基于二階hmm模型的web服務(wù)選擇方法

1服務(wù)非功能特性隨著網(wǎng)絡(luò)中web服務(wù)的數(shù)量增加，許多服務(wù)都具有類似的功能。如何選擇合適的服務(wù)來滿足用戶需求是一個(gè)關(guān)鍵問題。服務(wù)質(zhì)量（QoS）是描述Web服務(wù)非功能特性的常用參數(shù)。在萬維網(wǎng)（W3C）給出的定義中，QoS的參數(shù)包括：可靠性在本文中，使用吞吐量和響應(yīng)時(shí)間作為評(píng)估參數(shù)來評(píng)估Web服務(wù)的質(zhì)量，提高Web服務(wù)選擇的準(zhǔn)確性，本文主要通過基于響應(yīng)時(shí)間（RT）和吞吐量來預(yù)測(cè)Web服務(wù)的閾值，此外，本文的方法使用二階隱馬爾可夫模型在運(yùn)行時(shí)計(jì)算并選擇最佳的Web服務(wù)，以滿足用戶需求。2態(tài)序列s=#s在本文中，將一階隱馬爾可夫模型(1）狀態(tài)序列S={S(2）觀察序列V={V二階隱馬爾可夫模型仍然可以表示為λ=(A,B,π)，其中元素N和M是可以省略的元素。3響應(yīng)時(shí)間理論為了優(yōu)化QoS參數(shù)，將基于一階隱馬爾可夫模型擴(kuò)展到基于吞吐量和響應(yīng)時(shí)間的QoS參數(shù)的二階隱馬爾可夫模型，以對(duì)Web服務(wù)選擇過程進(jìn)行建模。吞吐量定義為消息大小在每秒通信信道上成功傳輸?shù)钠骄俾?，響?yīng)時(shí)間是用戶發(fā)送和接收服務(wù)之間的總時(shí)間間隔。在預(yù)測(cè)模型中，隱藏意味著底層系統(tǒng)對(duì)觀察者隱藏。隱藏的狀態(tài)是不可見的，但只有概率能顯示給觀察者。在二階隱馬爾可夫模型中，隱藏狀態(tài)的數(shù)量是未知的。通常，基于領(lǐng)域知識(shí)可以對(duì)隱藏狀態(tài)進(jìn)行猜想。使用隱馬爾可夫模型根據(jù)吞吐量和響應(yīng)時(shí)間預(yù)測(cè)Web服務(wù)行為，模型中有兩個(gè)步驟流程。第一步是通過訓(xùn)練模型找到一些最佳的隱馬爾可夫模型參數(shù)，作為最適合的訓(xùn)練序列。最大期望算法（EM）是Baum-Welch算法的一個(gè)特例，可用于訓(xùn)練該模型。第二步是首先計(jì)算系統(tǒng)的當(dāng)前狀態(tài)。然后使用改進(jìn)的維特比算法對(duì)觀測(cè)序列進(jìn)行解碼并基于當(dāng)前狀態(tài)預(yù)測(cè)接下來的狀態(tài)。3.1d更新增加屬性的計(jì)算通常，服務(wù)屬性的質(zhì)量在價(jià)值范圍上是不同的，效用增加的方向是不可比的。因此，計(jì)算QoS屬性的原始值的加權(quán)平均值是沒有意義的。應(yīng)該操縱屬性值以將屬性值反映到標(biāo)準(zhǔn)范圍，然后具有相同的增加方向。對(duì)于屬性D，假定屬性的原始值是d。d算法1服務(wù)質(zhì)量值歸一化算法對(duì)于增加的屬性值d，根據(jù)公式（1）處理該屬性的數(shù)據(jù)規(guī)范化。否則，對(duì)于遞減的屬性值d，根據(jù)公式（2）處理該屬性的數(shù)據(jù)規(guī)范化。在算法1中，閾值d3.2最大期望算法為了獲取二階隱馬爾可夫模型的參數(shù)，使用最大期望算法（EM）來訓(xùn)練Web服務(wù)選擇模型，該模型能夠較為準(zhǔn)確地計(jì)算出隱馬爾可夫模型的初始參數(shù)。其中，Count(s3.3解碼復(fù)雜問題使用EM算法輸入Web服務(wù)選擇模型參數(shù)的初始值。隨后，改進(jìn)了維特比算法，以解決由Web服務(wù)用戶給出的觀察序列的解碼問題。算法2組合服務(wù)選擇算法步驟1初始化步驟2遞歸計(jì)算步驟3停止步驟4選擇最佳組件序列通過算法2可以計(jì)算得出最優(yōu)的Web組合服務(wù)，即根據(jù)一致的服務(wù)質(zhì)量參數(shù)選取出是的整個(gè)組合服務(wù)質(zhì)量值達(dá)到最有的服務(wù)序列。4客戶端類服務(wù)為了使本文的案例研究更容易理解，首先將與生產(chǎn)制造流程保持一致，模擬在線購(gòu)書系統(tǒng)的流程。案例研究中的模擬業(yè)務(wù)流程如圖1所示。此案例包含并發(fā)和替代操作。此過程與四個(gè)服務(wù)交互。當(dāng)客戶需要購(gòu)買書籍時(shí)，客戶通過客戶端界面向在線書籍購(gòu)物流程發(fā)送請(qǐng)求。該進(jìn)程接收此請(qǐng)求并將客戶端信息發(fā)送到客戶端類服務(wù)?？蛻舳祟惙?wù)根據(jù)客戶端信息將客戶端的類標(biāo)準(zhǔn)（例如，公共客戶端，vip類）返回給進(jìn)程。該過程將收到的客戶類標(biāo)準(zhǔn)和書名發(fā)送給ElectronicsIndustryPressWeb服務(wù)和AcademicPressWeb服務(wù)。這兩個(gè)服務(wù)通過接收的信息檢索書價(jià)并將書價(jià)返還給過程。最后，該過程選擇最便宜的書并將結(jié)果發(fā)送給客戶。當(dāng)系統(tǒng)調(diào)用ElectronicIndustryPress(EIP）時(shí)，此時(shí)使用算法1將EIP服務(wù)池中符合用戶需求的相似服務(wù)的屬性值，即響應(yīng)時(shí)間與吞吐量進(jìn)行歸一化處理。通過算法2，得到這些服務(wù)的最佳序列，根據(jù)該序列可知每個(gè)組件所選擇的最優(yōu)服務(wù)。5ca：組合及執(zhí)行操作為了評(píng)估該方法的有效性，必須擁有很多具有相似功能的Web服務(wù)來進(jìn)行模擬實(shí)驗(yàn)。圖2中是構(gòu)建的一個(gè)仿真實(shí)驗(yàn)平臺(tái)用來模擬Web服務(wù)之間的協(xié)作過程。所有的Web服務(wù)都使用目錄文件（DF）進(jìn)行注冊(cè)，協(xié)調(diào)代理（CA）用于Web服務(wù)的組合及執(zhí)行操作，它負(fù)責(zé)從BPEL文件中讀取組合信息，啟動(dòng)和組織Web服務(wù)工作流，以及在服務(wù)運(yùn)行數(shù)據(jù)文件中記錄執(zhí)行信息。CA從DF讀取Web服務(wù)信息并使用服務(wù)選擇器選取要組合的服務(wù)，然后調(diào)用進(jìn)行組合、執(zhí)行。在實(shí)驗(yàn)中，選取了5個(gè)組合服務(wù)，將所提出的基于二階隱馬爾可夫模型的方法與文獻(xiàn)同時(shí)，也對(duì)一階隱馬爾可夫模型與二階隱馬爾可夫模型處理Web服務(wù)選擇問題的效率進(jìn)行了對(duì)比，從圖3中可以看出，當(dāng)組合服務(wù)中結(jié)點(diǎn)數(shù)量小于18時(shí)使用二階隱馬爾可夫模型進(jìn)行Web服務(wù)選擇的效率優(yōu)于一階隱馬爾可夫模型；而當(dāng)服務(wù)結(jié)點(diǎn)數(shù)量大于18時(shí)，使用二階隱馬爾可夫模型的選擇效率不如使用一階隱馬爾可夫模型。6實(shí)驗(yàn)結(jié)果及分析本文首先提出一種根據(jù)響應(yīng)時(shí)間和吞吐量這兩個(gè)服務(wù)質(zhì)量參數(shù)來獲取Web服務(wù)質(zhì)量值的數(shù)據(jù)