面向全局約束的QoS分解與服務狀態(tài)監(jiān)控機制研究

劉志忠，彭 輝，曹 雷

（解放軍理工大學指揮信息系統(tǒng)學院，江蘇南京210007）

面向全局約束的QoS分解與服務狀態(tài)監(jiān)控機制研究

劉志忠，彭 輝，曹 雷

（解放軍理工大學指揮信息系統(tǒng)學院，江蘇南京210007）

組合服務QoS需求的全局性和服務QoS狀態(tài)監(jiān)控的局部性之間的矛盾使得組合服務的可用性難以滿足用戶的需求.針對此問題，提出了組合服務的自適應框架，重點研究了全局QoS分配與服務的QoS狀態(tài)監(jiān)控機制；通過分析服務的QoS歷史信息來預測服務的QoS閾值，從而為全局QoS分解提供啟發(fā)信息.并引入松弛系數(shù)以降低服務自適應的開銷.實驗表明：通過QoS閾值預測和松弛系數(shù)的使用能夠實現(xiàn)以較小的自適應開銷適應環(huán)境變化滿足用戶端到端的QoS需求，從而提高組合服務的可用性.

QoS；全局約束；約束分配；松弛系數(shù)

1 引言

服務組合通過組合多個已有服務以形成新的服務，從而滿足單個服務所無法滿足的用戶需求.然而環(huán)境的開放性與動態(tài)性導致服務狀態(tài)發(fā)生異常，從而使得組合服務不可用.所謂的服務狀態(tài)異常［1］，包括服務的功能性異常（如：服務的接口發(fā)生變化等）和服務的性能異常（如：服務的響應時間超時等）.對于服務的功能異常，目前已有相應的研究工作展開：包括服務的版本化、服務演化等.在性能異常方面，為了保證服務的可用性，通常所采用的方法是服務狀態(tài)監(jiān)控，然后根據(jù)監(jiān)控結果對組合服務實施相應調整以滿足用戶的需求.對于服務狀態(tài)的監(jiān)控，研究人員也提出了各種不同的方法：如基于AOP（Aspect Oriented Programming）的服務狀態(tài)監(jiān)控［2］；基于主動服務的服務QoS提交等.但這些研究工作都有一個共同的假設：用戶針對組合服務中各個服務均給出了確切的QoS閾值，為服務的QoS監(jiān)控提供參考.在此假設下，對組合服務的監(jiān)控將轉變成對單個服務的QoS狀態(tài)監(jiān)控，當單個服務的QoS超出規(guī)定的閾值時，服務組合啟動自適應機制以保證組合服務滿足閾值.

在實際的服務組合需求中，特別是在“以用戶為中心”的服務組合中，用戶僅僅對組合服務提出全局的QoS約束，而不關注個體服務的QoS閾值.因此，如何將用戶的全局QoS約束分解為各個服務的閾值，從而為服務的QoS監(jiān)控提供參考值是“以用戶為中心”的服務自適應機制的核心.

全局QoS約束分解可以看成是服務組合中QoS聚合［3］的逆向問題.單個服務的QoS以及服務的組合結構對QoS分解都有重要影響.QoS分解的原則是分解結果須盡量反應QoS聚合中各組件服務的QoS在組合服務QoS中的重要性.因此個體服務的QoS和聚合后的組合服務QoS是影響QoS分配的重要因素.但是在服務監(jiān)控系統(tǒng)中，個體服務的精確QoS值是在監(jiān)控以后才能獲取，缺乏預先性.提前獲取QoS值，通常只能根據(jù)歷史信息來預測在當前時刻可能的QoS值.

本文圍繞“以用戶為中心”的服務組合中服務狀態(tài)監(jiān)控展開研究，重點研究單個服務的QoS預測機制與全局QoS分解機制.

2 相關研究工作

基于全局QoS約束的服務組合是服務組合領域研究的主要問題之一.其基本思想是用戶給定全局的 QoS需求，服務組合引擎以此需求為約束尋找一組服務以滿足用戶的功能需求.此過程主要涉及多個服務的數(shù)據(jù)流和控制流如何組合以及服務的QoS聚合等相關問題.該問題的研究通常將基于全局QoS約束的服務選擇問題映射為多維背包問題，使用混合整數(shù)規(guī)劃的方法來完成服務組合.但是，該類方法的可擴展性較差，當服務規(guī)模較大時，無法滿足實時性要求.基于此，北京郵電大學的王尚廣等針對全局約束的自動服務組合提出了一種基于全局QoS約束分解的動態(tài)服務選擇方法（Web Service Dynamic Selection Approach，WSDSA）［4］.該方法通過基于模糊邏輯的自適應調整方法（Adaptive Adjustment Method，AAM）和自適應粒子群優(yōu)化算法（A-daptive Particle Swarm Optimization，APSO）將全局QoS約束自適應地分解為滿足用戶偏好的局部約束，然后利用局部最優(yōu)獲得最合適的組合服務.WSDSA方法具有較好的有效性，僅用較低的時間花費就得到最優(yōu)解或接近全局最優(yōu)解，能夠滿足服務選擇的實時性和動態(tài)性要求.該方法通過約束分解機制可以降低問題搜索的空間，提高服務組合的效率，該方法為本文的全局QoS約束分解提供了參考.

Eduardo［5］等提出了“以用戶為中心”的服務組合框架，他將自動服務組合的整個生命周期分為多個不同階段，并在所提出的 DynamiCos中構建這些不同的組合組件.此外，為了實現(xiàn)“以用戶為中心”，為不同知識背景，不同認知能力的最終用戶提供個性化的服務，在DynamiCos的基礎上，研究了自適應的 A-DynamiCos系統(tǒng)，支持異構的用戶可以根據(jù)自身需要由領域專家制定支持策略（Support Strategy），從而實現(xiàn)在服務組合過程中的指導作用.但是該研究工作主要針對“以用戶為中心”的服務組合中的功能性方面，對于非功能性要求，特別是由于環(huán)境動態(tài)變化所導致的服務非功能性要求變化并未考慮.該研究重點突出了“以用戶為中心”的特性，強調了服務組合中人的參與.

KJ Lin［6］等針對服務組合中的端到端約束及其自適應問題展開了研究.他們通過研究責任模型來探測和診斷組合服務中的組件服務失效問題.在研究中，他們使用貝葉斯網(wǎng)絡來確定服務組合中最可能出現(xiàn)問題的服務，然后通過一個證據(jù)通道的選擇算法確定服務組合中某個服務是否需要被檢測，并采用強化學習的方法來管理服務的動態(tài)性.在此基礎上，他們還針對端到端約束的服務重配置問題展開了研究［7，8］.通過迭代來確定失效的替換區(qū)域，從而擴展服務替換的選擇區(qū)域以提高服務重配置的可能性.此研究尚未涉及到如何將總體的QoS約束分配成個體服務的QoS，僅僅是基于服務的等級協(xié)議（SLA）來對服務實施檢測.

在服務狀態(tài)監(jiān)控與組合服務自適應研究中，服務QoS的預測是一個重要的研究內容.研究人員針對此問題提出了大量的方法，特別是針對數(shù)值型數(shù)據(jù)預測其預測模型有時間序列平滑預測法、回歸模型、馬爾科夫預測法、灰色系統(tǒng)預測等.范小芹等提出了Web服務各隨機QoS指標的度量方法和自適應QoS管理體系結構［9］.該結構根據(jù)QoS的歷史信息，建立服務QoS模型的分布模型，包括均值、偏差等，從而根據(jù)該模型來預測下一時刻的QoS值.在獲取到 QoS預測值的基礎上，結合利用隨機型離散事件系統(tǒng)的動態(tài)控制方法——馬爾可夫決策過程（MDP），設計出隨機QoS感知的可靠Web服務組合算法.該算法通過考慮隨機性QoS度量方法和QoS管理體系結構，采用平衡了“風險”與“報酬”的MDP方法有效地提高服務組合的成功率.

文獻［10］提出了一種QoS感知的自適應服務過程配置方法，該方法通過重配置高效解決服務組合自適應問題，且代價較小.該方法在服務組合過程中選擇備選的服務，并將該服務作為備份資源以實現(xiàn)高效的重配置.該文提出了基于區(qū)域的重配置算法，通過識別一個有限的重配置區(qū)域以最小化重配置算法的代價.

3 服務狀態(tài)監(jiān)控與自適應框架

由于環(huán)境的動態(tài)性導致環(huán)境的非功能性屬性發(fā)生變化，從而使得原本滿足用戶需求的服務組合無法滿足用戶需求，需要重新實施組合以適應環(huán)境的變化.而這對于時效性要求較高的應用（如：軍事偵察、信用卡交易）等顯然是不合適的.因此，服務組合機制通常需要為用戶屏蔽這種環(huán)境變化所導致的服務組合失效.組合服務自適應機制將自動基于服務狀態(tài)的監(jiān)控結果實施重新組合或調整組合以滿足此需求.

基于AOP的思想，本文提出了如圖1所示的服務監(jiān)控與自適應框架.該體系結構包括以下幾部分內容：

（1）BPEL流程定義模塊：主要依賴BPEL流程定義工具設計相應的BPEL流程，或者根據(jù)領域專家所設計的流程模板，以用戶需求為導向，通過實例綁定來生成新的BPEL流程.

（2）BPEL執(zhí)行引擎：主要完成BPEL流程實例的創(chuàng)建，流程的實例的管理，包括流程狀態(tài)的管理，以及BPEL執(zhí)行過程中，各活動的調用等等.

（3）AOP執(zhí)行引擎：AOP執(zhí)行引擎主要為了支持AO4BPEL［11］流程語言的支持，支持方面流程的部署，以及方面流程的執(zhí)行.該執(zhí)行將對BPEL流程引擎中的行為調用和變量訪問進行截獲，并根據(jù)方面流程的信息，在調用流程的活動之前（before）/之后（after）/前后（around）來調用相應方面的信息.AOP執(zhí)行引擎主要是在流程執(zhí)行過程中，將方面流程和業(yè)務流程實施編織來實現(xiàn)對業(yè)務流程的監(jiān)控.

整個框架的核心是服務的狀態(tài)監(jiān)控和自適應機制，而且狀態(tài)監(jiān)控是組合服務自適應的觸發(fā)條件.因此，準確地監(jiān)控服務的狀態(tài)，并根據(jù)監(jiān)控所獲得的狀態(tài)信息精準地判定服務狀態(tài)是否異常，是組合自適應機制的關鍵所在.基于AOP的服務狀態(tài)監(jiān)控方法將基于服務的QoS閾值和服務的監(jiān)測值來判斷服務的狀態(tài)，其機制本身不是本文的重點，本文主要研究服務的QoS模型及如何獲取監(jiān)控所需要的閾值和QoS預測值.

4 面向全局約束的服務QoS分配與監(jiān)控機制

在給定全局約束的情況下，將全局QoS分解為組件服務的QoS閾值，并對服務QoS狀態(tài)實施監(jiān)控是本文研究的核心.其基礎則是服務的QoS模型.

4.1服務的QoS模型

為了規(guī)范服務的QoS表示，通常需要對服務的QoS值進行歸一化處理.經過歸一化處理后的服務QoS值具有統(tǒng)一特性：（1）QoS的取值范圍統(tǒng)一為（0，1］；（2）QoS性質統(tǒng)一，即取值越大，表示服務的質量越差，所以QoS的值是越小越好.

對于服務的QoS狀態(tài)通常由三個不同值來刻畫：QoS的真實值，用字母q表示；服務提供者給定的QoS聲稱值，用→q表示；由用戶來設定的QoS約束值（或閾值），用^q表示.這三個值通常并不完全相同，但通常希望QoS聲稱值和QoS真實值一致.為了即促使服務提供者盡量提供真實的QoS，研究人員研究了各種信譽激勵算法.但在動態(tài)環(huán)境下，服務的QoS真實值難以實時獲取，通常用用戶的實時監(jiān)控值來代替.在監(jiān)控服務狀態(tài)時，服務的QoS閾值是判定服務是否失效的一個參考值，也是實施組合服務自適應的觸發(fā)條件.這些不同的QoS表示值之間的關系如下圖2所示.

在此模型下，組合服務觸發(fā)自適應的時機是個體服務的QoS監(jiān)控值超過其QoS閾值.但是，服務的 QoS監(jiān)控值只有在服務執(zhí)行后才能獲取，這對于組合服務的自適應缺乏必要的預先性.通常解決的方法是通過QoS預測機制來預測服務可能的QoS值，得到服務的QoS預測值~q，以預測值來替代真實值，從而實現(xiàn)對服務狀態(tài)的事先判斷.這樣，服務自適應的核心問題就是得到服務的QoS閾值以及服務QoS的預測值.

4.2全局約束下的組合服務QoS分解機制

通常在服務組合的用戶需求中，用戶只給定組合服務端到端的QoS約束，而不會給定單個服務的QoS閾值.為了監(jiān)控個體服務，需要通過約束分解來獲取服務的QoS閾值.和基于全局約束的服務QoS分解相對應的一個問題是服務組合中QoS聚合問題.服務QoS聚合指的是在給定各組件服務QoS值的情況下，根據(jù)組合服務的結構以及QoS屬性得到組合服務的全局QoS.同樣，組合服務的全局QoS約束分解機制也需要考慮服務QoS屬性以及服務組合的結構.本文的研究主要以服務QoS中的時間開銷作為研究對象.另外，考慮到服務組合的基本結構之間的可轉化性和可組合性，本文僅研究最基本結構，即串行結構和并行結構.

研究表明［12］：在串行結構中，組合的QoS是各組件服務QoS的累加求和，即給定串行結構Seq（S1，S2，…，Sn），其中各組件服務Si的QoS為QoSsi，得到全局QoS 為QoSseq=∑QoSsi.而針對并行結構，組合的QoS值是QoSseq=Max QoSsi.

針對全局QoS的分解問題，可以得到一些相應的啟示.給定串行結構Seq（S1，S2，…，Sn）和全局的QoS約束QoSG，將全局QoS分解以得到各組件服務的 QoS閾值最簡單的方法是將全局QoS平均地分配到各組件服務中，即各組件QoS的閾值為：

給定并行結構Par（S1，S2，…，Sn）和全局的QoS約束QoSG，那么各組件服務的QoS閾值可以直接分解為：

該模型針對并行結構的約束分解是可行的，但是對于串行結構顯然沒有考慮到各個組件服務之間的差異，不同的服務其QoS閾值約束顯然不同.因此，在考慮服務的閾值分解時，需要結合服務目前的監(jiān)控值來實施.給定各服務的QoS監(jiān)控值QoSsi，可以利用如下的QoS約束分解模型來獲取各組件服務的QoS閾值：

根據(jù)服務的監(jiān)控值來分解服務的約束值對于服務組合的自適應具有滯后效應.將上面的分解機制進行修正，利用服務QoS的預測值QoS～si來指導服務的全局QoS約束分解.

為了正確合理地對全局的QoS約束進行分解，需要合適的服務QoS預測機制來預測服務的QoS值.本文預測的目標并不是為了精確定量服務的QoS值，而是需要根據(jù)服務的QoS值來確定服務QoS的閾值，因此對于服務QoS的預測可以在現(xiàn)有的預測機制上做一定的改進.

4.3基于極值的服務QoS預測機制

預測服務的QoS值主要有基于時間序列的方法、基于馬爾科夫隨機過程的方法以及基于灰色系統(tǒng)的方法等.這些方法所預測的均是服務的 QoS真實值.本文預測的目標是服務QoS的閾值.主要通過分析服務 QoS真實值的歷史信息，獲得服務QoS的最大可能值，即QoS的極值，并基于此推斷出服務的QoS閾值.服務QoS的極值通常和QoS的變化規(guī)律相關.有研究指出，以QoS值的自相關特性為依據(jù)，服務的QoS變化規(guī)律大致可以分為周期性QoS值，趨勢性QoS值以及隨機性的QoS值等，如下圖3所示.

假定已知此前k個時刻的QoS值為序列tn-1，tn-2，…，tn-k，需要預測當前tn時刻的QoS值.針對不同自相關特性的，基于極值的QoS預測方法將分不同情況來預測服務的QoS閾值.

1）周期性QoS

給定服務的QoS隨時間變化的關系如圖3（a）所示，服務的QoS閾值預測將以一個時間周期T作為QoS的預測周期，分析tn所在的時間周期區(qū)域（t，t+T］，其中t≤tn≤t+T，并利用區(qū)域對此前的K個數(shù)據(jù)進行截取，以保證t≤tn-i≤t+T，得到時間序列tn-1，tn-2，…，tn-i，其中i≤k.基于此序列進行擬合，得到函數(shù)f：t→（0，1），以獲取tn時刻的f（tn）.此外，根據(jù)QoS監(jiān)控的歷史信息，可以獲取該QoS周期中的最大值QoSmax.基于此預測tn時刻的QoS閾值如下：

2）趨勢性QoS

給定服務的 QoS隨時間變化的關系如圖3（b）所示，即QoS的值呈穩(wěn)定化的趨勢發(fā)展.在此情況下，給定此前k個時間點的QoS，據(jù)此進行擬合，得到函數(shù)f：t→（0，1），以獲取tn時刻的f（tn）.對于趨勢性的QoS，在tn時刻的服務QoS閾值為：

3）隨機性QoS

給定服務的QoS隨時間變化的關系如圖3（c）所示，即QoS值隨機變化，沒有規(guī)律性.在此情況下服務的QoS擬合沒有任何意義，因此，服務在tn時刻的QoS閾值可以定義到在給定時間段的QoS的最大值，即：

5 QoS分解與預測機制評價

5.1評價指標

為了驗證全局QoS約束的分解與預測機制對組合服務狀態(tài)監(jiān)控的有效性，需要建立相應的性能評價體系來評價其效果.由于用戶的需求是全局QoS需求，因此監(jiān)控機制的目標是保證當某個服務的QoS值發(fā)生變化且導致組合服務全局 QoS無法滿足的情況下，需要觸發(fā)服務組合自適應機制.同時，由于服務組合的自適應需要一定的時間開銷，因此我們希望QoS分解與預測機制只有當單個服務的QoS變化且導致服務全局QoS無法滿足時，服務自適應才被觸發(fā).評價體系需要反應該需求.為給出相應的評價體系，先做一些基本假設.

假設實驗過程中對某復雜組合服務監(jiān)控其N次執(zhí)行；在整個監(jiān)控期間，真正發(fā)生單個服務QoS狀態(tài)異常且導致組合服務的全局QoS無法滿足的次數(shù)為 NT，在這所有次數(shù)中，真正被監(jiān)控到的次數(shù)為NTT，其中未監(jiān)測到次數(shù)為NTF；在監(jiān)控期間，監(jiān)控機制共監(jiān)控到由于服務QoS狀態(tài)異常且導致全局QoS異常的次數(shù)為NF，其中正確報警次數(shù)為NFT=NTT，錯誤的報警次數(shù)為NFF.基于這些假設，可以定義如下的評價指標：

（1）漏報率

漏報率為真正發(fā)生了由于局部QoS異常而導致的全局約束違背，但是監(jiān)控機制并未監(jiān)控到的次數(shù)占總體發(fā)生次數(shù)的比例，可以表示如下：

和漏報率對應的是準確率，即真正發(fā)生局部QoS異常而導致的全局約束違背，且監(jiān)控機制監(jiān)控到該情況發(fā)生的次數(shù)占總監(jiān)控到的次數(shù)的比例，即 NFT/NT.

（2）誤報率

誤報率為沒有發(fā)生局部QoS異常而導致的全局約束違背，但是監(jiān)控機制卻認為該情況已發(fā)生的次數(shù)占總監(jiān)控到的次數(shù)的比例，可以表示如下：

和誤報率對應的為精確率，即真正發(fā)生局部QoS異常而導致的全局約束違背，且監(jiān)控機制監(jiān)控到該情況發(fā)生的次數(shù)占總監(jiān)控到的次數(shù)的比例，即 NFT/NF.

誤報率和漏報率存在一定的矛盾，通常誤報率越低時漏報率可能會有所提高.監(jiān)控機制所追求的目標是以盡可能低的代價來盡可能滿足用戶的需求.漏報將導致無法觸發(fā)自適應機制最終無法滿足用戶需求，而誤報則導致不必要的用戶自適應，提高系統(tǒng)開銷.因此，監(jiān)控機制的目標將是“杜絕漏報，減少誤報”.

5.2松弛系數(shù)

在組合服務中，通常較少遇到多個服務同時發(fā)生異常的情況，大部分情況下是個別服務發(fā)生異常.而用戶的需求則是全局QoS約束.因此，在計算服務的閾值時，我們在預測機制中引入了松弛系數(shù)（Relax Index）R來放松服務的QoS閾值約束.引入松弛系數(shù)后，QoS預測閾值可以修正如下：

（1）周期性QoS

其中R＞0.

通過松弛系數(shù)的引入，一定程度上可以在誤報率和漏報率之間進行取舍.當R=1時，直接將預測所得到的閾值作為其 QoS閾值；當R＞1時，將在預測所得到的閾值基礎上做一定放松，從而得到真正的閾值.服務同時狀態(tài)異常的概率小，因此實際閾值會比QoS的預測值稍大，因此松弛系統(tǒng)通常取值要大于1；但是隨著R增大，監(jiān)控機制監(jiān)控到服務失效的可能性會降低，也就是說監(jiān)控機制的漏報率會比較低；因此，在實施QoS的預測與分配時，需要對松弛系數(shù)R進行相應的分析，以實現(xiàn)在杜絕漏報的情況下降低誤報率.

5.3實驗分析

（1）實驗設置

為了分析本文所提出的服務QoS分解與預測機制的有效性以及效率，本文以圖4所示的復雜結構的組合服務為實驗對象進行系列的實驗.該結構包含了17個服務節(jié)點，節(jié)點之間的關系包括串行和并行兩種.

本文研究的QoS以服務的執(zhí)行時間為例.對于服務組合中的每個節(jié)點，假定該服務的執(zhí)行時間為一個單值.此外，為了驗證QoS屬性的自相關特性對QoS預測和分解機制的影響，實驗設定組合結構中各節(jié)點QoS的時間自相關特性如表1所示.

表1　不同時間特性的節(jié)點

模擬實驗將隨機地在這些服務中選擇一個服務，人為改變其QoS值，讓其發(fā)生狀態(tài)異常.然后根據(jù)本文所提出機制來對個體服務的QoS進行預測并據(jù)此對全局QoS約束進行分解，然后通過監(jiān)控單個服務的QoS值異常來推斷組合服務是否違反全局QoS約束.此外，實驗過程中還考慮了松弛系數(shù)對整個預測與分解機制的影響.為此，本文共開展了兩組實驗.

第一組實驗主要是比較本文所提出的預測模型與傳統(tǒng)的預測模型對最終端到端QoS監(jiān)控效果的影響.傳統(tǒng)的預測模型針對不同時間特性的QoS采用基于最小二乘法的曲線擬合方法（對于隨機性QoS則采用前M個值取均值作為預測值）.本文所提方法在擬合的基礎上再采用極值和松弛系數(shù)來對約束進行放松，松弛系數(shù)采用固定值為R=1.2.分別在不同條件下共進行100次實驗.在這100次實驗中，隨機地設定某個服務節(jié)點QoS值異常變化.在傳統(tǒng)的預測模型中，當服務的實際值超過預測值的20%時，觸發(fā)組合服務自適應；而在本文所提出的預測與分解機制中根據(jù)全局目前的約束情況來計算服務的QoS閾值，并在此基礎上來根據(jù)預測的QoS值和預測的閾值進行比較，當QoS超出閾值時，系統(tǒng)認為組合服務違反了端到端QoS約束.

第二組實驗的目標是比較在本文所提出方法中，松弛系數(shù)對不同時間特性QoS屬性的影響.因此，分別針對QoS具有不同時間特性的服務節(jié)點進行實驗，不同節(jié)點在取不同R值的情況下分別進行50次實驗，最終得到漏報率和誤報率的變化.然后分析得到R對具有不同時間特性的QoS屬性的服務節(jié)點的影響.

（二）實驗結果及其分析

第一組實驗取得了如表2所示的實驗結果.

表2　第一組實驗的結果

表3　不同松弛系數(shù)下的實驗結果

上面實驗所得到的數(shù)據(jù)可以用圖5表示.報率和誤報率的影響，如圖6所示.

上面的圖表分析顯示，當R=1.2時，基于極值的預測與分解機制可以在不降低監(jiān)控系統(tǒng)的誤報率的情況下，降低監(jiān)控系統(tǒng)的漏報率.實驗結果說明不管針對何種時間特性的QoS，基于極值的預測與分解機制方法都能夠更好地實現(xiàn)通過監(jiān)控局部QoS值來判定組合服務是否滿足全局的QoS約束.

第二組實驗得到如表3所示的實驗結果.

基于上面的實驗結果，針對不同時間特性的QoS屬性，分別比較不同的松弛系數(shù)對服務狀態(tài)監(jiān)控的漏

上面的比較表明：不管QoS屬性具有何種時間相關性，為了達到監(jiān)控目標（通過監(jiān)控個別服務來預測全局QoS約束違背），在一定的范圍內（約R＜1.2），松弛系數(shù)R須越大越好，R越大QoS監(jiān)控的誤報率和漏報率均有所降低；針對不同時間特性的QoS屬性，為了獲得最佳的監(jiān)控效果，R的取值有所不同.

6 結論和未來的工作

用戶全局QoS約束的全局性與服務QoS狀態(tài)監(jiān)控的局部性之間的矛盾使得研究全局QoS約束下的約束分解成為必要.通過借鑒基于全局約束的QoS感知的服務組合中QoS聚合的相關技術，本文研究了全局QoS約束分解機制以及單個服務的QoS預測機制.為了在盡量杜絕漏報率的情況下，降低服務狀態(tài)監(jiān)控的漏報率，本文針對不同特性的QoS，在基于服務QoS的歷史信息的基礎上，采用了基于極值的QoS預測方法來啟發(fā)全局QoS的分解，并且在服務狀態(tài)監(jiān)控中引入了松弛系數(shù).通過設置不同的松弛系數(shù)，可以在一定的程度上調節(jié)服務狀態(tài)監(jiān)控的誤報率和漏報率，并使之達到最佳.

下一步的研究重點將是優(yōu)化松弛系數(shù)R.如果服務組合自適應框架能夠根據(jù)歷史的松弛系數(shù)和漏報率與誤報率之間的關系，自動調整或選擇最佳的松弛系數(shù)，這對于實現(xiàn)“以用戶為中心”的服務組合自適應機制將是非常有用的.此外，本文的研究是在已有的QoS預測機制上的改進，目前QoS預測機制多種多樣，本文主要針對基于曲線擬合的預測機制，基于其他預測機制的改進將是本文下一步的研究工作.

除了單一服務狀態(tài)異常外，同時多個服務狀態(tài)發(fā)生異常也是組合服務中會遇到的問題.如何在多個服務同時發(fā)生異常時進行監(jiān)控檢測，并判定組合服務是否違反全局約束也是我們下一步需要解決的問題.

［1］Yi Wang，Ying Wang.A survey of change management in service-based environments［J］.Service Oriented Computing and Applications，2013，7（4）：259-273.

［2］Anis Charfi，Mira Mezini.AO4BPEL：an aspect-oriented extension to BPEL［J］.World Wide Web，2007，10（3）：309-344.

［3］Liu Zhizhong，He Yihui，Wang Yong.QoS aggregation for end-to-end qos requirements in service composition［A］. Proceedings of International Conference on Computer and Management［C］.Wuhan，Hubei：IEEE，2012.1390-1393.

［4］王尚廣，孫其博，楊放春.基于全局QoS約束分解的Web服務動態(tài)選擇［J］.軟件學報，2011，22（7）：1426-1439. WANG Shang-Guang，SUN Qi-Bo，YANG Fang-Chun. Web service dynamic selection by the decomposition of global QoS constraints［J］.Journal of Software，2011，22 （7）：1426-1439.（in Chinese）

［5］Eduardo Manuel Gon?alves da Silva.User-centric service composition-towards personalised service composition and delivery ［D］.Enschede，Holland：University of TWENTE，2011.

［6］Yue Zhang，Kwei-Jay Lin，Jane Y J Hsu.Accountability monitoring and reasoning in service-oriented architectures ［J］.Service Oriented Computing and Applications，2007，1 （1）：35-50.

［7］Kwei-Jay Lin，Jing Zhang，Yan long Zhai.An efficient approach for service process reconfiguration in SOA with end-to-end QoS constraints［A］.Proceedings of IEEE Conference on Commerce and Enterprise Computing［C］.Vienna，Austria：IEEE，2009.146-153.

［8］翟巖龍.開放網(wǎng)絡環(huán)境中動態(tài)自適應服務組合技術研究［D］.北京：北京理工大學，2009. Zhai Yan-Long.Research on dynamic adaptive service composition in open network environment［D］.Beijing：Beijing Institute of Technology，2009.（in Chinese）

［9］范小芹，蔣昌俊，王俊麗，龐善臣.隨機QoS感知的可靠Web服務組合［J］，軟件學報，2009，20（3）：546-556. FAN Xiao-Qin，JIANG Chang-Jun，WANG Jun-Li，PANG Shan-Chen.Random-QoS-aware reliable web service composition［J］. Journal of Software，2009，20（3）：546-556.（in Chinese）

［10］Jing Li，Dianfu Ma，Xiupei Mei.Adaptive QoS-aware service process reconfiguration［A］.Proceedings of International Conference on Service Computing［C］.Washington，DC：IEEE，2011.282-289.

［11］Anis Charfi，Mira Mezini.AO4BPEL：an aspect-oriented extension to BPEL［J］.World Wide Web，2007，10（3）：309 -344.

［12］Zeng LZ，Benatallah B，Dumas M.Quality driven Web services composition［A］.Proceedings of the 12th Int’l Conf on World Wide Web［C］.New York：ACM，2003.411-421.

劉志忠 男，1980年2月生于江西吉安，博士，講師，主要研究領域為面向服務計算、指揮信息系統(tǒng)工程.

E-mail：lzz-liu@126.com

彭 輝 男，1980年3月生于湖北武漢，博士，講師，主要研究方向為多UAV協(xié)同控制與優(yōu)化、服務優(yōu)化.

E-mail：penghui-ph@163.com

Research on QoS Discomposing and Service Status Monitor for Composite Service with Global QoS Constraint

LIU Zhi-zhong，PENG Hui，CAO Lei

（Department of C4ISR Information System，University of PLA Science and Technology，Nanjing，Jiangsu 210007，China）

Contradiction between the global QoS requirements and local service QoS status monitor decreases the availability of composite service，and makes it hard to meet users’requirements.Aiming at this problem，a framework for composite service adaption is proposed.And the mechanism for composite services QoS decomposing and individual service status monitor in this framework is demonstrated.To get the threshold of individual service，an approach to predict the service QoS by analyzing the historical QoS is studied.Further，to decrease the overhead of composite service adaption，the relax index is introduced into the mechanism.The experimental results show that predicting the QoS threshold and relax index can make the composite service QoS decomposing more reasonable，and can satisfy the user’s end-to-end requirement through little adjustment to the greatest extent when changes happen.

QoS；global constraint；QoS decomposing；relax index

TP317

A

0372-2112（2016）04-0886-07

電子學報URL：http：//www.ejournal.org.cn 10.3969/j.issn.0372-2112.2016.04.019

2014-11-30；

2015-07-05；責任編輯：李勇鋒

“十二五”國防預先研究基金（No.9140A15070414JB25224）