服務(wù)選擇的云模型

1、服務(wù)選擇的云模型摘要云計算式基于互聯(lián)網(wǎng)的計算，計算資源是由互聯(lián)網(wǎng)提供的可擴(kuò)展的點(diǎn)播服務(wù)。Web服務(wù)被廣泛的用于建設(shè)分布式云應(yīng)用。網(wǎng)頁服務(wù)的性能會根據(jù)動態(tài)因特網(wǎng)環(huán)境而波動， 這會增大服務(wù)質(zhì)量（QoS）固有的不確定性。隨著因特網(wǎng)上Web服務(wù)的增加，在一組有效的 理想候選者中選擇最優(yōu)的服務(wù)成為一個重要的研究課題。在本文中，我們將提出一個有效的 高效的QoS方面的服務(wù)選擇方法。我們的方法首先采用云模型計算QoS不確定性，修剪多余 的服務(wù)而提取可靠的服務(wù)。然后，混合整數(shù)規(guī)劃會被用于選擇最優(yōu)的服務(wù)。實(shí)驗結(jié)果表明， 我們的方法可以為用戶提供可靠的和有效的最佳服務(wù)選擇。I.導(dǎo)言云計算是基于互聯(lián)網(wǎng)的計算，在互聯(lián)

2、網(wǎng)上提供可擴(kuò)展性和按需服務(wù)的計算資源（例如， 機(jī)器，網(wǎng)絡(luò)，存儲，操作系統(tǒng)，應(yīng)用軟件等。）1-3。Web服務(wù)的廣泛采用是為了建立面向 服務(wù)的應(yīng)用（SOA）和分布式的云應(yīng)用2,4。根據(jù)SOA范式，復(fù)合應(yīng)用程序被指定為一個 抽象的服務(wù)集（稱為服務(wù)類或任務(wù)）組成的抽象流程。在服務(wù)運(yùn)行時，一個具體的Web服 務(wù)（稱為候選服務(wù)）被選中，并為每個服務(wù)類調(diào)用。此過程確保設(shè)計的松耦合和靈活性5。 服務(wù)質(zhì)量（QoS）參數(shù)（例如，響應(yīng)時間，價格，吞吐量等）在確定復(fù)合系統(tǒng)的成功或失敗 時扮演了重要的角色。在預(yù)期的QoS級別上6-7，服務(wù)等級協(xié)議（SLA）經(jīng)常被用來作為 服務(wù)消費(fèi)者和服務(wù)提供商之間的合同基礎(chǔ)。QoSaw

3、are選擇服務(wù)旨在有效地發(fā)現(xiàn)Web服務(wù)候 選人的最佳組合，在完成特定的SLA情況下來滿足一套最終的端到端QoS約束。因特網(wǎng)環(huán)境是高度動態(tài)的。根據(jù)服務(wù)器硬件/軟件或服務(wù)器的工作量變化的更新，Web 服務(wù)的QoS值可以動態(tài)改變。此外，當(dāng)新的候選服務(wù)推出是，一些在運(yùn)行的已選定的服務(wù) 可能會突然變得不可使用8-9。所以對于面向服務(wù)的系統(tǒng)和云應(yīng)用，對動態(tài)環(huán)境的快速反應(yīng) 和自適應(yīng)時非常重要的。服務(wù)選擇算法的性能，可以對組成系統(tǒng)的整體性能有很大的影響。 最近已經(jīng)提出服務(wù)選擇方法6, 10-13。然而，這些以前的辦法有兩個主要的限制。首先，先前的選擇方法不考慮服務(wù)質(zhì)量的不確定性。復(fù)合應(yīng)用程序的QoS值通常是通

4、 過遠(yuǎn)程Web服務(wù)聚合后的QoS值進(jìn)行計算的，這些值可能來自不同的組織，實(shí)施了不同的 編程語言，運(yùn)行在不同平臺9。在變幻莫測的互聯(lián)網(wǎng)環(huán)境，在任何位置，網(wǎng)絡(luò)條件，時間 等諸多因素的變化都可能會影響這些互聯(lián)網(wǎng)服務(wù)的質(zhì)量。此外，QoS值可能無法準(zhǔn)確地反映 了一個Web服務(wù)的實(shí)際表現(xiàn)。例如，由于，故意”欺騙14，為了吸引大量的用戶在很短的時 間，并獲得大量的非法獲利，電子商務(wù)應(yīng)用服務(wù)提供商可能并不總是提供他們的承諾”的質(zhì) 量水平。值得注意的是，具有一貫良好的QoS性能的網(wǎng)頁服務(wù)要比在其QoS性能上有巨大 變動的網(wǎng)頁服務(wù)更加吸引人。因此，一致性，應(yīng)被視為一個服務(wù)選擇的重要標(biāo)準(zhǔn)。不幸的是， 大多數(shù)現(xiàn)有的服

5、務(wù)選擇方法6, 10-13沒有在他們的QoS模型里慎重的考慮一致性。其次，隨著網(wǎng)絡(luò)中網(wǎng)頁服務(wù)的增加，Web服務(wù)選擇方法的計算時間在不斷變大。實(shí)時 優(yōu)化Web服務(wù)選擇變得越來越難。現(xiàn)有方法過多側(cè)重于優(yōu)化選擇算法本身以減少計算時間， 而忽視基本的影響因素（例如，在Web服務(wù)的數(shù)量呈指數(shù)增長）。在報告中15，一直在發(fā) 布的Web服務(wù)的數(shù)量從2006年10月至2007年10月期間增長超過130%。統(tǒng)計發(fā)布Web服務(wù)的搜索引擎Seekda!還表示，在過去的三年里，Web服務(wù)的數(shù)量在以指 數(shù)級增加。此外，按使用付費(fèi)的商業(yè)模式，云計算模式的推廣將使服務(wù)供應(yīng)商給他們的用戶 提供不同水平的服務(wù)16。因此，使用服

6、務(wù)的用戶將很快面臨在不同的QoS水平得到相同 服務(wù)的巨大差異。高效的Web服務(wù)選擇方法的需求正變得越來越迫切。為了應(yīng)對這些挑戰(zhàn)，我們提出了基于云模型的Web服務(wù)選擇方法。本文的主要貢獻(xiàn)可 以概括如下。（1）我們解決了網(wǎng)頁服務(wù)選擇的問題，并演示了在服務(wù)選擇過程中不確定QoS所產(chǎn)生 的影響。（2）我們提出了一個新的概念，稱為QoS的不確定性計算，去模擬Web服務(wù)QoS固 有的不確定性。我們采用云模型去計算QoS的不確定性。根據(jù)云模型的三個數(shù)字 特征，在QoS上有巨大變動的網(wǎng)頁服務(wù)會被修剪。據(jù)我們所知，這是在網(wǎng)頁服務(wù) 選擇上計算QoS不確定性的首次嘗試。（3）基于云模型，我們提出了一個快速和可靠的Q

7、oS感知的服務(wù)選擇方法。我們評估 了 10,258現(xiàn)實(shí)世界的Web服務(wù)的方法，實(shí)驗與詳細(xì)的QoS值，以及隨機(jī)生成的 QoS 值。本文的其余部分安排如下:第二節(jié)介紹了服務(wù)組合的背景。第三節(jié)介紹的服務(wù)選擇方法。 第四節(jié)給出了實(shí)驗和第五節(jié)總結(jié)本文。II.背景A.相關(guān)概念在本節(jié)中，我們介紹了一些相關(guān)的概念服務(wù)組合。一個抽象的復(fù)合服務(wù)可以被定義為一 個組合請求的抽象表示SC=S1，,S”，其中SC是指所需的服務(wù)類。具體的復(fù)合服務(wù)可以 被定義為一個抽象的復(fù)合服務(wù)的實(shí)例化。抽象服務(wù)類中的每個SC綁定到一個具體的服務(wù)斗 可以得到一個具體的復(fù)合服務(wù)，其中號.ESj并且丹=%，,必包涵l（l1）不同的QoS值具有

8、 同等功能的服務(wù)。QoS屬性可以分為兩類：積極和消極的QoS屬性。積極屬性意味著屬性值越高，質(zhì)量 越好（如可靠性，可用性）。消極屬性是指和積極屬性相反。由于積極的屬性值可以很容易 地轉(zhuǎn)換成負(fù)面屬性值（即積極的屬性值乘以-1），為簡單起見，在本文中我們只考慮消極屬 性。組合服務(wù)的QoS值合計由選定的候選服務(wù)。表I列出的順序組合模型的QoS聚合函數(shù)。 其他機(jī)型（例如，并行，條件和循環(huán)），可以使用17中描述的技術(shù)轉(zhuǎn)化為連續(xù)模型。在服務(wù)組合中，服務(wù)候選者有不同的QoS屬性值。通常采用效用函數(shù)的QoS值Qs向 量映射到一個單一的實(shí)際值，以啟用候選服務(wù)的排序和排列。在本文中的QoS效用函數(shù)類 似于12。例

9、如：S的第k次的QoS屬性值的最大與最小聚合值計算如下：Qmax _q sU s = k Qj，k W 叫 （1）k=1 Qmax -QminKJ,k j,k(2)r_ Qmax -qks .wv k=l Qmax Qmin k(2)Qmax = n Qmax Qmax =maxQ (S )勺j =1 勺,k ，勺,kmaxpSjSjjiJ同理Qmin n Hmin Hmin = minQ (S )欽=j=1j,k j,k minVSjiESj k( ;i)其中，wkER+(匕=1可化=1)代表用戶的喜好，Qf的第k個屬性是所有候選服務(wù)的服務(wù)類S的最低值.類似的,Omax是最大值.Omin是S

10、的第k個屬性的最小值.類似的,Oax是7，勺 k，k， k最大值。表I.QoS聚合函數(shù)QoS Atti ibuttsSequentialPrice. Response time那）=立勺（號）J=LTluoughpu.t亦）二頑=1必）R 牝 put日 tion那）=!言勺國）Availability. Reliability疵=丘血） 7=1全局QoS約束的服務(wù)選擇，是一個優(yōu)化過程。對于一個給定的服務(wù)組合S的最佳選擇， 必須滿足以下兩個條件：1）對于全局 QoS 約束的一個給定向量CS=C1，-,Cm （0 m r），q（S）MC（vq CCS）， q（S）是組合服務(wù)聚合后的QoS值。2）在

11、組合服務(wù)中最大總體效用值U（S）。然而，尋找最佳的構(gòu)成需要列舉候選服務(wù)的所有可能的組合，它在時間計算方面非常昂貴。 此外，它也難以保證的選擇服務(wù)的可靠性。B.相關(guān)工作為了克服Web服務(wù)選擇的問題，研究人員提出了許多方法2，6，10-13。2中，Web 服務(wù)框架提出以一種新技術(shù)的形式提供云的更高水平的抽象形式。這項研究使服務(wù)發(fā)布，發(fā) 現(xiàn)和基于動態(tài)屬性選擇的規(guī)定成為可能，這也體現(xiàn)了云服務(wù)和云資源的目前狀態(tài)和特點(diǎn)。工 作10提出了一種新的服務(wù)選擇優(yōu)化方法，其中包含三個主要的想法：（1）在最佳化中，回 路剝離被采用；（2）如果服務(wù)組合問題的一個可行的解決方案并不存在，就執(zhí)行協(xié)商的QoS 參數(shù)；（3）介

12、紹一類新的全局約束。當(dāng)面臨大量的具有不確定QoS的候選服務(wù)是，由于未 能減少搜索空間（消除冗余的候選服務(wù)），這種計算方式也需要很長的計算時間。12，啟 發(fā)式算法被用來尋找到附近的一個最佳的解決方案。這種算法比精確解更有效率，并且也更 適合做運(yùn)行時決定。然而，這些算法不考慮服務(wù)質(zhì)量的不確定性。在動態(tài)服務(wù)環(huán)境中，選定 的服務(wù)可能偏離實(shí)際執(zhí)行結(jié)果。其他相關(guān)的研究，包括動態(tài)服務(wù)選擇11，啟發(fā)式的服務(wù)選 擇13，藍(lán)天服務(wù)選擇6等。III.通過云模型的服務(wù)選擇（SSCM）正如圖1所示，建議SSCM方法包含兩個階段。第一階段是服務(wù)質(zhì)量的不確定性計算 （第III-A），在此我們采用云模型轉(zhuǎn)化為定量的QoS服務(wù)

13、質(zhì)量的不確定性計算定性的QoS。 第二階段是服務(wù)的選擇（第III-B）的，在此我們采用一個混合整數(shù)編程從每個服務(wù)類中找 到最合適的服務(wù)。最終，服務(wù)組合引擎10調(diào)用選定的服務(wù)和服務(wù)使用者返回調(diào)用結(jié)果。獲得R拓 數(shù)據(jù)1 :眼不 確定計算2：服務(wù)選擇服務(wù)蛆合 引擎 0.1 ,Vx e U , *. (*)(3)在論域U中x的分布被稱為云C(X)，并且x叫做云滴。文獻(xiàn)18給了多種云模型，例如普通Y云。因為在我們的研究中，社會和自然現(xiàn)象中的 許多不確定性概念表現(xiàn)為普通云，所以我們主要應(yīng)用普通云模型。云模型的總體特征可 以反映它的三個數(shù)字特征：期望值(EX)，熵(EN)和增熵(HE)。圖2顯示了云模型的三

14、個 數(shù)字特征，其中云滴數(shù)為1000。在論域內(nèi)，Ex處于云重力中心的位置，它的元素是與 語言的概念完全兼容的；En是概念上的覆蓋，即衡量的模糊性，這表明有多少元素可 以接受定性的語言概念;在這些云滴上，He是一個分散的措施，這也可被考慮為En的 熵。由此，矢量NC=Ex，En，He)被稱作云模型的特征向量。圖2.云模型的三個數(shù)字特征通過使用者Ex, E，和He這三個數(shù)字特征，云發(fā)生器18可以產(chǎn)生大量的云滴。云的三個數(shù)字特征之間表示的定性概念和一套數(shù)值化云滴所體現(xiàn)的一種定量表示之間 的轉(zhuǎn)換是通過云發(fā)生器實(shí)現(xiàn)的：正向云發(fā)生器和逆向云發(fā)生器。在這項研究中，我們應(yīng) 用向后云發(fā)生器（算法1）這三個數(shù)字特征

15、通過把QoS定量值轉(zhuǎn)換為定性概念來表示 QoS的不確定性。更多關(guān)于云模型的信息請參考18。2）云模型的應(yīng)用首先，我們采取兩種提供相似酒店網(wǎng)頁服務(wù)的例子S和T來說明確定性和不確定性的 QoS之間提供可靠的網(wǎng)絡(luò)服務(wù)的不同影響。在這個例子中，S和T的性能記錄由一系列的事 務(wù)日志，這有助于捕捉在實(shí)際應(yīng)用中的每個供應(yīng)商提供的實(shí)際服務(wù)質(zhì)量。因為在動態(tài)環(huán)境中， 服務(wù)提供商的運(yùn)作會導(dǎo)致其性能的不確定性，這可以反映不同交易的波動。雖然交易的實(shí)際 數(shù)量應(yīng)該足夠大，但為了便于說明，我們只分別參考服務(wù)S和T之間的5次交易。這些交 易都表示為（S1，.，S5）和（T1，.，T5）如表II所示。表II給出了這些交易的響應(yīng)

16、時 間值。聚合的QoS值（s和t）（這是獲得的所有交易均值）在表II的最后一行。表II交易服務(wù)集Web Service: SIDWeb Service: SIDResponse (ms)time29也26*3026-26274WebTIDResponse (ms)timeti1640;3103412r26.6從表II中可得，S的聚合QoS值要大于T，即s t。由于26.6 27.4，在傳統(tǒng)的服務(wù)選 擇方法中，網(wǎng)頁服務(wù)T通常被選作服務(wù)組合的組件。然而，深入分析這兩項服務(wù)的每一筆 交易后，我們發(fā)現(xiàn)傳統(tǒng)的方法可能忽略以下兩個重要的事實(shí)：（1）雖然服務(wù)的平均響應(yīng)時 間是比S略少，但這三筆交易服務(wù)S（S

17、2, S4, S5）要少于（T2, T4, T5）的服務(wù)，即T2S2, S4T4和S5T5。這意味著，服務(wù)S的響應(yīng)時間在大多數(shù)交易中是低于服務(wù)T的；（2）服 務(wù)T的反應(yīng)時間比服務(wù)S更不穩(wěn)定，換言之，服務(wù)T在其QoS上更具波動性，而服務(wù)S卻 具有穩(wěn)定良好的QoS。根據(jù)上述兩個事實(shí)，如果服務(wù)T被選做一個服務(wù)組件，T服務(wù)的實(shí)際 執(zhí)行結(jié)果可能會從t偏離，從而導(dǎo)致較差的組合服務(wù)質(zhì)量或失敗的服務(wù)選擇。所以，服務(wù)S 比服務(wù)T更加穩(wěn)定應(yīng)該是顯而易見的，并且S也許要比T更適合選作為一個服務(wù)組件。因 此，怎樣計算網(wǎng)頁服務(wù)的不確定性，也就是說，怎樣分別一個穩(wěn)定良好的QoS和一個在其 QoS上有巨大波動的網(wǎng)頁服務(wù)是一

18、個非常重要的課題。在本文中，我們采用云模型的向后云 發(fā)生器算法來進(jìn)行區(qū)分。算法1.向后云發(fā)生器輸入：一個網(wǎng)頁服務(wù)的n個交易，如n個云滴x1，x2，xn 。輸出：n個云滴的3個數(shù)字化特征Ex，En和He。步驟：1）根據(jù)X，計算樣本均值X=1 n x，并且樣本方差S2= n （X -X）2；八；，；in 1 = 1 1n-1 iT i2）其QoS上網(wǎng)頁服務(wù)的預(yù)期值可通過Ex = X計算；3）其QoS上網(wǎng)頁服務(wù)的熵可通過En =七2 七x.-Ex計算；4）最后，熵增可通過He=S 2 -珈來獲得；我們運(yùn)用上述表II的算法。從這些響應(yīng)時間值可以看出，作為定量的QoS值由5個云 滴表示。即（ ，s5域（

19、，t5）。通過特征向量每個服務(wù)的定性QoS概念（不確定 程度）可以被表示。然后這些服務(wù)S和T的特征向量，可以計算如下：NC$=27.40, 2.11, 3.10 和N&=26.60, 12.63, 144.25。由于 2.11 12.63 且 3.10 144.25,服務(wù) S 的不確定性水平是 小于服務(wù)T。這意味著服務(wù)S的QoS是穩(wěn)定良好的而服務(wù)T的QoS卻有巨大波動。所以， 不同于傳統(tǒng)的方法，服務(wù)S要比服務(wù)T更適于挑選為服務(wù)組件。為了應(yīng)用Web服務(wù)的云模 型，根據(jù)不同的網(wǎng)頁服務(wù)環(huán)境，我們把參數(shù)入和h設(shè)置為En和He的闕值。有巨大QoS波 動的網(wǎng)頁服務(wù)和具有良好穩(wěn)定QoS性能的網(wǎng)頁服務(wù)可分別通

20、過條件En 4和Heh，每個服務(wù)類的冗余候選服務(wù)將會被修剪。 通過這種方式，云模型可幫助減少服務(wù)選擇的搜索空間并且縮短服務(wù)組合的計算時間。由于 服務(wù)質(zhì)量的不確定性計算的是獨(dú)立于任何個別的服務(wù)要求，它并不需要在要求的時間線上進(jìn) 行。因此，我們?yōu)楂@得可靠地服務(wù)候選脫機(jī)使用云模型，以加快服務(wù)選擇過程。B.服務(wù)選擇在QoS的不確定性計算之后，在每個服務(wù)類中，具有穩(wěn)定良好的QoS性能的服務(wù)候選 會被甄別出。然后需要設(shè)計服務(wù)選擇算法在全局QoS約束下為每個類找到最合適的服務(wù)。 由于只關(guān)注有穩(wěn)定良好性能的服務(wù)，我們加快了甄選進(jìn)程的速度，并可以選擇可靠地服務(wù)。 混合整數(shù)規(guī)劃（MIP）是在已獲得的服務(wù)上用于解決

21、服務(wù)選擇最優(yōu)化問題的。一些研究人員 最近已通過使用MIP解決服務(wù)組合問題12-13。在我們的研究中，代表服務(wù)候選的二元決 策變量在此問題中得以應(yīng)用。在此模型的解決方案中，如果變量呵被設(shè)置1，那么候選服務(wù) 號會被選擇為最佳組合，否則丟棄。通過重寫公式（2）以包括決策變量，解決這一問題可 被歸納為求解由公式（4）給定的整體效用值最大化問題，M 1CT-云七壓（嘴（4）受全局約束影響并在滿足判定條件（5）的分配約束文如五（七）士時*須j=l i=lJ=1通過使用任意的MIP解決方法解開（4） （5）,為了給服務(wù)用戶提供新的增值服務(wù)，就 會得到一系列的候選服務(wù)名單并且這些候選服務(wù)都會被返回給服務(wù)組合引

22、擎或服務(wù)代理。IV.實(shí)驗在本節(jié)中，我們將通過第四節(jié)B和第四節(jié)C中的兩個實(shí)驗來分別比較在10中提到的方 法。第一個實(shí)驗表明，我們的方法成功率遠(yuǎn)遠(yuǎn)高于其他方法，并且第二次實(shí)驗表明，我們的 方法所消耗的計算時間比其他方法短得多。A.實(shí)驗裝置在這項研究中，我們用兩種類型的數(shù)據(jù)集來進(jìn)行我們的實(shí)驗。第一個數(shù)據(jù)集是19中來 自真實(shí)世界的網(wǎng)頁服務(wù)QoS數(shù)據(jù)集，名為WS-DREAM1。WS-DREAM數(shù)據(jù)集包含約150 萬在24個國家和地區(qū)的150名服務(wù)使用者的Web服務(wù)調(diào)用的記錄。三個QoS屬性值（即 響應(yīng)時間，響應(yīng)數(shù)據(jù)大小和失效概率）收集于150個服務(wù)使用者的10,258個Web服務(wù)。第 二個數(shù)據(jù)集是一個隨

23、機(jī)生成的數(shù)據(jù)集（命名的RG），也包含10,000個網(wǎng)頁服務(wù)的三個QoS 屬性值。在實(shí)驗中，我們把每個數(shù)據(jù)集隨機(jī)分成10個服務(wù)類。熵和熵增的閾值設(shè)置為（4=3.，8 h=5.9）。QoS屬性設(shè)置為3, QoS約束的數(shù)量設(shè)置為2。每服務(wù)類的候選服務(wù)數(shù)量從10到 100不等。所有的機(jī)器都在一臺配置有奔騰2.0GHZ處理器，Windows XP SP3操作系統(tǒng)， Lp-Solve 5.5和Matlab 7.6的計算機(jī)上進(jìn)行。所有的方法是運(yùn)行20次，所有的結(jié)果是平均報B.成功率在服務(wù)組成系統(tǒng)中，服務(wù)選擇方法的一個重要目標(biāo)是為服務(wù)使用者選擇可靠的服務(wù)。然 而，由于不確定性的QoS，所選的服務(wù)往往偏離用戶的

24、期望，這在實(shí)際應(yīng)用中可能會導(dǎo)致服 務(wù)組合的失敗。因此，本節(jié)的目的是在服務(wù)選擇過程中比較我們提出的SSCM方法與其他 舉世聞名的方法的成功率，例如10中提出的MAIS方法。定義2.成功率（SR）是對于監(jiān)測匯總的QoS值（S），使用者的QoS約束（弓）在組合服務(wù)1, k L thn是大于或者等于門限值（th）的頻率，例如SR =皿乂100%，且srn = 100=1 S（必 。n 一10,其他圖3. WS-DREAM數(shù)據(jù)集的成功率比較m H他460 M W) M 郴狒般SlAiic GUididaEL-i圖4. RG數(shù)據(jù)集的成功率比較根據(jù)定義2,對于一個服務(wù)選擇方法來說，成功率越高性能越好。圖3和

25、圖4顯示了在 兩個不同的QoS數(shù)據(jù)集上在MAIS上成功率的比較。在這個試驗中，參數(shù)被設(shè)置為th = 0.86， n = 200。圖3和圖4中，在兩個數(shù)據(jù)集上不同數(shù)量的候選服務(wù)，SSCM的成功率要比MAIS的成 功率高很多。SSCM的總體成功率為91.95%，而MAIS的成功率只有47.05。這些實(shí)驗結(jié)果 表明，因為在我們的SSCM方法中，云模型被用來計算網(wǎng)頁服務(wù)QoS的不確定性，我們的 方法有效的減少了 QoS的不確定性對于組合服務(wù)質(zhì)量的影響并且大大提高了服務(wù)選擇的可 靠性。通過使用En和He來監(jiān)控QoS交易，SSCM有效地防御網(wǎng)頁服務(wù)在QoS上的巨大波 動，并減少選定的服務(wù)和實(shí)際執(zhí)行結(jié)果之間

26、的差異。因此，選擇服務(wù)的可靠性可大大提高。C.計算時間現(xiàn)有的服務(wù)選擇方法通常忽略減少多余的候選人，這將導(dǎo)致更長的計算時間。本節(jié)中， 我們進(jìn)行試驗在計算時間上比較SSCM方法和MIAS方法。表III .比較計算時間的實(shí)驗結(jié)果The uuinber ofService Caudid-ntesRGWS-DREAM DntawtMIAS(s)SSCM(e)MLAS(s)SSCM(s)10。0.443Q.30Q0.34403162 DO0.50D0.4410 82S034130。0.7650.6721 1100.6434001.1401.0201 5781.1015001.6411.1S72.1401.

27、5756002.32S1.4532 S2S1.5127 DO3.8441.90C3 d4023128003&22.2034.4222.&259 DO4.4692.7355.95331*10005一3593.1257.4693 531從表III中我們可以看見，SSCM計算時間（第二部分）很短，所有結(jié)果都小于4秒。 比較MIAS方法，在兩個數(shù)據(jù)集上，SSCM的計算時間要小于MIAS的計算時間。實(shí)驗結(jié)果 表明，SSCM大大降低了服務(wù)選擇的時間成本，因為在我們的方法減少了搜索空間。因此，根據(jù)實(shí)驗結(jié)果成功率和計算時間，SSCM可以高效，可靠地執(zhí)行面向服務(wù)的系統(tǒng) 和組成的云應(yīng)用服務(wù)選擇。V結(jié)論云計算通常通

28、過Web應(yīng)用程序/ Web服務(wù)為互聯(lián)網(wǎng)上的用戶提供共享資源。為了保證 Web服務(wù)選擇的可靠性和實(shí)時性要求，本文提出了一種高效的基于云模型的QoS感知的服 務(wù)選擇方法。我們的方法適用于云計算模型的QoS的不確定性，并使用混合整數(shù)規(guī)劃，以 確定最合適的Web服務(wù)。我們評估的方法，實(shí)驗使用現(xiàn)實(shí)世界和隨機(jī)生成的Web服務(wù)QoS 數(shù)據(jù)集。實(shí)驗結(jié)果表明，該方法可以有效地服務(wù)，為用戶選擇執(zhí)行。在我們今后的工作中，我們將繼續(xù)探討更有效的Web服務(wù)選擇方法（例如，如何相應(yīng) 地設(shè)置En和He的臨界值？他們之間的關(guān)系是怎樣的）。目前，我們正在構(gòu)建一個現(xiàn)實(shí)的實(shí) 驗平臺，并在Planet-Lab為服務(wù)選擇開發(fā)一個實(shí)用的

29、中間件。我們的目標(biāo)是幫助現(xiàn)實(shí)世界中 的服務(wù)的用戶根據(jù)他們在不久的將來的QoS要求找到他們適合的服務(wù)。參考G. Wei, A. Vasilakos, YZheng, and N. Xiong, A gametheoreticmethod of fair resourceallocation for cloud computingservices, The Journal of Supercomputing, vol. 54, pp. 252-269,2010.A. Goscinski and M. Brock, Toward dynamic and attributebased publicat

30、ion, discovery andselection for cloud computing,Future Generation Computer Systems, vol. 26, pp.947-970,2010.D. Habich, W. Lehner, S. Richly, and U. Assmann, UsingCloud Technologies to OptimizeData-Intensive ServiceApplications, Proceddings of th 3th IEEE InternationalConference on Cloud Computing （

31、CLOUD 2010）, 2010, pp. 19-26.L. Min, Z. Liang-Jie, and L. Fengyun, An Insuanrance Modelfor Guranteeing ServiceAssurance, Integrity and QoS in CloudComputing, Proceedings of the 8thlEEEInternationalConference Web Services (ICWS 2010), 2010, pp. 584-591.G. Canfora, M. Di Penta, R. Esposito, and M. L.

32、Villani, Aframework for QoS-aware bindingand re-binding of compositeweb services, Journal of Systems and Software, vol. 81, pp.1754-1769, 2008.M. Alrifai, D. Skoutas, and T. Risse, Selecting skyline servicesfor QoS-based web servicecomposition, Proceedings of the19th international conference on Worl

33、d Wide Web (WWW 2010), 2010, pp. 11-20.V. Cardellini, E. Casalicchio, V Grassi, and F. Lo Presti, Flow-Based Service Selection forWeb Service CompositionSupporting Multiple QoS Classes, Proceedings fo the 5th IEEEInternational Conference on Web Services (ICWS 2007), 2007,pp. 743-750.Z. Zibin, Z. Yil

34、ei, and M. R. Lyu, CloudRank: A QoS-DrivenComponent RankingFrameworkfor Cloud Computing,Proceedings of the 29th IEEE Symposium on ReliableDistributed Systems (SRDS 2010), 2010, pp. 184-193.Z. Zibin, T. C. Zhou, M. R. Lyu, and I. King, FTCloud: AComponent Ranking Framework forFault-Tolerant CloudAppl

35、ications, Proceedings of the 21th IEEE InternationalSymposium on Software Reliability Engineering (ISSRE 2010),2010, pp. 398-407.D. Ardagna and B. Pernici, Adaptive service composition inflexible processes, IEEE Transactions on Software Engineering,vol. 33, pp. 369-384, 2007.S.-Y. Hwang, E.-P.Lim, C

36、.-H.Lee, and C.-H. Chen, DynamicWeb service selection for reliable Web service composition,IEEE Transactions on Services Computing, vol. 1, pp. 104-116,2008.T. Yu, Y. Zhang, and K.-J.Lin, Efficient algorithms for Webservices selection with end-to-end QoS constraints, ACMTransactions on the Web, vol. 1, pp. 1-26, 2007.M. Alrifai and T. Risse, Combining global optimization withlo