一種基于數(shù)據(jù)服務(wù)超鏈進(jìn)行情景數(shù)據(jù)集成的方法*

王桂玲，張 峰,2，韓燕波

（1.北方工業(yè)大學(xué)云計(jì)算研究中心 北京100144；2.山東科技大學(xué)信息科學(xué)與工程學(xué)院 青島266590）

1 引言

隨著Internet的快速發(fā)展和普及以及云計(jì)算的興起，數(shù)據(jù)的采集、存儲和傳播的數(shù)量與日俱增，但這些數(shù)據(jù)往往存儲在許多不同管理域的不同數(shù)據(jù)源之中。為更有效地利用這些信息，需要從多個分布、異構(gòu)和自治的數(shù)據(jù)源中集成數(shù)據(jù)。由于互聯(lián)網(wǎng)環(huán)境的開放性及動態(tài)變化性[1,2]，數(shù)據(jù)集成面臨的環(huán)境也越來越復(fù)雜。本文所探討的數(shù)據(jù)集成與傳統(tǒng)數(shù)據(jù)集成不同，其集成需求無法完全預(yù)先定義，而是即時出現(xiàn)，稱為“情景數(shù)據(jù)集成”，根據(jù)即時出現(xiàn)的需求對不同來源、不同格式、不同語義、不同特點(diǎn)的數(shù)據(jù)源臨時進(jìn)行邏輯或物理上的有機(jī)集成[3]。

以公安系統(tǒng)面臨的嫌疑逃犯抓捕場景為例，各級公安干警在案件偵破過程中，要分析來自不同部門的大量數(shù)據(jù)，試圖尋找有用信息。傳統(tǒng)的做法是通過查閱檔案或者直接通過常年積累的直覺經(jīng)驗(yàn)，判斷眾多事件和信息之間的關(guān)聯(lián)，從中發(fā)現(xiàn)有用的信息。隨著現(xiàn)代社會各部門信息系統(tǒng)的逐漸完善，公安干警逐漸可以從各類信息查詢系統(tǒng)、視頻監(jiān)控系統(tǒng)等中找尋案件線索。公安干警在定位嫌疑人的過程中，受害人信息往往易于明確，但進(jìn)一步提取信息的需求會隨著情景的變化而動態(tài)演化。例如，當(dāng)受害人和受害地點(diǎn)確定，提取受害人的身份證信息后，可進(jìn)一步調(diào)取此受害人的社會關(guān)系信息（如移動電話通話信息、親屬信息、QQ、微博聯(lián)系人信息、銀行卡購買記錄等通信、網(wǎng)絡(luò)多維度的相關(guān)信息）以及最近聯(lián)系人的車輛信息，通過對比事發(fā)現(xiàn)場的車牌識別歷史記錄，發(fā)現(xiàn)與此聯(lián)系人車牌一致。本案告破，此人正是兇手。

這個過程映射到軟件系統(tǒng)中，是一個對多個異構(gòu)數(shù)據(jù)源進(jìn)行抽取、轉(zhuǎn)換、查詢、連接、合并、比對等的數(shù)據(jù)集成問題。與傳統(tǒng)的數(shù)據(jù)集成不同，在此類場景中，公安干警無法事先確定提取、集成和分析哪些數(shù)據(jù)源，而只能根據(jù)當(dāng)前數(shù)據(jù)集成的結(jié)果逐步明確下一步進(jìn)行數(shù)據(jù)集成的需求。在這個過程中，數(shù)據(jù)的集成需求無法完全預(yù)先定義，是隨集成結(jié)果的逐步顯現(xiàn)而逐步明確的。用戶可以根據(jù)動態(tài)變化的需求臨時調(diào)整數(shù)據(jù)集成的過程，這是一種典型的“情景數(shù)據(jù)集成”案例。

在這個場景中，數(shù)據(jù)來源于多個不同管理域的部門。各種部門信息系統(tǒng)的數(shù)據(jù)訪問方式、格式、語義異構(gòu)，且各部門出于數(shù)據(jù)隱私保護(hù)、系統(tǒng)性能等考慮，往往不希望暴露數(shù)據(jù)源的數(shù)據(jù)模式及全部的查詢訪問信息，只允許有限制的查詢訪問。人們通常采用面向服務(wù)的數(shù)據(jù)集成技術(shù)[4]，首先使用服務(wù)的方式封裝對各部門數(shù)據(jù)進(jìn)行查詢、訪問的功能，一方面可滿足部門對自身數(shù)據(jù)的保護(hù)等要求，另一方面，也有可能對異構(gòu)的數(shù)據(jù)源提供一致的訪問方式。

之前的研究提出并實(shí)現(xiàn)了一種用戶主導(dǎo)的數(shù)據(jù)服務(wù)編程方法，面向無法預(yù)先定義、即時出現(xiàn)的數(shù)據(jù)集成需求，提供數(shù)據(jù)服務(wù)的基本抽象，提出基于嵌套表格和Spreadsheet結(jié)合的數(shù)據(jù)服務(wù)編程模型及環(huán)境，使不具備專業(yè)編程知識的普通用戶可以即時進(jìn)行服務(wù)聚合[5,6]。以前數(shù)據(jù)服務(wù)的調(diào)用、結(jié)果的轉(zhuǎn)換以及處理操作完全依靠用戶手工進(jìn)行，數(shù)據(jù)服務(wù)之間的關(guān)聯(lián)關(guān)系隱含在應(yīng)用的構(gòu)造邏輯中，不利于其他用戶重用。為了方便用戶建立并重用數(shù)據(jù)服務(wù)之間的關(guān)聯(lián)關(guān)系，需要提供更加有效的手段輔助用戶顯式地描述和表達(dá)各種數(shù)據(jù)服務(wù)之間隱含的關(guān)聯(lián)關(guān)系，并可向用戶動態(tài)地推薦，輔助用戶從各種看似無關(guān)的數(shù)據(jù)中建立關(guān)系、發(fā)現(xiàn)線索，進(jìn)行臨機(jī)決策和動態(tài)集成。

為了顯式描述并使用服務(wù)之間的關(guān)系，可以借鑒Web頁面中超級鏈接（簡稱“超鏈”）的思想?！俺湣钡乃枷朐从诰W(wǎng)頁超級鏈接，超鏈?zhǔn)菢?gòu)成萬維網(wǎng)的關(guān)鍵要素，作為節(jié)點(diǎn)元素的一部分，卻與節(jié)點(diǎn)內(nèi)容松散耦合，具有結(jié)構(gòu)簡單、單向性、局部性[7]、松耦合、可擴(kuò)展能力和容錯能力等很多優(yōu)良的性質(zhì)以及豐富的表達(dá)能力[8]。在Web網(wǎng)頁瀏覽中，用戶通過超鏈的導(dǎo)航，能夠自行逐步發(fā)現(xiàn)新的可用資源。而超鏈的作用并非僅限于網(wǎng)頁瀏覽，其既是面向人的，又是機(jī)器可理解的，例如在REST風(fēng)格的服務(wù)中，超鏈可用于描述應(yīng)用的狀態(tài)改變和轉(zhuǎn)移[9]，從而有可能可靠地協(xié)調(diào)不同系統(tǒng)間的交互，實(shí)現(xiàn)完整的業(yè)務(wù)流程。受此啟發(fā)，本文將“超鏈”的思想引入服務(wù)的設(shè)計(jì)中，希望能夠通過超鏈的支持，顯式地表達(dá)并存儲數(shù)據(jù)服務(wù)之間的關(guān)聯(lián)關(guān)系，使得用戶在各種服務(wù)之間簡便、快捷地導(dǎo)航，并同時完成復(fù)雜的數(shù)據(jù)集成操作，從而更好地支持人的臨機(jī)決策以加速解題的過程。

在設(shè)計(jì)一個網(wǎng)頁時，提供到其他網(wǎng)頁的鏈接是事實(shí)上的標(biāo)準(zhǔn)做法。但在服務(wù)設(shè)計(jì)中，往往并不包含到其他服務(wù)或資源的鏈接，客戶端必須根據(jù)服務(wù)調(diào)用的結(jié)果，決定其下一步的行為。本文將超鏈引入數(shù)據(jù)服務(wù)模型的設(shè)計(jì)中，提出了一種具有超鏈能力的數(shù)據(jù)服務(wù)模型，用數(shù)據(jù)服務(wù)超鏈描述服務(wù)之間的前驅(qū)后繼關(guān)系，并作為建立數(shù)據(jù)服務(wù)之間有機(jī)關(guān)聯(lián)關(guān)系的核心元素。在此基礎(chǔ)上，探討了一種基于超鏈進(jìn)行數(shù)據(jù)服務(wù)即時組合的方法，并討論了超鏈智能推薦關(guān)鍵問題，以輔助用戶利用數(shù)據(jù)服務(wù)之間關(guān)聯(lián)關(guān)系的歷史，從各種看似無關(guān)的數(shù)據(jù)中建立關(guān)系，發(fā)現(xiàn)線索，進(jìn)行臨機(jī)決策。

最后，通過案例和實(shí)驗(yàn)對所提出的組合方法及其實(shí)現(xiàn)機(jī)制給予了分析和評價，本文提出的基于數(shù)據(jù)服務(wù)超鏈的情景數(shù)據(jù)集成方法繼承了“超鏈”的優(yōu)良性質(zhì)，支持用戶在數(shù)據(jù)服務(wù)導(dǎo)航的過程中動態(tài)完成數(shù)據(jù)服務(wù)的組合，同時靈活支持人機(jī)決策，可以有效支持情景數(shù)據(jù)集成。

2 基于數(shù)據(jù)服務(wù)超鏈的數(shù)據(jù)服務(wù)即時組合模型

2.1 數(shù)據(jù)服務(wù)及數(shù)據(jù)服務(wù)超鏈

本文提出的數(shù)據(jù)服務(wù)是以提供數(shù)據(jù)資源的訪問為目的的軟件服務(wù)，提供了對數(shù)據(jù)資源的抽象。數(shù)據(jù)服務(wù)之間是互相關(guān)聯(lián)的，其關(guān)聯(lián)關(guān)系通過服務(wù)超鏈顯式表征。數(shù)據(jù)服務(wù)之間的關(guān)聯(lián)關(guān)系可以有多種，本文以數(shù)據(jù)服務(wù)的輸入/輸出關(guān)聯(lián)關(guān)系為例。假設(shè)一個數(shù)據(jù)服務(wù)a輸出的一部分可作為另一個數(shù)據(jù)服務(wù)b的輸入，則客戶端可通過服務(wù)超鏈從a導(dǎo)航到b，即從應(yīng)用的一個狀態(tài)轉(zhuǎn)移到其他狀態(tài)。這里，應(yīng)用的狀態(tài)是指在某個特定的時刻系統(tǒng)中所有變量的值。例如，“受害人信息”數(shù)據(jù)服務(wù)的輸出是該受害人的唯一身份標(biāo)識ID，而“親屬關(guān)系信息”數(shù)據(jù)服務(wù)需要的輸入?yún)?shù)是某人的身份標(biāo)識ID，進(jìn)而得到該人員的親屬關(guān)系信息。兩個數(shù)據(jù)服務(wù)之間通過受害人的唯一身份標(biāo)識ID建立了關(guān)聯(lián)，客戶端可以在調(diào)用“受害人信息”數(shù)據(jù)服務(wù)得到輸出結(jié)果之后，通過顯式建立的服務(wù)超鏈導(dǎo)航到“親屬關(guān)系信息”數(shù)據(jù)服務(wù)，從而得到受害人的親屬關(guān)系信息。下面給出幾個關(guān)鍵的定義。

定義1（數(shù)據(jù)服務(wù)）數(shù)據(jù)服務(wù)是信息系統(tǒng)對外發(fā)布數(shù)據(jù)資源的軟件服務(wù)，通過數(shù)據(jù)資源封裝或組合得到，實(shí)現(xiàn)了數(shù)據(jù)資源在給定數(shù)據(jù)模型下的統(tǒng)一表示。它接收一組對該數(shù)據(jù)資源進(jìn)行HTTP標(biāo)準(zhǔn)請求的參數(shù)，并返回相應(yīng)的結(jié)果數(shù)據(jù)集或響應(yīng)。一個數(shù)據(jù)服務(wù)用URI唯一標(biāo)識，通過HTTP標(biāo)準(zhǔn)的方法獲取或操作數(shù)據(jù)，對外暴露其輸入?yún)?shù)以及輸出的資源表述。其中，資源表述中包含了與其有單向關(guān)聯(lián)關(guān)系的數(shù)據(jù)服務(wù)超鏈及輸出的數(shù)據(jù)模式。

數(shù)據(jù)服務(wù)可表示為一個七元組（為了簡便起見，省略了對數(shù)據(jù)質(zhì)量、服務(wù)質(zhì)量以及其他非功能屬性的描述）：ds=，其中，name是服務(wù)的名字；id為服務(wù)的全局唯一標(biāo)識；desc是服務(wù)的描述；URI可以包含變量、正則表達(dá)式或XPath表達(dá) 式，如http://some.com/{victimID}/VictimInfo、http://some.com/[a-zA-Z0-9-]/relative等，這樣可以使得數(shù)據(jù)服務(wù)支持到數(shù)據(jù)源查詢操作的動態(tài)綁定，即客戶端在選擇超鏈時根據(jù)當(dāng)前數(shù)據(jù)服務(wù)的表述動態(tài)決定鏈接的具體URI；method為 標(biāo) 準(zhǔn) 的HTTP方 法 （get、put、delete或post）；params是數(shù)據(jù)服務(wù)的輸入?yún)?shù)，每個輸入?yún)?shù)為一個不嵌套其他元素的原子元素，params=；representation是數(shù)據(jù)服務(wù)所對應(yīng)的數(shù)據(jù)源查詢操作輸出的表述，representation=。type是該操作結(jié)果表述的格式，有純文本格式、XML格式、JSON格式或嵌套表格式等；schema是數(shù)據(jù)服務(wù)輸出結(jié)果的數(shù)據(jù)模式；representation中還包含指向其他數(shù)據(jù)服務(wù)的超級鏈接links，由多個服務(wù)超鏈（見定義2）構(gòu)成；output是數(shù)據(jù)服務(wù)輸出結(jié)果表述的內(nèi)容字符串。

定義2（服務(wù)超鏈）一個數(shù)據(jù)服務(wù)超鏈可表示為如下六元組：link=，其中，id是該服務(wù)超鏈的全局唯一標(biāo)識；desc是其具體描述；target是鏈接指向的下一個數(shù)據(jù)服務(wù)的ID，并不是下一個數(shù)據(jù)服務(wù)的URI，以避免鏈接和數(shù)據(jù)服務(wù)URI的緊耦合；服務(wù)超鏈?zhǔn)峭ㄟ^selector從數(shù)據(jù)服務(wù)輸出的資源表述representation中獲取的，selector用于從當(dāng)前數(shù)據(jù)服務(wù)輸出的資源表述中選取相應(yīng)的部分，以作為下一個數(shù)據(jù)服務(wù)的輸入，其值與資源表述的格式有關(guān)，若資源表述格式為XML，則selector是一個XPath表達(dá)式；generateuri用于根據(jù)selector的值（即前一個數(shù)據(jù)服務(wù)的輸出）生成下一個數(shù)據(jù)服務(wù)的超鏈，是服務(wù)超鏈對數(shù)據(jù)服務(wù)的輸入/輸出關(guān)系進(jìn)行顯式描述的關(guān)鍵；protocol是服務(wù)超鏈的訪問協(xié)議，描述了其標(biāo)準(zhǔn)的HTTP方法（get、put、delete或post）及返回數(shù)據(jù)的格式；constraint是鏈接的約束，用于表達(dá)鏈接起作用的條件。

定義3（原子數(shù)據(jù)服務(wù)）原子數(shù)據(jù)服務(wù)是一類基本的數(shù)據(jù)服務(wù)，一個原子數(shù)據(jù)服務(wù)即直接包裝數(shù)據(jù)資源得到的服務(wù)，原子數(shù)據(jù)服務(wù)封裝的技術(shù)和過程不在本文的探討范圍之內(nèi)，具體請參見參考文獻(xiàn)[6]。

定義4（復(fù)合數(shù)據(jù)服務(wù)）復(fù)合數(shù)據(jù)服務(wù)由多個原子數(shù)據(jù)服務(wù)遵照第3節(jié)的方法即時組合而成，一個復(fù)合數(shù)據(jù)服務(wù)由多個通過數(shù)據(jù)服務(wù)超鏈關(guān)聯(lián)起來的原子數(shù)據(jù)服務(wù)構(gòu)成，對應(yīng)多個數(shù)據(jù)源查詢操作。

定義5（數(shù)據(jù)服務(wù)空間）數(shù)據(jù)服務(wù)空間是數(shù)據(jù)服務(wù)的集合，數(shù)據(jù)服務(wù)之間可能通過服務(wù)超鏈互相關(guān)聯(lián)。在一個系統(tǒng)中，新加入的原子數(shù)據(jù)服務(wù)、新生成的復(fù)合數(shù)據(jù)服務(wù)均需添加到該集合中，用戶在構(gòu)造應(yīng)用時所使用的服務(wù)全部來自于該集合。

數(shù)據(jù)服務(wù)的描述模型如圖1所示。實(shí)線框表示元素，虛線框表示屬性。表1列出了本文場景中所涉及的數(shù)據(jù)服務(wù)。

上述數(shù)據(jù)服務(wù)模型的設(shè)計(jì)思想如下。

融合了REST服務(wù)的設(shè)計(jì)思想，顯式地使用標(biāo)準(zhǔn)HTTP方法，通過數(shù)據(jù)服務(wù)超鏈完成數(shù)據(jù)服務(wù)之間的訪問，將應(yīng)用從一個狀態(tài)改變?yōu)榱硪粋€狀態(tài)。在本文提出的數(shù)據(jù)服務(wù)模型中，超鏈為什么不單獨(dú)表示，而是表示到數(shù)據(jù)服務(wù)中？這是借鑒了REST服務(wù)“超媒體作為應(yīng)用狀態(tài)引擎

（hypermedia as the engine of application state，HATEOAS）”的原則[10]。當(dāng)前客戶端對數(shù)據(jù)服務(wù)調(diào)用后，服務(wù)器以對資源的表述作為響應(yīng)，其中包含一個或多個超級鏈接，用來描述下一個被允許的與服務(wù)器交互的集合?？蛻舳送ㄟ^對這些超級鏈接的選擇，將應(yīng)用從一個狀態(tài)改變?yōu)榱硪粋€狀態(tài)。服務(wù)器端不保存應(yīng)用狀態(tài)，提供一系列的鏈接，狀態(tài)的轉(zhuǎn)移完全由客戶端通過鏈接的選擇驅(qū)動。借鑒這種設(shè)計(jì)思想，本文在數(shù)據(jù)服務(wù)中包含相應(yīng)的服務(wù)超鏈，通過超鏈的支持，客戶端能通過超鏈的選擇驅(qū)動數(shù)據(jù)的操作與流轉(zhuǎn)。

圖1 數(shù)據(jù)服務(wù)描述模型

表1 “嫌疑犯確定”場景中涉及的數(shù)據(jù)服務(wù)

本文提出的數(shù)據(jù)服務(wù)將提供相應(yīng)的描述文件，支持以聲明性的方式描述數(shù)據(jù)源的基本信息以及數(shù)據(jù)服務(wù)之間的導(dǎo)航機(jī)制。以嵌套關(guān)系作為數(shù)據(jù)服務(wù)的中立數(shù)據(jù)結(jié)構(gòu)，為了方便數(shù)據(jù)可視化操作，將數(shù)據(jù)資源可視化為嵌套表格的形式，具體分析見參考文獻(xiàn)[5]。

描述模型中的數(shù)據(jù)服務(wù)超鏈可以由用戶手工創(chuàng)建，也可以由機(jī)器自動創(chuàng)建（如基于歷史記錄的方法以及信息抽取和自動匹配的方法等），只需要將相應(yīng)的數(shù)據(jù)服務(wù)超鏈信息增加到數(shù)據(jù)服務(wù)的描述文件中即可。數(shù)據(jù)服務(wù)超鏈具體的各種自動建立方法不在本文的探討范圍之內(nèi)。

數(shù)據(jù)服務(wù)空間提供了領(lǐng)域中的所有數(shù)據(jù)服務(wù)，這些數(shù)據(jù)服務(wù)之間通過數(shù)據(jù)服務(wù)超鏈互相連接，形成一個龐大的服務(wù)網(wǎng)絡(luò)。當(dāng)數(shù)據(jù)服務(wù)空間中的數(shù)據(jù)服務(wù)達(dá)到一定規(guī)模時，將顯現(xiàn)一定的性質(zhì)，如同通過網(wǎng)頁超鏈連接起來形成的Web一樣。分析數(shù)據(jù)服務(wù)空間的性質(zhì)是一個有意義的工作，但不在本文的探討范圍之內(nèi)。

2.2 基于數(shù)據(jù)服務(wù)超鏈的數(shù)據(jù)服務(wù)即時組合過程

本文設(shè)計(jì)的情景數(shù)據(jù)集成過程是一個復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造過程，通過基于數(shù)據(jù)服務(wù)超鏈的數(shù)據(jù)服務(wù)即時組合完成。其設(shè)計(jì)思想如下：用戶選擇并實(shí)例化當(dāng)前數(shù)據(jù)服務(wù)后，從該數(shù)據(jù)服務(wù)的數(shù)據(jù)服務(wù)超鏈集合中選擇一個數(shù)據(jù)服務(wù)超鏈，從而實(shí)例化該服務(wù)超鏈指向的下一個數(shù)據(jù)服務(wù)。以此循環(huán)，直到用戶發(fā)現(xiàn)滿意的集成結(jié)果，過程終止，系統(tǒng)輸出一個復(fù)合數(shù)據(jù)服務(wù)。其形式化定義如下。

定義5（復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造過程）一個復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造過程可以表示為一個四元組，各變量介紹如下。

·DS={dsi|i=1,…,n}是一個有限集，由此次構(gòu)造過程中產(chǎn)生的所有數(shù)據(jù)服務(wù)實(shí)例構(gòu)成。該集合中的元素滿足：堝initDS∈DS為應(yīng)用的起始數(shù)據(jù)服務(wù)實(shí)例；坌a∈DS,堝b∈DS，使得（a,b）∈links或（b,a）∈links。每個數(shù)據(jù)服務(wù)實(shí)例有確定的狀態(tài)，以dsstate表示，dsstate∈{ready,active,finished,terminated}，分別表示服務(wù)實(shí)例準(zhǔn)備運(yùn)行、已啟動、已成功完成和已終止運(yùn)行。已成功完成和已終止運(yùn)行的數(shù)據(jù)服務(wù)返回碼為標(biāo)準(zhǔn)的HTTP請求返回碼。

·States表示復(fù)合數(shù)據(jù)服務(wù)構(gòu)造和執(zhí)行過程中應(yīng)用狀態(tài)的集合，state∈States，是當(dāng)前復(fù)合數(shù)據(jù)服務(wù)構(gòu)造與運(yùn)行過程中應(yīng)用的狀態(tài)，體現(xiàn)在該復(fù)合數(shù)據(jù)服務(wù)構(gòu)造和運(yùn)行過程中當(dāng)前已經(jīng)成功執(zhí)行的數(shù)據(jù)服務(wù)實(shí)例及其狀態(tài)上。

·OP是用戶操作集合，OP={selectLink,send,terminate}，表示從當(dāng)前數(shù)據(jù)服務(wù)返回結(jié)果的資源表述中選擇數(shù)據(jù)服務(wù)超鏈、向數(shù)據(jù)服務(wù)超鏈指向的數(shù)據(jù)服務(wù)發(fā)送HTTP請求（get、put、delete、post等標(biāo) 準(zhǔn)操作）、終止復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造過程。op∈OP，表示當(dāng)前用戶操作。

·δ表示應(yīng)用狀態(tài)的轉(zhuǎn)移。δ（dsi,op）=dsk，表示操作op作

用于數(shù)據(jù)服務(wù)實(shí)例dsi，產(chǎn)生了新的數(shù)據(jù)服務(wù)dsk實(shí)例。狀態(tài)的轉(zhuǎn)移體現(xiàn)在該復(fù)合數(shù)據(jù)服務(wù)構(gòu)造和運(yùn)行過程中，當(dāng)前執(zhí)行的數(shù)據(jù)服務(wù)實(shí)例及其狀態(tài)的改變。以上述定義為基礎(chǔ)，用狀態(tài)機(jī)圖對復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造和運(yùn)行過程進(jìn)行描述，如圖2所示，簡便起見，省略了異常情況下的應(yīng)用狀態(tài)。復(fù)合數(shù)據(jù)服務(wù)構(gòu)造和運(yùn)行過程中應(yīng)用的狀態(tài)集合為{Start,VictimInfoReady,RelativesReady,Contacts Ready,RelatedPersonReady,VehicleReady,MonitorVehicle Ready,GotSuspicious,End}。初始的數(shù)據(jù)服務(wù)實(shí)例為表1中數(shù)據(jù)服務(wù)“受害人信息”或“現(xiàn)場監(jiān)測車信息”的實(shí)例。當(dāng)“受害人信息”成功執(zhí)行后，該數(shù)據(jù)服務(wù)實(shí)例的狀態(tài)為“finished”，而相應(yīng)的應(yīng)用狀態(tài)為“VictimInfoReady”，標(biāo)識著當(dāng)前應(yīng)用已經(jīng)為下一個數(shù)據(jù)服務(wù)實(shí)例準(zhǔn)備好相應(yīng)的輸入。用戶此時從其資源表述中選擇數(shù)據(jù)服務(wù)超級鏈接“/relatives”，并向其發(fā)送HTTP get請求，觸發(fā)相應(yīng)的數(shù)據(jù)服務(wù)實(shí)例，應(yīng)用狀態(tài)改變?yōu)椤癛elativesReady”。

一旦復(fù)合數(shù)據(jù)服務(wù)構(gòu)造完畢，將自動生成一個新的復(fù)合數(shù)據(jù)服務(wù)并對外發(fā)布，同時生成該復(fù)合數(shù)據(jù)服務(wù)構(gòu)造過程的描述文件。當(dāng)用戶訪問并執(zhí)行該復(fù)合數(shù)據(jù)服務(wù)時，數(shù)據(jù)服務(wù)執(zhí)行引擎將根據(jù)該描述文件自動化復(fù)合數(shù)據(jù)服務(wù)的執(zhí)行。

3 數(shù)據(jù)服務(wù)超鏈的即時推薦機(jī)制

為了方便數(shù)據(jù)服務(wù)關(guān)聯(lián)關(guān)系的建立和重用，除了提供有效的手段輔助用戶手工建立數(shù)據(jù)服務(wù)超鏈之外，還可以向用戶主動推薦數(shù)據(jù)服務(wù)超鏈，從而輔助用戶進(jìn)行臨機(jī)決策，即時進(jìn)行數(shù)據(jù)集成。

向用戶推薦數(shù)據(jù)服務(wù)超鏈的依據(jù)有兩種：基于規(guī)則或基于統(tǒng)計(jì)?；谝?guī)則的方法是領(lǐng)域?qū)＜倚枰孪戎贫ú⒕S護(hù)推薦規(guī)則，通過邏輯推理得知用戶可能需要的算子；基于統(tǒng)計(jì)的方法是根據(jù)用戶構(gòu)造復(fù)合數(shù)據(jù)服務(wù)的歷史提取服務(wù)超鏈的選擇模式，并把不同模式出現(xiàn)的概率作為推薦服務(wù)超鏈的依據(jù)。相比于基于規(guī)則的方法，基于統(tǒng)計(jì)的方法無需事先制定推薦規(guī)則，可以隨著用戶構(gòu)造的復(fù)合數(shù)據(jù)服務(wù)中新型數(shù)據(jù)服務(wù)超鏈的出現(xiàn)模式進(jìn)行動態(tài)更新，當(dāng)“數(shù)據(jù)服務(wù)空間”中積累起足夠多的數(shù)據(jù)服務(wù)超鏈，出現(xiàn)模式樣例時，可實(shí)現(xiàn)相對準(zhǔn)確的推薦。因此，本文基于統(tǒng)計(jì)方法進(jìn)行數(shù)據(jù)服務(wù)超鏈的推薦。

數(shù)據(jù)服務(wù)超鏈的推薦可以轉(zhuǎn)化為條件概率的比較問題。將從數(shù)據(jù)服務(wù)a指向b的數(shù)據(jù)服務(wù)超鏈記為a→b，其中，a為該數(shù)據(jù)服務(wù)超鏈的起點(diǎn)，記為aS，b為該數(shù)據(jù)服務(wù)超鏈的終點(diǎn)，記為bT。對數(shù)據(jù)服務(wù)a，選擇數(shù)據(jù)服務(wù)超鏈a→b的條件概率為：

圖2 可疑數(shù)據(jù)服務(wù)對應(yīng)的狀態(tài)機(jī)示意

選擇數(shù)據(jù)服務(wù)超鏈a→c的條件概率為：

式（1）、式（2）相除，得：

用Count(x→y)表示數(shù)據(jù)服務(wù)空間中數(shù)據(jù)服務(wù)超鏈x→y的出現(xiàn)次數(shù)，則：

同理，可得：

將式（4）、式（5）代入式（3），得：

因此，為數(shù)據(jù)服務(wù)a推薦某數(shù)據(jù)服務(wù)超鏈a→b的出現(xiàn)概率，等比于數(shù)據(jù)服務(wù)空間的所有超鏈中a→b出現(xiàn)的個數(shù)。根據(jù)這個結(jié)論，在推薦超鏈時，通過統(tǒng)計(jì)數(shù)據(jù)服務(wù)空間中數(shù)據(jù)服務(wù)超鏈的個數(shù)對其進(jìn)行排序。

此外，還可以利用復(fù)合數(shù)據(jù)服務(wù)構(gòu)造的一些性質(zhì)提高推薦的準(zhǔn)確度。例如，復(fù)合數(shù)據(jù)服務(wù)的內(nèi)部存在數(shù)據(jù)服務(wù)超鏈組合片斷的自相似性。例如，在圖2中，利用從“受害人信息”數(shù)據(jù)服務(wù)指向“最近聯(lián)系人信息”和“親屬信息”兩個數(shù)據(jù)服務(wù)的數(shù)據(jù)服務(wù)超鏈，分別獲得受害人的親屬信息和聯(lián)系人信息，然后通過指向“合并”數(shù)據(jù)服務(wù)的服務(wù)超鏈，發(fā)送“post/union”請求將聯(lián)系人信息和親屬信息合并。在這里，由于“/union”自身的特點(diǎn)，使得產(chǎn)生“/union”的輸入的數(shù)據(jù)服務(wù)超鏈組合片斷高度相似。

將復(fù)合數(shù)據(jù)服務(wù)內(nèi)部的構(gòu)造性質(zhì)稱為數(shù)據(jù)服務(wù)超鏈的局部特征，而通過整個數(shù)據(jù)服務(wù)空間內(nèi)部的數(shù)據(jù)服務(wù)超鏈計(jì)算得出的超鏈出現(xiàn)概率則體現(xiàn)了超鏈通用的使用方式，是數(shù)據(jù)服務(wù)超鏈的全局特征。

結(jié)合數(shù)據(jù)服務(wù)超鏈的局部特征和全局特征，用如下算法生成數(shù)據(jù)服務(wù)超鏈的推薦列表。

算法1數(shù)據(jù)服務(wù)超鏈推薦算法

輸入：當(dāng)前復(fù)合數(shù)據(jù)服務(wù)，當(dāng)前數(shù)據(jù)服務(wù)空間，需要推薦的服務(wù)超鏈個數(shù)k。

輸出：長度為k的數(shù)據(jù)服務(wù)超鏈推薦列表。

算法流程介紹如下。

（1）利用當(dāng)前復(fù)合數(shù)據(jù)服務(wù)構(gòu)造過程中已有的數(shù)據(jù)服務(wù)超鏈片段，根據(jù)上述自相似性建立的簡化推薦規(guī)則，生成數(shù)據(jù)服務(wù)超鏈的局部推薦列表，記列表中的超鏈個數(shù)為m。

（2）若m≥k，則取前k個，算法完成；若m

（3）利用整個數(shù)據(jù)服務(wù)空間的數(shù)據(jù)服務(wù)超鏈，根據(jù)式（6）的概率比值計(jì)算方法，生成超鏈的全局推薦列表，從全局推薦列表中取前(k-m)個與局部推薦列表不同的數(shù)據(jù)服務(wù)超鏈，追加至局部推薦列表的末尾，該列表即最終數(shù)據(jù)服務(wù)超鏈推薦列表。

按上面的算法結(jié)合數(shù)據(jù)服務(wù)超鏈的全局特征和局部特征，可以提高服務(wù)超鏈推薦算法的準(zhǔn)確性。

4 案例和實(shí)驗(yàn)

以第1節(jié)介紹的場景為例，說明本文提出的基于數(shù)據(jù)服務(wù)超鏈的數(shù)據(jù)服務(wù)即時組合方法能夠滿足情景數(shù)據(jù)集成的特定需求。

公安干警小王在進(jìn)行此案件的分析時，首先嘗試選用“受害人信息”數(shù)據(jù)服務(wù)并發(fā)送服務(wù)調(diào)用請求，該服務(wù)返回調(diào)用結(jié)果后，小王根據(jù)自己的辦案經(jīng)驗(yàn)，嘗試選擇“最近聯(lián)系人信息”數(shù)據(jù)服務(wù)，并配置其輸入?yún)?shù)，建立起二者之間參數(shù)的數(shù)據(jù)關(guān)聯(lián)，系統(tǒng)根據(jù)這些信息自動建立起“受害人信息”數(shù)據(jù)服務(wù)和“最近聯(lián)系人信息”數(shù)據(jù)服務(wù)之間的數(shù)據(jù)服務(wù)超鏈。小王得到“最近聯(lián)系人信息”數(shù)據(jù)服務(wù)返回結(jié)果后，根據(jù)經(jīng)驗(yàn)進(jìn)一步選擇“親屬信息”數(shù)據(jù)服務(wù)，系統(tǒng)建立起從“受害人信息”數(shù)據(jù)服務(wù)指向“親屬信息”數(shù)據(jù)服務(wù)的超鏈。此時，根據(jù)前文所述的推薦算法，系統(tǒng)向其推薦“post/union”、“post/intersect”等數(shù)據(jù)服務(wù)超鏈列表，小王根據(jù)自己的辦案經(jīng)驗(yàn)，從中選擇“post/union”數(shù)據(jù)服務(wù)超鏈，并配置相應(yīng)的輸入?yún)?shù)。

在上述過程中，用戶每一步都可根據(jù)當(dāng)前服務(wù)執(zhí)行請求返回的結(jié)果或系統(tǒng)推薦的數(shù)據(jù)服務(wù)超鏈進(jìn)行臨機(jī)決策，選擇下一步要請求調(diào)用的服務(wù)，逐步得到滿意的結(jié)果。每一步服務(wù)執(zhí)行返回的結(jié)果若不滿意，用戶都可以選擇其他數(shù)據(jù)服務(wù)，重新建立數(shù)據(jù)服務(wù)超鏈。若用戶認(rèn)為得到滿意結(jié)果，可終止構(gòu)造過程，同時保存該應(yīng)用。此時，系統(tǒng)將根據(jù)上述過程自動生成一個新的復(fù)合數(shù)據(jù)服務(wù)“嫌疑犯確定”，并可對外發(fā)布，從而方便其他公安干警訪問。

情景數(shù)據(jù)集成參照參考文獻(xiàn)[14]基于對BPEL（business process execution language,業(yè)務(wù)流程執(zhí)行語言）引擎的擴(kuò)展實(shí)現(xiàn)，圖3用時序圖描述了上述復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造過程。值得指出的是，基于數(shù)據(jù)服務(wù)超鏈進(jìn)行數(shù)據(jù)服務(wù)即時組合具有即時性，可能在出現(xiàn)多次交互后才能獲得一個滿意的復(fù)合數(shù)據(jù)服務(wù)，另外，不掌握編程知識的業(yè)務(wù)用戶或最終用戶在構(gòu)造復(fù)合數(shù)據(jù)服務(wù)過程中，也很少考慮路徑的優(yōu)化問題。因此，即便系統(tǒng)并不保存用戶回退的過程，在輸出的復(fù)合數(shù)據(jù)服務(wù)中也難免會包含一些冗余和非優(yōu)化的步驟。解決此問題可以從兩個方面進(jìn)行：一方面，由專家或系統(tǒng)管理員對復(fù)合數(shù)據(jù)服務(wù)進(jìn)行求精處理；另一方面，利用自動化的方法，由系統(tǒng)利用其他用戶的構(gòu)造歷史、專家知識庫等對復(fù)合數(shù)據(jù)服務(wù)的結(jié)構(gòu)進(jìn)行分析求精。

為了定量驗(yàn)證本文數(shù)據(jù)服務(wù)超鏈推薦算法的有效性，實(shí)驗(yàn)數(shù)據(jù)集來自Yahoo!Pipes，由于其覆蓋不同的數(shù)據(jù)格式和數(shù)據(jù)來源，具有較強(qiáng)的代表性。從Yahoo!Pipes的應(yīng)用庫中取出620個含有4 857個數(shù)據(jù)服務(wù)超鏈的應(yīng)用，其中600個（含4 549個數(shù)據(jù)服務(wù)超鏈）作為樣本集（即作為支持推薦算法的數(shù)據(jù)服務(wù)空間），20個（含308個數(shù)據(jù)服務(wù)超鏈）作為測試集 （即接受數(shù)據(jù)服務(wù)超鏈推薦的對象）。Yahoo!Pipes中的應(yīng)用是以專有的圖形化方式表示的，不能直接用于推薦算法中，因此利用本文的數(shù)據(jù)服務(wù)及超鏈模型對其進(jìn)行轉(zhuǎn)換。

假設(shè)推薦算法給出的候選數(shù)據(jù)服務(wù)超鏈列表的大小為k，需要進(jìn)行數(shù)據(jù)服務(wù)超鏈推薦的復(fù)合數(shù)據(jù)服務(wù)的個數(shù)為n，第i個復(fù)合數(shù)據(jù)服務(wù)用戶需要的數(shù)據(jù)服務(wù)超鏈在推薦列表中的排名為Ri（0≤Ri≤k，Ri=0表示不在列表中），用score(i)表示對第i個復(fù)合數(shù)據(jù)服務(wù)推薦數(shù)據(jù)服務(wù)超鏈時的評分，滿分為k，不在列表中評分為0。用式(7)計(jì)算：

推薦算法的準(zhǔn)確性可用n個應(yīng)用的評分總和與滿分（k×n）的比值衡量，如式(8)所示：

由于k是直接給用戶推薦的超鏈個數(shù)，取值不宜過大。本文取k=4,5,…,12，在樣本集上分別取200，300，…，600個復(fù)合數(shù)據(jù)服務(wù)對測試集進(jìn)行推薦，對不考慮自相似與考慮自相似兩種情況進(jìn)行實(shí)驗(yàn)，發(fā)現(xiàn)k=5時能夠得到最佳的實(shí)驗(yàn)結(jié)果。圖4給出了k=5的實(shí)驗(yàn)結(jié)果。

圖3 復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造過程

圖4 k=5時數(shù)據(jù)服務(wù)超鏈推薦的準(zhǔn)確性

從圖4中可以看出，隨著樣本集集成應(yīng)用數(shù)量的增多，推薦算法的準(zhǔn)確性不斷提升，這說明在實(shí)際應(yīng)用中，隨著數(shù)據(jù)服務(wù)空間的演化，復(fù)合數(shù)據(jù)服務(wù)不斷增多，推薦算法的準(zhǔn)確性逐步得到提升。還可以看出，考慮數(shù)據(jù)服務(wù)超鏈組合片斷的自相似性的推薦算法準(zhǔn)確性普遍高于不考慮自相似性的情況，這說明還需要充分利用復(fù)合數(shù)據(jù)服務(wù)構(gòu)造的內(nèi)部性質(zhì)提高推薦的準(zhǔn)確度。

5 相關(guān)工作

本節(jié)從如下3個方面對本文提出的方法與相關(guān)工作進(jìn)行比較。

（1）借鑒超鏈對服務(wù)關(guān)聯(lián)關(guān)系進(jìn)行建模的方法

比較典型的工作有韓燕波等提出的服務(wù)超鏈[11]以及IBM的研究者提出的“超級服務(wù)（HyperService）”[12]。但目前這些研究主要用來描述服務(wù)之間在業(yè)務(wù)邏輯上的相關(guān)性，即服務(wù)行為約束關(guān)系，而并不完全適用于描述數(shù)據(jù)服務(wù)之間的相關(guān)性。本文提出的數(shù)據(jù)服務(wù)超鏈基于HATEOAS原則，在用來解決本文場景中的情景數(shù)據(jù)集成問題時，能夠更好地繼承超鏈所具有的結(jié)構(gòu)簡單、客戶端和服務(wù)器松耦合性更好等性質(zhì)。

（2）借鑒HATEOAS設(shè)計(jì)原則對服務(wù)進(jìn)行組合的方法

近年來，隨著REST服務(wù)在更廣范圍內(nèi)被使用，有研究者提出借鑒HATEOAS原則的服務(wù)組合方法[13～15]。這些工作的主要聚焦點(diǎn)在于如何擴(kuò)展現(xiàn)有服務(wù)組合引擎，使之支持REST服務(wù)的組合，其方法主要適合于用基于HATEOAS原則的REST服務(wù)組合方法解決傳統(tǒng)服務(wù)組合問題。本文與這些工作的相同之處在于融合了REST風(fēng)格的服務(wù)模型以及HATEOAS的設(shè)計(jì)原則，目的是更好地繼承“超鏈”的優(yōu)良性質(zhì)，但與這類工作不同的是，本文工作的主要貢獻(xiàn)不在于擴(kuò)展現(xiàn)有服務(wù)組合引擎使之支持基于HATEOAS的REST服務(wù)組合，而是探討了一種通過超鏈導(dǎo)航結(jié)合超鏈的智能推薦等手段支持?jǐn)?shù)據(jù)服務(wù)構(gòu)造的新方法。

（3）服務(wù)之間關(guān)聯(lián)關(guān)系的即時推薦方法

Advisor M[16]基于Mashup應(yīng)用構(gòu)造歷史記錄進(jìn)行服務(wù)推薦，根據(jù)服務(wù)之間關(guān)聯(lián)關(guān)系的使用頻率進(jìn)行推薦，并結(jié)合AI規(guī)劃的方法為用戶推薦最可能生成用戶期望輸出的Mashup路徑。MARIO[17]則基于標(biāo)簽進(jìn)行關(guān)聯(lián)關(guān)系的推薦，生成用戶期望的流程。這些方法以生成用戶期望的整個流程為目標(biāo)，比較適合于終點(diǎn)已知的場景；而本文方法更適合需求不確定、在每一步操作均需要人為參與進(jìn)行決策的情景應(yīng)用構(gòu)造。

6 結(jié)束語

在開放和動態(tài)變化的互聯(lián)網(wǎng)及云環(huán)境下，數(shù)據(jù)集成的需求往往即時出現(xiàn)而無法完全預(yù)先定義，如何使用戶根據(jù)當(dāng)前業(yè)務(wù)需求以一種便于重用的方式建立數(shù)據(jù)源之間的關(guān)聯(lián)關(guān)系，并支持用戶進(jìn)行臨機(jī)決策，是傳統(tǒng)數(shù)據(jù)集成技術(shù)面臨的新挑戰(zhàn)?！熬W(wǎng)頁超鏈”作為Web導(dǎo)航與發(fā)現(xiàn)Web網(wǎng)頁的關(guān)鍵元素提供了啟發(fā)，本文的新思路是借鑒網(wǎng)頁超鏈的思想，使得用戶在數(shù)據(jù)服務(wù)導(dǎo)航過程的同時完成數(shù)據(jù)的即時集成。本文提出利用“數(shù)據(jù)服務(wù)超鏈”的抽象輔助用戶顯式地描述和表達(dá)各種數(shù)據(jù)服務(wù)之間隱含的關(guān)聯(lián)關(guān)系，同時融合REST服務(wù)和HATEOAS的設(shè)計(jì)思想，在數(shù)據(jù)服務(wù)中包含相應(yīng)的服務(wù)超級鏈接，通過超鏈的支持，使客戶端能通過超級鏈接的選擇驅(qū)動復(fù)合數(shù)據(jù)服務(wù)的構(gòu)造與運(yùn)行。

本文提出基于超鏈導(dǎo)航的情景數(shù)據(jù)集成方法和狀態(tài)機(jī)描述，并討論了基于統(tǒng)計(jì)的數(shù)據(jù)服務(wù)超鏈推薦算法，幫助用戶從各種看似無關(guān)的數(shù)據(jù)中建立關(guān)系，進(jìn)行臨機(jī)決策。結(jié)合案例進(jìn)行了分析評價及實(shí)驗(yàn)，結(jié)果表明，本文提出的方法能夠有效支持情景數(shù)據(jù)集成。進(jìn)一步工作包括探討具體的數(shù)據(jù)服務(wù)超鏈的自動生成方法，進(jìn)一步研究數(shù)據(jù)服務(wù)超鏈的性質(zhì)（如層次性、局部性等）并給出驗(yàn)證，在此基礎(chǔ)上研究數(shù)據(jù)服務(wù)空間的構(gòu)建、演化、性質(zhì)以及基于數(shù)據(jù)服務(wù)空間的智能服務(wù)超鏈推薦算法等。

1 Lv J,Ma X X,Tao X P,et al.Research and progress on internetware.Science in China(Series E),2006,36(10):1037～1080

2 Han Y B,Wang G L,Liu C,et al.Internet Computing:Theory and Practice.Beijing:Science Press,2010

3 Jhingran. Enterprise information mashups: integrating information,simply.Proceedings of the 32nd International Conference on Very Large Databases,Seoul,Korea,2006:3～4

4 Schahram D,Pichler R,Savenkov V,et al.Quality-aware service-oriented data integration:requirements,state of the art and open challenges.ACM SIGMOD Record 41,2012(1):11～19

5 Wang G L,Yang S H,Han Y B.Mashroom:end-user mashup programming using nested tables.Proceedings of the 18th International Conference on World Wide Web,WWW 2009,Madrid,Spain,April 2009:861～870

6 Han Y B,Wang G L,Ji G,et al.Situational data integration with data services and nested table.Service Oriented Computing and Applications,2013,7(2):129～150

7 Nadav E,McCurley K S.Locality,hierarchy,and bidirectionality in the web.Proceedings of Workshop on Algorithms and Models for the Web Graph,Budapest,2003

8 Luc M,Hall W.On the expressiveness of links in hypertext systems.The Computer Journal 41,1998(7):459～473

9 Thomas F R.Architectural styles and the design of networkbased software architectures.University of California,2000

10 Jim W,Parastatidis S,Robinson I.REST in Practice:Hypermedia and Systems Architecture.O'Reilly Media,Incorporated,2010

11 Yan S,Han Y,Wang J,et al.Service hyperlink for exploratory service composition.Proceedings of IEEE International Conference on e-Business Engineering,ICEBE 2007,Hong Kong,China,2007

12 Zhao C,Chun’e M,Zhang J,et al.HyperService:linking and exploring services on the web.Proceedings of 2010 IEEE International Conference on Web Services(ICWS),Miami,Florida,USA,2010

13 Rosa A,Wilde E,Bellido J.Hypermedia-driven restful service composition.Proceedings of Service-Oriented Computing,Springer Berlin Heidelberg,2011:111～120

14 Cesare P.Restful web service composition with BPEL for REST.Data & Knowledge Engineering 68,2009(9):851～866

15 Cesare P.Composing restful services with jopera.Proceedings of Software Composition,Springer Berlin Heidelberg,2009:142～159

16 Hazem E,Ivan A,Akkiraju R,et al.Mashup advisor:a recommendation tool for mashup development.Proceedings of IEEE International Conference on Web Services(ICWS’08),Beijing,China,2008:337～344

17 Anton V R,Boillet E,Feblowitz M D,et al.Wishful search:interactive composition of data mashups.Proceedings of the 17th International Conference on World Wide Web,Beijing,China,2008:775～784