时空感知下基于结构相似度的Web服务质量预测

随着云计算等新型服务计算的兴起,Web服务数量日益增长,相同或相似功能的Web服务也逐渐增多.为了向用户推荐更高质量的服务,精确地预测Web服务的QoS值成为亟待解决的重要问题.传统的协同过滤方法已经被广泛应用于QoS预测和Web服务推荐中,但因为数据稀疏和噪声问题导致QoS预测性能不好.为提高QoS预测的性能,文中通过分析用户服务QoS矩阵的时空特征,提出了一种基于全局和局部结构相似度的稀疏矩阵分解模型.该方法将QoS矩阵的相邻时间相似用户的网络环境相似性这一特征融入到矩阵分解中,并利用分解的因子对QoS矩阵进行低秩填充.这种方式在一定程度上消除了数据稀疏和噪声的影响.在真实Web服务调用数据集上进行实验,结果表明,该方法在预测精度上优于典型的协同过滤算法(相比于NMF,其MAE值最大下降了3.25％,RMSE值最大下降了6.65％;相比于SVD,其MAE值最大下降了3.67％,RMSE值最大下降了7.01％),能够有效地解决数据稀疏和噪声的问题.     

基于概率方法的QoS感知Web服务组合

针对Web服务的服务质量(QoS)的随机本质,提出了一个基于概率QoS感知的Web服务组合方法,实现传统方法难以描述的QoS需求.在概率QoS模型的基础上,定义QoS目标以及组合方案与QoS目标之间的距离函数.通过将服务组合问题转化为组合优化问题,应用Rollout算法作为求解问题的计算框架,对一个具体问题设计了相应的启发函数.以跨国旅游方案提供商作为具体案例演示基于概率方法的QoS感知服务组合.该方法很好地解决了概率QoS模型难以应用到动态服务组合中的问题.理论分析和实验数据表明该方法可以很好地满足用户对于组合服务的QoS需求.     

激励机制下负载均衡和QoS感知服务组合方法

提出一种基于激励机制的负载均衡和服务质量感知服务组合(LBQSC)方法.首先,构建一个全局约束分解模型,并采用文化遗传算法求解;其次,考虑服务质量(QoS)和负载构造激励合同,提出一种基于激励机制的服务选择算法,通过不断激励QoS的动态调整获取最优服务;最后,在QWS 2.0综合数据集上进行对比实验.实验结果表明:基于激励机制的负载均衡和QoS感知服务组合方法能在保证负载均衡的情况下有效地获取高质量的组合服务.     

基于Web服务的SOA原型系统架构

基于SOA生命周期的建模、组装、部署和管理四个阶段,提出了一个基于Web服务标准的SOA原型系统架构.在组装阶段的服务选择引入基于本体的服务匹配器,并引入了服务质量(QoS)管理器;在管理阶段保证组合服务的正确执行提供了监控器、异常处理器和事务适配器和基于多值背景值依赖的方法的组合服务QoS管理器.提出了在组装阶段和管理阶段的双层QoS管理,为Web服务组合和SOA架构的研究提供了参考.     

基于概率模型检验的Web服务系统可靠性分析

为了实现对Web服务系统进行可靠性分析,采用概率模型检验技术对其行为模型进行形式化验证是一种有效方法.但该方法需要对服务系统的分布式特征进行建模,因此利用分布式日志收集系统Flume NG实时收集Web服务器日志并对其进行预处理操作,针对日志采集频率问题采用Kafka进行日志缓存,通过Storm分析日志数据并构造用于描述服务可靠性的概率迁移矩阵.采用概率标签迁移系统PLTS描述服务行为模型,采用概率计算树逻辑PCTL描述服务系统需求性质,集成概率模型检验器PRISM支持自动化定量验证和分析,从而实现基于概率模型检验的Web服务可靠性分析.最后通过案例研究和验证数据分析证明所提方法的有效性和可行性.     

基于服务质量的Web服务组合模型

分析了Web服务主要的非功能属性因素,探讨了这些因素对Web服务的服务质量所产生的影响.提出了Web服务的QoS评价方法,并将Web服务的QoS作为Web服务选择的条件之一.构建基于QoS的Web服务组合模型,利用查找后继Web服务的选择方法,实现Web服务的有效组合,使得组合Web服务既能满足用户的功能需求,又达到用户个性化服务的目的.     

一种基于可信用户的服务QoS预测方法

针对现有的服务推荐方法较少检测不可信用户造成预测准确度降低的问题,提出一种基于可信用户的服务QoS(Quality of Service)预测方法,首先利用历史记录分析数据,识别并过滤不可信用户,然后基于可信用户预测缺失QoS值。在Web服务真实数据集上的实验结果验证了该方法的可行性和有效性,尤其在不可信用户增多的情况下,比其他方法表现出更好的预测准确度。     

基于Hadoop与Storm的日志实时处理系统研究

日志数据记录着丰富的信息,具有较高的实用价值,但在当今大数据时代环境下,数据量的陡增为日志数据的处理带来了挑战.为了有效地解决海量日志数据处理面临的瓶颈问题,本文整合Hadoop和Storm分布式框架,构建一种融合了实时计算与离线计算的分布式日志实时处理系统.系统架构由数据服务层、业务逻辑层和Web展示层组成,数据服务层使用Flume实时采集日志数据,并分别采用Kafka与HBase完成实时日志流数据的缓冲和系统数据的持久化存储;业务逻辑层利用Storm对实时日志流数据进行实时分析,并使用Hadoop的计算引擎MapReduce结合数据挖掘技术完成对海量历史日志数据的离线分析,离线分析的结果为实时分析提供支持、参考;Web展示层负责日志数据及其分析结果的展示.实验结果表明,系统能有效地解决日志数据的采集存储、实时日志流数据的实时分析和历史日志数据的离线分析等问题,并成功地融合了Hadoop与Storm各自的优势,为日志数据的采集和分析系统的构建提供新的技术参考.     

Web服务选择优化算法的设计与实现

为了提供满足客户需求的组合Web服务,将Web服务的属性分为功能属性和非功能属性(即服务质量QoS属性).通过服务类对功能属性进行划分,并按照服务类以QoS属性的组合类型方式进行服务组合.提出了将基于QoS的服务选择转换成有限方案的多目标决策问题,同时给出选择组合服务的最优执行计划的规划算法.实验表明此方法既利用了现有工作流技术的成果,又具有动态绑定和QoS支持.     

基于Web服务的SOA原型系统架构

基于SOA生命周期的建模、组装、部署和管理四个阶段,提出了一个基于Web服务标准的SOA原型系统架构。在组装阶段的服务选择引入基于本体的服务匹配器,并引入了服务质量（QoS）管理器;在管理阶段保证组合服务的正确执行提供了监控器、异常处理器和事务适配器和基于多值背景值依赖的方法的组合服务QoS管理器。提出了在组装阶段和管理阶段的双层QoS管理,为Web服务组合和SOA架构的研究提供了参考。     

一种支持QoS约束的Web服务质量模型

为了满足在组合Web服务中提供服务质量支持，提供有保证的QoS（Quality of Service）的需要，以及针对目前在组合服务中，很少提供对服务质量支持的问题，建立了一个Web服务质量的模型．该模型为所有服务建立了一系列的质量指标，并对它们进行量化，得到量化值．最后在此模型的基础之上，在组合服务中建立了一个服务质量驱动的服务选择机制，从而可以实现所有在组合服务中的服务都是最优的．已经基于Microsoft．NET实现了一个原型系统．     

基于贝叶斯推理的Web服务质量评价方法

为了对Web服务质量进行准确评价,提出了一种基于贝叶斯推理的Web服务质量评价方法.该方法首先从客观数据和主观数据两个方面,使用最大熵原理提取先验分布信息,然后通过贝叶斯推理出服务质量(quality of service,QoS)的分布参数,最后使用获得的QoS分布参数给出可信的QoS后验分布信息,从而对Web服务质量进行评价.大量的实验结果表明,本文提出的方法能够准确地对Web服务质量进行评价.     

一种基于信誉度的Web服务质量预测方法

基于现有的服务质量预测方法大多是以其他用户的使用感受为依据,但前提部是假设这些信息是准确可信的,一旦这个假设难以得到保证,那预测的结果将会出现重大偏差.从服务用户信誉度的角度,提出一种Web服务质量预测的方法.首先介绍该方法的基本思想与主要过程,随后对评价用户信誉等级划分、评价用户信誉度计算以及服务质量的预测算法等内容进行重点分析:最后,通过仿真实验,将本文提出的方法与传统的算术平均值法进行比较.研究结果表明:该方法能有效提高Web服务质量预测的准确性.     

预测Web QoS的协作过滤算法

不同环境中用户对同一服务质量的感受可能存在较大差别,针对这一问题,提出了一种QoS预测方法.该方法不仅使用了历史QoS信息,还将环境因素、用户输入等对QoS的影响考虑进去.以这些信息为基础,首先通过高斯法对原始信息数据进行规范化处理,然后计算其他服务与待预测服务的相似度,找到与目标服务相似度较大的服务集,并根据服务相似...     

Efficient Composition of Semantic Web Services with End-to-End QoS Optimization

The efficiency of QoS-aware service composition is important since most service composition problems are known to be NP-hard. With the growing number of web services, service composition is like a decision problem on selecting services or/and execution plans to satisfy the users' end-to-end QoS requirements (e.g. response time, throughput). Composite services with the same functionality may have different execution plans, which may cause different end-to-end QoS. This paper presents a model combining semantic data-links and QoS, which leads to an efficient approach to automatic construction of a composite service with optimal end-to-end QoS. The approach is based on a greedy algorithm to select both services and execution plans for composite services. Empirical and theoretical analyses of the approach show that its time complexity is O(mn²) for a repository with n services and an ontology with m concepts. Moreover, the approach increases linearly in time when using an index to search services in the repository. Tests with a repository with 20 000 services and an ontology with 300 000 concepts show that the algorithm significantly outperforms current existing algorithms in terms of composition efficiency while achieving optimal end-to-end QoS.     

一种费用最廉的Web服务动态组合算法

针对现有组合服务选取的算法因其复杂度太高而难以在实际环境中应用,提出了一种 Web 服务动态组合优化算法.该算法利用最优化原则在服务组合图中求解一组执行费用最廉、满足用户需求的 Web 服务.     

QoS感知的Web服务选择

一个组合服务可以由多个具有不同QoS属性的服务合成,由此带来的一个问题是如何将QoS属性作为条件选择最合适的服务以满足组合服务的全局QoS需求.针对这个问题,提出了利用分层图技术对复杂的服务组合过程模型进行化简,将服务选择问题简化为有向图中的选路问题,这样在服务选择时就无需考虑不同的流程结构(例如,顺序、选择、并发和循环结构等),从而降低了服务选择算法的复杂性,提高了执行效率.在简化模型的基础上,给出了一个基于自适应遗传算法的QoS感知的组合服务选择算法.仿真实验表明该方法是可行和有效的.     

基于改进混合粒子群算法的服务动态选择方法

针对服务组合过程中的服务动态选择问题,建立带约束的Web服务组合QoS全局优化问题的描述模型,分析当前已有各种算法的缺陷和不足,提出一种改进混合粒子群算法的求解方法,并从可行性、有效性以及运行效率3个方面进行仿真实验。研究结果表明:改进的混合粒子群算法综合利用了群体自身信息、局部较优信息、全局较优信息以及遗传算法的交叉、变异、选择等操作对粒子进行更新,增强了粒子群的搜索空间和搜索效率,可以较好地解决服务组合中服务的动态选择问题。