云環(huán)境下Web服務(wù)組合算法研究

張洋

摘 要：云計(jì)算環(huán)境促進(jìn)了面向服務(wù)的分布式應(yīng)用的發(fā)展和Web服務(wù)組合的高效實(shí)現(xiàn)。文章分析了云計(jì)算環(huán)境下Web服務(wù)組合模型以及工作過程，研究了Web服務(wù)組合優(yōu)化的相關(guān)智能優(yōu)化算法和基于Web服務(wù)順序知識的人工蜂群算法。

關(guān)鍵詞：云計(jì)算；Web服務(wù)組合；算法

1 云計(jì)算與Web服務(wù)組合

隨著信息時代大數(shù)據(jù)的崛起，企業(yè)信息化水平不斷提高，大型企業(yè)的計(jì)算能力出現(xiàn)過剩情況，在此基礎(chǔ)上產(chǎn)生了云計(jì)算。云計(jì)算所提供服務(wù)的本質(zhì)是企業(yè)過剩的計(jì)算能力，其與各種服務(wù)軟件、存儲等構(gòu)成的了云計(jì)算系統(tǒng)，云計(jì)算系統(tǒng)提供的大量服務(wù)對用戶而言具有隱私和抽象的特性。一般情況下使用云計(jì)算平臺將分散在網(wǎng)絡(luò)各處的計(jì)算節(jié)點(diǎn)連接起來進(jìn)行管理，并根據(jù)用戶需求進(jìn)行調(diào)度。從云計(jì)算平臺來看，分散的服務(wù)提供商提供的有限計(jì)算資源均放在云計(jì)算資源池中，放入資源池中的所有資源具有共享性，由平臺根據(jù)用戶的需求將各種有限的計(jì)算資源進(jìn)行組合。

互聯(lián)網(wǎng)中擁有海量具有單一功能的Web服務(wù)，且很多Web服務(wù)具有相似性，Web服務(wù)組合是研究如何將具有單一功能的小粒度Web服務(wù)進(jìn)行組合，從而滿足復(fù)雜的功能需求，達(dá)到服務(wù)增值的目的，減少基礎(chǔ)服務(wù)的重復(fù)開發(fā)，避免資源浪費(fèi)。Web服務(wù)系統(tǒng)由服務(wù)提供、服務(wù)請求和服務(wù)代理3個角色構(gòu)成，另外對于系統(tǒng)中的每一個具體服務(wù)又有注冊服務(wù)、綁定服務(wù)、調(diào)用服務(wù)3種行為。Web服務(wù)組合分為靜態(tài)和動態(tài)兩種組合方式，靜態(tài)服務(wù)組合由開發(fā)者根據(jù)需求確定組合服務(wù)的結(jié)構(gòu)及執(zhí)行順序，制定確定的Web服務(wù)組合方案；動態(tài)服務(wù)組合主要由準(zhǔn)備階段、定義階段、執(zhí)行階段3部分構(gòu)成，準(zhǔn)備階段將類似Web服務(wù)匯總成為備選服務(wù)集，定義階段對備選集中的服務(wù)進(jìn)行各種語義化操作，執(zhí)行階段根據(jù)用戶需求確定最符合的組合方案。

2 Web服務(wù)組合模型

2.1 Web服務(wù)組合模型

Web服務(wù)組合模型由4部分構(gòu)成：服務(wù)請求者、服務(wù)供應(yīng)者、服務(wù)組合管理器、服務(wù)注冊中心[1]。服務(wù)的提供者也就是服務(wù)的擁有者，提供者在提供一組Web服務(wù)的時候還應(yīng)包含輸入輸出、前置條件、后置條件、服務(wù)描述等信息，其需要在服務(wù)注冊中心進(jìn)行注冊，以便能夠更好地在服務(wù)資源池中找到該服務(wù)；服務(wù)請求者也就是Web服務(wù)的使用者，其將自己的需求進(jìn)行一定的描述發(fā)送給服務(wù)組合管理器；服務(wù)組合管理器對用戶的請求進(jìn)行處理之后將語義描述發(fā)送給服務(wù)注冊中心；服務(wù)注冊中心根據(jù)收到的描述在服務(wù)資源池中找到對應(yīng)的Web服務(wù)，以服務(wù)集合的形式返回給服務(wù)組合管理器；服務(wù)組合管理器對收到的服務(wù)集合進(jìn)行處理，確定最終的組合方案，向注冊中心發(fā)出請求綁定服務(wù)，執(zhí)行以后將結(jié)果返回給用戶。服務(wù)注冊中心主要起到登記Web服務(wù)并為服務(wù)使用者提供服務(wù)調(diào)用的功能（見圖1）。

2.2 服務(wù)描述

服務(wù)使用者的服務(wù)請求在發(fā)送給服務(wù)組合管理器的時候會進(jìn)行翻譯，使用專門的基于語義的Web服務(wù)描述語言（Web Services Description Language，WSDL）對服務(wù)請求描述進(jìn)行翻譯，以便服務(wù)組合管理器生成服務(wù)組合方案。WSDL在進(jìn)行服務(wù)描述時也有自己的局限性，服務(wù)的元數(shù)據(jù)和對服務(wù)的語義正規(guī)描述無法通過WSDL進(jìn)行描述，于是產(chǎn)生了Web服務(wù)本體語言（Web Service Ontology Language，OWLS）、Web服務(wù)建模語義和WSDL語義標(biāo)注精確地進(jìn)行Web服務(wù)的語義描述[2]。為了獲得更加簡便的描述，經(jīng)常將Web服務(wù)以元組的形式進(jìn)行表示，使用元組的形式忽略了復(fù)雜的實(shí)現(xiàn)細(xì)節(jié)，使其更加容易實(shí)現(xiàn)。

2.3 服務(wù)匹配和合成

在進(jìn)行Web服務(wù)組合之前首先需要進(jìn)行候選服務(wù)的匹配工作，服務(wù)匹配主要是對服務(wù)元組進(jìn)行兼容性檢查以及服務(wù)之間接口是否匹配。進(jìn)行服務(wù)匹配操作的首要任務(wù)是要保證Web服務(wù)能夠滿足用戶的任務(wù)需求，在整個過程中，服務(wù)的檢索也是十分關(guān)鍵的。服務(wù)接口匹配工作主要是通過檢測輸入輸出、前置條件、后置條件等參數(shù)，從而判斷服務(wù)是否能夠進(jìn)行連接組合。

3 智能優(yōu)化算法

在解決服務(wù)組合問題的時候智能優(yōu)化算法具有很大的優(yōu)勢，在進(jìn)行服務(wù)組合優(yōu)選的時候被廣泛應(yīng)用。

3.1 粒子群算法

根據(jù)大型鳥群覓食過程中能夠在改變飛行隊(duì)形、方向和速度的同時保持整個鳥群同步性的特性，Kennedy和Eberhart提出了粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）。該算法把空間中的每一個獨(dú)立的解當(dāng)成一個粒子，每個粒子在空間范圍內(nèi)進(jìn)行探索的時候，會借鑒自己和其他粒子曾經(jīng)發(fā)現(xiàn)的最優(yōu)位置信息。在該算法中存在個體最優(yōu)解和全體最優(yōu)解，分別對應(yīng)單個粒子發(fā)現(xiàn)的最優(yōu)位置和整個群體發(fā)現(xiàn)的最優(yōu)位置，每個粒子不斷根據(jù)個體最優(yōu)解和群體最優(yōu)解的情況進(jìn)行當(dāng)前解集的更新[3]，以此產(chǎn)生其下一代群體。

3.2 差分進(jìn)化算法

差分進(jìn)化算法（Differential Evolution，DE）和粒子群算法都屬于隨機(jī)優(yōu)化算法，也是通過模仿生物群體中的個體間的競爭與合作實(shí)現(xiàn)搜索的優(yōu)化。但是該算法相比其他算法而言其具有記憶能力，能夠在進(jìn)行實(shí)時跟蹤的同時動態(tài)調(diào)整搜索的策略，具有一定的自適應(yīng)性和魯棒性。DE算法的種群是由很多個體構(gòu)成的，每一個個體都是一個優(yōu)化問題的可能解，算法利用群體內(nèi)個體之間的距離信息和方向信息產(chǎn)生新的個體，從而實(shí)現(xiàn)種群的進(jìn)化。該算法使用選擇、變異和交叉這3種進(jìn)化算子對種群進(jìn)行進(jìn)化更新，DE算法的算子具有與其他算法不同的變異機(jī)制，其通過隨機(jī)選擇若干個體生成若干比例差分矢量，利用這些矢量擾動種群個體來實(shí)現(xiàn)變異。

3.3 人工蜂群算法

人工蜂群算法也是一種智能優(yōu)化算法，其是根據(jù)工蜂尋找采集食物的“8”字形搖擺舞提升蜂群整體效率抽象而來的，與前兩種算法相比，該算法所需參數(shù)少，實(shí)現(xiàn)方便，在處理服務(wù)組合優(yōu)化問題時具有很大的優(yōu)勢。該算法的主要流程是：（1）使用隨機(jī)函數(shù)進(jìn)行解的初始化從而實(shí)現(xiàn)種群的初始化。（2）工蜂中的引領(lǐng)蜂按照鄰域搜索公式對解的相鄰區(qū)域進(jìn)行搜索，并計(jì)算機(jī)出適應(yīng)度。（3）根據(jù)“貪婪法則”選擇出質(zhì)量較好的蜜源。（4）計(jì)算該蜜源被跟隨蜂選中的概率。（5）跟隨蜂同樣按照鄰域搜索公式對相鄰區(qū)域進(jìn)行搜索，并計(jì)算其適應(yīng)度。（6）根據(jù)“貪婪法則”選擇出質(zhì)量較好的蜜源。（7）偵查蜂判斷蜜源是否達(dá)到了舍棄條件，若達(dá)到則偵查蜂使用新的蜜源替換舍棄掉的蜜源。（8）記錄當(dāng)前狀態(tài)下質(zhì)量最好的蜜源（最優(yōu)解）。（9）判斷當(dāng)前最優(yōu)解是否能夠滿足問題的要求，是則輸出最優(yōu)解并結(jié)束迭代過程，否則跳轉(zhuǎn)到第二步繼續(xù)執(zhí)行。endprint

4 基于服務(wù)順序知識的人工蜂群算法

在解決Web服務(wù)組合優(yōu)化問題時，需要研究相鄰Web服務(wù)之間的關(guān)聯(lián)信息，進(jìn)而得出Web服務(wù)順序知識模型。根據(jù)滿足需求問題的Web服務(wù)組合的子任務(wù)數(shù)及子任務(wù)下候選Web服務(wù)的數(shù)量來得到服務(wù)順序知識矩陣的行列規(guī)模。假設(shè)服務(wù)組合有n個子任務(wù)，每個子任務(wù)具有m個候選Web服務(wù)，在僅考慮相鄰子任務(wù)間服務(wù)順序知識的情況下，每個解（維度n）均具有n-1個服務(wù)順序，而記錄每一個服務(wù)順序則需要一個m×m的矩陣。在進(jìn)行Web服務(wù)組合優(yōu)化之前，首先對優(yōu)化過程中的解進(jìn)行挖掘得到有用的服務(wù)順序知識，使用挖掘出的知識指導(dǎo)求最優(yōu)解迭代過程中的后續(xù)步驟。

基于服務(wù)順序的人工蜂群算法是將人工蜂群算法和服務(wù)順序知識模型進(jìn)行有效結(jié)合的混合型智能優(yōu)化算法。服務(wù)順序知識模型的引入會極大地提高人工蜂群算法的性能，其簡化過程為：（1）設(shè)置引領(lǐng)蜂和跟隨蜂的個數(shù)、最大迭代次數(shù)以及控制參數(shù)limit等關(guān)鍵參數(shù)。（2）隨機(jī)初始化蜂群，針對Web服務(wù)請求的問題對解的維度進(jìn)行矩陣化。（3）應(yīng)用已經(jīng)存儲的由較優(yōu)解構(gòu)成的知識模型指導(dǎo)引領(lǐng)蜂和跟隨蜂的鄰域搜索，實(shí)現(xiàn)最優(yōu)解的更新。（4）派出偵查蜂，對超出limit次，適應(yīng)度仍未得到改善的解進(jìn)行重新初始化。（5）將獲取的較優(yōu)解的有用知識更新到服務(wù)順序知識矩陣中。（6）如果滿足服務(wù)需求的要求且達(dá)到最大迭代次數(shù)，則輸出最優(yōu)解作為服務(wù)組合優(yōu)選結(jié)果，否則回到（3）繼續(xù)進(jìn)行迭代。

5 總結(jié)

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，互聯(lián)網(wǎng)上Web服務(wù)數(shù)量呈爆炸性增長，云計(jì)算技術(shù)的成熟為Web服務(wù)組合效率的提高提供了有利的平臺，更加快速高效地從資源池中優(yōu)選優(yōu)質(zhì)Web服務(wù)并加以組合，給用戶更高的服務(wù)質(zhì)量體驗(yàn)一直以來都是Web服務(wù)組合的研究熱點(diǎn)。

[參考文獻(xiàn)]

[1]唐崇.Web服務(wù)組合QoS優(yōu)化問題綜述[J].信息技術(shù)與信息化，2015（4）：223-225.

[2]王龍，張亮.基于擴(kuò)展WSDL行為描述的Web服務(wù)組合[J].計(jì)算機(jī)工程，2014（1）：88-92.

[3]李金忠，曾小薈，夏潔武，等.基于QoS的Web服務(wù)選擇方法研究新進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究，2015（8）：2245-2253.

Abstract：The cloud computing environment facilitates the development of service-oriented distributed applications and the efficient implementation of Web services. This paper analyzes the Web service composition model and the working process in the cloud computing environment， and studies the related intelligent optimization algorithm of Web service composition optimization and the artificial bee colony algorithm based on the Web service order knowledge.

Key words：cloud computing； Web service composition； algorithmendprint