服务选择的云模型

服务选择的云模型

摘要——云计算式基于互联网的计算，计算资源是由互联网提供的可扩展的点播服务。

Web服务被广泛的用于建设分布式云应用。网页服务的性能会根据动态因特网环境而波动，这会增大服务质量（QoS）固有的不确定性。随着因特网上Web服务的增加，在一组有效的理想候选者中选择最优的服务成为一个重要的研究课题。在本文中，我们将提出一个有效的高效的QoS方面的服务选择方法。我们的方法首先采用云模型计算QoS不确定性，修剪多余的服务而提取可靠的服务。然后，混合整数规划会被用于选择最优的服务。实验结果表明，我们的方法可以为用户提供可靠的和有效的最佳服务选择。

I.导言

云计算是基于互联网的计算，在互联网上提供可扩展性和按需服务的计算资源(例如，机器，网络，存储，操作系统，应用软件等。) [1-3]。Web服务的广泛采用是为了建立面向服务的应用（SOA）和分布式的云应用[2,4]。根据SOA范式，复合应用程序被指定为一个抽象的服务集（称为服务类或任务）组成的抽象流程。在服务运行时，一个具体的Web服务（称为候选服务）被选中，并为每个服务类调用。此过程确保设计的松耦合和灵活性[5]。服务质量（QoS）参数（例如，响应时间，价格，吞吐量等）在确定复合系统的成功或失败时扮演了重要的角色。在预期的QoS级别上[6-7]，服务等级协议（SLA）经常被用来作为服务消费者和服务提供商之间的合同基础。QoSaware选择服务旨在有效地发现Web服务候选人的最佳组合，在完成特定的SLA情况下来满足一套最终的端到端QoS约束。

因特网环境是高度动态的。根据服务器硬件/软件或服务器的工作量变化的更新，Web 服务的QoS值可以动态改变。此外，当新的候选服务推出是，一些在运行的已选定的服务可能会突然变得不可使用[8-9]。所以对于面向服务的系统和云应用，对动态环境的快速反应和自适应时非常重要的。服务选择算法的性能，可以对组成系统的整体性能有很大的影响。最近已经提出服务选择方法[6，10-13]。然而，这些以前的办法有两个主要的限制。

首先，先前的选择方法不考虑服务质量的不确定性。复合应用程序的QoS值通常是通过远程Web服务聚合后的QoS值进行计算的，这些值可能来自不同的组织，实施了不同的编程语言，运行在不同平台[9]。在变幻莫测的互联网环境，在任何位置，网络条件，时间等诸多因素的变化都可能会影响这些互联网服务的质量。此外，QoS值可能无法准确地反映了一个Web服务的实际表现。例如，由于“故意”欺骗[14]，为了吸引大量的用户在很短的时间，并获得大量的非法获利，电子商务应用服务提供商可能并不总是提供他们的“承诺”的质量水平。值得注意的是，具有一贯良好的QoS性能的网页服务要比在其QoS性能上有巨大变动的网页服务更加吸引人。因此，一致性，应被视为一个服务选择的重要标准。不幸的是，大多数现有的服务选择方法[6，10-13]没有在他们的QoS模型里慎重的考虑一致性。

其次，随着网络中网页服务的增加，Web服务选择方法的计算时间在不断变大。实时优化Web服务选择变得越来越难。现有方法过多侧重于优化选择算法本身以减少计算时间，而忽视基本的影响因素（例如，在Web服务的数量呈指数增长）。在报告中[15]，一直在发布的Web服务的数量从2006年10月至2007年10月期间增长超过130％。

统计发布Web服务的搜索引擎Seekda！还表示，在过去的三年里，Web服务的数量在以指数级增加。此外，按使用付费的商业模式，云计算模式的推广将使服务供应商给他们的用户提供不同水平的服务[16]。因此，使用服务的用户将很快面临在不同的QoS水平得到相同服务的巨大差异。高效的Web服务选择方法的需求正变得越来越迫切。

为了应对这些挑战，我们提出了基于云模型的Web服务选择方法。本文的主要贡献可

以概括如下。

（1） 我们解决了网页服务选择的问题，并演示了在服务选择过程中不确定QoS 所产生

的影响。

（2） 我们提出了一个新的概念，称为QoS 的不确定性计算，去模拟Web 服务QoS 固

有的不确定性。我们采用云模型去计算QoS 的不确定性。根据云模型的三个数字

特征，在QoS 上有巨大变动的网页服务会被修剪。据我们所知，这是在网页服务

选择上计算QoS 不确定性的首次尝试。

（3） 基于云模型，我们提出了一个快速和可靠的QoS 感知的服务选择方法。我们评估

了10,258现实世界的Web 服务的方法，实验与详细的QoS 值，以及随机生成的

QoS 值。

本文的其余部分安排如下：第二节介绍了服务组合的背景。第三节介绍的服务选择方法。

第四节给出了实验和第五节总结本文。

II. 背景

A ． 相关概念

在本节中，我们介绍了一些相关的概念服务组合。一个抽象的复合服务可以被定义为一个组合请求的抽象表示SC={S 1,…,S n }，其中SC 是指所需的服务类。具体的复合服务可以被定义为一个抽象的复合服务的实例化。抽象服务类中的每个SC 绑定到一个具体的服务S j 可以得到一个具体的复合服务，其中s j ∈S j 并且S j ={S j1,…,S ji }包涵l (l >1)不同的QoS 值具有同等功能的服务。

QoS 属性可以分为两类：积极和消极的QoS 属性。积极属性意味着属性值越高，质量越好（如可靠性，可用性）。消极属性是指和积极属性相反。由于积极的属性值可以很容易地转换成负面属性值（即积极的属性值乘以-1），为简单起见，在本文中我们只考虑消极属性。

组合服务的QoS 值合计由选定的候选服务。表I 列出的顺序组合模型的QoS 聚合函数。其他机型（例如，并行，条件和循环），可以使用[17]中描述的技术转化为连续模型。

在服务组合中，服务候选者有不同的QoS 属性值。通常采用效用函数的QoS 值Qs 向量映射到一个单一的实际值，以启用候选服务的排序和排列。在本文中的QoS 效用函数类似于[12]。例如：S 的第k 次的QoS 属性值的最大与最小聚合值计算如下：

U s =

Q j,k max −q k s Q j,k max −Q j,k min r k=1.w k (1)

U S =

Q k max −q k s Q k max −Q k min r k=1.w k (2)

Q k max = Q j ,k max n j =1,Q j ,k max =max ∀S ji ∈S j q k (S ji )

同理

Q k min = Q j ,k min n j =1,Q j ,k min =min ∀S ji ∈S j q k (S ji )

其中，w k ∈R +( w k =1r k =1)代表用户的喜好，Q j ,k min 的第k 个属性是所有候选服务的服务类