一種Web服務(wù)使用者體驗時間的動態(tài)更新方法＊

鞠興隆，段友祥，馬 成，修南海，鞠海燕

（1.中國石油大學(xué)（華東）計算機與通信工程學(xué)院，山東 青島 266580；2.山東省昌邑市第一中學(xué)，山東 昌邑 261300）

1 引言

Web服務(wù)是一種主流的分布式計算技術(shù)，Web服務(wù)的使用滲透到生活的各個角落，并扮演著重要角色。隨著Web服務(wù)的快速發(fā)展，使用者對Web服務(wù)的要求不僅僅局限于實現(xiàn)某種功能，越來越多的使用者開始關(guān)注非功能需求，即服務(wù)質(zhì)量QoS（Quality of Service），如使用者體驗時間等。

Web服務(wù)的QoS 數(shù)據(jù)的準(zhǔn)確性是十分重要的，準(zhǔn)確的QoS數(shù)據(jù)是基于QoS的Web服務(wù)綜合評估的前提，不準(zhǔn)確的QoS數(shù)據(jù)會導(dǎo)致基于QoS的Web服務(wù)綜合評估產(chǎn)生錯誤的結(jié)果，進而導(dǎo)致基于QoS的Web服務(wù)選擇的失敗。Web服務(wù)的QoS數(shù)據(jù)大多是動態(tài)變化的，因此，需要對服務(wù)的QoS數(shù)據(jù)不斷地預(yù)測，實時地進行動態(tài)更新。

文黎明等[1]提出了一個基于測量目的的QoS監(jiān)測、控制框架。D'Ambrogio A[2]通過擴展WSDL（Web Services Description Language）文檔，將Web服務(wù)的非功能屬性QoS信息添加進來，擴展后的WSDL 稱為Q-WSDL （QoS-enabled WSDL）。Rosenberg F[3]提出了一種監(jiān)測、評估服務(wù)性能的方法，并實現(xiàn)了一個軟件工具來完成此項工作。Strunk A[4]引入了SLO（Service Level Objective）違規(guī)概念，并提出了一種預(yù)測組合服務(wù)可用性的方法。Davide L[5]提出了一種實時預(yù)測服務(wù)可用性的方法，這種方法通過使用MTTR（Mean Time To Repair）、MTTF（Mean Time To Failure）實現(xiàn)了可用性的黑盒預(yù)測。Vilalta R 等[6]研究了計算機系統(tǒng)預(yù)測算法在長期與短期、數(shù)值數(shù)據(jù)與類別數(shù)據(jù)等不同情況下的差異。徐福昌[7]提出了一種Web 服務(wù)的QoS 動態(tài)更新方法-X-M（Xu Method）方法，該方法引進了近期數(shù)據(jù)的概念，取得了較好的預(yù)測效果。

文黎明等[1]、D'Ambrogio A[2]和Rosenberg F[3]引入了QoS信息的表示以及監(jiān)測方法，但不包含QoS信息動態(tài)更新功能。Strunk A[4]和Davide L[5]提出了狀態(tài)屬性的更新方法，但此方法不適用于數(shù)值屬性的動態(tài)更新。本文根據(jù)文黎明等[1]、D'Ambrogio A[2]和Rosenberg F[3]提出的方法，同時受Strunk A[4]、Davide L[5]、Vilalta R 等[6]和徐福昌[7]提出的更新方法的啟發(fā)，提出了QoSBWSA（QoS Based Web Services Architecture）體系架構(gòu)和HDB-QoS-DPM（History Data based QoS Dynamic Prediction Method）方法，QoSB-WSA 架構(gòu)實現(xiàn)了使用者體驗時間信息的表示和監(jiān)測，HDB-QoS-DPM 方法實現(xiàn)了使用者體驗時間的動態(tài)更新。本文首先提出QoSB-WSA 體系架構(gòu)，這種架構(gòu)中加入了使用者體驗時間數(shù)據(jù)信息的處理模塊；然后又提出了HDB-QoS-DPM 動態(tài)更新方法，這種方法是一種基于巴萊多定律和統(tǒng)計學(xué)的方法；最后通過實驗的方法，驗證了本文提出的使用者體驗時間的動態(tài)更新方法的可行性和正確性。為便于敘述，在論文接下來的內(nèi)容中，如果沒有特殊說明，QoS數(shù)據(jù)指的就是Web服務(wù)使用者體驗時間。

2 QoSB-WSA體系架構(gòu)

基于QoS動態(tài)更新的模型QoSB-WSA 是一種基于QoS 的Web 服務(wù)架構(gòu)，與經(jīng)典的Web服務(wù)體系架構(gòu)不同之處是，QoSB-WSA 架構(gòu)加入了對QoS數(shù)據(jù)信息處理的支持機制。參照文獻[2]提出的方法，服務(wù)使用者向服務(wù)注冊中心發(fā)送的服務(wù)調(diào)用信息中需要加入QoS數(shù)據(jù)信息，服務(wù)使用者調(diào)用完Web服務(wù)后，需要將相關(guān)的使用者體驗以QoS數(shù)據(jù)的形式反饋到服務(wù)注冊中心。服務(wù)提供者發(fā)布Web服務(wù)時，需要在發(fā)布的信息中加入QoS數(shù)據(jù)信息。服務(wù)注冊中心需要記錄Web服務(wù)的QoS相關(guān)信息，對QoS數(shù)據(jù)進行管理。服務(wù)注冊中心中新加入的對QoS數(shù)據(jù)信息的支持部分稱為Web服務(wù)QoS 數(shù)據(jù)處理中心WS-QoS-Center（Web Services QoS Processing Center）。QoSBWSA 架構(gòu)如圖1所示。

Figure 1 QoS based web services architecture-QoSB-WSA圖1 基于QoS的Web服務(wù)體系架構(gòu)-QoSB-WSA

3 HDB-QoS-DPM 動態(tài)更新方法

3.1 HDB-QoS-DPM 方法基本思想

巴萊多效應(yīng)-即80／20法則，其思想是：在任何特定群體中，重要的因子通常只占少數(shù)，而不重要的因子則占多數(shù)，因此只要能控制具有重要性的少數(shù)因子即能控制全局。

基于以上理論，同時受文獻[7]提出的X-M 方法的啟發(fā)，本文提出了HDB-QoS-DPM 方法，QoS歷史數(shù)據(jù)是基礎(chǔ)，在時間軸上，與當(dāng)前時間距離小的歷史數(shù)據(jù)對當(dāng)前QoS數(shù)據(jù)期望值影響較大。在HDB-QoS-DPM 方法中，使用局部更新與全局修正相結(jié)合的方法，實現(xiàn)QoS數(shù)據(jù)期望值的計算。

3.2 QoS數(shù)據(jù)的局部更新

定義1 局部更新周期NS（Number of Small Part）。在QoSB-WSA 架構(gòu)中，相鄰兩個局部更新操作之間的歷史數(shù)據(jù)的數(shù)量稱為局部更新周期。

局部更新周期是一個數(shù)量，表示當(dāng)歷史數(shù)據(jù)的數(shù)量達到某個值時，進行一次局部更新。

定義2 歷史數(shù)據(jù)U-H-Data（User History Data）。在QoSB-WSA 架構(gòu)中，監(jiān)測到的Web服務(wù)使用者體驗時間的歷史QoS數(shù)據(jù)，也稱為監(jiān)測值、歷史數(shù)據(jù)。

Web服務(wù)使用者體驗時間指的是服務(wù)使用者調(diào)用一次服務(wù)（從綁定服務(wù)，到服務(wù)調(diào)用完成返回執(zhí)行結(jié)果）所用的時間。U-H-Data數(shù)據(jù)的集合為UHD，UHD＝｛uhdi｜1≤i≤n｝，其中uhdi比uhdi＋1獲取時間早，uhdn是最新獲取到的監(jiān)測值。

定義3 預(yù)測值U-E-Data（User Expectation Data，簡寫為UED）。在QoSB-WSA 架構(gòu)中，計算得到的QoS數(shù)據(jù)更新值，也稱為預(yù)測值、期望值，UED＝｛uedi｜1≤i≤n｝，其中uedi比uedi＋1計算時間早，uedn是最新計算出來的期望值。

UED 表示通過處理后得到的更新值。

定義4 偏離度UDD（User's Degree of Deviation）：

稱uddi是uhdi相對于uedi的偏離度。

uddi是一個百分比，uddi值越大，表示監(jiān)測值與期望值的偏離度越大，uddi值越小，表示監(jiān)測值與期望值的偏離度越小。

定義5 偏離因子UDDF（The Factor of User's Degree of Deviation）。

稱uddfi為uhdi相對于uedi的偏離因子，使用者偏離因子。其中，UTLD（User's Threshold Level of Deviation）表示使用者偏離閾值，是一個常量。

當(dāng)uddi大于或者等于UTLD 時，uddfi值 為1，表示監(jiān)測值偏離期望值過大，超過既定的范圍；當(dāng)uddi小于UTLD 時，uddfi值為0，表示監(jiān)測值偏離期望值不大，在既定的范圍之內(nèi)。

通過公式（1）和公式（2），將UHD 分為偏離度大的和偏離度小的兩類。

根據(jù)巴萊多效應(yīng)，一個局部更新周期內(nèi)的歷史數(shù)據(jù)對下一個預(yù)測值的影響是不同的，因此需要對歷史數(shù)據(jù)賦予不同的權(quán)重。根據(jù)正態(tài)分布函數(shù)，本文構(gòu)造了歷史數(shù)據(jù)的權(quán)重函數(shù)，如定義6所示。通過權(quán)重函數(shù)，可以對歷史數(shù)據(jù)賦予不同的權(quán)重，使歷史數(shù)據(jù)對預(yù)測值產(chǎn)生不同的影響。

定義6 使用者歷史數(shù)據(jù)權(quán)重UHDW（The Weight of User's History Data）。

定義7 使用者加權(quán)偏離量WNUDD（Weighted Number of User's Degree of Deviation）。

稱wnudd 為使用者加權(quán)偏離量。

wnudd 表示與期望值偏離超過既定范圍的監(jiān)測值的權(quán)重和，它的值越大，說明更新期望值時，監(jiān)測值所占的權(quán)重越大，期望值所占的權(quán)重越小；它的值越小，說明更新期望值時，監(jiān)測值所占的權(quán)重越小，期望值所占的權(quán)重越大。

通過公式（3）和公式（4）計算出監(jiān)測值和期望值對下一次的預(yù)測值權(quán)重。由于通過公式（3）得到的各歷史數(shù)據(jù)的權(quán)重的總和可能不為1，因此，通過定義8對權(quán)重進行處理，使權(quán)重總和為1。經(jīng)定義8處理后，新的權(quán)重可以直接反映監(jiān)測值對下一次預(yù)測值的影響的比例。

定義8 使用者更新因子UUF（User's Update Factor）。

其中，TUUF 和BUUF 為兩個常量，TUUF 是uuf的上限，BUUF 是uuf 的下限。稱uuf 為使用者更新因子。

使用者更新因子值越大，表示期望值與監(jiān)測值偏離越大，因此，在對期望值更新時，監(jiān)測值所占的權(quán)重越大；使用者更新因子值越小，表示期望值與監(jiān)測值偏離越小，因此，在對期望值更新時，監(jiān)測值所占的權(quán)重越小。uuf 直接表示監(jiān)測值對下一次預(yù)測值的影響比例。

獲得更新因子之后，就可以計算期望值ued，計算方法如公式（6）所示。

《廣西培育特色小鎮(zhèn)意見》指出，廣西特色小鎮(zhèn)建設(shè)要分輕資產(chǎn)型特色小鎮(zhèn)和重資產(chǎn)型特色小鎮(zhèn)來進行，這兩種類型的特色小鎮(zhèn)的建設(shè)面積原則上按1～3平方公里面積進行建設(shè)，但對這兩種類型的特色小鎮(zhèn)的社會投入要求不同。文件明確要求輕資產(chǎn)型社會投入要達到每平方公里8億元以上，重資產(chǎn)型社會投入要達到每平方公里16億元以上。但根據(jù)廣西經(jīng)濟發(fā)展預(yù)測和其他省市特色小鎮(zhèn)建設(shè)投入情況，廣西輕資產(chǎn)型特色小鎮(zhèn)建設(shè)未來社會投入可能會達到每平方公里8～24億元，重資產(chǎn)型特色小鎮(zhèn)社會投入可能會達到每平方公里16～48億元。

其中，i＝1，2.3，…，n。

公式（6）表示，下一次的預(yù)測值是由上一次的監(jiān)測值和期望值決定的，上一次監(jiān)測值和期望值的影響比例分別是uuf 和1-uuf。

3.3 QoS數(shù)據(jù)的全局修正

定義9 全局修正周期NA（Number of All History Data）

在QoSB-WSA 架構(gòu)中，相鄰兩個全局修正操作之間的UHD 的數(shù)量稱為全局修正周期。

全局修正周期是一個數(shù)量，表示當(dāng)歷史數(shù)據(jù)的數(shù)量達到某個值時，進行一次全局修正。

全局歷史數(shù)據(jù)權(quán)重的求法與局部更新時類似，求解方法如公式（3）所示。

定義10 使用者全局修正值UAMV（User's Modification Value of All History Data）。

稱uamv 為使用者全局修正值。

其中，uedold表示修正前的期望值，uednew表示修正后的期望值。

公式（8）的意義與公式（6）的意義類似，公式（8）表示，修正后的預(yù)測值是由修正前的期望值和一個全局修正周期內(nèi)的使用者體驗時間的加權(quán)期望值uamv 決定的，影響比例分別是1-uuf 和uuf。

4 實驗設(shè)計與實現(xiàn)

本實驗在Windows8 企業(yè)版32 位平臺上實現(xiàn)，使用C＃語言編寫，調(diào)試環(huán)境為Visual Studio 2012。實驗分別實現(xiàn)了服務(wù)使用者程序、服務(wù)提供者程序和服務(wù)注冊中心程序。服務(wù)使用者程序調(diào)用服務(wù)提供者程序所提供的服務(wù)，然后將服務(wù)體驗時間發(fā)送到服務(wù)注冊中心，服務(wù)注冊中心對數(shù)據(jù)進行處理和預(yù)測。實驗中，服務(wù)提供者提供的Web服務(wù)通過WCF實現(xiàn)，服務(wù)實現(xiàn)的功能是兩矩陣相乘，服務(wù)使用者將矩陣信息傳送到提供者服務(wù)器，提供者服務(wù)器進行矩陣計算，將計算結(jié)果返回給使用者，使用者將服務(wù)響應(yīng)時間反饋到注冊中心服務(wù)器，注冊中心根據(jù)反饋數(shù)據(jù)對服務(wù)響應(yīng)時間進行動態(tài)更新。實驗平臺示意如圖2所示。注冊中心、使用者和服務(wù)提供者通過以太網(wǎng)交換機相連，三者之間的XML數(shù)據(jù)通過計算機網(wǎng)絡(luò)傳輸。

Figure 2 Schematic diagram of experimental platform圖2 實驗平臺示意圖

服務(wù)注冊中心獲得使用者監(jiān)測值uhd，uhd 是服務(wù)使用者調(diào)用Web服務(wù)的真實體驗時間。根據(jù)定義4和定義5，將uhd與服務(wù)使用者體驗時間的期望值ued 進行比較，從而計算出使用者偏離因子uddf。根據(jù)定義6 計算出使用者歷史數(shù)據(jù)權(quán)重uhdw，然后，再根據(jù)定義7計算出使用者加權(quán)偏離量wnudd，根據(jù)定義8 計算出使用者局部更新因子，進而根據(jù)公式（1）求出使用者體驗時間的局部期望值。當(dāng)滿足全局修正條件時，計算使用者歷史數(shù)據(jù)權(quán)重，根據(jù)定義10計算出使用者全局修正值uamv，然后再根據(jù)公式（2）計算使用者體驗時間的修正值。

在實驗中，基于QoS動態(tài)更新的Web服務(wù)選擇模型中的常量取值如表1所示。

Table 1 Values of constants表1 常量取值

表1中，NS 的值為3，表示每收到3個監(jiān)測值就需要重新計算局部更新因子。NA 的值為11，表示每收到11個監(jiān)測值就需要對期望值進行全局修正。k 在其取值范圍內(nèi)取值越大，在局部更新時，最新的數(shù)據(jù)所占的權(quán)重越大，在全局修正時，最新數(shù)據(jù)對全局修正值的影響越大；取值越小，在局部更新時，最新的數(shù)據(jù)所占的權(quán)重越小，在全局修正時，最新數(shù)據(jù)對全局修正值的影響越小。UTLD在其取值范圍內(nèi)，取值越大，新數(shù)據(jù)對期望值的影響越小，取值越小，新數(shù)據(jù)對期望值的影響越大。TUUF 和BUUF 是更新因子的上限值和下限值。

表1中的常量的取值是手工設(shè)定的。在常量的取值范圍內(nèi)，表1中的常量也可以取其他值。

5 實驗結(jié)果及分析

實驗中，把基于QoS動態(tài)更新的Web服務(wù)選擇模型中的HDB-QoS-DPM 動態(tài)更新QoS 值的方法，與X-M 方法、平均值法、基于近期數(shù)據(jù)的平均值法等其他三種對QoS值進行動態(tài)更新的方法進行了分析和對比。X-M 方法中常量的取值與表1中相同。基于近期數(shù)據(jù)的平均值法中近期數(shù)據(jù)的數(shù)量取值與NS 相同。圖3是使用這四種方法對使用者體驗時間的預(yù)測比較圖。其中，菱形折線表示使用者體驗時間的監(jiān)測值，即服務(wù)使用者體驗時間的真實值，其他四條折線是預(yù)測值折線，與監(jiān)測值折線越接近，說明預(yù)測效果越好。正方形折線表示X-M 方法的預(yù)測值，三角形折線是本文提出的HDB-QoS-DPM 方法的預(yù)測值，叉形折線是平均值法的預(yù)測值，米形折線是基于近期數(shù)據(jù)的平均值法的預(yù)測值。從圖3可以看出，基于近期數(shù)據(jù)的平均值法的預(yù)測效果比平均值法要好，但是與XM 方法以及本文提出的HDB-QoS-DPM 法相比較，效果較差；可以看出，X-M 方法以及本文提出的HDB-QoS-DPM 法都取得了比較好的預(yù)測效果。

Figure 3 Comparison of four prediction methods for user time圖3 使用者體驗時間四種方法的比較

圖4 是X-M 方法和HDB-QoS-DPM 法的實驗比較結(jié)果。X-M 方法和HDB-QoS-DPM 方法都能隨監(jiān)測值的變化趨勢及時地做出適應(yīng)性調(diào)整。但是，在大部分情況下，HDB-QoS-DPM 方法的適應(yīng)性更好，預(yù)測值更接近監(jiān)測值。在圖4中，菱形折線是監(jiān)測值，正方形折線是X-M 方法預(yù)測值，三角形折線是HDB-QoS-DPM 方法預(yù)測值。

Figure 4 Comparison of two prediction methods for user time圖4 使用者體驗時間兩種方法的比較

利用公式（9），我們比較了HDB-QoS-DPM 方法與X-M 方法的10 000條預(yù)測記錄，比較結(jié)果如表2表示。

其中，d 表示預(yù)測值和真實值的差的絕對值，d 值越小，說明預(yù)測效果越好，d 值越大，說明預(yù)測效果越差。

Table 2 Comparison of HDB-QoS-DPM and X-M表2 HDB-QoS-DPM 方法與X-M 方法比較

從表2 可以看出，本文提出的HDB-QoSDPM 方法比X-M 方法的總體預(yù)測效果好。

圖5是使用者服務(wù)體驗時間動態(tài)更新過程中，更新因子uuf 值的變化折線。

Figure 5 Change of uuffor user time圖5 使用者體驗時間更新因子值的變化

從圖5中可以看出，uuf 的值界于0.2和0.8之間，這是由常量TUUF 和BUUF 決定的，實驗中，將TUUF 設(shè)置為0.8，BUUF 設(shè)置為0.2。

uuf 值越小，說明監(jiān)測值和期望值偏離越小，因此，使用監(jiān)測值對期望值進行更新時所占權(quán)重較小；uuf 值越大，說明監(jiān)測值和期望值偏離越大，因此，使用監(jiān)測值對期望值進行更新時所占權(quán)重較大。當(dāng)uuf 值較小時，表明使用者體驗時間的真實QoS值比較穩(wěn)定。

在圖3～圖5 中，每個數(shù)據(jù)點表示一條記錄，數(shù)據(jù)的橫坐標(biāo)是數(shù)據(jù)的收集次序。

6 結(jié)束語

本文提出了一種新的Web服務(wù)使用者體驗時間的動態(tài)更新方法HDB-QoS-DPM。HDB-QoSDPM 方法基于巴萊多定律和統(tǒng)計學(xué)規(guī)律，通過對服務(wù)使用者的QoS反饋數(shù)據(jù)處理，進行動態(tài)更新。通過實驗，比較了X-M 方法、平均值法、基于近期數(shù)據(jù)的平均值法以及本文提出的HDB-QoS-DPM方法，結(jié)果顯示HDB-QoS-DPM 比其他三種方法效果更好。

隨著Web技術(shù)的發(fā)展，本文提出的基于QoS動態(tài)更新的Web 服務(wù)選擇模型以及HDB-QoSDPM 方法還有許多地方可以進一步完善。在基于QoS動態(tài)更新的Web 服務(wù)選擇模型中，HDBQoS-DPM 方法中權(quán)重函數(shù)可以用其他函數(shù)代替，這些函數(shù)可以是經(jīng)典函數(shù)，也可以是構(gòu)造函數(shù)，如果能更好地反映監(jiān)測值的權(quán)重分布，就可能得到更好的預(yù)測效果。另外，本文實驗中常量的取值是根據(jù)實驗環(huán)境設(shè)定的，對于其他Web服務(wù)的QoS值的預(yù)測，需要根據(jù)實際情況調(diào)整，因此，在以后的改進中，可以在本方法中加入常量取值的自適應(yīng)模塊，使常量的取值根據(jù)具體情況自動調(diào)整。

[1]Wen Li-ming，Lu Ju-kang.A scaling-oriented QoS monitoring framework for web services[J].Microelectronics ＆Computer，2006，2.（10）：93-95.（in Chinese）

[2]D'Ambrogio A.A model-driven WSDL extension for describing the QoS of web services[C]∥Proc of International Conference on Web Services，2006：789-796.

[3]Rosenberg F.Bootstrapping performance and dependability attributes of web services[C]∥Proc of International Conference on Web Services，2006：205-212.

[4]Strunk A.An algorithm to predict the QoS-reliability of service compositions[C]∥Proc of the 6th World Congress on Services，2010：205-212.

[5]Davide L.Predicting software service availability：Towards a runtime monitoring approach[C]∥Proc of International Conference on Web Services，2011：736-737.

[6]Vilalta R，Apte C V，Hellerstein J L，et al.Predictive algorithms in the management of computer systems[J].IBM Systems Journal，2002，41（3）：461-474.

[7]Xu Fu-chang.Research of web service selection based on QoSaware[D].Dongying：China University of Petroleum，2012.（in Chinese）

附中文參考文獻：

[1]文黎明，陸菊康.基于測量目的的Web服務(wù)QoS監(jiān)控框架[J].微電子學(xué)與計算機，2006，2.（10）：93-95.

[7]徐福昌.基于QoS感知的Web服務(wù)選擇[D].東營：中國石油大學(xué)，2012.