基于Hadoop的業(yè)務(wù)過程模型管理方法研究

盧廳劉建勛++文一憑+周棟++石敏++陳聰陽

摘要：目前現(xiàn)有業(yè)務(wù)過程模型研究的共同特點(diǎn)便是基于單機(jī)環(huán)境來構(gòu)建業(yè)務(wù)過程庫，并基于傳統(tǒng)關(guān)系數(shù)據(jù)庫來管理業(yè)務(wù)過程模型，完成相關(guān)的檢索、存儲(chǔ)等操作。為提高大規(guī)模業(yè)務(wù)過程模型檢索與存儲(chǔ)的效率，本文提出一種新的業(yè)務(wù)過程模型管理方法。該方法采用基于Hadoop大數(shù)據(jù)處理平臺(tái)對業(yè)務(wù)過程模型進(jìn)行管理，并采用Map/Reduce編程框架和HDFS文件系統(tǒng)分別對業(yè)務(wù)過程模型進(jìn)行檢索和存儲(chǔ)，提高了業(yè)務(wù)過程模型存儲(chǔ)效率，減少了模型檢索匹配的時(shí)間。通過原型系統(tǒng)進(jìn)行試驗(yàn)驗(yàn)證評(píng)估，證明了所提方法在存儲(chǔ)和檢索效率方面高于單機(jī)環(huán)境。

關(guān)鍵詞：業(yè)務(wù)過程模型管理；Hadoop；檢索；存儲(chǔ)；效率

中圖分類號(hào)：TP311文獻(xiàn)標(biāo)識(shí)碼：A

1引言

隨著計(jì)算機(jī)與網(wǎng)絡(luò)的不斷發(fā)展與成熟，以信息技術(shù)為主導(dǎo)的各種高新技術(shù)為企業(yè)的發(fā)展提供了極大的支持，其中敏捷制造、并行工程、企業(yè)業(yè)務(wù)過程重組、供應(yīng)鏈管理等先進(jìn)制造技術(shù)的應(yīng)用與推廣成為當(dāng)前企業(yè)贏得市場競爭采取的主要手段。以上技術(shù)都以企業(yè)業(yè)務(wù)過程為基礎(chǔ)施行的，從而要求企業(yè)管理的模式從傳統(tǒng)面向功能部門制的管理轉(zhuǎn)化為面向企業(yè)業(yè)務(wù)過程的管理，簡稱面向過程的管理。業(yè)務(wù)過程是指在人員和技術(shù)的協(xié)調(diào)下所進(jìn)行的一組為實(shí)現(xiàn)共同業(yè)務(wù)目標(biāo)而采取的活動(dòng)。在20世紀(jì)90年代以前企業(yè)采用的基于功能部門制的管理方式是一種嚴(yán)格的遞階式關(guān)系管理，易造成組織之間交流上的障礙。而面向過程的管理方式，通過業(yè)務(wù)過程將企業(yè)中的活動(dòng)連接起來，模糊了組織邊界，通過組織間的無障礙交流提高企業(yè)工作效率。

業(yè)務(wù)過程模型是一種通過定義組成活動(dòng)及活動(dòng)間邏輯關(guān)系，來描述工作過程的模型，是企業(yè)業(yè)務(wù)過程分析與重組的基礎(chǔ)，是記錄和保存企業(yè)經(jīng)營過程知識(shí)的一種有效途徑。由于業(yè)務(wù)過程模型描述了業(yè)務(wù)是如何一步步被處理的，也描述了在業(yè)務(wù)處理過程中數(shù)據(jù)是如何被處理的，人員是如何配置的，因此業(yè)務(wù)過程模型成為了組織部門很重要的資產(chǎn)。隨著業(yè)務(wù)過程管理系統(tǒng)越來越廣泛的應(yīng)用，導(dǎo)致各行各業(yè)積累了越來越多的業(yè)務(wù)過程模型，有些企業(yè)已經(jīng)積累了上千的業(yè)務(wù)過程模型。這樣便產(chǎn)生了一系列新的問題，例如：如何存儲(chǔ)業(yè)務(wù)過程模型？如何進(jìn)行業(yè)務(wù)過程模型的檢索？

國內(nèi)外已有相關(guān)學(xué)者對此展開研究，但現(xiàn)有研究的共同特點(diǎn)便是基于單機(jī)環(huán)境來構(gòu)建業(yè)務(wù)過程庫，并基于傳統(tǒng)關(guān)系數(shù)據(jù)庫來管理業(yè)務(wù)過程模型，完成相關(guān)的存儲(chǔ)、檢索等操作。但事實(shí)上，從信息處理的角度看，業(yè)務(wù)過程模型可視為一種特殊類型的數(shù)據(jù)，由于業(yè)務(wù)過程模型是由眾多企業(yè)組織機(jī)構(gòu)生成的，它具有數(shù)據(jù)源多樣性、分布性等特點(diǎn)，當(dāng)業(yè)務(wù)過程模型的規(guī)模增長到一定規(guī)模時(shí)，傳統(tǒng)關(guān)系數(shù)據(jù)庫在處理這些這樣海量的數(shù)據(jù)時(shí)出現(xiàn)性能和可擴(kuò)展性的瓶頸。更為重要的是，利用單臺(tái)主機(jī)來管理業(yè)務(wù)過程模型，盡管主機(jī)能達(dá)到很高的硬件配置，但其處理能力還是有限的。因此，采用分布式存儲(chǔ)和計(jì)算來管理大規(guī)模業(yè)務(wù)過程模型將是一種必然的發(fā)展趨勢。

目前，分布式存儲(chǔ)和計(jì)算領(lǐng)域，全球約有上百種不同的方案，而Hadoop是其中使用較為廣泛的一種。近年來，隨著大數(shù)據(jù)研究與應(yīng)用興起，工業(yè)界已經(jīng)廣泛使用 Hadoop 作為其大數(shù)據(jù)處理平臺(tái)，且具有相對較為成熟的商業(yè)應(yīng)用。Hadoop技術(shù)宗旨就是在于分布式處理數(shù)據(jù)，采用分布式計(jì)算和存儲(chǔ)技術(shù)，并且將簡化了分布式處理細(xì)節(jié)。Hadoop非常適合處理非結(jié)構(gòu)化的海量數(shù)據(jù)。因此，基于Hadoop來完成海量分布的業(yè)務(wù)過程模型管理可能是一種可行的解決方案，該研究不僅具有重要的理論意義，同時(shí)也具有十分重要的實(shí)際應(yīng)用價(jià)值。

計(jì)算技術(shù)與自動(dòng)化2015年12月

第34卷第4期盧廳等：基于Hadoop的業(yè)務(wù)過程模型管理方法研究

2相關(guān)研究

業(yè)務(wù)過程模型可以采用圖表示，因此可以基于圖檢索領(lǐng)域相關(guān)工作和業(yè)務(wù)過程模型檢索領(lǐng)域兩個(gè)方面分析業(yè)務(wù)過程領(lǐng)域相關(guān)工作。在基于圖檢索領(lǐng)域可以借鑒的工作的有基于圖結(jié)構(gòu)的精確檢索與基于圖結(jié)構(gòu)的相似性檢索。在文獻(xiàn)[1]中，作者Ke Y總結(jié)了圖檢索方面的工作。Shasha D 等人[2]基于圖路徑建索引，用戶設(shè)定被索引的最長路徑的長度；文獻(xiàn)[3]改進(jìn)了FG-Index，對于經(jīng)常使用的查詢建立了索引。

在基于業(yè)務(wù)過程模型檢索領(lǐng)域也出現(xiàn)了很多相關(guān)工作。文獻(xiàn)[4-6]提出基于業(yè)務(wù)流程建模標(biāo)注BPMN的模型檢索語言，采用了數(shù)據(jù)庫管理系統(tǒng)的檢索性能來加速BPMN模型檢索的機(jī)制；文獻(xiàn)[7，9]是業(yè)務(wù)過程模型相似檢索工作的綜述，文中涉及的所有工作由于無索引來提高檢索效率，因此采用逐個(gè)模型與檢索樣例模型比較相似度的方法，十分耗時(shí)。在文獻(xiàn)[9]中，作者提出了基于度量樹索引方法，該方法使用圖編輯距離計(jì)算模型相似度。在文獻(xiàn)[10]中，作者基于最大公共子圖和最小公共超圖的圖匹配方法，提出了JTangWFR流程推薦系統(tǒng)，該方法使用圖編輯距離計(jì)算模型相似度。作者曹斌[11]基于近距離最大子圖優(yōu)先方法，提出了流程推薦系統(tǒng)。文獻(xiàn)[12]基于Levenshtein距離計(jì)算最小深度優(yōu)先搜索編碼，提出了新的流程檢索。上述業(yè)務(wù)過程模型檢索各項(xiàng)的工作均沒有采用模型行為語義。

文獻(xiàn)[13]嘗試?yán)肏adoop云平臺(tái)來進(jìn)行海量數(shù)字圖像的數(shù)據(jù)挖掘，解決日益增多的圖像進(jìn)行有效的存儲(chǔ)和快速的數(shù)據(jù)挖掘的問題。因?yàn)閱螜C(jī)不能夠滿足海量數(shù)據(jù)推薦計(jì)算的需要，文獻(xiàn)[14]提出了基于分布式計(jì)算開源軟件框架Hadoop的系統(tǒng)解決方案，解決推薦系統(tǒng)的可擴(kuò)展性問題。文獻(xiàn)[15]中針對海量小文件小而多的特點(diǎn)提出了多Master分布式存儲(chǔ)與檢索，解決了海量小文件的分布式存儲(chǔ)與檢索問題。

BeeHiveZ是一個(gè)過程模型數(shù)據(jù)的應(yīng)用開發(fā)框架，可在此之上進(jìn)行過程模型相似性度量、過程模型檢索等應(yīng)用開發(fā)。BeeHiveZ實(shí)現(xiàn)是一個(gè)開源的軟件（SourceForge.net）。它能夠?qū)崿F(xiàn)業(yè)務(wù)過程模型作為數(shù)據(jù)進(jìn)行有效的管理、建立企業(yè)過程模型庫，并支持對過程模型的存儲(chǔ)、瀏覽、相似性度量、檢索等操作。

3基于Hadoop分布式業(yè)務(wù)過程模型庫管理方法

為了提高模型檢索的效率，結(jié)合Hadoop框架特點(diǎn)，將模型檢索分為過濾、驗(yàn)證兩個(gè)階段。在Map階段使用過濾，得到能滿足用戶需要模型候選集，在Reduce階段僅針對少量候選集進(jìn)行驗(yàn)證。本文設(shè)計(jì)了基于Hadoop業(yè)務(wù)過程模型管理平臺(tái)，實(shí)現(xiàn)模型庫分布式管理，解決傳統(tǒng)單機(jī)環(huán)境下模型管理效率低的問題。結(jié)合業(yè)務(wù)過程模型特點(diǎn)對Hadoop文件存儲(chǔ)系統(tǒng)進(jìn)行改進(jìn)。

3.1模型庫管理平臺(tái)模型

本文提出了基于Hadoop業(yè)務(wù)過程庫管理平臺(tái)，設(shè)計(jì)了過程庫管理平臺(tái)模型。此模型根據(jù)業(yè)務(wù)過程模型小文件的特性對Hadoop進(jìn)行相應(yīng)改進(jìn)。利用Hadoop分布式處理能力，采用Map/Reduce編程框架，Master/Slave原型，對模型庫進(jìn)行分布式管理，其業(yè)務(wù)過程庫管理模型如下圖：

圖1所示為Hadoop業(yè)務(wù)過程庫管理平臺(tái)模型。如圖所示，NameNode為主節(jié)點(diǎn)Master，管理數(shù)據(jù)塊映射，處理客戶端發(fā)送的讀寫請求，配置副本策略，管理HDFS的名稱空間。SecondaryNameNode處理NameNode的部分工作量，例如某些比較消耗內(nèi)存的工作，是NameNode的冷備份，即NameNode失效后不會(huì)立即啟動(dòng)，僅恢復(fù)部分?jǐn)?shù)據(jù)，減低失效帶來的損失；合并Fsimage和edits然后再報(bào)送到NameNode。Fsimage為元數(shù)據(jù)鏡像文件（文件系統(tǒng)的目錄樹）。Edits為元數(shù)據(jù)的操作日志，針對文件系統(tǒng)做的修改操作記錄。DataNode為Slave從節(jié)點(diǎn)，負(fù)責(zé)將client發(fā)來的數(shù)據(jù)塊block存儲(chǔ)到具體相應(yīng)位置，執(zhí)行數(shù)據(jù)塊的讀、寫操作。其中，JobTracker主要職責(zé)是負(fù)責(zé)監(jiān)控資源和調(diào)度作業(yè)。JobTracker會(huì)將任務(wù)執(zhí)行進(jìn)度和資源使用情況反饋給調(diào)度器，調(diào)度器再根據(jù)反饋信息，進(jìn)行資源再次分配，從而實(shí)現(xiàn)資源的動(dòng)態(tài)調(diào)度。JobTracker將任務(wù)（Task）一一分發(fā)到各個(gè)相應(yīng)TaskTracker上面執(zhí)行的過程稱之為Hadoop作業(yè)調(diào)度。TaskTracker周期性通過Heartbeat向JobTracker匯報(bào)資源使用情況以及任務(wù)進(jìn)度。

模型在存儲(chǔ)之后且被檢索之前，在線下對模型集進(jìn)行基于路徑的索引構(gòu)造。Map再很據(jù)路徑索引進(jìn)行過濾，過濾后得到的模型交給Reduce，在Reduce階段進(jìn)行精確檢索，在模型庫中檢索出包含樣例為子圖的模型。

3.2過程庫存儲(chǔ)機(jī)制

基于Petri網(wǎng)描述業(yè)務(wù)過程模型的時(shí)候，可以將Petri網(wǎng)視為特殊的有向圖，其庫所和變遷是圖節(jié)點(diǎn)，弧是圖的邊。文獻(xiàn)[16]詳細(xì)描述了Petri網(wǎng)在業(yè)務(wù)過程建模領(lǐng)域的應(yīng)用和分析。

業(yè)務(wù)過程模型采用圖方式存儲(chǔ)，而模型圖檢索處理海量的數(shù)據(jù)時(shí)，傳統(tǒng)的單節(jié)點(diǎn)存儲(chǔ)難以滿足快速存儲(chǔ)的要求。本系統(tǒng)采用Hadoop文件存儲(chǔ)框架，采用Master/Slave結(jié)構(gòu)，其中NameNode為Master負(fù)責(zé)維護(hù)集群元數(shù)據(jù)，DataNode為Slave負(fù)責(zé)存儲(chǔ)數(shù)據(jù)。利用Hadoop分布式文件系統(tǒng)HDFS進(jìn)行數(shù)據(jù)管理，結(jié)合業(yè)務(wù)過程模型小文件的特點(diǎn)將Hadoop文件存儲(chǔ)做相應(yīng)改進(jìn)。

如圖2所示HDFS客戶端將模型文件按64M分塊，再向NameNode發(fā)送寫請求。NameNode節(jié)點(diǎn)負(fù)責(zé)記錄塊（block）信息，并將可用的DataNode節(jié)點(diǎn)信息返回給client，Client向DataNode發(fā)送64k Package，將Package寫入塊中，DataNode向NameNode和Client發(fā)送本次Package“寫完”報(bào)文，Client再向NameNode發(fā)送“寫完”報(bào)文。Client又開始寫新的Package和block，如此循環(huán)，當(dāng)Client把所有模型寫完，Client向NameNode發(fā)送“寫完”報(bào)文，模型存儲(chǔ)操作就完成了。

在GFS/Hadoop中，把所有的，模型與塊之間的關(guān)系放在內(nèi)存中，這樣不利于對海量小文件進(jìn)行存儲(chǔ)。單個(gè)業(yè)務(wù)過程模型都是小文件（小于1M），模型通常是一次寫、多次讀，除某些特定情況外不會(huì)對模型進(jìn)行頻繁的修改。針對海量模型，需要對HDFS進(jìn)行修改設(shè)計(jì)模式來更加高效的支持。針對上述問題，將HDFS進(jìn)行以下修改：

允許一個(gè)塊存放多個(gè)模型，一個(gè)塊對應(yīng)多個(gè)模型；使用分布式內(nèi)存Cache系統(tǒng)來緩存業(yè)務(wù)過程模型和塊的對應(yīng)關(guān)系。

設(shè)計(jì)模型存儲(chǔ)格式，對模型與塊的關(guān)系進(jìn)行修改，增加塊內(nèi)偏移，即一個(gè)模型和塊的對應(yīng)關(guān)系為：模型名<-->{塊ID+塊內(nèi)偏移}+{中間ID}+{塊ID+塊內(nèi)偏移+場內(nèi)長度}；其中{中間塊ID}代表0到N個(gè)塊間的ID；塊內(nèi)長度以頁為單位的（默認(rèn)一頁16K），每一頁有一定長度的頁頭用來描述該頁信息，假設(shè)為20字節(jié)。模型和塊的對應(yīng)關(guān)系如圖3所示：

Master設(shè)計(jì)模型

由于模型和塊的關(guān)系數(shù)量巨大，已經(jīng)不能全部放在內(nèi)存中了。因此，簡單的存儲(chǔ)已經(jīng)不能滿足需要，需要使用多臺(tái)數(shù)據(jù)存服務(wù)器來存儲(chǔ)模型和塊的關(guān)系。

Master負(fù)責(zé)映射關(guān)系數(shù)據(jù)和邏輯分配管理系統(tǒng)。整個(gè)Master系統(tǒng)具體負(fù)責(zé)有分配新的文件分配塊，文件副本的增加和減少，以及存儲(chǔ)文件和塊的映射函數(shù)。當(dāng)系統(tǒng)應(yīng)用程序希望讀取某個(gè)文件數(shù)據(jù)時(shí)，Master返回該文件及Meta信息和塊相關(guān)信息。

3.3Hadoop平臺(tái)過程庫檢索機(jī)制

定義1 （Petri網(wǎng)）： Petri網(wǎng)是一個(gè)三元組N=（P； T； F），其中P和T表示庫所和變遷的集合并且滿足P∩T=Φ，F(xiàn)（P×T）∪（T×P）是弧的集合，表示流關(guān)系。

定義2 （基于路徑定義索引）：一個(gè)R模型庫基于路徑索引InR，路徑長度為n，例如（Φi；Φi.list），其中Φi是長度為n的變遷路徑，Φi.list是所有包含Φi的模型集合。

為了使路徑索引的效率更高，不直接存儲(chǔ)（Φi，Φi.list），而是將（Φi，Φi.list.pointer）存儲(chǔ)到二叉樹中，使用倒排表存儲(chǔ)（Φi.list.pointer，Φi.list），其中Φi用作二叉樹鍵值，Φi.list.pointer指向倒排表中Φi.list的位置。為了提高I/O性能，這些列表被存儲(chǔ)在固定長度的存儲(chǔ)塊中。當(dāng)一個(gè)列表需要多個(gè)塊時(shí)，第一個(gè)塊包含了一個(gè)指針信息指向第二個(gè)塊，需要更多塊時(shí)，依此類推。Φi.list.pointer實(shí)際上指向列表第一個(gè)存儲(chǔ)塊的位置。上述存儲(chǔ)結(jié)構(gòu)如圖4所示。在目前大多采用的方法中，B+樹的根節(jié)點(diǎn)被存儲(chǔ)在內(nèi)存中，而其它結(jié)點(diǎn)以及相應(yīng)的倒排表都存儲(chǔ)在文件中，為了提高性能，目前針對B+樹的結(jié)點(diǎn)和倒排表使用了緩存機(jī)制。

Map函數(shù)模型檢索如算法1所示：第1行，Map函數(shù)接口將大文件數(shù)據(jù)分割成若干個(gè)數(shù)據(jù)塊；第2到5行所有路徑被順序處理；第3行，將過濾到的模型位置存放在list中；第4行，將目標(biāo)模型存放在context當(dāng)中；第5行，返回context作為Map函數(shù)的輸出。Reduce函數(shù)模型檢索如算法2所示：第1行，Map函數(shù)輸出作為本階段輸入；第2到第5行行順序執(zhí)行；第3行，將檢索到的模型位置存放在R中第5行，包含path路徑的模型作為輸出。

Algorithm 1： Map

Function Map

輸入：查詢樣例模型

輸出：單個(gè)節(jié)點(diǎn)上的樣例模型

1 Data_Block ← All Data；

2 for Data_Block do

3 list ← PathIndexQuery （path）；

4 add list to context；

5 return context；

Algorithm 2： Reduce

Function Reduce

輸入：context

輸出：目標(biāo)模型R

1 get context；

2 for context do

3 list ←LengthOnePathIndex（Data_Block）；

4 add list to R；

5 return R；

模型被檢索之后對模型的讀取，應(yīng)用程序調(diào)用HDFS 的Client API庫，讀模型的數(shù)據(jù)；Client API收到請求后，發(fā)出獲取文件Meta和塊信息請求給查詢Master；查詢Master向后臺(tái)數(shù)據(jù)管理系統(tǒng)查詢該模型相關(guān)的信息，查詢后返回給Client API；Client API得到Meta信息塊的信息后，向?qū)?yīng)的塊服務(wù)器發(fā)出讀相關(guān)的塊數(shù)據(jù)指令；塊服務(wù)器根據(jù)指令讀取相應(yīng)的塊數(shù)據(jù)返回給Client API；Client API 返回請求給應(yīng)用程序，如圖5所示：

4實(shí)驗(yàn)評(píng)估

為了驗(yàn)證本文提出模型管理方法的有效性，在Hadoop平臺(tái)中實(shí)現(xiàn)了模型分布式檢索，并在模型集中驗(yàn)證了方法的有效性和性能。平臺(tái)實(shí)驗(yàn)環(huán)境為：Vmware 7，VMware ESX 4.1，Intel（R） Xeon（R） CPU E5620， CentOS 6.4，內(nèi)存4.0 GB；Hadoop-1.2.1，Eclipse，JDK1.7。

基于Hadoop業(yè)務(wù)過程管理平臺(tái)具體實(shí)現(xiàn)步驟：第一步，將BeeHiveZ源碼中模型檢索模塊中的某一個(gè)檢索算法[13]提取出來；第二步，在服務(wù)器安裝三臺(tái)linux虛擬機(jī)，搭建完全分布式Hadoop平臺(tái)，對Hadoop存儲(chǔ)進(jìn)行調(diào)整以更好支持小文件存儲(chǔ)；第三步，利用BeeHiveZ自動(dòng)生成業(yè)務(wù)過程模型，在Hadoop分布式文件系統(tǒng)HDFS進(jìn)行存儲(chǔ)，存儲(chǔ)索引，為簡化索引生成將單機(jī)生成索引拷貝到HDFS中；第四步，將過濾、檢索與Map/Reduce編程模式相對應(yīng)，Map階段，采用索引過濾，Reduce階段將第一步得到的算法進(jìn)行檢索；第五步，運(yùn)行調(diào)試Hadoop代碼進(jìn)行檢索，記錄實(shí)驗(yàn)時(shí)間，得出實(shí)驗(yàn)結(jié)果。

方法有效性驗(yàn)證：將產(chǎn)生的查詢實(shí)例模型F添加到模型庫中，產(chǎn)生一個(gè)查詢樣例模型集合F添加到模型庫中，之后將產(chǎn)生包含更多模型集合S添加到總模型庫中，針對每一個(gè)查詢實(shí)例模型f ∈F，在模型庫F∪S中進(jìn)行檢索，驗(yàn)證集合中是否包含實(shí)例模型f。通過實(shí)驗(yàn)驗(yàn)證，在單機(jī)平臺(tái)和Hadoop都能檢索出相應(yīng)的模型。

圖6（a）顯示了無索引情況下即不采用模型檢索算法不同平臺(tái)檢索需要的時(shí)間，目標(biāo)模型會(huì)與模型庫中模型一一比較，從而檢索出目標(biāo)模型，可以看出Hadoop平臺(tái)檢索時(shí)間明顯少于單機(jī)平臺(tái)檢索時(shí)間；圖6（b）顯示了在采用索引情況下使用LengthOnePath檢索算法[16]不同平臺(tái)檢索需要時(shí)間，可以看出Hadoop平臺(tái)檢索仍然優(yōu)于單機(jī)平臺(tái)檢索。從圖6（a）（b）兩圖紅色三角形可以看出，Hadoop平臺(tái)能夠在采用檢索算法情況下有效提

升檢索效率，保證檢索的高效性。

圖6（c）單機(jī)下索引生成時(shí)間，為簡化索引生成將單機(jī)生成索引存儲(chǔ)到Hadoop平臺(tái)，索引在模型檢索之前，存儲(chǔ)之后在單機(jī)環(huán)境下增量更新，而模型每次增量更新時(shí)間很短。圖6（d）顯示了兩平臺(tái)存儲(chǔ)空間大小比較，HDFS為保證Hadoop平臺(tái)魯棒性采用備份機(jī)制，同等存儲(chǔ)內(nèi)容條件下，其存儲(chǔ)空間為單機(jī)條件下3倍。采用Hadoop平臺(tái)管理業(yè)務(wù)過程模型確實(shí)可以提高效率但也會(huì)帶來帶寬、存儲(chǔ)空間等資源消耗，其硬件要求也高于單機(jī)環(huán)境。

如圖6所示單機(jī)平臺(tái)與Hadoop平臺(tái)檢索性能綜合比較比較，在不同平臺(tái)中將業(yè)務(wù)過程模型庫增量更新，比較兩種平臺(tái)的效率。從實(shí)驗(yàn)結(jié)果可以得出，在同等條件下，無論采用索引與否Hadoop平臺(tái)檢索效率明顯高于單機(jī)環(huán)境。

5結(jié)束語

針對單機(jī)環(huán)境下傳統(tǒng)關(guān)系型數(shù)據(jù)庫對大量業(yè)務(wù)過程模型檢索、存儲(chǔ)效率不高的問題，本文提出并實(shí)現(xiàn)了分布式環(huán)境下基于Hadoop的業(yè)務(wù)過程模型管理方法。本文采用Hadoop中Map/Reduce和HDFS作為過程庫的檢索和存儲(chǔ)框架，對Hadoop存儲(chǔ)進(jìn)行了改進(jìn)；設(shè)計(jì)了業(yè)務(wù)過程模型索引結(jié)構(gòu)，采用過濾、驗(yàn)證模式快速檢索模型，本文實(shí)驗(yàn)?zāi)Ｐ陀葿eehiveZ中模型生成器自動(dòng)生成。Hadoop平臺(tái)整體資源開銷大于單機(jī)環(huán)境，存儲(chǔ)空間以及流量帶寬會(huì)是單機(jī)環(huán)境的3倍。通過這些開銷能夠換得理想的模型管理效率。結(jié)果表明：基于Hadoop的業(yè)務(wù)過程模型管理方法可以有效實(shí)現(xiàn)業(yè)務(wù)過程模型分布式管理，并且其管理效率比單機(jī)環(huán)境下要好。在已有成果基礎(chǔ)上，本課題組將圍繞分布式業(yè)務(wù)過程模型庫檢索算法的研究展開工作。

參考文獻(xiàn)

[1]Ke Yiping， Cheng James， Yu Jeffrey Xu. Querying Large Graph Databases[J]. Proceedings of DASFAA （2）， 2010. 487-488.

[2]Shasha Dennis， Wang Jason TL， Giugno Rosalba. Algorithmics andApplications of Tree andGraph Searching[C]// Proceeding of the 21st ACM SIGACT-SIGMOD-SIGART Symposium on Principles of Database Systems. New York， N. Y. USA： ACM， 2002： 39-52.

[3]Cheng James， Ke Yiping， Ng Wilfred. Effcient Query Processing on Graph Databases[J].ACM Trans. Database Syst， 2009， 34（1）： 2.

[4]AWAD A，POLYVYANYY A，WESKE M. Semantic Querying of Business Process Models[J]. Proceedings of EDOC， 2008. 85-94.

[5]SARKR S，AWAD A. A Framework for Querying Graph-Based Business Process Models[J]. Proceedings of WWW， 2010. 1297-1300.

[6]AWAD A，SAKR S. Querying Graph-Based Repositories of Business Process Models[J]. Proceedings of DASFAA Workshops， 2010. 33-44.

[7]Dumas Marlon， GarciaBanuelos Luciano， Dijkman Remco. Similarity Search of Business Process Models[J].IEEE Data Eng. Bull.， 2009， 32（3）：23-28.

[8]Dijkman Remco， Dumas Marlon， Dongen Boudewijn， et al. Similarity of Business Process Models： Metrics and Evaluation[J]. Inf. Syst.， 2011， 36（2）：498-516.

[9]張良將. 基于Hadoop云平臺(tái)的海量數(shù)字圖像數(shù)據(jù)挖掘的研究[D] .上海：上海交通大學(xué)，2013.

[10]王東京， 鄧水光， 曹斌，等. JTangWFR一個(gè)高效可靠的流程推薦系統(tǒng)[J].計(jì)算機(jī)集成制造系統(tǒng)， 2013， 19（8）：1883-1990.

[11]曹斌， 尹建偉， 鄧水光，等. 一種基于近距離最大子圖優(yōu)先的業(yè)務(wù)流程推薦技術(shù)[J].計(jì)算機(jī)學(xué)報(bào)， 2013， 36（2）： 263-274.

[12]曹斌， 尹建偉， 陳慧蕊. 基于Levenshtein距離的流程檢索方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2012， 18（8）：1766-1773.

[13]唐真. 基于Hadoop的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2013.

[14]葉偉. 互聯(lián)網(wǎng)時(shí)代的軟件革命--SaaS架構(gòu)設(shè)計(jì)[M].北京：電子工業(yè)出版社， 2009.

[15]VAN DER AALIST W M P. The application of Petri nets to workflow management [J].Journal of Circuits， Systems， and Computers， 1998， 8（1）： 21-66.

[16]金濤. 業(yè)務(wù)過程模型檢索與重構(gòu)[D]. 北京：清華大學(xué)，2012.