复合服务的可信QoS保证方法

抽象的

服务计算环境的特征，例如服务松散耦合，资源异质性和协议独立性，提出了对服务计算系统可信度的更高的需求。综合服务的信任拨款已成为全球的热门研究现货。在本文中，将服务质量（QoS）规划技术引入了面向服务的成分QoS供应架构。通过QoS规划，复合服务的总体QoS要求对每个组成原子服务分解为单独的QoS要求，通过精心设计的服务实体选择策略随后可以满足的QoS级别。对于任何单个服务实体，当部署环境或服务节点的负载更改时，其QoS级别是可变的。为了减轻不确定性，我们提出了QoS预处理算法，以估计其历史执行数据的未来QoS QoS级别。的n，based on the modeling of composite service and QoS planning, we design three algorithms, which include the time preference algorithm, cost/availability (C/A) preference algorithm, and Euclidean distance preference algorithm, to select suitable atomic services meeting the user’s requirements. Finally, by combining genetic algorithm and local-search algorithm, we propose memetic algorithm to meet the QoS requirements of composite service. The effectiveness of the proposed methods by which the QoS requirements can be satisfied up to 90% is verified through experiments.

1.介绍

随着信息处理平台互联互通互操作性的增强，以及集成程度的提高，对业务计算系统的可靠可服务性和服务质量保证提出了更高的要求[1］．通用信息处理平台为各种一般信息处理服务提供一致的操作环境，并支持各种信息服务的密集操作。同时，在同一平台上的各种信息系统，在相同信息系统中的不同服务，不同用户的不同服务请求，以及同一用户的不同请求都具有各种服务质量的要求[2］．一方面，服务计算的独特特征，例如松散耦合，位置透明度和协议独立性，使其成为在网络环境中构建各种复杂数据处理和信息服务系统的理想模型。另一方面，计算环境的松动，独立性和异质性等因素也为非功能属性提供了新的技术挑战，例如实时性能，安全性，可靠性和服务计算的可用性。在开放式和动态的网络环境中，化合物面向服务的计算模型需要实现具有高可靠性，适应性和自我管理能力的可靠的软件架构[3.］．

可信计算将传统范畴中的实时、安全、可靠、可用计算理论整合在一起，统一研究非功能属性下系统行为的交互作用，从而实现对行为状态的监控、行为结果的评估、异常行为的控制[4］．服务质量（QoS）是一个综合指标，描述了计算机系统和通信网络的非功能特征，用于测量使用服务的满意度[5］．可信计算和QoS感知计算都关注系统的多维非功能特征，因此可以将可信属性表示为系统的多维QoS需求，为网络服务提供可信性保证。利用服务质量理论为服务的可信需求提供保证，已成为可信计算领域的一个重要方向[6］．

随着在网络上共享的Web服务的数量急剧增加，传统的用户服务选择基于供应商发布的QoS值。实际上，Web服务共享的网络环境的特点是开放性，不稳定受外部环境的影响，以及经营竞争影响的服务的QoS价值的不可靠性。Web服务QoS值的令人难以置信以及Web服务调用的不确定性使用户无法根据实际要求获取Web服务组合。的refore, in the case of complex network environment and massive Web services, how to efficiently select a group of Web services that can meet users’ functional requirements and have credibility from a large number of candidate services is a key scientific and technical problem to be solved in the field of service computing.

在本文中，我们提出了一种由QoS建模，QoS预测，QoS规划和服务选择组成的方法，以保证综合服务的QoS。首先，我们分别建立了模型来描述分别描述的原子服务的可信QoS和复合服务的可信QoS。其次，我们介绍了指数平滑方法，以评估原子服务的能力，发现通过指数平滑方法预测原子服务的QoS信息是准确的，可行的。基于QoS估计，我们建模了QoS计算综合服务规则。此外，我们提出了一系列服务选择算法和使用的计算模拟，以证明欧几里德距离优先级算法具有更平衡和优异的特性。最后，我们将麦克算法与随机选择进行了比较以满足复合服务的多维QoS要求。

2.相关工程

随着Web服务技术的普及和发展，一方面，越来越多的用户开始通过结合Web服务来完成各种业务流程，业务流程模式正在向更广泛的用户推广。另一方面，由于出现了大量功能相同或相似的Web服务，用户不再需要特定的Web服务作为流程中任务的执行者，而不是根据用户的需求和约束自动选择Web服务。

为了满足特定的应用程序背景和要求，我们通常需要根据某些粒度组合多个Web服务，以形成具有特定结构的服务过程，并实现处理复杂业务的完整业务逻辑。面对这种情况使得评估和确保QoS的过程很重要。

当用户选择Web服务时，除了功能属性外，他们还可以对一些非功能属性设置约束，即通过约束要选择的QoS属性。QoS可以包括价格、响应时间、可用性和可靠性等属性[7］．Web服务的提供者还倾向于提供服务的QoS属性值，从而为潜在用户提供引用。

在对QoS敏感的业务流程中，除了要求流程完成预定义的任务外，整个流程的QoS也是用户关注的一个特征[8］．因此，如何在替代Web服务中进行有效的选择来满足用户的要求，使所选择的Web服务不仅可以完成进程分配的任务并满足本地约束，还与Web服务合作完成此过程中的其他任务，是需要解决的紧急问题，通常被称为QoS敏感的Web服务综合问题。

目前，许多学者对复杂分布式计算环境下的可信计算技术和QoS技术进行了研究，并取得了一些成果[9］．现有的研究往往基于QoS保障的思想，从可靠性、安全性等非功能属性的角度对服务计算进行研究，特别是通过组合原子服务来最大限度地满足用户的需求[10.，11.］．对于本研究中的Web服务组合，研究者提出了基于数学规划的服务选择方法;基于遗传算法的服务选择方法基于粒子群优化(PSO)算法的服务选择方法，基于群体智能计算;基于全局QoS约束分解的服务选择方法基于人工智能理论的服务选择方法以及许多其他类型的服务组合方法[12.- - - - - -14.］．

文献[15.]在Web服务技术领域进行调查和研究审查，澄清服务信誉评估的研究动机，讨论了原子网络服务可信度在建设方面的策略中的重要性，并对可信度评估方法进行了分类。Wang等人。[16.]将服务组合的过程分为服务规划、服务选择和服务绑定三个阶段，合理有效地评估服务的可信度，并对每个阶段的服务可信度进行调查。阿达尼亚和珀尼西[17.]在考虑在服务选择中可能的本地和全局QoS约束时，设计了一种基于混合整数编程的服务组合方法。孙和赵[18.通过混合整数编程方法将全局QoS的限制分解为本地QoS约束，从而将属于全局优化问题的服务构成问题转换为本地最佳服务选择问题并降低问题的复杂性。SURIANARAYANAN等人。[19.]提出了一个约束分解方法的服务组合方法，通过组件服务的实用性和复合服务约束的组件服务的实用性约束来计算复合服务的实用程序。文献[20.]分解的服务组合分为两个阶段：约束分解和服务选择。另一项研究[21.]提出了一种基于相关图和0-1线性规划的服务优化组合方法。基于数学规划的服务优化组合方法能在一定程度上有效解决服务优化组合问题。但当问题规模较大时，该方法的计算时间较长，不能满足服务组合的实时性要求。

在上述研究中，少数研究人员将服务和服务实体的概念与可信QoS保障架构的视角区分开来。在进行QoS计划时，策划者面临提供特定服务功能的底层原子服务实体。在该系统视图中，只能根据原子服务实体的选择，通过QoS规划来满足可信QoS的可信QoS的要求。此外，在运行时，服务实体体现的QoS通常与服务实体声明的QoS不一致，这使得该QoS计划方法有限地保证在运行时的复合服务的可信QoS。

3.用于服务建模的可信QoS

在本文中，我们通过BPEL语言和状态图作为过程，参考具有可信QoS的可信约束的复合服务。我们更多地关注服务实体而不是服务的服务;直接确定过程QoS不是QoS的服务实体，而是QoS;QoS的规划还基于QoS的服务（抽象服务），而不是QoS的服务实体。

服务组成是根据某些业务流程逻辑将一些相对简单的服务组合成复杂的复合服务，从而提供更强大和完善的业务功能。基于松散的服务组合，可以实现业务流程的自定义，可以向用户提供个性化服务，以便业务可以适应更改[22.］．

实体被定义为人员，单位，各种计算机硬件和软件模块，或其多集。多个集是各种元素的积分系数的线性和。

原子服务/服务实体被定义为一个为另一个称为服务的实体工作或操作的实体。在这里，工作是为服务提供者;操作(计算机和信息的接收、发送、转换等)是为提供服务的计算机硬件和软件模块。

组合服务被定义为将多个小粒度服务合并为一个大粒度服务。在网络体系结构中，服务组合是服务提供者的组合。

抽象服务被定义为服务实体提供的服务功能。它也可以被理解为由具有相同服务功能的原子服务实体组成的抽象代理（但QoS的非功能功能将是不同的），用于表示具有此功能的所有原子服务。

有了这个概念，在QoS的规划过程中，我们可以提出对复合服务中的每个抽象服务的QoS的合理要求，因为抽象服务代表了所有原子服务实体具有相同功能的操作状态和QoS功能。在本文中，除非另有说明，否则我们称之为抽象服务“服务”，其与原子服务（服务实体）不同。

当业务流程发生变化时，只需要重新组织组成业务流程的服务或动态调整组成业务流程的组件服务，以快速响应业务流程的变化[23.］．在通过服务组合实现的业务流程中，开发人员和最终用户都可以组合现有的服务，以获得新的复杂服务，并形成新的甚至动态的业务流程。这促进了服务的利用，提高了服务的可重用性，并加快了应用程序项目的开发[24.］．

3.1。可信QoS用于原子服务建模

有许多用于建模原子服务的可信属性的方法。一般来说，它分为实时，可用性，可靠性，成本等。在本文中，我们使用以下方法来模拟：（一世）实时：它用于测量服务的时间特征。服务调用时间t定义如下：在服务调用者方面，时间差t₁时刻和t₂从发送服务请求到接收返回结果的时刻是 ．t包括网络传输时间。服务的实时性能将通过Ternary <最小来描述。最小，平均值和最大值是所有元素R+。平均值表示历史上访问该服务的平均服务调用时间，最大值表示历史上访问该服务的最小服务调用时间。平均接入时间可通过以下公式计算: ，在哪里n是在历史中观察到的服务的次数，以及是历史上该服务被调用的时间。这种算术平均方法之所以具有预测功能，是因为它总能在一定程度上消除意外干扰引起的随机变化对原子服务QoS能力的影响。然而，这种方法也隐藏了原子服务本身开发中的波动趋势。针对这种建模方法的限制，我们将在QoS的规划过程中使用指数平滑的加权平均方法。这意味着最近的原子服务的QoS特征对未来的影响更大，并反映了更新的信息;预测原子服务的QoS能力的历史数据的重要性应从近距离的时间减少。（ii）可用性:服务的可用性描述了服务能够被正确访问的概率。服务的可用性S，即一个（年代），被定义为[0,1]的实数， ．使用以下方法测量服务的可用性： ，在哪里是以秒为单位的时间常数吗服务可以正确访问的时间是否在过去秒。在实际应用中，不同根据不同业务的接入频率选择观测值。对于接入频率高的服务，我们选择较小的时间段进行调查。对于访问频率较低的服务，我们选择较长的时间进行调查。(3)成本：它是使用服务的费用。服务的可信成本被描述为正整数。原子服务的成本被定义为I +上的元素。在实际应用中，服务提供商提供服务的成本（或根据服务用户花费的时间确定成本以计算资源和资源的使用）。

3.2。复合服务建模的可信QoS

流程的受信任性质与服务的受信任性质具有相同的受信任方面和描述域。组合服务的可信度由其子服务的可信度和组合模式决定。组合服务的操作功能是由多个子任务以某种方式组成的，子任务之间存在控制依赖和数据依赖。用于组合服务的执行过程年代，可以参考[中的方法进行分解10.]通过使用状态图来描述执行过程中的控制依赖性。在此基础上，我们可以使用[8]要生成指向的无循环图以描述其执行过程。节点表示子任务，并且边缘的方向描述了任务的执行顺序。可以由不同的子任务提供不同的子任务。服务的执行计划年代被定义为 ，在哪里G是表示执行过程中其控制依赖关系的有向无环图。 描述子任务和子服务之间的对应关系 表示是由服务完成的吗 ．

数字1是一个典型的实施计划图。服务流程年代可以分解为多个子任务。任务之间的控制依赖关系用有向无环图来描述。起始状态为t_我，两个并行子组织t₁和t₂被同时触发，并发活动在t₄，然后是任务t₅是开始的，最后呢t_f完成为止。这些子任务的功能由几个服务提供。 描述子任务和服务之间的对应关系。其中,<t_我，t₁，t₂，t_3.，t₄，t_f > is a critical path (shown by the green squares in Figure1，关键路径的执行时间决定了整个操作的执行时间。

对于Web服务的更复杂的业务流程，我们可以将其分解为几个基本机构的递归组合。桌子1给出了流的几种基本结构的QoS计算规则。在本文中，我们将用三个常见的QoS属性来解释和验证所提出的方法:时间、成本和可用性。序列结构(Sequence):序列结构的服务过程W由哪些服务组成米 按一定的顺序。Time (T):响应时间T（W）服务过程W由组成服务流程的每个服务的响应时间之和组成。 成本（c）：成本C（W）服务过程W是构成服务过程的每个服务的成本的总和。 可用性(A):可用性一个（W）服务过程W由构成服务过程的每个服务的可用性产品组成。 选择结构(Choice):选择结构的服务过程W由哪些服务组成米 按一定的顺序。对于选择结构，每个选择分支都被标记为被选择的概率。例如，流程选择结构有两个分支，即价格c₁和c₂,分别。被选中的概率是p和Q分别。整个结构的成本计算如下： ，酸处理 ．概率的初始化值可以由业务过程的设计者确定，然后通过监视进程执行过程获得的信息连续更新。因此，对于选择结构1，......，m与n每个分支的概率是 ，其中 ．通常，这种选择结构的QoS是每个任务的属性值及其对应的分支概率，然后求和。Time (T):响应时间T（W）服务过程W由构成服务过程的服务的响应时间概率的加权和组成。 成本（c）：成本C（W）服务过程W由构成服务过程的服务的成本概率的加权之和组成。 可用性(A):可用性一个（W）服务过程W由构成服务过程的服务的成本概率的加权之和组成。 平行结构（并行）：并行结构的服务过程W由哪些服务组成米 在同步。Time (T):响应时间T（W）服务过程W由构成服务过程的响应时间的最大值组成。对于并发结构，该过程的时间响应受到具有最大时间响应的分支的​​限制。 成本（c）：成本C（W）服务过程W由构成服务流程的服务成本之和组成。 可用性(A):可用性一个（W）服务过程W由构成服务过程的每个服务的可用性产品组成。 循环结构（环路）：循环结构的服务过程W米循环阀体服务次数重复年代．对于给定的服务年代循环次数米，它也可以等价于一个顺序结构，它由米相同的服务年代．如果是循环旅行成本c₁，估计循环结构的总成本为米 c₁．与扩展环路的方法相比，该方法可以更快，准确地计算整个过程的QoS。Time (T):响应时间T（W）服务过程W是米乘以循环体服务的响应时间年代． 成本（c）：成本C（W）服务过程W是米循环服务的成本年代． 可用性(A):可用性一个（W)的服务进程W为m的力量年代循环体的可用性。

4.原子服务的数据预处理

在服务选项之前，QoS计划模块必须知道服务组合中原子服务的QoS信息，这应该符合部分中描述的原子服务信任建模方法3.1．对于原子服务，其QoS能力可能会随着时间的推移在不同的水平上表现出。简单地说，原子服务的多个执行必然反映不同的QoS，就像Web服务每次都没有相同的响应时间。面对如此大量的历史信息，对于QoS规划的准确性非常重要，以合理的分析和估算下次执行中原子服务的QoS能力。

对于具有相同功能的每个原子服务，其提供服务的能力是不同的，这不仅限制了其特性，而且由于其部署的环境以及它分配的资源，也显示了由于环境的环境不同的QoS特性。因此，对于每个原子服务，有必要估计它目前提供的服务的QoS能力。该过程称为原子服务的“QoS预测”。原子服务QoS预测的主要目的是通过尽可能选择合适的原子服务，满足QoS规划之后的需求，即满足用户的QoS需求，以避免资源层的调整。预测是对原子服务的当前QoS功能的估计，如果准确，可以避免资源层控制的额外开销。如果没有特别的说明，本文将QoS预测作为图示的示例。

4．1.指数平滑法预测

指数平滑法需要的数据较少，是一种简单实用的QoS预测方法[25.］．指数平滑方法将历史事件序列的加权平均值作为未来的预测。它是加权移动平均方法的特殊情况，在那里我们只选择一个权重，最近观察值的重量。可以自动计算其他数据的权重，随着时间的推移会变小。指数平滑方法的基本模型如下。

在(13.)，F_t＋1是该期间的时间序列的预测值t+ 1,Y_t是该期间时间序列的实际值t，F_t是该期间的时间序列的预测值t,为平滑常数 ．

公式 （13.)表示该期间的预测值t+ 1是该时期实际值的加权平均值t以及这段时期的预测值t．实际上，我们可以表明，对于任何时期的指数平滑方法的预测值也是时间序列的所有历史实际数据的加权平均值，如 ．

虽然指数平滑方法提供了所有历史观测的加权平均值，但我们不需要在下一个时期存​​储计算机上的所有历史数据。一旦平滑常数时，我们只需要两项信息来计算预测值。这个公式表明，如果时，我们只需要知道时间序列在t，即Y_t和F_t；然后，我们可以在期间计算预测值t+ 1．

预测精度。尽管最大0到1是可接受的，一些值为比其他人产生更准确的预测。我们重写（13.)，格式如下:

因此，新的预测（F_t＋1)等于历史预测(F_t）加上调整，即等于乘以最近的预测误差(Y_t − F_t)．换句话说，通过调整预测值t周期和一些预测误差，我们可以得到预测值t+ 1。如果时间序列包含大量的随机变量，我们倾向于使用较小的平滑常数。这种选择的原因是，许多预测误差是由于随机变化，我们不希望对预测反应过度，并过快地调整它们。对于随机变化较小的时间序列，可以选择较大的平滑指数常数。该方法的优点是当预测误差发生时，可以快速改变条件来调整误差。选择最合适的 ，均方误差(MSE)分析应通过分析历史数据或实验进行。

4．2.随机变化的QoS预测实验

数字2显示了基于指数平滑法的原子服务的QoS能力估计图，其中垂直轴上的红色虚线表示连续执行50次Web服务的响应时间，蓝色星号表示这50个原子服务的响应时间。横坐标表示基于指数平滑法估计时间的试验次数。此外,我们使用代表实际测量值我Web服务响应时间的指数平滑估计我-th Web服务响应时间，在哪里 ．

从该图可以看出，指数平滑方法对原子服务QoS能力的估计具有良好的预测效果，并在其执行期间平滑服务能力偏差，这可以在一定程度上消除干扰误差。这些错误可能是由于测量中的不准确性或由部署原子服务本身的环境引起的。指数平滑方法可用于描述在大量范围内，原子服务本身的真实服务质量水平，这是原子服务的基本特征，而不是受环境影响的性能特征部署和资源分配。此外，指数平滑的QoS估计不能保证对原子服务的下一次执行的QoS级别的准确预测。从本质上讲，它是QoS指标上服务的历史价值的加权平均值，这是改进部分原子服务中的受信任QoS建模方法的时间平均值3.1．

我们需要注意的是每个蓝色星号的值的加权平均值 ，这不到我在时间坐标。当然，在实际应用中，为了减少存储容量，存储在数据中心中的实际值是由（PROSE）计算的Web服务的最后一次执行的实际测量值和估计值（14.)，而不是记录原子服务的历史执行时间的所有度量。

在该实验中的50次测量值之间进行线性拟合，如图所示3.，其中横坐标表示实际值，纵坐标表示估计值，并且 构成图中的坐标点。数字3（a）代表原始数据和图3 (b)表示从小到大小的实际和估计值的结果（反映QoS值的波动范围）。结果表明，实际值和估计值都可以反映Web服务左右100的响应时间，而估计值具有较小的标准方差。图中的拟合方程3 (b)是 ，和相关系数R²= 0.97。R²为0 ~ 1之间的实数，用于评价回归方程的拟合程度。值越大，拟合程度越好。

数字4显示了50个测量结果与估计结果之间的残差分析。所有的值在它们之间均匀分布，属于标准正态形状，这进一步证实了图中线性拟合的正确性3.．在这个实验中，QoS的预测效果不够好，因为QoS随机变化。然而，使用指数平滑方法对原子服务QoS能力的评估相对准确。它基本上是原子服务QoS能力的平均值的动态估计和历史测量值的加权平均值。它探讨了服务的基本特征。原子服务的QoS能力将显示随机波动与白噪声干扰。实验结果表明，估计值2.75的标准偏差明显小于实际值9.19的偏差（如图所示）2和3.)．将估计值嵌入到小波动附近真实的QoS能力值100。这意味着基于指数平滑法的估值能够反映原子服务的QoS能力本质。因此，这种方法与Section中原子服务的QoS建模是一致的3.1．

4．3．具有线性趋势的QoS预测

研究已经表明，服务实体的QoS供电级别与服务实体所在的服务节点的负载有关。例如，在[26.]，通过对数据库服务进行大量的实验测试，发现服务的平均服务响应时间与服务节点的CPU负载相关。这种关系可以直观地理解为:一般情况下，服务节点上的负载越低，表示服务节点本地服务队列中的服务调用请求越少，服务实体的服务请求处理速度越快。此外，当服务节点的负载较低时，由于服务进程切换和文件关联以及不同服务实体的进程之间的交互所造成的任务调度开销会降低，这也会提高服务实体的响应时间和可用性。

原子服务的时间响应可能会随着节点负载的变化而变化，并且这种变化具有线性趋势。也就是说，在一定的时间序列中，原子服务的响应时间会随着节点负载的增加而增加，随着节点负载的减少而减少。虽然它们之间不一定是严格的线性关系，但这种单调的趋势确实存在。

根据响应时间与节点负载关系的理论，我们再次进行了相关试验，如图所示5．对于具有上升趋势的QoS估计，指数平滑方法也可以具有良好的跟踪效果，并且实际测量值的估计是准确的，这完全反映了原子服务的时间响应特性。但是，对于真实的系统，随着节点负载的增加增加的响应时间应该是一个更慢地变化的值，并且更接近部分所示4.2．

数字6显示具有向上趋势的QoS实际和估计值之间的拟合。数字6（a）显示原始数据，图6（b）显示按从小到大排序的实际值和估计值。结果表明，线性趋势的QoS估计比随机变化的QoS估计更准确，能够反映QoS的变化趋势。的R²图中装配的线性方程6（a）和6（b）大于0.95，相关系数大于0.9。拟合结果的RMSE值和SSE值6（a）分别为14.76和10460，而RMSE值和SSE值的拟合结果在图中6（b）分别为7.875和2977。这表明实际值与估计值之间存在强烈的相关性，并且比率和接近1，表明估计值在预测实际测量值时非常准确。

以上两个实验充分证明了指数平滑法对原子服务QoS信息的预测是准确可行的。指数平滑法得到的估计数据是一组变化相对较慢的QoS信息，能够充分反映原子服务的可靠QoS水平。算法简单，易于操作，对系统资源的消耗小。因此，可以充分应用于原子服务的QoS数据预处理，实现可靠的QoS规划。

5.基于QoS规划的服务选择

通过对原子服务的历史数据进行预处理，可以获得每个原子服务的多维可信QoS信息。将典型信息应用于可信QoS规划，相当于将应用程序的流程QoS需求分解为该组合服务中每个服务的QoS需求。

QoS规划是将用户提出的应用流程的QoS需求分解为组成流程的每个服务应满足的QoS需求(流程如图所示)7)．根据QoS计划的结果，系统为每个服务选择原子服务，可以根据某个服务选择策略保证该服务的QoS要求。选择适当的原子服务以形成综合服务是满足用户QoS要求的关键。有关验证，本文使用QoS度量标准的三个维度说明：时间（t），成本（c）和可用性（a）。根据QoS规划的结果，提出了三项服务选择策略。

5.1。时间优先算法

对于组合服务中的每个服务，根据QoS规划结果中时间维度的要求(平均时间复杂度为)，选择响应时间最短的原子服务(数据预处理后的值)来完成服务O（n²）).这种方法最大限度地满足用户的QoS需求时间维度,因为每个原子服务,即使QoS能力估计使用数据预处理,仍没有准确保证原子服务的QoS特性将是估计价值在下次执行。当原子服务的时间特性与估计值存在显著差异时，时间优先策略可以最大程度地满足用户对时间维度的需求，因为它在时间上留下了最大的冗余量。

5.2。成本/可用性（C / A）优先算法

成本/可用性（C / A）优先算法是基于QoS计划的服务选择算法。如下所示的基本思想是以尽可能低的成本满足用户在时间维度中的需求。（算法1)．

算法描述:（1）根据QoS规划的结果，为每项服务，满足其实时要求的原子服务并形成序列被选中。请注意，此时序列中的原子服务是无序的。（2）用于序列中的每个原子服务 ，将其备份成服务组，直到可用性满足QoS规划要求（如果原子务服务的可用性已经满足要求，则不需要备份）;原子服务组的成本是 ，和k服务组中原子服务的数量。（3）根据成本/可用性（C / A）的递增顺序对所有原子服务组进行排序，其中包含一个列中的不同功能，获取订单 ．（4）从顺序中选择第一个服务组 ，也就是说,服务用最小的C/A，形成服务流程。

此服务选择策略允许用户以最小的成本实现每个维度的所需QoS要求。平均时间复杂度是 ，在哪里B是平均备份时间和原子服务的数量在吗 ．然而，对于实时QoS估计值与实际测量值存在显著偏差的原子服务，其实时性能可能无法得到满足。

5.3。欧几里德距离优先级算法

由欧几里德距离偏好算法选择的复合服务是用户提出的综合服务质量[27.］．此外，QoS规划后，每个服务的服务质量都表示为 ，这代表了服务应该满足三维的条件：实时，成本和可用性。

例如，有n原子服务年代₁，年代₂，年代_3.， ， ， ，因此，同一函数的服务可以描述为一个矩阵:

在服务质量标准方面，有质量标准，较高的值表明质量更高，而较低值表明更高质量的质量标准28.］．前者称为正质量标准，如可用性，后者称为负质量标准，如执行时间。此外，为了防止质量标准的值过大而影响最终结果，有必要将注意力集中在[0,1]之间的所有质量标准的值。

对于负面服务质量，我们使用(16.）用于加工;为积极的服务质量，（17.）用于处理。

在上面的等式中，原子服务年代_ij用相同的功能构成服务年代_j，表示服务的最大值年代_j在维问，表示所有原子服务的最小值年代_j在维问,表示维度上原子服务的值问， 在哪里问表示服务质量的维度，例如，实时T，成本c和可用性A.

矩阵（15.）根据（16.)和(17.）获得

我们计算需求 在进行QoS规划后，还利用上述公式对综合质量进行计算，得到综合质量值问．问和问₁是两点，然后用欧几里得距离来计算问和问₁．每个服务质量的价值问处理后可以设置为 ，然后是问和问_j是

然后，最小的一个 是最接近用户提出的综合服务质量的服务。平均时间复杂度是 ，在哪里n是原子服务的数量和米是QoS尺寸的数量。

5.4。仿真实验

数字8使用可信QoS规划后显示结果图。在下文中，在总时间，总成本和欧几里德距离度量方面进行比较三种算法。横轴表示仿真实验的数量，垂直轴表示我们检查的指示。

根据总时间检查三种算法，如图所示9．

从图中可以看出，T)偏好算法的总时间最短，这是因为算法只使用时间度量作为服务选择的基础，最大限度地满足了时间需求。随机选择算法和成本/可用性(C/A)偏好算法表现出围绕期望值(1400)的随机波动，因为它们不考虑时间度量。在时间度量方面，欧氏距离偏好算法比随机选择算法和成本/可用性(C/A)偏好算法表现得更好，因为它同时考虑了时间、成本和可用性，但时间(T）优先算法。

在总成本方面检查了三种算法，如图所示10.．

从图中10.，可以看出成本/可用性(C/A)偏好算法的成本最低。这是因为该算法使用成本(C)作为衡量服务选择的指标，因此能够最大化成本满意度。

随机选择算法和时间(T)偏好算法表现出围绕期望值(250)的随机波动，因为两者的成本度量都是随机的。欧几里得距离偏好算法比随机选择算法和时间(T，因为它同时考虑了时间、成本和可用性，但不如成本/可用性(C/A)优先算法。

在与预期值（欧几里德距离）的相似性方面检查三种算法，如图所示11.．

从数字中可以看出11.，欧几里德距离优先级算法在该度量中具有最佳性能。该算法考虑了时间的组合（T)、成本(C)和可用性(A)。随机选择算法在所有三个指标中性能最差，因为它们是随机选择的。的时间(T）优先算法在预期值的欧几里德距离方面比随机选择算法更好地执行，因为它需要时间（T）考虑到。成本/可用性（C / A）首选项算法优于时间（T）在欧几里德距离方面的优先算法，因为它考虑了成本（c）和可用性（a），但它差不多到欧几里德距离偏好算法。

综上所述，欧氏距离偏好算法综合了三个指标，具有更均衡、更优的特点。在实践中，可以根据不同的需求选择不同的算法。

5.5。基于启发式算法的服务选择

当计算功率足够时，可以使用启发式算法实现服务选择而不经过QoS计划。复合服务的服务选择是一个NP难题，本文通过将遗传算法（GA）与本地搜索组合以解决这类问题来提出迭代算法（MA）[29.，30.］．

本文的算法框架以算法列出2．首先，需要输入遗传算法的各种参数，复合服务的流程和每个原子服务的QoS。然后，初始化函数initialPopulation（）生成群体P，然后它进入循环，直到迭代的数量达到设置的最大迭代次数。在循环中，首先，选择（）用于选择父群以以轮盘方式参与交叉和突变，然后使用GeneCOpter（）来执行交叉和突变操作。LOCALSEARCH（）是在交叉和突变操作之后进一步搜索，以便找到本地最佳，然后updatePopulation（）用于更新人群并获得更好的染色体群体。最后，输出计算结果。

算法给出了局部搜索策略3.以加速趋同。N_ab在算法中3.表示复合服务中的抽象服务数量，以及N_原子（我表示抽象服务中原子服务的数量我．我们遍历染色体上的每一个基因，确定用另一个原子服务替换它是否提高了QoS。如果改变基因的原子服务可以提高QoS，则接受新基因，从而获得局部最优。如果可以通过改变典型基因的原子服务来提高QoS，则该基因可以被接受，以达到最优结果。MA算法的平均时间复杂度为 ．

模拟实验是对图中的复合服务流程进行的8，对每个实验使用随机选择的原子服务和MA选择的原子服务，共进行100次测试。我们设置N_Imax=10.00,年代_P= 100,年代_国会议员= 100,年代_T=2，P_C= 0.1,P_米=0.9. Figure12.显示上述两种方法的成功次数分别在100个实验中的应用程序提出的QoS要求，其中水平坐标代表实验的数量n， ，纵坐标表示次数米满足综合服务的QoS要求n实验中, ．从图中可以看出，MA选拔原子服务后的成功次数明显大于随机选择原子服务的成功次数。一个米ong the 100 experiments conducted, the user’s requirements can be satisfied up to 90% because of the QoS of the composite service after MA-selected atomic service, while the randomly selected service has less than 50% chance of success in terms of the QoS requirements proposed by the user, although the user’s functional requirements could be satisfied.

6.结论和未来的工作

Web综合服务技术旨在解决有效集成功能多样化的Web服务资源在互联网上的问题，并且可以通过构造功能复杂和卓越的复合服务来满足用户的多方面的应用要求。具有类似功能属性和不同非功能属性的大量候选服务将提高复合服务的复杂性，并导致Web综合服务问题作为NP-Colly问题。在复杂的网络环境中，难以使传统的QoS的复合服务方法保证构建的组合解决方案可以满足用户要求，因为它无法衡量Web服务的可信度。在本文中，我们主要关注如何解决高度复杂，动态和不值得不值得互联网环境的综合服务QoS保障问题。我们设计了运营机制，以保证复合服务的可信度要求。复合服务中的各种任务段由虚拟服务完成，并且通过QoS规划的上层应用程序来确保复合服务的质量，预测原子服务的QoS能力，以及最终实现各种服务选择算法符合抽象的服务可信度要求。未来的工作将优化（1）选择具有相同功能的服务，但不同的接口和（2）交织物服务相关对复合服务的影响。

数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

的利益冲突

作者声明本文的发表不存在利益冲突。

致谢

国家自然科学基金项目(no . 71501153);陕西省创新能力支撑项目(no . 2021KRM135);陕西省哲学社会科学重大理论与实践问题研究基金项目(no . 2021ND0221);陕西省教育厅科研基金项目(20JG020);陕西省自然科学基金项目(2019JM-572)。

参考文献

1. A.Muñoz和E.B.Fernandez，“TPM：可信计算架构的一种模式，”欧洲程序模式语言会议论文集，第1-8页，Kloster Irsee, Bavaria, Germany, 2020年7月。视图:谷歌学术
2. A. Nageswaran, A. Revathi，和R. Kaladevi，《多维服务质量的自适应视频流》，欧洲分子与临床医学杂志，卷。7，不。8，pp。2098-2105,2020。视图:谷歌学术
3. Wang C.， H. Ma, G. Chen, S. Hartmann, J. Branke，“具有随机服务故障的语义web服务组合的鲁棒性估计和优化，”《IEEE计算智能新主题汇刊》，第99卷，第1-16页，2020。视图:出版商网站|谷歌学术
4. F. Ibrahim和E. E. Hemayed，《作为服务的基础设施的可信云计算架构:调查和系统文献综述》，电脑与安全，第82卷，196-226页，2019。视图:谷歌学术
5. E.Gelenbe，J. Domanska，P.Fröhlich，M.P. Nowak和S. Nowak，“优化安全，QoS和Energy的自我意识网络”，IEEE的诉讼程序，卷。108，没有。7，PP。1150-1167,2020。视图:出版商网站|谷歌学术
6. L. Chuang，W. Yuanzhuo和T. Liqin，“发展受信任的网络和挑战，”中兴通讯，卷。6，不。1，pp.13-17,2020。视图:谷歌学术
7. “基于概率模型检验的业务流程建模的服务选择方法”，国际软件工程与知识工程学报第27卷第2期6，第897-923页，2017。视图:出版商网站|谷歌学术
8. L. Wang，“用于容错云应用程序的基于架构的可靠性敏感临界度量”，IEEE并行和分布式系统汇刊，第30卷，第2期11，pp。2408-2421,2019。视图:出版商网站|谷歌学术
9. M.Al-Khafajiy，T.Baker，M. Asim等人，“复兴：雾计算信托管理方法”并行和分布式计算学报，卷。137，pp.1-16,2020。视图:出版商网站|谷歌学术
10. L. Zeng，B. Benatallah，A.Ngu等，“Web服务组成的QoS-Aware中间件”，IEEE软件工程汇刊，第30卷，第2期5, 2004。视图:谷歌学术
11. H. Issa，C. Assi，M. Debbabi和S. Ray，“Web服务成分的QoS感知中间件：一种定性方法”企业信息系统，第3卷，第2期。4, pp. 449 - 470,2009。视图:出版商网站|谷歌学术
12. R. Alhajj和J. Rokne，社会网络分析和采矿的百科全书，施普林格出版公司，美国，2014。
13. M. Moghaddam和J. G. Davis，Web服务成分中的服务选择：对现有方法的比较审查，网络服务基金会，纽约，纽约，美国，2014。
14. 张伟，杨勇，李勇，“基于花授粉算法的关联感知制造服务组合模型”，国际生产研究杂志第56期14, pp. 4676-4691, 2018。视图:出版商网站|谷歌学术
15. D. Artz和Y. Gil，“计算机科学和语义网的信任调查”，WEB语义，卷。5，不。2，pp。58-71,2007。视图:出版商网站|谷歌学术
16. 王思生，孙强，邹华，杨芳，“面向服务选择的web服务信誉测度方法”，专业软件，卷。5，不。5，PP。466-473，2011。视图:出版商网站|谷歌学术
17. D. Ardagna和B. Pernici，“web服务选择中的全局和局部QoS保证”国际业务流程管理会议论文集，第32-46页，南希，法国，2005年5月。视图:谷歌学术
18. S. X. Sun和J. Zhao，“以全球QoS保证为基于分解的服务组合方法”，信息科学， 2012年，第199卷，第138-153页。视图:出版商网站|谷歌学术
19. C. Surianarayanan, G. Ganapathy，和M. S. Ramasamy，“一种通过分解QoS约束的新方法选择最佳可用服务的方法”，面向服务的计算和应用，第9卷，第5期。2, pp. 107-138, 2015。视图:出版商网站|谷歌学术
20. V.Gabrel，M.Manouvrier和C.Murat，“具有依赖图和0-1线性编程的最佳和自动事务Web服务组合”面向服务计算国际会议论文集，pp.108-122，巴黎，法国，2014年11月。视图:出版商网站|谷歌学术
21. A. J.S.Cardoso，“工作流量的质量和语义构成”，格鲁吉亚大学，雅典，GA，美国，2002年，博士论文。视图:谷歌学术
22. H. Elshaafi和D. Botvich，“基于优化的合作确定服务组成中的组件可信度”，安全和通信网络，第9卷，第5期。6，PP。513-527,2016。视图:出版商网站|谷歌学术
23. B. Benatallah, M. Dumas, Q. Shen和A. H. Ngu，“动态web服务的声明性组合和点对点供应”，刊于第18届国际数据工程国际会议的诉讼程序，pp.297-308，美国圣何塞，美国，2002年2月。视图:谷歌学术
24. 帕帕佐格卢(Papazoglou)和乔治科波洛斯(D. Georgakopoulos)，《引言》ACM的通信第46卷，第46期10，第24-28页，2003。视图:出版商网站|谷歌学术
25. S. Mahajan，L.-J.陈和t.-c.Tsai，“使用指数平滑方法的短期PM2.5预测：比较分析”传感器，卷。18，不。10，p。3223,2018。视图:出版商网站|谷歌学术
26. S. Ranjan和E.骑士，“Web群集的高性能资源分配和请求重定向算法”，IEEE并行和分布式系统汇刊第19卷第2期9, pp. 1186 - 1200,2008。视图:出版商网站|谷歌学术
27. S. P. Patel和S. H. H. UpadHyay，“欧几里德距离的特征排名和轴承故障诊断的亚级选择”具有应用的专家系统，卷。154，物品ID 113400,2020。视图:出版商网站|谷歌学术
28. 刘宇宇，曾立志，“动态web服务选择中的QoS计算与策略管理”，《中国科学院大学学报(自然科学版)》第13届国际万维网会议论文集，页66-73，纽约，纽约，美国，2004年5月。视图:谷歌学术
29. X.Fu，P. Pace，G. Aloi，L. Yang和G. Fortino，“使用迭代算法对无线传感器网络上的级联故障的拓扑优化”，“计算机网络，卷。177，物品ID 107327,2020。视图:出版商网站|谷歌学术
30. 曹斌，张伟，王旭东，“基于二_arch2的多车场异构车辆容能电弧布线问题的模因算法”，群和进化计算《基本法》第63卷第100864条，2021年。视图:出版商网站|谷歌学术

版权

版权所有©2021 Meng Cai等人。这是分布下的开放式访问文章知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。