云服務(wù)組合的主動(dòng)自適應(yīng)技術(shù)綜述

李雯睿+潘雷+黃嘉靖

摘要：為了持續(xù)應(yīng)對(duì)復(fù)雜、多變的云計(jì)算環(huán)境，提供滿足用戶期望的服務(wù)，云服務(wù)組合除了能實(shí)現(xiàn)基本需求外，還必須具備一定程度的自適應(yīng)能力。介紹了主動(dòng)自適應(yīng)技術(shù)，研究了云計(jì)算環(huán)境下服務(wù)組合的主動(dòng)自適應(yīng)技術(shù)、在線質(zhì)量預(yù)測(cè)方法和在線調(diào)整策略，梳理了云服務(wù)組合的主動(dòng)自適應(yīng)技術(shù)面臨的挑戰(zhàn)，并提出了應(yīng)對(duì)策略。

關(guān)鍵詞：云計(jì)算；云組合服務(wù)；在線質(zhì)量預(yù)測(cè)；在線調(diào)整策略

DOIDOI：10.11907/rjdk.172048

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）012-0213-04

Abstract：In order to continue to deal with complex and ever-changing cloud computing environment and provide services to meet user expectations， cloud service composition must not only meet the basic needs， but also have a certain degree of adaptability. Therefore， how to make the service oriented system adaptive and highly adaptable to the dynamic， evolutionary and complex cloud computing environment has become a key problem to be solved urgently in this field. First introduces the active adaptive technology， then research and analysis of the two key technologies of cloud computing technology active adaptive service composition environment： the prediction method and the on-line adjusting strategy of online quality， combing face active adaptive cloud service composition technology challenges， and then put forward the possible countermeasures.

Key Words：cloud computing； cloud composite services； online quality prediction； online adjustment strategy

0 引言

云計(jì)算是一種新興的計(jì)算范式，用戶可通過(guò)網(wǎng)絡(luò)及云計(jì)算平臺(tái)隨時(shí)隨地按需獲得計(jì)算服務(wù)能力[1]。據(jù)IDC預(yù)計(jì)，未來(lái)幾年云IT基礎(chǔ)設(shè)施投入將保持15.5%的年復(fù)合增長(zhǎng)率，到2019年將達(dá)到543億美元，占整體IT基礎(chǔ)設(shè)施投入的46.6%[2]。

云計(jì)算能有效集成SOA（面向服務(wù)的體系結(jié)構(gòu)：Service Oriented Architecture），將基于云的資源和服務(wù)動(dòng)態(tài)組合，從而為云計(jì)算環(huán)境下的服務(wù)組合（以下簡(jiǎn)稱云服務(wù)組合）業(yè)務(wù)提供SOA解決方案。

企業(yè)不僅關(guān)注服務(wù)組合的功能特性，而且關(guān)注其能否為用戶提供更好的服務(wù)質(zhì)量（Quality of Service，QoS）。然而，由于云計(jì)算環(huán)境的動(dòng)態(tài)多變以及第三方服務(wù)的不可控性，云服務(wù)組合是否滿足原有功能及可用性、可靠性、安全性等非功能需求將面臨新的挑戰(zhàn)，尤其是對(duì)于不可預(yù)期的資源變化和多變的用戶需求，導(dǎo)致云服務(wù)組合的QoS難以得到長(zhǎng)期和穩(wěn)定的保證。

為了應(yīng)對(duì)云計(jì)算環(huán)境帶來(lái)的上述問(wèn)題和挑戰(zhàn)，需借助新型的主動(dòng)自適應(yīng)技術(shù)，使云服務(wù)組合具有自適應(yīng)能力。本文闡述云服務(wù)系統(tǒng)的在線質(zhì)量預(yù)測(cè)方法和在線調(diào)整策略，指出云服務(wù)組合的主動(dòng)自適應(yīng)技術(shù)所面臨的挑戰(zhàn)，并提出可能的解決思路。

1 主動(dòng)自適應(yīng)技術(shù)

主動(dòng)自適應(yīng)（Proactive Self-adaptation）是指系統(tǒng)能提前預(yù)知的關(guān)鍵失效或QoS問(wèn)題，嘗試采取對(duì)策阻止失效發(fā)生，或者為即將發(fā)生的失效預(yù)先準(zhǔn)備修復(fù)機(jī)制，以減少修復(fù)代價(jià)[3]。

主動(dòng)自適應(yīng)技術(shù)是根據(jù)觀測(cè)到的歷史數(shù)據(jù)（通常是通過(guò)監(jiān)控服務(wù)執(zhí)行來(lái)收集數(shù)據(jù)）推斷未來(lái)的服務(wù)質(zhì)量，并在服務(wù)組合系統(tǒng)失效發(fā)生之前采取相應(yīng)的適應(yīng)策略。這意味著當(dāng)QoS失效時(shí)無(wú)需人工干預(yù)或外部智能體干預(yù)，系統(tǒng)能自動(dòng)恢復(fù)到正常運(yùn)行狀態(tài)，并對(duì)服務(wù)資源和環(huán)境變化作出自適應(yīng)處理，以滿足用戶多變的功能和非功能需求。

在云計(jì)算環(huán)境中，云服務(wù)組合的自適應(yīng)技術(shù)包括在線質(zhì)量預(yù)測(cè)方法和主動(dòng)自適應(yīng)技術(shù)，本文對(duì)這兩項(xiàng)關(guān)鍵技術(shù)進(jìn)行研究。

2 在線質(zhì)量預(yù)測(cè)方法

與傳統(tǒng)軟件系統(tǒng)相比，云服務(wù)組合面臨著前所未有的動(dòng)態(tài)性及缺乏對(duì)第三方服務(wù)的控制。因此，研究人員提出用各種方法預(yù)測(cè)云服務(wù)組合的質(zhì)量。

2.1 時(shí)間序列預(yù)測(cè)方法

時(shí)間序列預(yù)測(cè)模型采用已觀測(cè)到服務(wù)行為（監(jiān)控?cái)?shù)據(jù)）推斷將來(lái)的QoS。目前這些模型主要用來(lái)預(yù)測(cè)單個(gè)服務(wù)或服務(wù)組合的響應(yīng)時(shí)間等。Zeng等[4]采用基于時(shí)間序列的方法來(lái)預(yù)測(cè)QoS的關(guān)鍵績(jī)效指標(biāo)（Key Performance Indicator，KPI），Aschoff等[5]采用指數(shù)加權(quán)移動(dòng)平均（EWMA）的時(shí)間序列方法來(lái)預(yù)測(cè)服務(wù)組合的響應(yīng)時(shí)間，華哲邦等[6]提出了一種基于時(shí)間序列分析的Web Service QoS預(yù)測(cè)方法，能有效預(yù)測(cè)短期內(nèi)的QoS信息。endprint

2.2 在線測(cè)試方法

基于在線測(cè)試的質(zhì)量預(yù)測(cè)技術(shù)通過(guò)測(cè)試主動(dòng)收集數(shù)據(jù)。Hielscher等[7]提出PROSA框架，擴(kuò)展了現(xiàn)有的測(cè)試技術(shù)，檢測(cè)服務(wù)QoS的變化和偏差，并在這些變化和偏差導(dǎo)致嚴(yán)重危害之前觸發(fā)適應(yīng)工作。為了避免不必要的修改，Metzger等[8]通過(guò)在線測(cè)試方式增加監(jiān)控?cái)?shù)據(jù)，從而提高在線失效預(yù)測(cè)方法的可信度。

2.3 機(jī)器學(xué)習(xí)或數(shù)據(jù)挖掘方法

這類方法利用數(shù)據(jù)挖掘或機(jī)器學(xué)習(xí)能力，對(duì)歷史監(jiān)控?cái)?shù)據(jù)進(jìn)行訓(xùn)練。代表性解決方案有統(tǒng)計(jì)方法（如回歸）的各種變種，如定量QoS的多層人工神經(jīng)網(wǎng)絡(luò)和定性QoS的決策樹(shù)等。Leitner等[9]提出采用多層人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)SLA違例方法，Ejarque等[10]提出基于決策樹(shù)方法預(yù)測(cè)和分配資源。

2.4 運(yùn)行驗(yàn)證方法

運(yùn)行驗(yàn)證是一種輕量級(jí)的形式化分析技術(shù)，用來(lái)確定運(yùn)行時(shí)是否滿足預(yù)定義屬性。使用模型檢驗(yàn)方法來(lái)檢驗(yàn)服務(wù)組合模型，以確定云服務(wù)組合系統(tǒng)是否成功執(zhí)行。Schmieders等[11]采用基于假設(shè)的運(yùn)行驗(yàn)證方法驗(yàn)證需求在運(yùn)行時(shí)是否成立，Zhu等[12]根據(jù)服務(wù)組合設(shè)計(jì)模型和運(yùn)行時(shí)的狀態(tài)信息預(yù)測(cè)全局模型，并檢測(cè)該模型是否滿足期望，從而作出失效預(yù)測(cè)。

2.5 基于模擬的方法

基于模擬的方法執(zhí)行動(dòng)態(tài)模型，模擬面向服務(wù)的系統(tǒng)行為，從而預(yù)測(cè)其將來(lái)的質(zhì)量屬性。如Ivanovic'等[13]將服務(wù)組合轉(zhuǎn)換成動(dòng)態(tài)模型，對(duì)動(dòng)態(tài)模型資源建模，通過(guò)執(zhí)行系統(tǒng)預(yù)測(cè)其占有的資源情況。Jamoussi等[14]采用離散事件的模擬方法執(zhí)行服務(wù)組合，從而預(yù)測(cè)和保證QoS性質(zhì)。

3 在線調(diào)整方法

在監(jiān)控和預(yù)測(cè)到問(wèn)題后，云服務(wù)組合能在線調(diào)整自身行為，持續(xù)提供滿足用戶需求的服務(wù)。在線調(diào)整方法分為如下幾類：服務(wù)的流程層調(diào)整、服務(wù)和服務(wù)組合層調(diào)整、平臺(tái)和基礎(chǔ)設(shè)施層調(diào)整以及跨層調(diào)整。

3.1 流程層調(diào)整

當(dāng)監(jiān)控到流程層出現(xiàn)問(wèn)題時(shí)，早期的方法是在流程層進(jìn)行調(diào)整，使得面向服務(wù)系統(tǒng)能夠正常運(yùn)行。

Brogi等[15]給出了自動(dòng)生成工作流中數(shù)據(jù)流的修改方法，在發(fā)生數(shù)據(jù)不匹配時(shí)進(jìn)行流程修改。Gambini等[16]提出一種技術(shù)對(duì)過(guò)程設(shè)計(jì)模型進(jìn)行自動(dòng)糾錯(cuò)。該方法基于模擬退火，通過(guò)確定過(guò)程模型的替代品解決原模型中的一個(gè)或多個(gè)錯(cuò)誤。為提高可重用性和靈活性，Groefsema等[17]通過(guò)引入可變框架BPM，利用時(shí)序邏輯表示流程的本質(zhì)，留下其它選項(xiàng)供用戶選擇和調(diào)整。

3.2 服務(wù)和服務(wù)組合層調(diào)整

通常情況下更多的調(diào)整集中在服務(wù)和服務(wù)組合層，包括動(dòng)態(tài)服務(wù)綁定和QoS自省方法等。當(dāng)監(jiān)控到一些服務(wù)不可用或效率低下時(shí)，可能的調(diào)整方法是動(dòng)態(tài)服務(wù)綁定或重新綁定。

Christos等[18]提出一個(gè)框架支持服務(wù)調(diào)整。Wagner等[19]提出了一種基于QoS組合方法，將功能類似的服務(wù)形成一個(gè)蔟群，計(jì)算每個(gè)蔟群的服務(wù)質(zhì)量，并最終組合成工作流程。

3.3 平臺(tái)和基礎(chǔ)設(shè)施層調(diào)整

隨著云計(jì)算技術(shù)的出現(xiàn)，面向服務(wù)系統(tǒng)的平臺(tái)和基礎(chǔ)設(shè)施層的運(yùn)行問(wèn)題有各種調(diào)整技術(shù)。一些方法是針對(duì)服務(wù)部署或平臺(tái)的調(diào)整，另一些技術(shù)則是側(cè)重于計(jì)算資源的調(diào)整。

監(jiān)控到服務(wù)基礎(chǔ)設(shè)施和平臺(tái)層的故障和問(wèn)題后，采取相應(yīng)的修復(fù)機(jī)制。Lambers等[20]提出WS-DIAMOND框架，允許在運(yùn)行時(shí)診斷和恢復(fù)服務(wù)。Kertesz等[21]引入了SLA自省的服務(wù)虛擬化架構(gòu)，使應(yīng)用程序按需部署在云中。

Almeida等[22]提出調(diào)整資源管理，通過(guò)最大限度地提高供應(yīng)商收入、滿足客戶QoS需求、減少資源的使用成本來(lái)確定面向服務(wù)的應(yīng)用程序優(yōu)化模型。Lin等[23]形式化一個(gè)面向服務(wù)的計(jì)算環(huán)境模型，提出一個(gè)科學(xué)工作流調(diào)度算法SCPOR，能夠根據(jù)計(jì)算資源的改變按需彈性調(diào)度工作流。

3.4 跨層調(diào)整

面向服務(wù)系統(tǒng)的跨層調(diào)整技術(shù)是一個(gè)重點(diǎn)。Fugini等[24]開(kāi)發(fā)的框架模擬跨層的SLA契約，用來(lái)監(jiān)測(cè)和調(diào)整SLA契約模型，包括關(guān)鍵KPI參數(shù)、關(guān)鍵目標(biāo)指標(biāo)（KGI）和IT基礎(chǔ)設(shè)施指標(biāo)等。Zaplata等[25]提出了能夠跨業(yè)務(wù)流程層、服務(wù)組合層和服務(wù)基礎(chǔ)設(shè)施層，監(jiān)控和調(diào)整面向服務(wù)的系統(tǒng)。Popescu等[26]針對(duì)多層應(yīng)用提出一個(gè)基于模式的調(diào)整方案，解決不同層遇到的問(wèn)題。

4 面臨的挑戰(zhàn)

雖然服務(wù)組合及自適應(yīng)技術(shù)研究已經(jīng)取得很多成績(jī)，但云服務(wù)組合在線質(zhì)量預(yù)測(cè)和自適應(yīng)技術(shù)還存在許多問(wèn)題。

4.1 在線監(jiān)控和質(zhì)量預(yù)測(cè)問(wèn)題

QoS預(yù)測(cè)的思路是實(shí)時(shí)監(jiān)控面向服務(wù)的QoS（服務(wù)質(zhì)量）參數(shù)相關(guān)信息，可從在線監(jiān)控和質(zhì)量預(yù)測(cè)兩個(gè)方面闡述所面臨的問(wèn)題。

監(jiān)控方面。首先，由于云服務(wù)系統(tǒng)有大量不同資源，監(jiān)控所有資源會(huì)降低系統(tǒng)性能，故需要深入挖掘這些資源與服務(wù)質(zhì)量波動(dòng)之間的關(guān)聯(lián)關(guān)系，從而確認(rèn)待監(jiān)控的數(shù)據(jù)類型；其次，每個(gè)云服務(wù)可能被數(shù)以千計(jì)的用戶同時(shí)執(zhí)行，故監(jiān)控服務(wù)與所有用戶的交互會(huì)使監(jiān)控開(kāi)銷大大增加。為降低監(jiān)控開(kāi)銷，還需要定制數(shù)據(jù)收集頻率和數(shù)據(jù)量；最后，監(jiān)控邏輯與面向服務(wù)系統(tǒng)的業(yè)務(wù)邏輯應(yīng)當(dāng)是非糾纏的，以保證監(jiān)控機(jī)制對(duì)面向服務(wù)的系統(tǒng)影響盡可能小。

對(duì)于面向服務(wù)系統(tǒng)，QoS預(yù)測(cè)更為復(fù)雜。首先，云計(jì)算環(huán)境會(huì)導(dǎo)致監(jiān)控收集到的數(shù)據(jù)量激增。大數(shù)據(jù)可為預(yù)測(cè)技術(shù)提供更好的數(shù)據(jù)支持，但這些數(shù)據(jù)復(fù)雜、異構(gòu)，可能不精確或存在噪聲干擾。如何采用新技術(shù)實(shí)時(shí)處理這些大數(shù)據(jù)，從而準(zhǔn)確地完成在線QoS預(yù)測(cè)同樣面臨問(wèn)題；其次，由于面向服務(wù)系統(tǒng)的組合特性，對(duì)前端服務(wù)器的性能簡(jiǎn)單地預(yù)測(cè)可能無(wú)法提供完整、全面的QoS，還需要知道其背后的云服務(wù)鏈中所有服務(wù)器的QoS特性以及相關(guān)的實(shí)時(shí)數(shù)據(jù)；再次，云服務(wù)預(yù)測(cè)要考慮按需采購(gòu)所產(chǎn)生的延遲，這種延遲比在傳統(tǒng)的軟件服務(wù)環(huán)境中分配內(nèi)部可用資源花費(fèi)的時(shí)間要長(zhǎng)得多；最后，云服務(wù)系統(tǒng)的使用環(huán)境可能在不斷地改變，即使在初始環(huán)境中高準(zhǔn)確度的預(yù)測(cè)模型也可能會(huì)隨著時(shí)間的推移迅速降低。endprint

因此，一種模型或固定參數(shù)已經(jīng)不再適應(yīng)這些情況，需要借助多模型和多參數(shù)進(jìn)行預(yù)測(cè)，并且不斷地以在線方式評(píng)估模型的預(yù)測(cè)準(zhǔn)確性，以確定運(yùn)行時(shí)此模型預(yù)測(cè)是否準(zhǔn)確，甚至在不同的預(yù)測(cè)模型之間進(jìn)行動(dòng)態(tài)切換。

4.2 在線調(diào)整策略問(wèn)題

面向服務(wù)系統(tǒng)的主動(dòng)式在線調(diào)整策略，借鑒傳統(tǒng)的反應(yīng)式自適應(yīng)方法，但與反應(yīng)式自適應(yīng)方式不同。在線調(diào)整策略處理時(shí)間是在失效發(fā)生之前，或者失效對(duì)系統(tǒng)QoS造成負(fù)面影響之前。

傳統(tǒng)的面向服務(wù)系統(tǒng)的在線調(diào)整方法大都只是針對(duì)單層面臨的問(wèn)題進(jìn)行調(diào)整，無(wú)法做到云服務(wù)系統(tǒng)的跨層調(diào)整。首先，有些方法能進(jìn)行跨層調(diào)整，但這些調(diào)整策略大都是靜態(tài)的，即在設(shè)計(jì)時(shí)已經(jīng)確定相應(yīng)的策略，不能處理云計(jì)算環(huán)境下的動(dòng)態(tài)失效，更不能做到主動(dòng)調(diào)整，所以迫切需要在運(yùn)行時(shí)根據(jù)預(yù)測(cè)到的威脅在線自動(dòng)生成調(diào)整策略；其次，由于云計(jì)算環(huán)境的復(fù)雜性、動(dòng)態(tài)性和異構(gòu)性，可能存在多個(gè)跨層有沖突的QoS性質(zhì)，這時(shí)要使多個(gè)QoS性質(zhì)同時(shí)達(dá)到最優(yōu)是不可能的，只能在它們中間進(jìn)行協(xié)調(diào)或折中處理；最后，大多數(shù)在線調(diào)整策略都不具備學(xué)習(xí)功能，很難及時(shí)優(yōu)化和更新。

因此，采取自學(xué)習(xí)能力策略，即可根據(jù)監(jiān)控的歷史日志在線調(diào)整，從而及時(shí)更新模型、優(yōu)化算法和改善預(yù)測(cè)能力。

5 應(yīng)對(duì)之策

本文針對(duì)在線監(jiān)控和質(zhì)量預(yù)測(cè)問(wèn)題，基于之前的工作，提出一個(gè)自適應(yīng)和可擴(kuò)展的監(jiān)控和預(yù)測(cè)框架[27-29]，分別對(duì)基礎(chǔ)設(shè)施層、平臺(tái)層和軟件層中的實(shí)例層云服務(wù)進(jìn)行監(jiān)控。設(shè)定數(shù)據(jù)收集范圍和頻率，對(duì)運(yùn)行時(shí)收集到的數(shù)據(jù)進(jìn)行基于模型的預(yù)測(cè)，根據(jù)實(shí)際情況動(dòng)態(tài)選擇合適的統(tǒng)計(jì)預(yù)測(cè)技術(shù)，提前識(shí)別可能的QoS威脅，并采用非糾纏方式使監(jiān)控和預(yù)測(cè)機(jī)制對(duì)面向服務(wù)系統(tǒng)的性能影響降至最低。

針對(duì)在線調(diào)整策略問(wèn)題，根據(jù)QoS需求、識(shí)別到的QoS威脅和現(xiàn)有云服務(wù)，分析威脅產(chǎn)生的原因，并在運(yùn)行時(shí)動(dòng)態(tài)和自動(dòng)生成在線調(diào)整策略。當(dāng)生成多個(gè)在線調(diào)整策略時(shí)，采用基于模型的方法預(yù)評(píng)估每個(gè)策略執(zhí)行的影響，選擇代價(jià)較優(yōu)的策略，從而持續(xù)提供滿足用戶QoS需求的服務(wù)系統(tǒng)。

6 結(jié)語(yǔ)

本文從云環(huán)境給服務(wù)組合帶來(lái)的問(wèn)題入手，介紹了主動(dòng)自適應(yīng)技術(shù)概念，針對(duì)云服務(wù)組合自適應(yīng)的兩項(xiàng)關(guān)鍵技術(shù)，提出在線質(zhì)量預(yù)測(cè)和主動(dòng)自適應(yīng)方法，分析了該技術(shù)特點(diǎn)，提出了應(yīng)對(duì)之策。

參考文獻(xiàn)：

[1] ARMBRUST M， FOX A， GRIFFITH R， et al. Above the clouds： a berkeley view of cloud computing[J]. Communications of the ACM，2010，53（4）：50-58.

[2] IDC Cloud research[EB/OL]. http：//www.idc.com/prodserv/idc_cloud.jsp.2016.

[3] METZGER A， CHI C H， ENGEL Y， et al. Research challenges on online service quality prediction for proactive adaptation[C]. 2012 Workshop on European Software Services and Systems Research-Results and Challenges （S-Cube）， IEEE，2012：51-57.

[4] ZENG L， LINGENFELDER C， LEI H， et al. Event-driven quality of service prediction[M]. Service-Oriented Computing-ICSOC 2008. Springer Berlin Heidelberg，2008：147-161.

[5] ASCHOFF R R， ZISMAN A. Proactive adaptation of service composition[C]. 2012 ICSE Workshop on Software Engineering for Adaptive and Self-Managing Systems （SEAMS）， IEEE，2012：1-10.

[6] 華哲邦，李萌，趙俊峰，等.基于時(shí)間序列分析的Web Service QoS預(yù)測(cè)方法[J].計(jì)算機(jī)科學(xué)與探索，2013（3）：5-6.

[7] HIELSCHER J， KAZHAMIAKIN R， METZGER A， et al. A framework for proactive self-adaptation of service-based applications based on online testing[M]. Towards a Service-Based Internet. Springer Berlin Heidelberg，2008：122-133.

[8] METZGER A， SAMMODI O， POHL K， et al. Towards pro-active adaptation with confidence： augmenting service monitoring with online testing[C]. Proceedings of the 2010 ICSE Workshop on Software Engineering for Adaptive and Self-Managing Systems. ACM，2010：20-28.

[9] LEITNER P， MICHLMAYR A， ROSENBERG F， et al. Monitoring， prediction and prevention of SLA violations in composite services[C]. 2010 IEEE International Conference on Web Services， IEEE，2010：369-376.endprint

[10] EJARQUE J， MICSIK A， SIRVENT R， et al. Semantic resource allocation with historical data based predictions[C]. The First International Conference on Cloud Computing， GRIDs， and Virtualization，2010：104-109.

[11] SCHMIEDERS E， METZGER A. Preventing performance violations of service compositions using assumption-based run-time verification[M]. Towards a Service-Based Internet， Springer Berlin Heidelberg，2011：194-205.

[12] ZHU Y， WU X， ZHANG P， et al. Predicting failures in dynamic composite services with proactive monitoring technique[C]. 2012 IEEE Eighth World Congress on Services， IEEE，2012：92-99.

[13] IVANOVIC' D， TREIBER M， CARRO M， et al. Building dynamic models of service compositions with simulation of provision resources[M]. Conceptual Modeling-ER， Springer Berlin Heidelberg，2010：288-301.

[14] JAMOUSSI Y， DRISS M， JéZéQUEL J M， et al. Qos assurance for service-based applications using discrete-event simulation[J]. International Journal of Computer Science，2014，7（6）：162-169.

[15] BROGI A， POPESCU R. Automated generation of BPEL adapters[M]. Service-Oriented Computing-ICSOC 2006. Springer Berlin Heidelberg，2006：27-39

[16] GAMBINI M， LA ROSA M， MIGLIORINI S， et al. Automated error correction of business process models[M]. Business Process Management. Springer Berlin Heidelberg，2011：148-165.

[17] GROEFSEMA H， BULANOV P， AIELLO M. Declarative enhancement framework for business processes[M]. Service-Oriented Computing. Springer Berlin Heidelberg，2011：495-504.

[18] CHRISTOS K， VASSILAKIS C， ROUVAS E， et al. Qos-driven adaptation of bpel scenario execution[C]. Web Services， 2009. ICWS 2009. IEEE International Conference on. IEEE，2009：271-278.

[19] WAGNER F， ISHIKAWA F， HONIDEN S. Qos-aware automatic service composition by applying functional clustering[C]. Web Services （ICWS）， 2011 IEEE International Conference on. IEEE，2011：89-96.

[20] LAMBERS L， MARIANI L， EHRIG H， et al. A formal framework for developing adaptable service-based applications[M]. Fundamental Approaches to Software Engineering. Springer Berlin Heidelberg，2008：392-406.

[21] KERTESZ A， KECSKEMETI G， BRANDIC I. Autonomic sla-aware service virtualization for distributed systems[C]. Parallel， Distributed and Network-Based Processing （PDP）， International Conference on 2011 19th Euromicro，2011：503-510.

[22] ALMEIDA J， ALMEIDA V， ARDAGNA D， et al. Resource management in the autonomic service-oriented architecture[C]. IEEE International Conference on Autonomic Computing， IEEE，2006：84-92.endprint

[23] LIN C， LU S. Scheduling scientific workflows elastically for cloud computing[C]. 2011 IEEE International Conference on Cloud Computing （CLOUD），2011：746-747.

[24] FUGINI M， SIADAT H. SLA contract for cross-layer monitoring and adaptation[C]. Business Process Management Workshops. Springer Berlin Heidelberg，2010：412-423.

[25] ZAPLATA S， HAMANN K， KOTTKE K， et al. Flexible execution of distributed business processes based on process instance migration[J]. Journal of Systems Integration，2010（3）：3-16.

[26] POPESCU R， STAIKOPOULOS A， BROGI A， et al. A formalized， taxonomy-driven approach to cross-layer application adaptation[J]. ACM Transactions on Autonomous and Adaptive Systems （TAAS），2012，7（1）：7-10.

[27] 莊媛，張鵬程，李雯睿，等.一種環(huán)境因素敏感的Web Service QoS監(jiān)控方法[J].軟件學(xué)報(bào)，2016，27（8）：1978-1992.

[28] 張鵬程，李宣東，李雯睿.基于博弈論的開(kāi)放環(huán)境下場(chǎng)景規(guī)約監(jiān)控語(yǔ)義[J].中國(guó)科學(xué)：信息科學(xué)，2014，44（2）：263-283.

[29] WENRUI LI， YAN CHENG， PENGCHENG ZHANG， et al. An automatic recovery mechanism for cloud service composition[J]. International Journal of Web Services Research，2016，13（1）：24-40.

（責(zé)任編輯：杜能鋼）endprint