一种支持模糊QoS属性的Web服务发现算法

一种支持模糊QoS属性的Web服务发现算法
曹冠平;刘胜全
【摘要】Nowadays all algorithms of services discovery assume that the service's QoS constraint is represented by a precise real number, but don't take into account the fuzziness of QoS constraint. Because of the fuzziness of some of QoS constraints, it is unreasonable to use an accurate real number to describe their values. In this paper we use the means of interval data to describe those QoS constraints with fuzziness and advance an algorithm of service discovery supporting the QoS constraints with fuzziness. Experiment verified the feasibility of the algorithm.%目前的服务发现方法都是假设服务的QoS属性以一个精确的实数来表示,并未考虑QoS属性的模糊性,由于某些QoS属性的模糊性,用一个精确的实数来描述其值是不合理的.运用区间数的方式来描述那些带有模糊性的QoS属性,在此基础上提出了一种支持模糊QoS属性的服务发现算法,实验验证了该算法的可行性.
【期刊名称】《计算机应用与软件》
【年(卷),期】2011(028)012
【总页数】4页(P119-121,194)
【关键词】服务质量;Web服务发现;模糊;区间数
【作者】曹冠平;刘胜全
【作者单位】新疆大学信息科学与工程学院新疆乌鲁木齐830046;新疆大学信息科学与工程学院新疆乌鲁木齐830046;新疆大学网络中心新疆乌鲁木齐830046
【正文语种】中文
【中图分类】TP301.6
0 引言
随着Web服务的应用范围不断扩大，Web服务数量逐渐增多，不可避免地出现了许多服务提供者提供相同功能服务的情况，而这些服务具有不同的服务质量(QoS)。

因此，如何基于请求者的QoS要求对具有相同功能的Web服务进行选择成为重点。

传统的UDDI基于关键词和简单分类的服务发现机制，没有考虑服务发现之后的过滤和选择问题，从而不能确保其发现的服务能够满足请求者的QoS需求;目前支持QoS的服务选择方法有基于 QoS 语义［1，2］的也有基于 QoS 属性计算的［3，4］。

基于QoS语义的服务选择方法是语义级的，其基础是本体论，即通过建立QoS本体来描述服务的QoS属性，依据本体中的概念相似度来进行QoS匹配。

文献［1］提出了一个Web服务信誉框架和概念模型，但是没有队QoS约束进行定义;文献［2］通过QoS本体扩展了OWL－S，并且提出了一个基于QoS 的匹配算法，但是其QoS模型不够完善，QoS本体的推理过程很慢。

基于QoS 属性计算的服务发现方法则是语法级的，其基础是QoS属性矩阵(通常矩阵中的每一行代表一个服务的QoS)，方法首先构建QoS属性矩阵，然后对矩阵进行计算或评估，依据某一标准来衡量QoS的匹配程度。

文献［5］首先通过两个服务QoS属性的欧氏距离来度量两者的匹配度;由于QoS属性的计量单位不同，文献［6］则首先对QoS属性矩阵进行归一化，然后进行加权评估，依据评估结果的发现服务。

然而，当前的服务发现方法都是基于这样一个假设:所有Web服务的QoS属性值
都必须以一个确定实数来表示，并未考虑QoS属性的模糊性。

事实上，某些QoS 属性存在突发的最大值和最小值［7］，此时对于这些不确定的QoS属性，一个
精确的数字并不能很好地描述其真实含义，会导致许多有用的数据丢失。

本文针对该问题，采用区间数的方式来描述服务的QoS属性，并在此基础上提出了一种支持模糊QoS属性的服务发现算法。

1 Web服务QoS参数定义
QoS描述了一个服务满足消费者需求的能力。

Web服务的QoS可以用一个参数
集Q={q1，q2，…，qm}(m表示参数个数)来表示。

支持QoS约束的服务发现就是比较请求者期望服务和备选服务对应参数值的匹配度，然后选择匹配度满足需求的服务。

根据Web服务的QoS需求，这里我们定义几个基本的QoS参数:
(1)响应时间(t) 客户端从提交服务请求到获得服务响应所花的时间，包括服务时间和往返通信时间。

(2)服务价格(p) 每次服务调用所需支付的费用。

(3)可用性(u) 是指服务能成功、正常运行的比率。

(4)可靠性(r) 是QoS最关心的属性之一，它表示Web服务完成其功能的能力，是指通过Web服务成功完成其功能的概率。

令 m=4，q1=qt，q2=qp，q3=qu，q4=qr，则 Q={qt，qp，qu，qr}就可以
作为Web服务的一个QoS属性集，此QoS属性集已能基本描述服务对质量的需求。

如果要描述更严格的QoS需求，还可加入新参数到QoS属性集中进行扩充。

2 Web服务发现框架
Web服务发现框架由UDDI Registration Center、Service Classifier、QoS Fuzzy Convertor、QoS Matcher四大部分组成(如图1 所示)。

图1 Web服务发现框架
Web服务提供者将带有QoS属性Web服务注册到UDDI Registration Center
上，服务查找时，请求者依据需求提交服务的功能以及QoS要求，Service Classifier负责对UDDI Registration Center上的服务按服务功能进行筛选分类，QoS Fuzzy Convertor负责对提交QoS信息的去模糊化，在选择出符合请求者功能的Web服务后，通知QoS Matcher开始对服务的QoS进行筛选，并返回最
符合请求者QoS需求的Web服务。

QoS Matcher包含3部分:QoS Interpreter 负责从UDDI Registration Center中提取相应服务并对其QoS进行量化;QoS Evaluater运用模糊数学理论对量化后的QoS信息进行综合评估;QoS Monitor依据评估结果返回符合请求者期望阈值的服务。

3 Web服务的QoS模糊筛选
3.1 相关定义
模糊理论主要用来处理现实世界因模糊引起的不确定性。

通常，人们把那种因没有严格边界划分而无法精确刻画的现象称为模糊现象，并把反映模糊现象的各种概念称为模糊概念。

目前，模糊理论已经在推理、控制、决策等方面得到了非常广泛的应用。

由于用精确数值来表示某些带有模糊性的QoS(如:响应时间)是有困难的，因为这
些属性受网络或其他因素的影响，其值通常会在一个区间内浮动，即最坏时其值为qmin，最好时其值为qmax。

此时如果用一个精确的实数(如:区间的平均值)来表
示其值显然不是很合理的，同时也不能很好的衡量两个区间数的差别，比如某个服务ws1的响应时间最小值为100ms，最大值为200ms，另一服务 ws2的响应时间最小值为50ms，最大值为250ms，如果仅仅以平均值作为衡量标准，两个服
务的响应时间是完全一样的，但实际上服务ws1更稳定且最大最小值均优于服务ws2。

所以，对于这类属性，我们用区间数［qmin，qmax］来表示。

支持模糊QoS属性的服务发现算法就是用区间数来描述那些带有模糊性的QoS
属性，并通过区间距离来度量其匹配度。

定义1 Web服务备选集WS为:
为n个不同服务提供者发布的功能相同的Web服务的全体，每个Web服务具有m各QoS属性，wsi表示被选集中第i个服务。

定义2 Web服务QoS评判因素集A为:
式中每一行对应服务wsi的QoS值。

aij=［］(1 ＜=i＜=n，1 ＜=j＜=m)为区间数，表示第i个服务的第j个QoS属性值。

定义3 QoS期望值D为:
式中，di=［］()表示请求者对所需服务的第i个QoS属性的期望值。

定义4 评判矩阵Z
由于每个QoS属性的计量单位不同，直接对A进行评估是毫无意义的，所以必须将A中的数据规格化，使其具有相同的量纲。

我们用文献［3］的定理来对Q中的数据进行规范化，得到评判矩阵Z，对应的zij=［］(1 ＜=i＜=n，1 ＜=j＜
=m，＜=)也为区间数。

对于效益型QoS属性(值越大越好)，有:
对于成本型QoS属性(值越小越好)，有:
定义5 QoS决策矩阵R为:
其中rij为备选服务集中第i个服务wsi的第j个QoS属性zij=［］到请求者所需
服务的第j个QoS属性的期望值dj的相互距离。

定义6 QoS权重因子ω为:
式中，ωi表示服务请求者对服务第 i个QoS属性的权重要求。

且:
定义7 QoS加权相似度F为:
式中，fi表示备选服务wsi的QoS集到请求者期望值D的加权相互距离。

3.2 算法描述
假设经过服务功能选择后，备选服务集中还有n个服务，每个服务有m个QoS 属性，服务请求者对各QoS权值要求:ω={ω1，ω2，…，ωm}，期望阈值为:φ。

算法描述如下:
Begin
请求者发出请求，提交ω和φ要求
依据备选集WS中各服务的QoS属性值构建QoS评判因素集A
for(i=1，i＜=n，i++)
for(j=1，j＜ =m，j++)
if(aij为成本型属性)
返回服务wsi给请求者
4 仿真实验
查全率和查准率是度量服务发现的2个重要性能指标:查准率［8］指查询返回符合查询条件的服务数量与查询返回服务总数量之间的比率;查全率［8］指查询返回符合查询条件的服务与备选服务集中符合查询条件的服务的比率。

仿真实验在matlab7.0环境下进行。

由于本文提出用区间数来描述服务的QoS属性，而现有的发现算法都假设服务的QoS属性用精确的实数来描述，为了验证本算法的可行性和优越性，我们用区间数的平均值来代替该区间数所表示的QoS属性，并以此作为传统的UDDI方法、文献［5］的欧氏距离法和文献［6］的归一法的数据，并都以达到请求者期望阈值为衡量标准。

仿真试验中，我们取每个Web服务包含的QoS属性个数m=4备选服务集WS中包含的服务个数为n，备选服务集WS中各服务的QoS属性值(即A)和用户对服务各QoS的请求值(即D)随即产生。

QoS权重因子ω也随机产生。

我们在查准率和查全率两方面将本算法和传统的UDDI方法、欧氏距离法和归一法进行比较。

效果如图2和图3所示(本次试验中D=(95，94，90，83)，ω =(0.16，0.25，0.14，0.35)请求者期望阈值φ =0.6)。

图2 查全率比较
图3 查准率比较
实验结果表明，在备选服务个数n相同的情况下，本算法在服务查找的查全率和查准率方面都要优于传统的UDDI方法、欧氏距离法和归一法。

传统的UDDI算法在服务发现中不考虑QoS因素，在备选服务集中随即选取，故其查全率和查准率明显低于其他考虑QoS约束的算法;欧氏距离法一方面忽略了QoS的差异性，将服务QoS的不同属性之间的差别等同看，另一方面，欧氏距离体现的是绝对距离，即不论是大于还是小于期望值，只要其值到期望值的绝对距离相等那他们的欧氏距离也相等，这必然导致服务发现时会选取出那些QoS值小于请求者期望值但欧氏距离却很小的服务，而实际上这些服务是不符合要求的，故影响了欧氏距离法
的查全率和查准率;归一法的基础是对QoS属性进行归一化后，进行加权评估，然后选取评估结果达到请求者期望阈值的服务，但归一化法本身存在各种缺点和误区，比如对个别QoS的影响严重夸大或缩小［9］，这也影响了其查全率和查准率。

本算法的优势在于:首先考虑了QoS属性的模糊性，这是其他算法没有考虑到的。

其次运用区间数来描述带模糊性的QoS属性更合理的描述了服务的QoS属性，
特别是那些带有模糊性的用精确实数不能很好描述的QoS属性。

5 结语
本文提出一种新的支持模糊QoS属性的Web服务发现算法，算法运用区间数来
描述带有模糊性的QoS属性，并用区间数的相互距离来度量服务QoS的匹配度，返回匹配度达到请求者期望阈值的服务。

试验验证了通过该方法能提高服务发现的查准率和查全率。

如何对服务进行聚类处理以提高服务查询速度是我们下一步的重点工作。

参考文献
［1］Tian M，Gramm A，Ritter H.Efficient selection and monitoring of
Q0S-aware Web services with the WS-QoS framework［C］//Proceedings
of the IEEE/W1C/ACM International Conference on Web Intelligence，Beijing，China，2004:152 －158.
［2］S0ydan B A.Singh M unindar P.A DAM L-based repository for QoS-aware semantic Web service selection［C］//Proceedings of the IEEE International Conference on Web Services，A.2004:368－375. ［3］Liu Y，Ngu A H，Zeng L.QoS computation and policing in dynamic Web service selection［C］//Proceedings of the 13th International Conference on World Wide Web，New York，USA，2004:66 －73.
［4］Zeng Liangzhao，Benatallah B，Kalagnanam J，et al.Quality driven
Web services composition［C］//Proceedings of the 12th International Conference World Wide Web.Budapest，Hungary，2003:411 －421. ［5］李蜀瑜，周娟.基于WSMO服务质量的语义Web服务发现框架［J］.计算机应用，2009，29(8):2299 －2304.
［6］Zeng LZ，Benatallah B，Ngu AHH.QoS-Aware middleware for Web services composition［C］//IEEE Trans.on Software Engineeirng，2004.30(5):311－327.
［7］Maximilien EM.A framework and ontology for dynamic Web services selection［J］.IEEE Internet Computing，2003，8:84 － 93.
［8］周宁，宋自林，艾未华，等.一种语义WEB服务三级匹配方法的研究［J］.系统仿真学报，2009，21(7):2081 －2089.
［9］张志民，陈昊鹏.一种综合评估QoS的算法研究［J］.计算机应用与软件，2008，25(12):256 －259.。