基于服務(wù)工作流的服務(wù)動(dòng)態(tài)預(yù)取模型

李海波

（華僑大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，福建 廈門 361021）

0 引言

為滿足企業(yè)間的頻繁交互以及業(yè)務(wù)環(huán)境和需求的動(dòng)態(tài)變化，企業(yè)應(yīng)用軟件的構(gòu)造和升級(jí)也逐步開始面向服務(wù)計(jì)算技術(shù)，并經(jīng)常通過(guò)Web服務(wù)組合實(shí)現(xiàn)更為復(fù)雜的業(yè)務(wù)邏輯。服務(wù)組合方式有很多種，其中，依據(jù)服務(wù)間內(nèi)在的邏輯關(guān)系，把一系列基本服務(wù)按照一定的時(shí)序組裝在一起，實(shí)現(xiàn)復(fù)雜的交互，即為服務(wù)工作流［1］。服務(wù)的優(yōu)劣通常采用服務(wù)質(zhì)量（Quality of Service，QoS）衡量，為提高服務(wù)工作流環(huán)境中服務(wù)間的時(shí)序組合效率，服務(wù)工作流選取質(zhì)量“最好”的服務(wù)來(lái)組合。但當(dāng)前QoS的度量指標(biāo)描述的基本都是軟件技術(shù)特性，在候選服務(wù)少的情況下，基于QoS的方法基本無(wú)法起到改善系統(tǒng)效率的作用［2］，必須尋找其他度量手段。

在服務(wù)工作流環(huán)境下，當(dāng)服務(wù)節(jié)點(diǎn)業(yè)務(wù)量大時(shí)，大量的Web服務(wù)被不斷地組合在一起，裝入內(nèi)存、執(zhí)行、銷毀、再裝入內(nèi)存。將Web服務(wù)裝入內(nèi)存通常稱作Web服務(wù)的實(shí)例化。提高Web服務(wù)實(shí)例化的速度可以極大地縮短服務(wù)時(shí)序組合的響應(yīng)時(shí)間。目前，縮短服務(wù)響應(yīng)時(shí)間的方法包括基于體系結(jié)構(gòu)的方法和預(yù)取方法兩大類，前者通常采用專門的中間層緩沖一些常用服務(wù)［3－4］，如 FastSOA［5］，在服務(wù)再次收到同樣的請(qǐng)求時(shí)重新使用緩沖的響應(yīng)，以此減少對(duì)冗余請(qǐng)求響應(yīng)造成的服務(wù)帶寬，同時(shí)降低服務(wù)請(qǐng)求響應(yīng)時(shí)間，但隨著企業(yè)Web服務(wù)的激增，緩沖帶來(lái)的性能改善不再顯著［6］；預(yù)取是根據(jù)訪問(wèn)歷史預(yù)測(cè)用戶的未來(lái)訪問(wèn)請(qǐng)求，并把預(yù)測(cè)對(duì)象預(yù)先存放在緩沖區(qū)中，當(dāng)該對(duì)象被再次請(qǐng)求時(shí)，直接從緩存中提取該對(duì)象給用戶，以此降低用戶的訪問(wèn)延遲［7］。如果預(yù)測(cè)的足夠準(zhǔn)確，則采用預(yù)取技術(shù)實(shí)例化Web服務(wù)可明顯提高服務(wù)工作流的整體效率。在服務(wù)工作流的動(dòng)態(tài)環(huán)境下，服務(wù)的執(zhí)行頻率隨業(yè)務(wù)的發(fā)展時(shí)刻變化，這是服務(wù)預(yù)取要考慮的主要因素。

為此，本文針對(duì)服務(wù)工作流環(huán)境，基于業(yè)務(wù)因素，提出一種Web服務(wù)的動(dòng)態(tài)預(yù)取模型。首先分析業(yè)務(wù)頻率對(duì)Web服務(wù)預(yù)取的影響，體現(xiàn)在服務(wù)調(diào)用的間隔以及被反復(fù)調(diào)用的程度上，通過(guò)服務(wù)間的相對(duì)依賴強(qiáng)度和絕對(duì)依賴強(qiáng)度兩個(gè)計(jì)算模型得以體現(xiàn)，并最終獲取服務(wù)預(yù)取集合，通過(guò)實(shí)驗(yàn)及對(duì)比分析驗(yàn)證方法的有效性。

1 相關(guān)工作

廣義地講，可預(yù)取的服務(wù)包括 Web頁(yè)面、位置服務(wù)中的數(shù)據(jù)、流媒體、軟構(gòu)件等，服務(wù)的形態(tài)不同，預(yù)取方法也不同。基于路徑預(yù)測(cè)的方法通過(guò)挖掘用戶訪問(wèn)的路徑獲得預(yù)取集［7－8］；文獻(xiàn)［9］提出基于場(chǎng)景的數(shù)據(jù)預(yù)取方法，根據(jù)用戶和終端上保存的訪問(wèn)歷史記錄的關(guān)系，當(dāng)用戶訪問(wèn)某場(chǎng)景時(shí)，客戶端可以從服務(wù)器預(yù)取下一個(gè)可能的場(chǎng)景；基于位置的服務(wù)系統(tǒng)中，受帶寬和數(shù)據(jù)量的影響，通常需要預(yù)取數(shù)據(jù)資源，包括基于圖的增量預(yù)取策略［10］、基于語(yǔ)義的預(yù)取方法［11］、用于捕捉移動(dòng)的物體的局部匹配方法［12］等；流媒體的預(yù)取則根據(jù)媒體服務(wù)的特征，多采取分段緩存的策略［13－14］。上述方法基本都是根據(jù)用戶的訪問(wèn)歷史數(shù)據(jù)，針對(duì)提供服務(wù)的不同對(duì)象的特點(diǎn)，給出相應(yīng)的預(yù)取方法。由于事先無(wú)流程引導(dǎo)信息，這些方法預(yù)測(cè)的準(zhǔn)確性取決于用戶的訪問(wèn)偏好和操作的熟練程度。

軟構(gòu)件作為可執(zhí)行單元，通過(guò)構(gòu)件庫(kù)為軟件系統(tǒng)提供執(zhí)行服務(wù)，可通過(guò)挖掘業(yè)務(wù)頻率獲得構(gòu)件的預(yù)取集［15］。鑒于應(yīng)用領(lǐng)域的特點(diǎn)，該方法可提供工作流模型作為預(yù)取的引導(dǎo)信息，預(yù)取結(jié)果較其他方法更準(zhǔn)確。

2 服務(wù)預(yù)取因素分析

首先，從工作流模型的角度分析。服務(wù)工作流模型是對(duì)組織結(jié)構(gòu)業(yè)務(wù)過(guò)程的抽象表示，是對(duì)一系列活動(dòng)的邏輯順序的規(guī)定，如圖1所示為跨企業(yè)環(huán)境下的訂單處理流程。由于服務(wù)工作流中的活動(dòng)都是由Web服務(wù)組合而成的，活動(dòng)間的時(shí)序關(guān)系也決定了所包含服務(wù)的時(shí)序關(guān)系。例如，根據(jù)圖2所示的服務(wù)組合以及圖3所示的一個(gè)工作流實(shí)例，A1包含組合服務(wù)｛S1，S2｝，A2包含組合服務(wù)｛S2，S3，S4，S5，S6｝，活動(dòng)A1先于活動(dòng)A2執(zhí)行，則｛S1，S2｝就先于｛S2，S3，S4，S5，S6｝執(zhí)行。如果兩個(gè)服務(wù)直接相鄰，則互為直接前驅(qū)和后繼關(guān)系，如S1是S3的直接前驅(qū)，如果不直接相鄰，則互為間接前驅(qū)和后繼關(guān)系，如S1是活動(dòng)A3中的S7的間接前驅(qū)。互為間接前驅(qū)和后繼關(guān)系的服務(wù)之間的“距離”較遠(yuǎn)。此外，服務(wù)可以在不同活動(dòng)中被反復(fù)調(diào)用，如S2；兩個(gè)服務(wù)間的前驅(qū)和后繼關(guān)系也是相對(duì)的，如S2和S7被反復(fù)執(zhí)行的次數(shù)較多。

其次，從工作流運(yùn)行階段的角度，由于服務(wù)工作流模型描述的是業(yè)務(wù)發(fā)生的所有可能性，運(yùn)行階段會(huì)根據(jù)當(dāng)前業(yè)務(wù)的發(fā)生情況選擇執(zhí)行路徑，最終導(dǎo)致服務(wù)調(diào)用頻率的不均衡，這也是由工作流模型中循環(huán)結(jié)構(gòu)和選擇結(jié)構(gòu)的特點(diǎn)決定的［16］。在同一段時(shí)間內(nèi)，不同活動(dòng)執(zhí)行的頻率不同，且同一活動(dòng)的執(zhí)行頻率在不同時(shí)期也不是固定的，業(yè)務(wù)頻率的變化趨勢(shì)可通過(guò)工作流日志得到如實(shí)反映。例如，當(dāng)客戶下訂單后，若此類產(chǎn)品處于銷售淡季，則服務(wù)工作流按圖3執(zhí)行，服務(wù)S11，S12，S13和S14的執(zhí)行頻率將會(huì)變低；若處于銷售旺季，則銷售商經(jīng)常會(huì)庫(kù)存不夠，就會(huì)通過(guò)與制造商的協(xié)作采購(gòu)產(chǎn)品，此時(shí)服務(wù)S11，S12，S13和S14的執(zhí)行頻率就會(huì)變高。因此，為了更準(zhǔn)確地預(yù)取服務(wù)，服務(wù)預(yù)取模型中要體現(xiàn)業(yè)務(wù)頻率的持續(xù)變化。

最后，雖然Web服務(wù)技術(shù)已經(jīng)成熟，但其體系結(jié)構(gòu)仍存在性能上的局限。作為一種分布式計(jì)算模式，基于可擴(kuò)展標(biāo)記語(yǔ)言（eXtensible Markup Language，XML）的標(biāo)準(zhǔn)協(xié)議，Web服務(wù)的調(diào)用涉及到簡(jiǎn)單對(duì)象訪問(wèn)協(xié)議（Simple Object Access Protocol，SOAP）報(bào)文的解析、驗(yàn)證、編碼等步驟，再考慮服務(wù)傳輸，這些延遲對(duì)性能的影響也不容忽視。

綜上分析，服務(wù)被反復(fù)執(zhí)行的程度、服務(wù)間出現(xiàn)的間隔、整個(gè)業(yè)務(wù)的發(fā)生頻率都是預(yù)取服務(wù)的決定因素，都可以通過(guò)挖掘工作流日志得到如實(shí)反映。

3 基于服務(wù)工作流日志的業(yè)務(wù)頻率識(shí)別方法

業(yè)務(wù)頻率是指一段時(shí)間內(nèi)某項(xiàng)業(yè)務(wù)發(fā)生的頻率。在服務(wù)工作流運(yùn)行時(shí)，活動(dòng)都是由服務(wù)組合而成，則每個(gè)活動(dòng)的執(zhí)行頻率就是其組合服務(wù)的執(zhí)行頻率［16］。下面首先定義服務(wù)工作流日志。

定義1 服務(wù)工作流日志W(wǎng)L［16］。設(shè)A為所有工作流實(shí)例中出現(xiàn)的活動(dòng)集合，A＊是A范圍內(nèi)所有工作流實(shí)例的集合，則服務(wù)工作流日志W(wǎng)L?A＊，是A上工作流實(shí)例的子集。

服務(wù)工作流日志的定義強(qiáng)調(diào)：①有效性，即使活動(dòng)已定義在工作流模型中，但如果一直未執(zhí)行，也不屬于工作流日志的范圍；②時(shí)效性，即只考慮某段時(shí)期內(nèi)的工作流日志，一般根據(jù)最近的日志分析業(yè)務(wù)發(fā)展的最新情況。

工作流實(shí)例是活動(dòng)的執(zhí)行序列，包括工作流實(shí)例號(hào)（case＿id）、活動(dòng)開始時(shí)間（begin－time）和活動(dòng)結(jié)束時(shí)間（end＿time）等信息，如表1所示的服務(wù)工作流日志片段來(lái)自于圖1所示的服務(wù)工作流。

表1 服務(wù)工作流日志片段

續(xù)表1

設(shè)WL 中工作流實(shí)例的集合I＝｛I1，I2，I3，…，In｝，共包含m 種業(yè)務(wù)活動(dòng)，表示成 A＝｛a1，a2，a3，…，am｝，相應(yīng)地，m 種活動(dòng)的執(zhí)行次數(shù)Freq＝｛f1，f2，f3，…，fm｝。設(shè)actj＝Ins（ai）表示 WL 中的活動(dòng)actj是工作流模型中活動(dòng)ai的實(shí)例，在日志W(wǎng)L中共有M個(gè)活動(dòng)實(shí)例。下面是Freq的求解算法。

算法1 WL＿Freq——計(jì)算WL中每種業(yè)務(wù)活動(dòng)被執(zhí)行的次數(shù)。

輸入：某段時(shí)間內(nèi)工作流日志W(wǎng)L；

輸出：每種業(yè)務(wù)活動(dòng)執(zhí)行次數(shù)Freq。

（1）令Freq的 m個(gè)分量均為0，即Freq＝（0，0，…，0）；j＝0；

（2）如果A≠?，則任取ai∈A，否則，結(jié)束算法；

（3）A＝A－｛ai｝；

（4）如果j＝M，則令j＝0，轉(zhuǎn)步驟（2）；

（5） ＝Ins（a）， ＝f＋1；如果actji則fii

（6）j＝j(luò)＋1，轉(zhuǎn)步驟（4）。

以表1的工作流日志為例，應(yīng)用上述算法，可以計(jì)算出發(fā)貨單制定、發(fā)貨單審核、采購(gòu)訂單制定三種業(yè)務(wù)活動(dòng)出現(xiàn)的次數(shù)分別為3，3，1。設(shè)工作流模型中共定義了t種活動(dòng)，若m＜t，則說(shuō)明不是所有活動(dòng)都有機(jī)會(huì)執(zhí)行，這是由模型中的選擇控制結(jié)構(gòu)決定的。因此，循環(huán)控制結(jié)構(gòu)下的活動(dòng)經(jīng)常反復(fù)執(zhí)行，執(zhí)行次數(shù)多；而選擇控制結(jié)構(gòu)下的活動(dòng)“有選擇地”執(zhí)行，執(zhí)行次數(shù)少。

4 服務(wù)預(yù)取模型

為了使給出的服務(wù)預(yù)取模型能夠反映上述幾個(gè)影響因素，即服務(wù)工作流模型中定義的服務(wù)間隔、服務(wù)被執(zhí)行頻度、業(yè)務(wù)發(fā)生頻率以及服務(wù)的執(zhí)行延遲，首先量化這幾個(gè)因素。

文獻(xiàn)［15］提出過(guò)軟構(gòu)件的預(yù)取方法，與集中式運(yùn)行環(huán)境相比，在分布環(huán)境下這些因素對(duì)服務(wù)預(yù)取的影響既相似又有差異。

若服務(wù)A是B的直接前驅(qū)或間接前驅(qū)（表示成A?B），那么就形成了服務(wù)B對(duì)A時(shí)序上的依賴關(guān)系，表示成A→B，依賴關(guān)系的強(qiáng)弱需要反映出來(lái)。兩個(gè)服務(wù)間的依賴關(guān)系越強(qiáng)，待預(yù)取的后繼服務(wù)命中率越高，反之則越低。采用ADS（A→B）表示B對(duì)A的依賴程度，因?yàn)槭菃蜗虻?，所以稱作絕對(duì)依賴強(qiáng)度。為反映服務(wù)A、B被反復(fù)調(diào)用的關(guān)系，需綜合考慮A→B和B→A雙向的依賴強(qiáng)度，用RDS（A→B）表示A→B的相對(duì)依賴強(qiáng)度，即“扣除”A對(duì)B的依賴程度后得到的B對(duì)A的依賴程度的“凈值”。服務(wù)的絕對(duì)依賴強(qiáng)度模型和相對(duì)依賴強(qiáng)度模型是服務(wù)預(yù)取計(jì)算模型的關(guān)鍵。

根據(jù)第1章的分析，若服務(wù)A是B的前驅(qū)，則ADS（A→B）、RDS（A→B）的大小與服務(wù)A、B被調(diào)用的“間隔”和出現(xiàn)的次數(shù)有關(guān)，服務(wù)A、B被調(diào)用的間隔越小、次數(shù)越多，絕對(duì)依賴強(qiáng)度和相對(duì)依賴強(qiáng)度就越大。但對(duì)于RDS（A→B）來(lái)說(shuō)，反方向依賴關(guān)系B→A的存在會(huì)使其強(qiáng)度減弱。在工作流日志中，對(duì)于任意一個(gè)工作流實(shí)例，用dis（A→B）表示A、B的間隔，即距離dis（A→B），若A是B的直接前驅(qū)，則dis（A→B）＝1；若A、B被組裝到同一個(gè)業(yè)務(wù)活動(dòng)中，A和B之間不存在時(shí)序依賴關(guān)系，則dis（A→B）＝0。

此外，Web服務(wù)調(diào)用過(guò)程包括服務(wù)傳輸、SOAP報(bào)文的解析、驗(yàn)證和編碼等步驟所產(chǎn)生的延時(shí)，同時(shí)存在于客戶端和服務(wù)端，如圖4所示。本文考慮的是調(diào)用端的服務(wù)預(yù)取，對(duì)任意A?B，要考慮以下幾種情況的延遲：①調(diào)用端和服務(wù)A、B均在同一服務(wù)器上產(chǎn)生的延時(shí)忽略；②調(diào)用端和服務(wù)A、B不在同一服務(wù)器上產(chǎn)生的延時(shí)最大；③調(diào)用端和A或者B在同一服務(wù)器上，可以忽略一半的延時(shí)。

下面給出ADS（A→B）的計(jì)算模型：

式中m為服務(wù)工作流實(shí)例的個(gè)數(shù)。服務(wù)之間時(shí)序依賴強(qiáng)度的總體趨勢(shì)隨著距離以指數(shù)關(guān)系減?。?－4］，要求dis（A?B）×δdis（A?B）－1隨dis（A?B）的增加而減小，即單調(diào)遞減，其中dis（A?B）取自然數(shù)。通過(guò)對(duì)δ取值的測(cè)試，當(dāng)0＜δ＜0．5時(shí)可使dis（A?B）×δdis（A?B）－1的結(jié)果隨dis（A?B）的增長(zhǎng)表現(xiàn)出單調(diào)遞減。因此，δ應(yīng)該取小于0．5的最大數(shù)（δ越小，結(jié)果數(shù)據(jù)之間越難以區(qū)分），反復(fù)試驗(yàn)后，δ取0．4較為合適。當(dāng)dis（A?B）＝1時(shí)，系數(shù)δdis（A?B）－1＝1，表示服務(wù)A 與B 直接相鄰。對(duì) m 個(gè)工作流實(shí)例取樣，并依上述關(guān)系做累加體現(xiàn)業(yè)務(wù)頻率。向量（LA，LB）表示服務(wù)調(diào)用延遲，0和1代表無(wú)延遲和有延遲，上述三種情況分別對(duì)應(yīng)三種取值：（0，0），（1，1），（0，1）或（1，0），最后取向量的模，作為最終A→B的依賴強(qiáng)度。

相對(duì)依賴關(guān)系模型同時(shí)考慮了A→B和B→A的絕對(duì)依賴強(qiáng)度，對(duì)于A→B，如果m個(gè)工作流實(shí)例中不存在B→A，則ADS（B→A）＝0，此時(shí)A→B的相對(duì)依賴強(qiáng)度等于其絕對(duì)依賴強(qiáng)度；如果m個(gè)工作流實(shí)例中A→B和B→A各自的絕對(duì)依賴強(qiáng)度相同，則RDS（A→B）＝0，即服務(wù)A和B被反復(fù)調(diào)用的機(jī)會(huì)均等。

下面分析兩種依賴關(guān)系模型的語(yǔ)義。以圖4顯示的1次工作流實(shí)例執(zhí)行為例，假設(shè)服務(wù)S1，S2，S3，S4，S5和S6以及服務(wù)調(diào)用端均不在同一服務(wù)器上，計(jì)算絕對(duì)依賴強(qiáng)度和相對(duì)依賴強(qiáng)度。

計(jì)算結(jié)果分別如表2和表3所示。

表2 絕對(duì)依賴強(qiáng)度ADS（Si→Sj）計(jì)算示例

表3 相對(duì)依賴強(qiáng)度RDS（Si→Sj）計(jì)算示例

上述結(jié)果反映出兩個(gè)服務(wù)之間絕對(duì)依賴關(guān)系和相對(duì)依賴關(guān)系的語(yǔ)義，如表4所示。

表4 絕對(duì)依賴強(qiáng)度與相對(duì)依賴強(qiáng)度的語(yǔ)義

如果考慮服務(wù)調(diào)用端以及所有被調(diào)服務(wù)所在服務(wù)器的位置，則使用向量（LA，LB）加以區(qū)分，符合向量取模的三角性質(zhì)。絕對(duì)依賴強(qiáng)度雖能體現(xiàn)兩個(gè)服務(wù)間的依賴程度，但還不足以體現(xiàn)反方向的依賴程度，要靠相對(duì)依賴強(qiáng)度補(bǔ)充。當(dāng)樣本數(shù)據(jù)較多時(shí)，就能充分反映某時(shí)期內(nèi)業(yè)務(wù)發(fā)生情況對(duì)服務(wù)調(diào)用的影響趨勢(shì)。

5 性能評(píng)價(jià)

5．1 實(shí)驗(yàn)驗(yàn)證

在制造全球化背景下，一個(gè)訂單通常由多個(gè)企業(yè)協(xié)同完成，典型的制造環(huán)境包括銷售商、制造商和物流公司等企業(yè)，以此為背景驗(yàn)證和分析服務(wù)預(yù)取模型的有效性，如圖1所示的協(xié)同服務(wù)業(yè)務(wù)過(guò)程。工作流中的活動(dòng)通常以服務(wù)組合的形式對(duì)外提供服務(wù)，有些服務(wù)提供給企業(yè)內(nèi)部，有些服務(wù)提供給其他企業(yè)，實(shí)現(xiàn)互操作。提供服務(wù)的節(jié)點(diǎn)有銷售商、制造商和物流公司3個(gè)。其中，銷售商節(jié)點(diǎn)上運(yùn)行的業(yè)務(wù)活動(dòng)有A1，A2，A3，A4，A5，A6，A7，A8，A9，制造商節(jié)點(diǎn)上運(yùn)行的業(yè)務(wù)活動(dòng)有A10，A11，A12，A13，物流公司節(jié)點(diǎn)上運(yùn)行的業(yè)務(wù)活動(dòng)有A14，A15，A16，A17。由于業(yè)務(wù)活動(dòng)是由服務(wù)組合而成的，有的業(yè)務(wù)活動(dòng)也會(huì)調(diào)用其他服務(wù)節(jié)點(diǎn)的服務(wù)?？紤]最一般的情形：服務(wù)工作流的調(diào)度和執(zhí)行獨(dú)立于這三個(gè)服務(wù)節(jié)點(diǎn)，以平臺(tái)的方式對(duì)外提供集成服務(wù)。

實(shí)驗(yàn)包括兩個(gè)步驟：①產(chǎn)生工作流日志；②計(jì)算服務(wù)工作流中服務(wù)的依賴強(qiáng)度。

（1）生成模擬服務(wù)工作流日志 按圖1所示的服務(wù)工作流模型產(chǎn)生日志，每條工作流路徑按相同次數(shù)出現(xiàn)，分別運(yùn)行1 000次、2 000次和3 000次（和軟件運(yùn)行環(huán)境無(wú)關(guān)），活動(dòng)A1，A2，…，A17執(zhí)行的次數(shù)如圖5所示。

從運(yùn)行結(jié)果看，不同運(yùn)行次數(shù)下的總體趨勢(shì)是相同的。

（2）計(jì)算服務(wù)工作流中服務(wù)間的依賴強(qiáng)度 選取運(yùn)行1 000次的服務(wù)工作流日志，如圖5所示，活動(dòng) A1，A2，A3，A6，A7，A9，A14，A15，A16，A17執(zhí) 行1 000次，A4，A5，A8，A10，A11，A12，A13執(zhí)行500次，以此執(zhí)行頻率計(jì)算服務(wù)依賴強(qiáng)度。

首先，依據(jù)式（1）計(jì)算24個(gè)服務(wù)間的絕對(duì)依賴強(qiáng)度，限于篇幅，只列出12個(gè)服務(wù)（S1～S12）之間的絕對(duì)依賴強(qiáng)度，如表5所示。

表5 部分服務(wù)間的絕對(duì)依賴強(qiáng)度ADS（Si→Sj_）

其次，依據(jù)式（2）計(jì)算24個(gè)服務(wù)之間的相對(duì)依賴強(qiáng)度，限于篇幅，只列出12個(gè)服務(wù)（S1～S12）之間的相對(duì)依賴強(qiáng)度，如表6所示。

表6 部分服務(wù)之間的相對(duì)依賴強(qiáng)

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

從表4給出的定性分析結(jié)果來(lái)看，預(yù)取服務(wù)最好選取絕對(duì)依賴強(qiáng)度大、同時(shí)相對(duì)依賴強(qiáng)度小的服務(wù)，但這個(gè)閾值也可根據(jù)實(shí)際需要進(jìn)行調(diào)整，如希望預(yù)取更多的服務(wù)。本例中，若選取絕對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/3作為其閾值，選取相對(duì)依賴強(qiáng)度（絕對(duì)值）最大值的1/2作為其閾值，即需同時(shí)滿足：①0≤相對(duì)依賴強(qiáng)度的絕對(duì)值≤1．931；②絕對(duì)依賴強(qiáng)度≥6．662，最終得到服務(wù)預(yù)取集合：｛S2→S2，S2→S7，S7→S2｝。若希望預(yù)取更多服務(wù)，則可降低絕對(duì)依賴強(qiáng)度閾值，不妨設(shè)為最大值的1/4，若相對(duì)依賴強(qiáng)度閾值不變，則最終得到服務(wù)預(yù)取集合為：｛S2→S2，S2→S7，S2→S21，S7→S2，S21→S2｝。

5．2 與相關(guān)方法比較

首先，與之前的研究成果［15］相比較。文獻(xiàn)［15］考慮的是軟構(gòu)件的動(dòng)態(tài)預(yù)取模型，在集中式的運(yùn)行環(huán)境下，構(gòu)件間調(diào)用的延遲可以忽略。而本文的預(yù)取對(duì)象是Web服務(wù)，其分布運(yùn)行的特點(diǎn)決定了服務(wù)調(diào)用產(chǎn)生的延遲不能忽略，在本文的模型中采用向量（LA，LB）以及最后取模運(yùn)算來(lái)體現(xiàn)更加準(zhǔn)確。

其次，與較典型的預(yù)取方法比較。為了對(duì)比測(cè)試模型的預(yù)取性能，本文選用與文中方法相似的兩個(gè)預(yù)取方法——基于條件概率的預(yù)測(cè)［8］和基于訪問(wèn)路徑的預(yù)取方法［7］做比較，并采用預(yù)測(cè)精確度P和適用度T作為評(píng)價(jià)指標(biāo)，具體定義如下：

定義2 預(yù)測(cè)精確度［17］。預(yù)測(cè)精確度P表示正確預(yù)測(cè)的Web服務(wù)對(duì)象數(shù)Np與預(yù)測(cè)總的Web服務(wù)對(duì)象數(shù)N的比率，即P＝Np/N。

如果在接下來(lái)的一個(gè)預(yù)測(cè)窗口內(nèi)用戶對(duì)預(yù)測(cè)Web服務(wù)對(duì)象進(jìn)行了請(qǐng)求，則稱該預(yù)測(cè)是正確的，否則不正確。

定義3 適用度。適用度T表示模型預(yù)測(cè)的請(qǐng)求數(shù)Qp與總的請(qǐng)求數(shù)Q的比率，即T＝Qp/Q。

以圖1所示的服務(wù)工作流模型為例，分別用不同的方法進(jìn)行模擬實(shí)驗(yàn)，比較在相同的硬件條件下，選取不同的概率門限，按照三種不同方法計(jì)算出預(yù)取服務(wù)的精確度及適用度。實(shí)驗(yàn)結(jié)果表明，考慮了服務(wù)間的依賴強(qiáng)度與業(yè)務(wù)頻率的影響，模型的預(yù)測(cè)精確度和適用度都有明顯改善。圖6a顯示了三種模型的預(yù)測(cè)精確度隨概率門限的增加而增加，本文所提方法優(yōu)于其他兩種方法。這是因?yàn)樵摲椒ǔ浞挚紤]了業(yè)務(wù)頻率，縮小了模型預(yù)測(cè)的 Web服務(wù)范圍。圖6b說(shuō)明三種方法的適用度隨概率門限的增加而減少，本方法所提模型保持了較高的適用度。

實(shí)驗(yàn)結(jié)果表明，本文提出的方法具有明顯的優(yōu)勢(shì)。這是因?yàn)樵摲椒ń⒃诜?wù)工作流模型之上，不但自身可確定被預(yù)取對(duì)象的順序，而且能挖掘業(yè)務(wù)頻率，從而縮小預(yù)測(cè)的范圍。而基于訪問(wèn)路徑的預(yù)取方法，需要大量的訓(xùn)練數(shù)據(jù)。基于條件概率的預(yù)取方法是根據(jù)用戶訪問(wèn)記錄中Web服務(wù)之間的轉(zhuǎn)移概率P，再根據(jù)P的大小預(yù)測(cè)下一個(gè)Web服務(wù)。該方法取決于用戶的訪問(wèn)偏好和操作的熟練程度。

5．3 性能討論

由于Web服務(wù)技術(shù)采用了SOAP，服務(wù)調(diào)用時(shí)延遲較大。動(dòng)態(tài)網(wǎng)頁(yè)靜態(tài)化是較典型的解決辦法，對(duì)經(jīng)常被調(diào)用的Web服務(wù)可做類似處理。具體地，以協(xié)同制造環(huán)境下的某企業(yè)服務(wù)器為例，采用本文所提的預(yù)取方法預(yù)測(cè)下一個(gè)可能被調(diào)用的服務(wù)，并使用出現(xiàn)頻率高的參數(shù)對(duì)網(wǎng)頁(yè)作靜態(tài)化處理。這些服務(wù)可以屬于該服務(wù)器，也可以是其他企業(yè)的，可有效提高企業(yè)間的互操作效率。

企業(yè)的業(yè)務(wù)數(shù)據(jù)時(shí)刻在變化，對(duì)預(yù)取的服務(wù)集可并行地做靜態(tài)化處理，代價(jià)可忽略。動(dòng)態(tài)網(wǎng)頁(yè)靜態(tài)化后的方法，但是靜態(tài)化處理時(shí)存在參數(shù)命中率的問(wèn)題，即用戶調(diào)用服務(wù)時(shí)使用某些參數(shù)的可能性，因此預(yù)取的代價(jià)主要取決于參數(shù)的命中率，若靜態(tài)化處理所采用的參數(shù)在執(zhí)行時(shí)未被命中，則效率就沒有改善。但如果參數(shù)的使用頻率很高，則可大大提高預(yù)測(cè)的命中率，進(jìn)而提高服務(wù)的響應(yīng)速度，這也是所有預(yù)取、緩存技術(shù)應(yīng)用的最佳環(huán)境。

6 結(jié)束語(yǔ)

本文方法建立在服務(wù)工作流之上，有工作流模型指導(dǎo)流程的推進(jìn)，因此性能上占有絕對(duì)優(yōu)勢(shì)，提出的服務(wù)預(yù)取模型包括絕對(duì)依賴強(qiáng)度和相對(duì)依賴強(qiáng)度，全方位地體現(xiàn)出影響服務(wù)預(yù)取的業(yè)務(wù)因素，為服務(wù)緩沖提供了更加精確的預(yù)測(cè)，在多企業(yè)協(xié)同制造的環(huán)境下可提供更好的服務(wù)預(yù)取策略，以減輕應(yīng)用服務(wù)器的運(yùn)行負(fù)載，縮短用戶訪問(wèn)的響應(yīng)時(shí)間。近年來(lái)，云制造作為協(xié)同制造的一種新模式得到了廣泛的關(guān)注和研究，其系統(tǒng)平臺(tái)具有“集中資源分散服務(wù)”的特點(diǎn)，云制造環(huán)境下的服務(wù)預(yù)取更加重要，相應(yīng)的預(yù)取模型是未來(lái)的研究方向。

［1］ DENG Shuiguang，HUANG Longtao，YIN Jianwei，et al．Technical framework form Web service composition and its progress［J］．Computer Integrated Manufacturing Systems，2011，17（2）：404－412（in Chinese）．［鄧水光，黃龍濤，尹建偉，等．Web服務(wù)組合技術(shù)框架及其研究進(jìn)展［J］．計(jì)算機(jī)集成制造系統(tǒng)，2011，17（2）：404－412．］

［2］ GUO Chunli，LI Haibo．Controllability of quality of service in Web service workflow system based on variable granularity［J］．China Mechanical Engineering，2011，22（21）：2613－2618（in Chinese）．［郭春麗，李海波．基于可變粒度的服務(wù)工作流系統(tǒng)服務(wù)質(zhì)量可控性研究［J］．中國(guó)機(jī)械工程，2011，22（21）：2613－2618．］

［3］ CHEN Weiling，YIN Shiqun，QIU Yuhui．Schema reasoning and semantic representation for citation semantic link network［C］//Proceedings of the 3rd International Conference on Intelligent Information Technology Application．Washington，D．C．，USA：IEEE，2009：366－369．

［4］ DRAKATOSA S，PISSINOUA N，MAKKIA K et al．A context－aware cache structure for mobile computing environments［J］．Journal of System and Software，2007，80（7）：1102－1119．

［5］ COHEN F．FastSOA：accelerate SOA using XML，XQuery and native XML database technology［EB/OL］．（2006－03－06）［2012－05－06］．http：//www．ibm．com/developerworks/cn/xml/x－accsoa/index．html．

［6］ BENEVENUTO F，DUARTE F，ALMEIDA V，et al．Web cache replacement policies：Properties，limitations and implications［C］//Proceedings of the 3rd Latin American Web Congress． Washington， D． C．， USA：IEEE Computer Society，2005．

［7］ XU Huanqing，WANG Yongcheng．A Web pre－fetching model based on analyzing user access pattern［J］．Journal of Software，2003，14（6）：1142－1147（in Chinese）．［許歡慶，王永成．基于用戶訪問(wèn)路徑分析的網(wǎng)頁(yè)預(yù)取模型［J］．軟件學(xué)報(bào)，2003，14（6）：1142－1147．］

［8］ ZHANG Boping，SHI Lei．Study on the Web pre－fetching based on the relationship of the Web structure［D］．Zhengzhou：University of Zhengzhou，2006（in Chinese）．［張泊平，石磊．基于網(wǎng)頁(yè)結(jié)構(gòu)相關(guān)性預(yù)取技術(shù)研究［D］．鄭州大學(xué)，2006．］

［9］ LI Song，WANG Wendong，CUI Yidong，et al．A novel pre

fetching method for scene－based mobile social network service［C］//Proceedings of the 3rd IEEE International Conference on Broadband Network and Multimedia Technology．Washington，D．C．，USA：IEEE Computer Society，2010：144－148．

［10］ YU Fang，JIANG Changjun，F(xiàn)U Ying．Incremental data prefetching for map service in mobile navigation application［C］//Proceedings of International Conference on Wireless Communications，Networking and Mobile Computing，Washington，D．C．，USA：IEEE Computer Society，2008．

［11］ KANG Sang－Won，GIL Joon－Min，KIM Jongwan，et al．Description－based semantic prefetching scheme for data management in location－based services［J］．Journal of Information Science and Engineering，2008，24（6）：1788－1820．

［12］ LIEN C C，WANG C C．An effective prefetching technique for location－based services with PPM ［C］//Proceedings of the 9th Joint Conference on Information Sciences．DOI：10．2991/jcis．2006．221．

［13］ XUE Jiansheng，CHENG Zi'ao，SUN Xin．A distribution technology based on segmentation prefetching and pipelining in classified streaming media service［C］//Proceedings of International Conference on Multimedia Technology．Washington，D．C．，USA：IEEE Computer Society，2010．

［14］ KRISHNAPPA D K M，KHEMMARAT S，GAO Lixin，et al．On the feasibility of prefetching and caching for online TV services：a measurement study on hulu［C］//Proceedings of the 12th International Conference on Passive and Active Measurement． Berlin，Germany：Springer－Verlag，2011：72－80．

［15］ LI Haibo，ZHAN Dechen，XU Xiaofei．Dynamic component prefetching method for workflow management system［J］．Chinese Journal of Computers，2012，35（5）：1038－1045（in Chinese）．［李海波，戰(zhàn)德臣，徐曉飛．面向工作流管理系統(tǒng)的動(dòng)態(tài)構(gòu)件預(yù)取方法［J］．計(jì)算機(jī)學(xué)報(bào)，2012，35（5）：1038－1045．］

［16］ LI Haibo．Workflow management system oriented multigranularity component organization［J］．China Mechanical Engineering，2011，22（16）：1942－1948（in Chinese）．［李海波．面向工作流管理系統(tǒng)的多粒度構(gòu)件組織技術(shù)［J］．中國(guó)機(jī)械工程，2011，22（16）：1942－1948．］

［17］ ZHANG Zhili，QI Deyu．Study on the key techinques of Web accelerating［D］．Guangzhou：South China University of Technology，2006（in Chinese）．［張志立，齊德顯．Web加速關(guān)鍵技術(shù)研究［D］．華南理工大學(xué)，2006．］