和模糊偏好的QoS评价模型,QoS约束,Web服务满足用户QoS约束的情况,基于约束层次和模糊偏好的QoS评价模型,基于约束层次和模糊偏好的QoS评价模型,QoS约束层及Web服务满足约束层的情况,基于约束层次和模糊偏好的QoS评价模型,1.依据模糊偏好的量化方法量化用户的QoS偏好2.计算候选Web服务的QoS综合评价值3.选出综合评价最小的Web服务该评价模型的优点：能够克服服务选择中的过约束问题；方便用户描述其QoS偏好；,研究问题三：基于QoS的组合Web服务选择,1、Web服务组合的定义BEA公司：Web服务组合是指将若干个独立的、自治的Web服务按照一定的逻辑结构组合起来提供增值服务的过程。斯坦福大学：Web服务组合技术是研究如何通过组合独立的Web服务来构建功能更为强大的服务的问题,研究问题三：基于QoS的组合Web服务选择,2、Web服务组合示意图图5.1Web服务组合示意图,研究问题三：基于QoS的组合Web服务选择,3、基于QoS的组合Web服务选择图5.2带有候选Web服务的Web服务组合图,研究问题三：基于QoS的组合Web服务选择,3、已有的求解方法(1)基于数学规划的组合Web服务选择方法优点：简单易于实现，问题规模较小时效率较高缺点：扩展性差，问题规模比较大时，复杂度较高(2)基于遗传算法的组合Web服务选择方法优点：并行计算，全局搜索，扩展性强缺点：易早熟，求解结果不稳定，收敛速度慢,研究问题三：基于QoS的组合Web服务选择,(3)基于粒子群算法的组合Web服务选择方法优点：并行计算，全局搜索，很强的记忆功能缺点：搜索精度不高，收敛速度慢，易陷于局部最优(4)基于蚁群算法的组合Web服务选择方法优点：并行性，全局搜索，群智能寻优缺点：易停滞，易陷于局部最优，收敛速度慢,4、文化算法图2.4文化算法的基本框架图,研究问题三：基于QoS的组合Web服务选择,5、MMAS算法最大最小蚁群算法(Max-MinAntSystem)来源于基本蚁群算法，并对基本蚁群算法了做了三点改进：(1)每次循环结束后，只有一只蚂蚁进行信息素更新，这只蚂蚁可以是当前最优解或自循环以来最优解的蚂蚁。(2)将各条路径上的信息素强度限制在内，超出这个范围，强制设为最大值会最小值。(3)初始时刻设置路径上信息素强度为最大值。,研究问题三：基于QoS的组合Web服务选择,研究问题三：基于QoS的组合Web服务选择,6、对MMAS算法的改进(1)采用轮盘赌的方式选择下一个待访问的节点。(2)每次循环结束后，对评价值排在前K位的解路径进行信息素增加；对其余解路径上的信息素进行衰减。,研究问题三：基于QoS的组合Web服务选择,7、C-MMAS算法的构建图5.13C-MMAS算法框架图,研究问题三：基于QoS的组合Web服务选择,8、C-MMAS算法的计算流程,研究问题三：基于QoS的组合Web服务选择,9、组合Web服务QoS的聚合公式及组合结构转换(1)组合Web服务QoS聚合公式：求和、求积、取最大和取最小；论文的P89-91详细给出了各种QoS属性在四种组合模式下的聚合公式。(2)Web服务组合模式的转换文献74对组合模式的转换进行了研究；论文的P92-94详细给出了循环组合结构、并行组合结构以及选择组合结构向顺序组合结构转换的方法。,研究问题三：基于QoS的组合Web服务选择,10、组合Web服务QoS的评价模型采用本文第四章构建的QoS评价模型作为组合Web服务的QoS评级模型,基于C-MMAS算法的组合Web服务选择方法,11、基于C-MMAS算法的组合Web服务选择方法描述,基于C-MMAS算法的组合Web服务选择方法,基于C-MMAS算法的组合Web服务选择方法,12、模拟实验(1)实验对象图5.14Web服务组合图,基于C-MMAS算法的组合Web服务选择方法,(2)实验环境采用C+语言实现了基于C-MMAS算法的组合Web服务选择方法。算法运行的PC机配置为：CPU：Intel(R)42.40GHz，Memory：512M；OS：MiscrosoftWindows2000。,基于C-MMAS算法的组合Web服务选择方法,(2)实验结果比较图5.24三种算法寻优能力比较图,基于C-MMAS算法的组合Web服务选择方法,图5.25三种算法运行时间比较图,总结,1、提出了基于事例推理的Web服务QoS预测方法。2、构建了一种基于约束层次和模糊偏好的QoS评价模型。3、设计了一种基于文化最大最小蚁群算法的组合Web服务选择方法。,下一步工作,1.继续对Web服务QoS的预测方法进行研究本文所提出的基于事例推理的Web服务QoS预测方法属于即时预测方法，不能预测Web服务未来一段时间之后的QoS，在后期的研究工作中，将研究如何预测未来一段时间之后的Web服务处理具体任务时的QoS。,下一步工作,2.研究组合Web服务QoS的预测方法Web服务QoS的动态性以及Web