面向云服務(wù)提供商的服務(wù)選擇方法研究

張?jiān)朴拢钏胤?，吳俊，房秉?/p>

（1. 中國(guó)聯(lián)通研究院，北京 100048；2. 北京郵電大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100876）

1 引言

云計(jì)算作為信息通信技術(shù)（ICT, information and communication technology）轉(zhuǎn)型機(jī)遇的發(fā)展趨勢(shì)，已經(jīng)得到了國(guó)內(nèi)外業(yè)界的廣泛認(rèn)同，很多市場(chǎng)調(diào)研機(jī)構(gòu)紛紛預(yù)測(cè)云服務(wù)將成為全球增長(zhǎng)速度最快的市場(chǎng)，我國(guó)政府在國(guó)家戰(zhàn)略高度也積極推進(jìn)國(guó)家云計(jì)劃。

云計(jì)算環(huán)境下，一些大型企業(yè)紛紛將傳統(tǒng)業(yè)務(wù)向云服務(wù)轉(zhuǎn)型，組建企業(yè)云，形成云服務(wù)資源池。例如，亞馬遜建立專門(mén)的數(shù)據(jù)中心，以云服務(wù)的形式向用戶和開(kāi)發(fā)者提供存儲(chǔ)和計(jì)算資源。云計(jì)算發(fā)展趨勢(shì)下，企業(yè)的業(yè)務(wù)以云服務(wù)形式進(jìn)行共享和集成。隨著云計(jì)算在企業(yè)的廣泛應(yīng)用，必將催生大量服務(wù)。以電信行業(yè)為例，國(guó)內(nèi)外電信運(yùn)營(yíng)企業(yè)紛紛開(kāi)展云計(jì)算相關(guān)研究和應(yīng)用，逐漸形成基礎(chǔ)設(shè)施即服務(wù)（IaaS, infrastructure as a service）、平臺(tái)即服務(wù)（PaaS, platform as a service）和軟件即服務(wù)（SaaS,software as a service）3個(gè)層次的服務(wù)資源池，服務(wù)資源將呈現(xiàn)規(guī)?；蜕虡I(yè)化特點(diǎn)。這種情況下，對(duì)于企業(yè)內(nèi)部或外部用戶需求，有效的服務(wù)選擇方法，對(duì)于提高服務(wù)選擇結(jié)果的有效性和服務(wù)資源的整體利用率具有重要意義。

隨著服務(wù)計(jì)算思想在企業(yè)界和學(xué)術(shù)界的擴(kuò)展與滲透，服務(wù)選擇相關(guān)研究近幾年得到國(guó)內(nèi)外學(xué)者重視，取得了豐富的研究成果。服務(wù)計(jì)算環(huán)境下的服務(wù)選擇是指根據(jù)用戶需求，包括功能性需求和非功能性需求，從服務(wù)資源池中選擇出滿足用戶需求的服務(wù)。

基于功能需求的服務(wù)匹配是指根據(jù)用戶對(duì)服務(wù)的功能性需求描述，例如服務(wù)的輸入輸出接口描述，從服務(wù)資源池內(nèi)選擇出與功能需求相匹配的服務(wù)流程，服務(wù)流程由一個(gè)或者多個(gè)抽象服務(wù)節(jié)點(diǎn)依一定的流程結(jié)構(gòu)組合而成，每個(gè)抽象服務(wù)對(duì)應(yīng)服務(wù)資源池內(nèi)一個(gè)或者多個(gè)功能相同的具體服務(wù)。相關(guān)研究主要是針對(duì)Web服務(wù)選擇展開(kāi)，采用基于關(guān)鍵詞[1]和基于語(yǔ)義的服務(wù)[2～4]匹配方法等。查全率和查準(zhǔn)率是關(guān)鍵詞匹配方法面臨的兩大研究難點(diǎn)，基于語(yǔ)義的方法可以改善這一問(wèn)題。語(yǔ)義Web服務(wù)的語(yǔ)義信息是以本體為基礎(chǔ)實(shí)現(xiàn)，而現(xiàn)實(shí)應(yīng)用系統(tǒng)中難以構(gòu)建完善的本體庫(kù)，且語(yǔ)義異構(gòu)等現(xiàn)象普遍存在，信息描述不能對(duì)語(yǔ)義邏輯提供充分的支持。文獻(xiàn)[4]通過(guò)定義良好的語(yǔ)義信息，提高服務(wù)選擇方法的效率。

基于非功能性需求的服務(wù)選擇是指基于特定的抽象服務(wù)流程，根據(jù)用戶對(duì)服務(wù)的非功能性需求以及服務(wù)資源池內(nèi)服務(wù)的運(yùn)行狀態(tài)等信息，為抽象服務(wù)流程中的每個(gè)節(jié)點(diǎn)選擇出一個(gè)或者一組具體服務(wù)。相關(guān)研究主要集中在基于QoS需求的服務(wù)選擇方法研究，包括服務(wù)質(zhì)量模型[5,6]、QoS局部最優(yōu)服務(wù)選擇[7]、QoS全局最優(yōu)服務(wù)選擇[8～10]以及基于信任[11,12]和服務(wù)關(guān)聯(lián)[13,14]等因素的服務(wù)選擇。

上述研究主要是針對(duì)服務(wù)計(jì)算環(huán)境下服務(wù)選擇的特點(diǎn)展開(kāi)。服務(wù)計(jì)算環(huán)境下，服務(wù)資源具有海量特點(diǎn)，同時(shí)服務(wù)類(lèi)型多種多樣，也具有海量特點(diǎn)，各服務(wù)提供商通過(guò)公共注冊(cè)中心進(jìn)行服務(wù)注冊(cè)，由服務(wù)中介或者服務(wù)選擇平臺(tái)根據(jù)用戶需求進(jìn)行服務(wù)選擇。因此，服務(wù)計(jì)算環(huán)境下服務(wù)選擇具有2個(gè)特點(diǎn)：面向海量服務(wù)資源和面向用戶?；谶@2個(gè)特點(diǎn)，現(xiàn)有相關(guān)研究主要集中在：基于用戶需求（包括對(duì)服務(wù)的功能需求和非功能需求），在海量服務(wù)資源中選擇出最優(yōu)[8]或者滿足用戶需求[15]的服務(wù)。

云計(jì)算環(huán)境下服務(wù)選擇在一定程度上與服務(wù)計(jì)算環(huán)境下的服務(wù)選擇類(lèi)似，但同時(shí)具有自身的特點(diǎn)。隨著云計(jì)算在企業(yè)的廣泛應(yīng)用，必將催生大量云服務(wù)，這一點(diǎn)與服務(wù)計(jì)算環(huán)境類(lèi)似，可以借鑒相關(guān)的服務(wù)選擇方法和研究成果。然而，在同一朵云中，服務(wù)的類(lèi)型一般不會(huì)出現(xiàn)海量特點(diǎn)，例如，亞馬遜云，提供的服務(wù)類(lèi)型包括存儲(chǔ)、計(jì)算、數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)等 11類(lèi)[16]，其中以計(jì)算和存儲(chǔ)服務(wù)為主。云計(jì)算環(huán)境下，政府或者大型集團(tuán)企業(yè)（在本文中統(tǒng)稱為服務(wù)提供商）構(gòu)建“政府云”或“企業(yè)云”，服務(wù)提供商根據(jù)用戶需求進(jìn)行服務(wù)選擇。服務(wù)選擇過(guò)程不僅考慮用戶需求，同時(shí)關(guān)注提供商服務(wù)資源池的資源調(diào)度問(wèn)題。因此，與服務(wù)計(jì)算環(huán)境下服務(wù)選擇相比，云計(jì)算環(huán)境下服務(wù)資源選擇具有2個(gè)特點(diǎn)：一方面，服務(wù)資源類(lèi)型有限；另一方面，在考慮用戶需求的同時(shí)兼顧服務(wù)資源調(diào)度。目前，服務(wù)選擇相關(guān)研究主要集中在基于功能和非功能需求的服務(wù)選擇方法，兼顧服務(wù)資源調(diào)度的服務(wù)選擇相關(guān)研究鮮有提及。

本文基于服務(wù)選擇現(xiàn)有研究基礎(chǔ)，針對(duì)云計(jì)算環(huán)境下的服務(wù)選擇特點(diǎn)，從服務(wù)提供商角度出發(fā)，研究云計(jì)算環(huán)境下的服務(wù)選擇問(wèn)題。首先，分析云服務(wù)提供商的服務(wù)資源特點(diǎn)，對(duì)服務(wù)資源池進(jìn)行形式化描述。進(jìn)而，提出一種兼顧用戶需求和服務(wù)資源調(diào)度的服務(wù)選擇方法，重點(diǎn)分析3種服務(wù)資源調(diào)度原則，分別構(gòu)建計(jì)算規(guī)則，并將其引入到服務(wù)選擇模型，建立基于用戶需求和服務(wù)資源調(diào)度的服務(wù)選擇數(shù)學(xué)模型。設(shè)計(jì)智能算法進(jìn)行求解。最后進(jìn)行算例分析。

2 面向云服務(wù)提供商的服務(wù)選擇流程

為清楚地描述服務(wù)選擇流程，首先對(duì)云服務(wù)資源池進(jìn)行形式化描述。然后，從云服務(wù)提供商角度出發(fā)，給出服務(wù)選擇總體思路，并設(shè)計(jì)具體服務(wù)選擇流程。

2.1 云服務(wù)資源池形式化描述

云服務(wù)資源池由多個(gè)云服務(wù)構(gòu)成，每個(gè)云服務(wù)具有一定的業(yè)務(wù)類(lèi)型。為便于描述，首先對(duì)云服務(wù)資源池的劃分進(jìn)行假設(shè)并對(duì)相關(guān)概念進(jìn)行形式化定義。

假設(shè) 1 假設(shè)云服務(wù)提供商的服務(wù)資源能夠按照功能進(jìn)行分組，將所有服務(wù)資源分為若干個(gè)服務(wù)組，記為 ServiceSet，形成服務(wù)組集合，記為ServiceSetS，可以描述為式（1）。

其中，N為自然數(shù)。

根據(jù)假設(shè)1，同一個(gè)服務(wù)組中的服務(wù)具有相同或相似的業(yè)務(wù)功能，不同服務(wù)組中的服務(wù)具有不同的業(yè)務(wù)功能。每個(gè)服務(wù)組由一個(gè)抽象服務(wù)標(biāo)識(shí)，描述為

其中，GroupID是服務(wù)組的唯一性標(biāo)識(shí)；FuncSet是服務(wù)組ServiceSet內(nèi)云服務(wù)的業(yè)務(wù)功能描述，本文用三元組進(jìn)行描述，如式(3)。

其中，F(xiàn)unction是服務(wù)的業(yè)務(wù)功能描述；Input和Output分別是輸入和輸出接口描述。

定義 1 云服務(wù)指云服務(wù)資源池內(nèi)具有特定業(yè)務(wù)功能和非功能描述的具體服務(wù)，本文用六元組對(duì)云服務(wù)進(jìn)行形式化描述，如式（4）。

其中，S表示云服務(wù)；GroupID指服務(wù)S所屬的服務(wù)組編號(hào)；ID是服務(wù)S在服務(wù)組GroupID中的編號(hào)，GroupID與ID一起形成云服務(wù)S的唯一性標(biāo)識(shí)；FuncSet是服務(wù)S的功能描述，定義同式（3）；QoSSet是服務(wù)S的質(zhì)量描述，QoSSet是一個(gè)復(fù)合參數(shù)，用參數(shù)向量表示 QoSSet=(QoS1, QoS2,QoS3, … )，一般包括服務(wù)的執(zhí)行時(shí)間、費(fèi)用和可靠性等指標(biāo)，不同類(lèi)型服務(wù)需要的QoS指標(biāo)可能不同,隨應(yīng)用場(chǎng)景變化，服務(wù)的QoSSet參數(shù)值會(huì)發(fā)生變化；Provider指服務(wù)S的提供單位；Site指服務(wù)所在的物理位置。

對(duì)于云服務(wù)資源池內(nèi)的云服務(wù)，提供模式一般分為 2種：1）單一服務(wù)提供，根據(jù)用戶需求，選擇資源池內(nèi)的一個(gè)服務(wù)提供給用戶；2）組合服務(wù)提供，根據(jù)用戶需求，選擇資源池內(nèi)的多個(gè)服務(wù)形成服務(wù)流程，提供給用戶，例如亞馬遜多個(gè)云服務(wù)的結(jié)合使用[16]，如圖1所示。

圖1 亞馬遜多個(gè)云服務(wù)的結(jié)合使用

鑒于云服務(wù)提供商的云服務(wù)類(lèi)型有限，例如亞馬遜目前提供 11類(lèi)云服務(wù)[16]，容易挖掘出潛在組合服務(wù)流程。可以依據(jù)歷史應(yīng)用信息和服務(wù)之間的業(yè)務(wù)關(guān)聯(lián)進(jìn)行服務(wù)流程挖掘。服務(wù)流程挖掘不是本文研究的重點(diǎn)，這里不再詳細(xì)討論。在實(shí)例化之前，組合服務(wù)流程是一類(lèi)抽象服務(wù)，本文用二元組對(duì)其進(jìn)行描述，如式(5)所示。

所有的云服務(wù)流程形成云服務(wù)流程集合，記為ServiceFlowS。

抽象云服務(wù)集合ServiceSetS和抽象云服務(wù)流程集合ServiceFlowS一起描述了服務(wù)資源池能夠提供的所有服務(wù)類(lèi)型。本文采用五元組對(duì)服務(wù)資源池進(jìn)行形式化描述，如式(6)。

其中，PoolID、PoolName和 PoolOwner分別描述服務(wù)資源池的唯一標(biāo)識(shí)、名稱和所屬企業(yè)等基本信息；ServiceSetS和ServiceFlowS的含義分別見(jiàn)式（1）和式（5）。

2.2 面向提供商的云服務(wù)選擇流程

面向云服務(wù)提供商的服務(wù)選擇總體思路可以描述為：面對(duì)用戶的服務(wù)請(qǐng)求，首先分析用戶的服務(wù)需求，將其抽象為功能需求集合和非功能需求集合，作為服務(wù)選擇的依據(jù)，這里的非功能需求用服務(wù)質(zhì)量（QoS）描述。然后根據(jù)功能需求集合依次在服務(wù)組集合ServiceSetS和服務(wù)流程集合ServiceFlowS中進(jìn)行功能匹配，找到滿足功能需求的服務(wù)，形成抽象服務(wù)描述 ServiceSet或抽象服務(wù)流程描述ServiceFlow，每個(gè)抽象服務(wù)對(duì)應(yīng)多個(gè)功能相同或相似的具體服務(wù)S。進(jìn)而，綜合考慮用戶的QoS需求和服務(wù)資源調(diào)度，為每一個(gè)抽象服務(wù)選擇一個(gè)具體服務(wù)。最后形成服務(wù)選擇結(jié)果，提供給用戶。

基于上述思路，面向云服務(wù)提供商的服務(wù)選擇具體流程如圖2所示，具體描述如下。

步驟 1 根據(jù)給定的用戶需求，用戶需求包括對(duì)服務(wù)的功能需求描述和非功能需求描述，云服務(wù)選擇系統(tǒng)根據(jù)需求描述，將用戶需求抽象為用戶功能需求集合和非功能需求集合，分別用符號(hào)UserFuncSet和UserQoSSet描述。

步驟 2 服務(wù)選擇系統(tǒng)根據(jù) UserFuncSet中的參數(shù)需求，在服務(wù)資源池中查找功能匹配的服務(wù)組。匹配方法如下。

圖2 面向云服務(wù)提供商的服務(wù)選擇流程

步驟 2.1 進(jìn)行單一服務(wù)匹配，根據(jù)用戶需求UserFuncSet參數(shù)在服務(wù)組集合ServiceSetS中對(duì)抽象服務(wù)ServiceSet進(jìn)行匹配，查找FuncSet各參數(shù)均與用戶需求相應(yīng)參數(shù)匹配的服務(wù)組ServiceSet。

根據(jù)假設(shè)1，匹配結(jié)果有2種：0或1。若返回結(jié)果為 1，則表明服務(wù)資源池中存在滿足用戶功能需求的單一服務(wù)，將該服務(wù)所在的服務(wù)組ServiceSet稱作候選服務(wù)集合，記為ServiceSetAim，轉(zhuǎn)步驟3；若返回結(jié)果為 0，則表明服務(wù)資源池中的任一服務(wù)均不能單獨(dú)實(shí)現(xiàn)用戶的功能需求，轉(zhuǎn)步驟2.2。

步驟 2.2 進(jìn)行服務(wù)流程匹配，根據(jù)用戶需求UserFuncSet參數(shù)在抽象云服務(wù)流程集合 Service FlowS中對(duì)ServiceFlow進(jìn)行匹配，查找FlowFuncSet各參數(shù)均與用戶需求相應(yīng)參數(shù)匹配的服務(wù)流程ServiceFlow。匹配結(jié)果有 3種情況：1)0；2)1；3)大于1。對(duì)于情況1)，轉(zhuǎn)步驟6。對(duì)于情況2)，將匹配的服務(wù)流程 ServiceFlow稱作目標(biāo)服務(wù)流程，記為ServiceFlowAim，轉(zhuǎn)步驟3。對(duì)于情況3)，將匹配的多個(gè)服務(wù)流程 ServiceFlow稱作目標(biāo)服務(wù)流程集合，記為ServiceFlowAimS，轉(zhuǎn)步驟4。

步驟 3 對(duì)于步驟 2.1生成的候選服務(wù)集合ServiceSetAim，或者步驟 2.2生成的目標(biāo)服務(wù)流程ServiceFlowAim，分析用戶的 QoS需求參數(shù)UserQoSSet，采用基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇方法（見(jiàn)本文第 3節(jié)），進(jìn)行具體服務(wù)選擇。服務(wù)選擇結(jié)果有2種：成功或失敗。成功則輸出選擇結(jié)果，記為SelectedService，轉(zhuǎn)步驟5。失敗則轉(zhuǎn)步驟6。

步驟 4 對(duì)于步驟 2.2生成的目標(biāo)服務(wù)流程集合 ServiceFlowAimS，對(duì)其中的每一個(gè)元素ServiceFlow用基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇方法（見(jiàn)本文第3節(jié)），進(jìn)行服務(wù)選擇。同樣，服務(wù)選擇結(jié)果有2種：成功或失敗。對(duì)于成功服務(wù)流程ServiceFlow，進(jìn)行標(biāo)記和統(tǒng)計(jì)，數(shù)量記為SFN。若SFN=0，轉(zhuǎn)步驟6；若SFN=1，則輸出服務(wù)選擇結(jié)果，轉(zhuǎn)步驟5；若SFN＞1，說(shuō)明存在具體服務(wù)流程滿足用戶需求，則從促進(jìn)服務(wù)資源的均衡利用角度出發(fā)，以最優(yōu)資源調(diào)度為原則，選擇其中一個(gè)具體服務(wù)流程，作為服務(wù)選擇結(jié)果，記為SelectedServiceFlow。轉(zhuǎn)步驟5。

步驟5 找到滿足用戶需求的服務(wù)資源，選擇的服務(wù)資源為SelectedService或者SelectedServiceFlow，服務(wù)選擇過(guò)程結(jié)束。

步驟6 沒(méi)有找到滿足用戶需求的服務(wù)，服務(wù)選擇過(guò)程結(jié)束。

3 基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇方法

針對(duì)第2節(jié)服務(wù)選擇流程中步驟3和步驟4，本節(jié)給出一種基于 QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇方法。

3.1 符號(hào)定義

為便于建立基于數(shù)學(xué)模型，首先給出表1所示符號(hào)定義。

3.2 模型要素分析

基于 QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇模型的要素可以分為2類(lèi)：QoS指標(biāo)和服務(wù)資源調(diào)度相關(guān)指標(biāo)。本節(jié)對(duì)這2類(lèi)指標(biāo)進(jìn)行分析，并給出各指標(biāo)的計(jì)算規(guī)則。

表1 基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇模型基本符號(hào)

3.2.1 QoS指標(biāo)

QoS指標(biāo)一般包括服務(wù)的執(zhí)行時(shí)間、費(fèi)用、可用性、可靠性和處理能力等。云服務(wù)分為3個(gè)層次SaaS、PaaS和IaaS，對(duì)于不同層次的服務(wù)。本文用向量Q=(Q1，Q2，Q3，…，Qk，…，QK)描述用戶對(duì)服務(wù)的QoS指標(biāo)需求，Q1描述用戶最關(guān)心的指標(biāo)，Q2次之，以此類(lèi)推。服務(wù)的QoS參數(shù)值會(huì)出現(xiàn)在服務(wù)描述中。因此，各個(gè)服務(wù)的QoS指標(biāo)相關(guān)參數(shù)值可以從服務(wù)描述中獲取。

3.2.2 服務(wù)資源調(diào)度相關(guān)指標(biāo)

云服務(wù)資源調(diào)度是指基于調(diào)度規(guī)則對(duì)云服務(wù)資源池中的云服務(wù)進(jìn)行合理有效的調(diào)節(jié)和利用。本文主要考慮3種調(diào)度原則：資源集約利用原則、資源均衡利用原則和物理距離最短原則。本文第2.2節(jié)的服務(wù)選擇流程，基于功能的服務(wù)匹配結(jié)果有2種：?jiǎn)畏?wù)和服務(wù)流程。為簡(jiǎn)化描述計(jì)算過(guò)程，將第1種結(jié)果（單服務(wù)）看作僅包含一個(gè)服務(wù)節(jié)點(diǎn)的服務(wù)流程。

1) 資源集約利用原則

該調(diào)度原則主要針對(duì)物理服務(wù)器的資源利用效率問(wèn)題。目前，服務(wù)器資源是云服務(wù)的一個(gè)主要內(nèi)容，一般通過(guò)虛擬化技術(shù)將物理服務(wù)器虛擬為多個(gè)獨(dú)立虛擬服務(wù)器（簡(jiǎn)稱為虛機(jī)），將虛機(jī)作為獨(dú)立的云服務(wù)器資源向用戶提供。為提高物理服務(wù)器資源的利用率，本文設(shè)計(jì)了資源集約利用原則，核心思想是優(yōu)先選擇處于開(kāi)啟狀態(tài)的物理服務(wù)器上的虛擬服務(wù)器資源。這一原則在服務(wù)選擇模型中將以資源集約利用函數(shù)F1體現(xiàn)，F(xiàn)1是物理服務(wù)器開(kāi)啟狀態(tài)的函數(shù)。

F1計(jì)算思路為：判斷服務(wù)Si,j所在物理服務(wù)器狀態(tài)參數(shù)ServerStatusi,j，ServerStatusi,j=0表示處于開(kāi)啟狀態(tài)；ServerStatusi,j=1表示處于關(guān)閉狀態(tài)。F1的具體計(jì)算規(guī)則可以描述為式(7)。

其中，Xi,j∈{0,1},i=1,2,3,…,I, j=1,2,3,…,Ji，當(dāng)服務(wù)Si,j是虛機(jī)資源時(shí)，Xi,j=1；否則Xi,j=0。

2) 資源均衡利用原則

本文從2個(gè)方面考慮資源均衡利用原則：不飽和運(yùn)行狀態(tài)下的云服務(wù)資源均衡利用原則和飽和狀態(tài)下云服務(wù)資源均衡利用原則。

不飽和運(yùn)行狀態(tài)下的云服務(wù)資源均衡利用原則，主要針對(duì)虛機(jī)（一類(lèi)云服務(wù)資源）的選擇問(wèn)題進(jìn)行分析，對(duì)于已開(kāi)啟的物理服務(wù)器資源，如何均衡利用其上的虛機(jī)資源。也就是說(shuō)，當(dāng)存在多個(gè)同類(lèi)虛機(jī)可供選擇，這些虛機(jī)均處于空閑狀態(tài)且所在物理服務(wù)器為開(kāi)啟狀態(tài)時(shí)，怎樣選擇其中一個(gè)虛機(jī)需要遵循一定的原則。本文采用的實(shí)現(xiàn)規(guī)則是優(yōu)先選擇當(dāng)前負(fù)荷較小的物理服務(wù)器上的虛機(jī)資源。這一原則在服務(wù)選擇模型中將以函數(shù)F21體現(xiàn)，F(xiàn)21是物理服務(wù)器的虛機(jī)利用率函數(shù)。F21的計(jì)算思路是：獲取候選服務(wù)Si,j所在物理服務(wù)器當(dāng)前時(shí)刻的虛機(jī)利用率ServerUtilizRatioi,j（已使用的虛機(jī)數(shù)/總虛機(jī)數(shù)），選擇利用率最小的物理服務(wù)器上的虛機(jī)資源。F21的具體計(jì)算規(guī)則可以描述為式（8）。

其中，Xi,j和ServerStatusi,j的含義同式（7）。

飽和狀態(tài)下云服務(wù)資源均衡利用原則，主要針對(duì)候選服務(wù)資源均處于忙碌狀態(tài)時(shí)的服務(wù)選擇問(wèn)題進(jìn)行分析。本文采用的實(shí)現(xiàn)規(guī)則是優(yōu)先選擇等待時(shí)間最短的服務(wù)資源。這一原則在服務(wù)選擇模型中將函數(shù)F22體現(xiàn)，F(xiàn)22是服務(wù)資源的實(shí)際等待時(shí)間函數(shù)。

在給出F22的計(jì)算規(guī)則之前，首先分析各候選服務(wù)的等待時(shí)間計(jì)算方法。

不失一般性，對(duì)服務(wù)等待進(jìn)行假設(shè)，如假設(shè)2。

假設(shè)2 對(duì)于服務(wù)Si,j，如果當(dāng)前運(yùn)行實(shí)例數(shù)pni,j等于最大并行實(shí)例數(shù)pNi,j，則新的實(shí)例請(qǐng)求需要排隊(duì)等待。

服務(wù)的運(yùn)行狀態(tài)包括：不飽和運(yùn)行狀態(tài)（運(yùn)行實(shí)例數(shù)小于pNi,j）、飽和運(yùn)行狀態(tài)（運(yùn)行實(shí)例數(shù)等于pNi,j）和排隊(duì)等待個(gè)數(shù)，由系統(tǒng)動(dòng)態(tài)獲取。如果服務(wù)的運(yùn)行實(shí)例數(shù)小于pNi,j，則等待時(shí)間為零；若運(yùn)行實(shí)例數(shù)等于pNi,j，則根據(jù)服務(wù)的執(zhí)行時(shí)間和執(zhí)行進(jìn)度計(jì)算等待時(shí)間；若服務(wù)有排隊(duì)，則根據(jù)其當(dāng)前執(zhí)行進(jìn)度、執(zhí)行時(shí)間、最大并行實(shí)例數(shù)pNi,j和排隊(duì)數(shù)量計(jì)算等待時(shí)間?；诖耍?wù)Si,j等待時(shí)間的計(jì)算規(guī)則可以描述為式（9）。

其中，int()表示取整函數(shù)，這里采用上取整規(guī)則。其他各參數(shù)定義見(jiàn)表1。

對(duì)于一個(gè)組合服務(wù)流程，選擇具體服務(wù)之后，一般不會(huì)立刻使用所有服務(wù)。例如對(duì)于流程中任一服務(wù)（開(kāi)始服務(wù)節(jié)點(diǎn)除外），只有等前一個(gè)串聯(lián)服務(wù)執(zhí)行結(jié)束后，即任務(wù)到達(dá)后，才會(huì)調(diào)用其選擇的具體服務(wù)資源。也就是說(shuō)，一方面服務(wù)資源被釋放后才可進(jìn)行實(shí)例化，另一方面任務(wù)到達(dá)后才會(huì)使用服務(wù)資源。因此，本文綜合考慮服務(wù)等待時(shí)間和任務(wù)到達(dá)時(shí)間，采用如下迭代計(jì)算過(guò)程計(jì)算流程中各個(gè)服務(wù)的實(shí)際等待時(shí)間：

其中，TotalTf()是服務(wù)流程總體時(shí)間類(lèi)參數(shù)的計(jì)算函數(shù)，具體計(jì)算公式參見(jiàn)文獻(xiàn)[15]，TotalTf(wtk′,j+tk,j,k=1,2,3,…,i-1)表 示 服 務(wù) 流 程 中 前i-1個(gè)服務(wù)的執(zhí)行時(shí)間與實(shí)際等待時(shí)間之和，也就是第i個(gè)服務(wù)Si,j的任務(wù)到達(dá)時(shí)間。

整個(gè)服務(wù)流程總的實(shí)際等待時(shí)間即為流程中每個(gè)服務(wù)的實(shí)際等待時(shí)間之和，F(xiàn)22的計(jì)算規(guī)則如式（14）。

其中，函數(shù)TotalTf()的含義與式（12）相同。

3) 物理距離最短原則

云中的服務(wù)資源分布在不同的物理位置。服務(wù)選擇中，優(yōu)先選擇距離用戶較近的服務(wù)資源。這一原則在服務(wù)選擇模型中將以函數(shù)F3體現(xiàn)，F(xiàn)3是物理距離的函數(shù)。服務(wù)流程的物理距離包括2個(gè)方面，一方面是每個(gè)服務(wù)與用戶之間的物理距離，另一方面是兩兩服務(wù)之間的物理距離，這里主要考慮具有串聯(lián)關(guān)系的兩兩服務(wù)。本文基于這2種距離構(gòu)造函數(shù)F3。

從服務(wù)Si,j描述中提取地理位置參數(shù)Sitei,j，從用戶需求中獲取用戶的位置參數(shù)，記為UserSite。F3的計(jì)算規(guī)則如式（15）。

其中，j =2,3,4,…,Ji；Distf( a, b)是距離函數(shù)，用于計(jì)算a, b兩點(diǎn)之間的距離；Zi,j∈{0,1}，Zi,j=1表示服務(wù)Si,j與Si+1,j之間是串聯(lián)關(guān)系，否則Zi,j=0。

3.2.3 總體指標(biāo)的計(jì)算規(guī)則

對(duì)于需要選擇組合服務(wù)流程的情況，需要計(jì)算組合服務(wù)的總體QoS指標(biāo)。在不同的流程實(shí)例中，需要根據(jù)局部流程的結(jié)構(gòu)特點(diǎn)來(lái)計(jì)算。流程的基本結(jié)構(gòu)主要有4種：順序、并行、選擇和循環(huán)。本文第2節(jié)描述的服務(wù)選擇流程，得到的服務(wù)組合流程將呈現(xiàn)上述4種或部分結(jié)構(gòu)。關(guān)于4種不同流程結(jié)構(gòu)下的總體指標(biāo)計(jì)算方法，相關(guān)文獻(xiàn)研究較多[8,15]。本文中，總體指標(biāo)的計(jì)算參見(jiàn)文獻(xiàn)[15]的計(jì)算方法。

由于不同的指標(biāo)具有不同的量綱，因此在將多個(gè)指標(biāo)進(jìn)行綜合計(jì)算時(shí)，首先需要對(duì)各種指標(biāo)進(jìn)行無(wú)量綱歸一化處理。本文采用極差規(guī)格化變換[17,18]對(duì)每一指標(biāo)值進(jìn)行無(wú)量綱歸一化處理。無(wú)量綱歸一化處理后，服務(wù)個(gè)體每一質(zhì)量指標(biāo)的取值都是[0, 1]區(qū)間上的無(wú)量綱點(diǎn)。本文所建模型中的參數(shù)均為歸一化處理后的參數(shù)。

3.3 基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇數(shù)學(xué)模型

基于QoS指標(biāo)和服務(wù)的運(yùn)行狀態(tài)建立基于用戶QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇數(shù)學(xué)模型?；赒oS指標(biāo)的服務(wù)選擇是一個(gè)多目標(biāo)數(shù)學(xué)規(guī)劃問(wèn)題，鑒于目標(biāo)規(guī)劃能較好的解決多目標(biāo)決策問(wèn)題，其目標(biāo)函數(shù)不是尋求最大值或最小值，而是尋求這些目標(biāo)與預(yù)計(jì)成果的最小差距，差距越小，目標(biāo)實(shí)現(xiàn)的可能性越大。利用目標(biāo)規(guī)劃的這一特點(diǎn)，服務(wù)選擇并不是以選擇最優(yōu)的服務(wù)為目標(biāo)，而是找到滿足用戶需求的服務(wù)，在一定程度上可以避免優(yōu)質(zhì)服務(wù)排隊(duì)現(xiàn)象，利于服務(wù)的均勻利用。

本文采用目標(biāo)規(guī)劃對(duì)基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇問(wèn)題進(jìn)行建模。用戶的QoS指標(biāo)一般包括服務(wù)的執(zhí)行時(shí)間、費(fèi)用、可用性、可靠性和處理能力等。將所選服務(wù)或組合服務(wù)流程的實(shí)際QoS指標(biāo)值與用戶期望值的差值作為模型的目標(biāo)項(xiàng)，差值越小表示越接近用戶需求，當(dāng)差值為0時(shí)，表示所選服務(wù)或組合服務(wù)流程完全滿足用戶需求。基于用戶的QoS指標(biāo)需求和服務(wù)的使用狀態(tài)，目標(biāo)規(guī)劃的目標(biāo)向量可以定義為：

目標(biāo)向量是一個(gè)由多個(gè)目標(biāo)項(xiàng)構(gòu)成的一維向量，描述為式（16）。

其中，Objo表示目標(biāo)因子，o=1,2,3,…,O，O是自然數(shù)，Objo≥0。

在一次服務(wù)選擇中，用戶對(duì)于不同指標(biāo)的偏好程度可能不同，例如：用戶需求“在滿足服務(wù)執(zhí)行時(shí)間的條件下費(fèi)用越低越好”，表明“執(zhí)行時(shí)間”的優(yōu)先等級(jí)高于“執(zhí)行費(fèi)用”。針對(duì)這一情況，提供一種靈活的目標(biāo)項(xiàng)權(quán)重設(shè)置方法。該方法通過(guò)采用權(quán)重向量實(shí)現(xiàn)，目標(biāo)權(quán)重向量定義如下：

目標(biāo)權(quán)重向量是一個(gè)由多個(gè)權(quán)重因子構(gòu)成的一維向量，描述為

其中，αw表示權(quán)重因子，w=1,2,3,…,W，W是自然數(shù)；0≤αw≤1且

對(duì)于目標(biāo)規(guī)劃問(wèn)題，將目標(biāo)權(quán)重向量與目標(biāo)向量的點(diǎn)乘乘積函數(shù)作為目標(biāo)規(guī)劃模型的目標(biāo)函數(shù)，對(duì)于同一個(gè)目標(biāo)函數(shù)，權(quán)重?cái)?shù)量W與目標(biāo)數(shù)量O相等，目標(biāo)函數(shù)可以描述為

本文模型考慮4個(gè)等級(jí)的目標(biāo)，前3個(gè)目標(biāo)分別根據(jù)用戶的QoS需求生成，QoS指標(biāo)需求一般可以分為2類(lèi)，一類(lèi)指標(biāo)值越大越好，例如可用性、可靠性和處理能力等，在模型中用符號(hào),k=1,2,3表示，另一類(lèi)指標(biāo)值越小越好，例如服務(wù)的執(zhí)行時(shí)間和費(fèi)用等，在模型中用符號(hào),k=1,2,3表示；第4個(gè)目標(biāo)是服務(wù)資源調(diào)度函數(shù)，根據(jù)這4個(gè)目標(biāo)，形成目標(biāo)向量Obj=(V0,V0,V0,P1×F1 V 0+P21×F21V 0+P22×F22V 0+P3×F3 V 0)，其中4個(gè)目標(biāo)因子分別表示所選服務(wù)或組合服務(wù)流程的實(shí)際QoS指標(biāo)值與用戶期望值的差。根據(jù)用戶需求偏好決定目標(biāo)權(quán)重向量ObjWeight?；谀繕?biāo)向量和權(quán)重向量，構(gòu)造目標(biāo)函數(shù)。模型的約束函數(shù)主要是目標(biāo)約束和決策變量約束。

基于上述分析，建立基于QoS需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇數(shù)學(xué)模型，模型描述如式(19)～式(22)。

其中，I=1表示單服務(wù)選擇，I＞1表示組合服務(wù)流程選擇。式(18)為目標(biāo)函數(shù)，表示服務(wù)或組合服務(wù)的3個(gè)QoS指標(biāo)分別與用戶期望值的差，依字典序分別達(dá)到最小，目標(biāo)函數(shù)中的V表示“取大”操作，例如“V0”表示“”的值與“0”取大。式（20）、式（21）為模型的目標(biāo)約束，表示3個(gè)QoS指標(biāo)分別與用戶期望值的差。式（22）是決策變量約束，表示為每個(gè)抽象服務(wù)選擇一個(gè)具體服務(wù)，各參數(shù)的總體指標(biāo)是Yi,j的函數(shù)。

3.4 模型求解

組合服務(wù)QoS局部和全局優(yōu)化計(jì)算問(wèn)題都是NP問(wèn)題，算法具有指數(shù)復(fù)雜度，隨著問(wèn)題規(guī)模的增大，難以在多項(xiàng)式時(shí)間內(nèi)找到問(wèn)題的最優(yōu)解[8,19]。遺傳算法（GA, genetic algorithm）作為一種智能優(yōu)化方法，具有并行計(jì)算、群體尋優(yōu)的特點(diǎn)，已廣泛應(yīng)用于各種NP-Complete 問(wèn)題的求解[8]。鑒于此，本文基于遺傳算法對(duì)所提服務(wù)選擇方法進(jìn)行仿真計(jì)算。

算法的基本思想為：基于第2節(jié)服務(wù)選擇流程步驟2，在服務(wù)資源池中找到目標(biāo)服務(wù)組，形成組合服務(wù)流程（可以包含一個(gè)或多個(gè)服務(wù)節(jié)點(diǎn)）。將每一個(gè)配置后的組合服務(wù)流程編碼為一個(gè)染色體，通過(guò)染色體之間的選擇、交叉和變異等遺傳操作，產(chǎn)生具有更高適應(yīng)函數(shù)值的新染色體。這一過(guò)程不斷重復(fù)進(jìn)行，實(shí)現(xiàn)在解空間的并行全局搜索。算法停止時(shí)，得到一個(gè)染色體集合，對(duì)應(yīng)模型的解集，也就是服務(wù)選擇的方案集。

在遺傳算法中，適應(yīng)值是對(duì)染色體進(jìn)行評(píng)價(jià)的重要指標(biāo)，適應(yīng)值函數(shù)的構(gòu)造非常重要。染色體對(duì)應(yīng)問(wèn)題的解，因此可以基于所求解問(wèn)題的目標(biāo)對(duì)染色體的適應(yīng)值函數(shù)進(jìn)行定義。

1) 適應(yīng)值函數(shù)構(gòu)建

根據(jù)模型的目標(biāo)函數(shù)構(gòu)建遺傳算法的適應(yīng)值函數(shù) f′。

用戶對(duì)不同 QoS指標(biāo)的需求偏好通過(guò)αk(k = 1 ,2,3)的取值來(lái)體現(xiàn)。

2) 適應(yīng)值歸一化處理

直觀認(rèn)識(shí)方面，適應(yīng)值越高表示染色體性能越好，反之越差。因此便于直觀理解，對(duì)適應(yīng)值f′采用負(fù)指數(shù)方法進(jìn)行歸一化處理[15]，可以描述為

其中，μ＞0，是歸一化參數(shù)。

歸一化之后的適應(yīng)值f是介于0和1之間的實(shí)數(shù)，f=1表示適應(yīng)值最高，f=0表示適應(yīng)值最低。

4 算例分析

4.1 參數(shù)初始化

本文基于云服務(wù)提供商的服務(wù)選擇方法，服務(wù)選擇結(jié)果可以是一個(gè)服務(wù)，也可以是由多個(gè)服務(wù)形成的組合服務(wù)流程。對(duì)于選擇結(jié)果是一個(gè)服務(wù)的情況，本節(jié)算例分析中把其看作包含一個(gè)服務(wù)節(jié)點(diǎn)的服務(wù)流程，對(duì)本文第3.3節(jié)所建模型進(jìn)行算例分析。服務(wù)流程包含I個(gè)服務(wù)節(jié)點(diǎn)，這里令I(lǐng)=6，不失一般性，假設(shè) I個(gè)服務(wù)組的規(guī)模相同且規(guī)模Ji= 2 0,i = 1 ,2,3,…, I 。

1) 服務(wù)資源池中服務(wù)的 QoS參數(shù)和資源調(diào)度相關(guān)參數(shù)

服務(wù)Si,j的相關(guān)參數(shù)值從服務(wù)描述中獲取，例如：對(duì)于云計(jì)算IaaS層面的某存儲(chǔ)服務(wù)Si,j，根據(jù)式（4）的云服務(wù)定義，有i=GroupID，j=ID且FuncSet和 QoSSet分別描述該服務(wù)的功能和質(zhì)量指標(biāo)，Provider和Site分別描述該服務(wù)的提供者信息和所處的物理位置信息。

這里QoS指標(biāo)分別取服務(wù)執(zhí)行費(fèi)用、時(shí)間和可靠性。對(duì)于QoS指標(biāo)參數(shù)和服務(wù)服務(wù)資源調(diào)度相關(guān)參數(shù)初始化，采用隨機(jī)方法，在一定范圍內(nèi)自動(dòng)生成，每個(gè)參數(shù)的取值范圍設(shè)定如表2和表3所示，其中， j =1,2,3,… ,Ji, i = 1,2,3,… , I 。

表2 QoS參數(shù)相關(guān)參數(shù)取值范圍

表3 服務(wù)資源調(diào)度相關(guān)參數(shù)取值范圍

其中，參數(shù) q ueuei,j和pNi,j的取值是整數(shù)，參數(shù)queuei,j和pNi,j初始化方法分別是：在區(qū)間(0,60]和[1,20]上分別隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)，然后取整分別作為參數(shù) q ueuei,j和pNi,j的值；參數(shù)pni,j初始化方法是在區(qū)間[0,pNi,j]上隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)，然后取整作為該參數(shù)的值。

2) 用戶需求相關(guān)參數(shù)設(shè)置

不同的用戶需求一般體現(xiàn)在對(duì)各項(xiàng)指標(biāo)的限值要求不同，本節(jié)實(shí)驗(yàn)假設(shè)了3種不同的用戶需求情況，如表4所示。

表4 用戶需求相關(guān)參數(shù)設(shè)置

3) 目標(biāo)權(quán)重參數(shù)

本文目標(biāo)規(guī)劃模型考慮了4個(gè)目標(biāo)，對(duì)應(yīng)的目標(biāo)權(quán)重向量包含4個(gè)權(quán)重因子。為比較不同用戶需求偏好情況下的服務(wù)選擇結(jié)果，本算例對(duì)4種不同的目標(biāo)權(quán)重向量取值下的服務(wù)選擇進(jìn)行計(jì)算分析，目標(biāo)權(quán)重向量參數(shù)設(shè)置如表5所示。

表5 目標(biāo)權(quán)重參數(shù)設(shè)置

其中，ObjWeightA的4個(gè)權(quán)重取值相同，表示4個(gè)目標(biāo)優(yōu)先等級(jí)相同；ObjWeightB和ObjWeightC的權(quán)重設(shè)置表示3個(gè)QoS指標(biāo)具有從高到低不同的優(yōu)先等級(jí)，未考慮資源調(diào)度問(wèn)題；ObjWeightD的權(quán)重設(shè)置表示只考慮資源調(diào)度目標(biāo)而不考慮用戶的QoS需求。

4) 遺傳算法參數(shù)

遺傳算法參數(shù)取交叉概率設(shè)為 0.6，變異概率設(shè)為0.1，染色體種群規(guī)模取25。

4.2 計(jì)算結(jié)果與分析

用VC++6.0編程實(shí)現(xiàn)求解算法。分別針對(duì)3種不同的用戶QoS需求和4種不同的目標(biāo)權(quán)重情況進(jìn)行具體服務(wù)選擇。通過(guò)設(shè)置不同的目標(biāo)權(quán)重，決定在服務(wù)選擇模型中是否引入資源調(diào)度規(guī)則，其中，ObjWeightA和ObjWeightD權(quán)重設(shè)置下，在不同程度上考慮資源調(diào)度原則，ObjWeightA和ObjWeightD權(quán)重設(shè)置下，不考慮資源調(diào)度原則。服務(wù)選擇結(jié)果如表6和表7所示。

表6 不同用戶需求情況下的服務(wù)選擇方案(ObjWeightA)

表7 不同目標(biāo)權(quán)重參數(shù)情況下的服務(wù)選擇方案(Case2)

表6表明，3種不同QoS需求情況下，前2種不同的用戶需求情況下，模型的適應(yīng)值都等于 1，意味著用戶的需求都達(dá)到滿意，但并一定是系統(tǒng)內(nèi)服務(wù)選擇的最優(yōu)解或者最優(yōu)方案。因此本文所提服務(wù)選擇方法一方面能夠滿足用戶的需求，另一方面在一定程度上能夠減少優(yōu)質(zhì)服務(wù)排長(zhǎng)隊(duì)的問(wèn)題。對(duì)于用戶需求 Case3，算法運(yùn)行結(jié)束時(shí)沒(méi)有找到適應(yīng)值等于1的服務(wù)流程，即完全滿足需求的服務(wù)組合方案，這種情況下可以進(jìn)而采用其他方法與用戶達(dá)成協(xié)定，例如服務(wù)協(xié)商。

表7表明，4種不同的目標(biāo)權(quán)重參數(shù)下，都找到了滿足需求的具體服務(wù)選擇方案，而每種情況下的服務(wù)選擇方案不盡相同。目標(biāo)權(quán)重反映了用戶對(duì)服務(wù)的QoS需求偏好和資源調(diào)度目標(biāo)，表6的數(shù)據(jù)反映出不同的目標(biāo)權(quán)重設(shè)置導(dǎo)致了不同的服務(wù)選擇結(jié)果。其中，對(duì)于目標(biāo)權(quán)重 ObjWeightB和ObjWeightC，參數(shù)設(shè)置為(0.75, 0.2, 0.05, 0)和(0.5,0.5, 0, 0)，α4=0表示服務(wù)選擇計(jì)算過(guò)程中沒(méi)有考慮資源調(diào)度因素，這種情況下的服務(wù)選擇結(jié)果明顯區(qū)別于其他2組，同時(shí)，由于ObjWeightB和ObjWeightC具有不同 QoS權(quán)重，對(duì)應(yīng)的服務(wù)選擇結(jié)果也不相同。因此，將用戶需求偏好和資源調(diào)度因素考慮到服務(wù)選擇過(guò)程具有重要意義。

5 結(jié)束語(yǔ)

服務(wù)選擇是云服務(wù)提供商進(jìn)行服務(wù)提供時(shí)面臨的一個(gè)首要問(wèn)題。本文從云服務(wù)提供商角度，分析影響服務(wù)選擇的主要因素，梳理服務(wù)選擇流程，給出服務(wù)選擇的具體實(shí)現(xiàn)步驟。進(jìn)而建立基于用戶需求偏好和服務(wù)資源調(diào)度的服務(wù)選擇數(shù)學(xué)模型，設(shè)計(jì)智能算法進(jìn)行求解。算例分析表明了方法的可行性和有效性。本文所提服務(wù)選擇流程和模型對(duì)于提高云服務(wù)提供商的服務(wù)運(yùn)營(yíng)效率具有一定指導(dǎo)意義。

[1] 鄧岳. 基于個(gè)性化服務(wù)匹配度的服務(wù)發(fā)現(xiàn)機(jī)制研究[D]. 西安：西安電子科技大學(xué)2007.DENG Y. Research on Service Discovery Based on Personalized Service Matchmaking Degree[D]. Xi’an: Xidian University, 2007.

[2] YANG F C, SU S, LI Z. Hybrid QoS-aware semantic Web service composition strategies[J]. Science in China Series F: Information Sciences, Science in China Press, Co-published with Springer-Verlag GmbH, 2008, 51(11): 1822-1840.

[3] 白東偉. 基于語(yǔ)義的 Web服務(wù)匹配與發(fā)現(xiàn)技術(shù)研究[D]. 北京: 北京郵電大學(xué), 2008.BAI D W. Research on Web Services Semantic Matchmaking and Discovery[D]. Beijing: Beijing University of Posts and Telecommunications, 2008.

[4] 狄小峰. 基于分布式本體的服務(wù)選擇技術(shù)研究[D]. 北京: 清華大學(xué), 2012.DI X F. Research on Service Selection Method based on Distributed Ontology[D]. Beijing: Tsinghua University, 2012.

[5] MENASCE D A. QoS issues in web services[J]. IEEE Internet Computing, 2002, 6: 72-75.

[6] RAN S. A model for web services discovery with QoS[J]. ACM, 2003,4(1): 1-10.

[7] YU T, LIN K J. The design of QoS broker algorithms for QoS-capable web services[J]. International Journal of Web Service Research,2004,1(4): 33-50.

[8] 劉書(shū)雷, 劉云翔, 張帆等. 一種服務(wù)聚合中 QoS 全局最優(yōu)服務(wù)動(dòng)態(tài)選擇算法[J]. 軟件學(xué)報(bào), 2007. 18(3): 646-656.LIU S L, LIU Y X, ZHANG F, et al. A dynamic Web services selection algorithm with QoS global optimal in Web services composition[J]. Journal of Software, 2007, 18 (3): 646-656.

[9] FUDZEE M F M, ABAWAJY J H. QoS-based adaptation service selection broker[J]. Future Generation Computer Systems, 2011, 27:256-264.

[10] GUO F, ZHAO L, WANG Y, et al. Research on the Web services selection problem[A]. Proceedings of the 2010 Second International Workshop on Education Technology and Computer Science(ETCS)[C]. Wuhan, China, 2010. 284 - 287.

[11] 潘靜, 徐鋒, 呂建. 面向可信服務(wù)選取的基于聲譽(yù)的推薦者發(fā)現(xiàn)方法[J]. 軟件學(xué)報(bào), 2010, 21(2): 388-400.PAN J, XU F, LV J. Reputation-based recommender discovery approach for service selection[J]. Journal of Software, 2010, 21(2):388-400.

[12] DAI G, WANG Y. Trust-aware component service selection algorithm in service composition[A]. 2009 International Conference on Frontier of Computer Science and Technology[C]. 2009.613-618.

[13] 徐萌. 基于服務(wù)關(guān)系的服務(wù)組合相關(guān)技術(shù)研究[D].北京：北京郵電大學(xué), 2007.XU M. Research on Service Relationship based Web Services Composition and Related Technology[D]. Beijing: Beijing University of Posts and Telecommunications, 2007.

[14] 葉世陽(yáng), 魏峻, 李磊等. 支持服務(wù)關(guān)聯(lián)的組合服務(wù)選擇方法研究[J].計(jì)算機(jī)學(xué)報(bào). 2008, 31(8): 1383-1397.YE S Y, WEI J, LI L, et al. Service correlation aware service selection for composite service[J]. Chinese Journal of Computers, 2008, 31(8):1383-1397.

[15] 李素粉. SOBE環(huán)境下支持信任和服務(wù)關(guān)聯(lián)的服務(wù)選擇方法[D]. 北京: 清華大學(xué), 2011.LI S F. A Trust and Service Relation Aware Approach to Services Selection under SOBE Environments[D]. Beijing: Tsinghua University,2010.

[16] [EB/OL]. http://aws.amazon.com.

[17] 張躍, 鄒壽平, 宿分. 模糊數(shù)學(xué)方法及其應(yīng)用[M]. 北京: 煤炭工業(yè)出版社, 1992.ZHANG Y, ZOU S P, SU F. Fuzzy Mathematics and its Application[M]. Beijing: Ching Coal Industry Publishing House, 1992.

[18] 姜峰.基于關(guān)系的服務(wù)資源管理關(guān)鍵技術(shù)研究[D]. 北京: 清華大學(xué),2009.JIANG F. Research on Key Technologies of Relation-Based Service Resource Management[D]. Beijing: Tsinghua University, 2009.

[19] GAREY M, JOHNSON D. Computers and Intractability: A Guide to the Theory of NP-Completeness[M]. New York: W.H.Freeman and Company, 1979.