e-服务项目突现的生物网络组合方法

e-服务项目突现的生物网络组合方法

e-服务是一个描述独立于平台无关的计算元素，因此受到了广泛的关注。它真正的潜力在于可以对简单服务进行组合,但因为其复杂性,存在着大量的更新、移动等动态变化及行为交互,多数已有的研究并没有完全解决这个问题。语义,特别是本体的提出,为e-service的自动发现、合成提供了一种新的思想。在语义服务的方式下,服务的发现、执行和合成不需要由人来完成,而是可以由agent自动完成用户提出的复杂任务要求。下一代互联网和服务计算框架研究指出:未来的服务存在着服务访问控制的分布性、自动的控制策略、服务变化的自适应、自进化等主要特征。利用agent自主性设计符合这种特征的服务组合方法正在受到广泛的重视,但存在着agent的通信、协商、产生、消亡、迁移、稳定性等问题。对e-service组合如何实现新的管理框架是当前要解决的问题。服务管理和组合的一个有益借鉴来自同为复杂巨系统的生物组织系统。通过细胞因子和受体组成生物网络通用语言,免疫系统和神经内分泌系统构成了自组织、自协作的分布服务网络。免疫系统通过免疫单元的合作形成免疫突现来清除外来抗原(即病原体),神经内分泌系统感知免疫变化,通过复杂的调节机制使系统达到一个稳定、动态平衡的状态。突现是指生物个体遵循一组简单的行为规则,而一群个体组合则展示复杂的整体行为。生物突现表现出的重要特性有自组织、聚集现象和协作行为,它的许多特性可被用于Internet网络服务与应用。受生物组织智能的突现机制启发,本文给出e-service组合问题的基于带条件米兰机的全局演化模型。在生物网络计算框架研究的基础上,将生物实体(带有生物功能设计的移动agent)作为自动机单元,通过消息匹配能力(这里称为亲合力,即由服务需求的匹配强度、服务质量相对评定和服务信任因素组成的综合评定值)和条件约束,建立满足用户要求的e-service组合演化过程,通过演化建立实体网络,完成服务的组合。仿真表明这种方法具有良好的性能和对环境的适应性。1语义支持下的owl-sE-service是一个有状态的动作序列,可以看做一个七元组:其中:U是一系列e-service的输入消息集合;Y是一系列e-service的输出消息集合;Q是一系列e-service的有限状态集(状态表示e-service交互序列中的历史记录和条件判断记录);s0i是起始状态;δ1:Q×U×Y×QC→Q是一个转移函数,即给定状态根据输入/输出匹配和条件,FAS可以转移到另一个状态,U×Y是字母表;Fi∈Q是一系列服务的接收有限状态集,即用户能够与e-service结束交互的状态集;QC:Q×C是一系列条件集合。在语义服务环境中,e-service信息描述采用OWL-S本体语言,服务的内容由serviceprofile类功能属性和非功能属性两部分组成,实现了功能和属性、质量参数的描述。服务的组合可以转换为语义支持下的e-service米兰机演化过程。用户的e-service请求可以描述为一个抽象OWL-S定义形式。OWL-S的过程模型包括sequence、split、split+join、choice、unordered、if-then-else、repeat-while和repeat-until结构。这些结构可以映射到自动机的过程,即可以通过自动机的演化满足用户的服务需求。E-service的组合是一种基于消息的会话及匹配关联的过程,服务组合是封闭的(组合的服务仍然是一个米兰机),可以通过消息会话完成更高层次的组合。2生物标准生物活性接口在生物网络平台上借鉴米兰机的模型,生物实体(移动agent)代理e-service,可以描述为米兰机。每个生物实体有消息匹配接口,接口中含有e-service的相关信息,同时接收用户服务请求进行匹配。它通过特定演化规则完成e-service突现的组合方法,实现了自组织和自进化的功能。按照这种方式,组合模式转换为agent之间的匹配和动态管理问题。2.1生物网络实体生物实体是一种自治的移动agent,用于代理e-service与完成突现应用。生物实体由属性、行为和功能组成,如图1所示。属性描述关于生物实体的信息,包括全局标志、代理服务状态、能量、过程状态和突现所属标志;行为实现相关操作,包括能量交换、生物(迁移、死亡、复制/再生等)、信息发布、数据接口操作;功能实现生物实体代理的服务运算,包括与服务相关的处理操作。生物实体是网络应用中的最小组件,是一个能量驱动的服务单元。它可以接收服务请求消息,通过消息匹配方法完成服务序列演化构建。生物网络实体采用基于RMI-IIOP技术的生物网络通信架构来传送具有生物实体语义的BNCL语言消息。重用FIPAACL的部分通信动作(request、agree、refuse、not-understand、inform、failure、query-ref、query-if)。根据生物网络中服务内容的需要,BNCL定义了一些新的通信动作,如defray(支付能量给一个提供服务的生物实体)、advertise(向邻近的实体通报自己的服务数据、实体提供的信息等,将实体加入到生存环境中)等。2.2服务匹配能力模型生物实体代理e-service,它能观察其他实体的输入、输出动作(即接收到的消息)。在观察的基础上,根据用户需求的描述,通过匹配算法驱动其演化,构造一个可接受的协作行为序列。对于实体间的消息匹配和规则,本文采用了多元综合评估的方式,即对三个主要消息匹配的影响因素进行综合度量,根据亲合力的强度,选择亲合力匹配最大的实体组成网络。服务突现是一系列实体通过最强匹配演化组合的群体。亲合力测量的影响因素(图2)有服务消息的匹配强度、服务相对质量和服务的信任关系度量。根据匹配强度的关系,服务突现可以调整生物实体,即实体的自然选择。消息匹配强度的计算是一个综合评定指标。下面给出三个影响参数值及亲合力值的计算方法。a)服务需求的匹配强度定义为代理的e-service匹配消息请求的能力,表示为MSWSbio−entitybio-entityWS。设WS为实体代理的e-service,WM为上一个实体服务的输出消息,其匹配能力MSWSbio-entity(WM,WS)的计算由WM和WS的接口概念匹配度决定。进一步表示为WM⇔WnM(C1,C2,…,Ci)和WS⇔WS(C′1,C′2,C′3,…,C′j)。其中:Ci和C′j分别代表组成消息接口服务描述的相关概念。为了计算匹配能力,这里首先给出概念相似度SM(C1,C2)的计算公式为其中:dis(C1,C2)是在由WordNet和HowNet构建的概念层上的最小概念距离,这里假设概念C1在L1层,C2在L2层;β是一个常数,在两个词的相似度为0.5时,可以用来代表概念间的距离。C1=C2表示两个概念相等;C1>C2表示C1包含C2;C1<C2表示C2包含C1;C1≠C2表示C2与C1无直接联系。服务需求的匹配强度表示为b)服务质量相对值是对实体代理e-service质量的相对度量。E-service的质量定义为一个向量Qbio-entity=(Q1(latency),Q2(cost),Q3(availability)。这里取的主要参数为:服务时间(latency)、可靠性(availability)、费用(cost)。假设服务突现过程的候选生物实体的代理服务表示为Sbio-entityj={s1j,s2j,…,snj},通过合并候选服务的质量向量构成了一个质量矩阵Qbio-entity=(Qij;1≤i≤n,1≤j≤3)。其中:行向量Qj代表服务sij;每个列向量Qj代表质量参数。通过SAW方法公式可以进行相对化处理,将决定服务质量的各项属性值转换为相对数值。由于latency、cost属于否定性属性,使用式(3)量化;availability属于肯定性属性,通过式(4)量化。服务质量相对矩阵为P=(Pij;1≤i≤n,1≤j≤3)。服务质量的相对评价值为其中:Wj∈,∑j=13Wj=1,WjWj∈,∑j=13Wj=1,Wj代表Pij权重系数。通过上述规范化处理,服务相对质量Sbio-entity(si)被限定在。其值越趋近1,说明服务相对质量越高。c)服务信任的度量。基于信任的关系重构是为下一次更加有效的搜索和突现作准备。这种机制通过建立和改变生物服务实体之间的trust值来更新和加强亲合力网络。服务突现完成后,突现的使用者将返回一个支付(defray)消息,该消息包括一个协作记录、一个表示用户对请求命中的评价值R。R值可以是一个奖励,也可以是一个惩罚,它表示用户对接收到的请求命中的偏爱程度。这个消息沿着开始传递的路径被传播,它将调节被用来传递初始发现请求关系的trust值。作为奖励时,trust值增加;作为惩罚时,trust值减少。计算公式如下:其中:trustij是的一个数值,表示更新前生物实体间的trust值;相应地ΔS是更新后trust的调整值。考虑到评价的有效性和公正性,上述公式对ΔS作了优化处理,trust变化下降得很快,而上升得很慢,保证服务评估准确。d)综合三个方面的参数因素,表示消息匹配能力的亲合力为其中:α∈为亲合力影响参数的权重系数。系统设定了亲合力的阈值θ(0<θ<1),如果Affbio-entity≥θ,实体符合匹配的条件。这样的实体可能有多个。根据生物服务实体的亲合力最大匹配原则,系统选取亲合力值最大实体对象建立一个有序的服务组合序列,但服务质量是否满足用户的最初要求,需要对整个序列进行评定,如组合后新服务的综合费用和响应时间等。实体会累加统计性能指标,最后根据序列结构完成突现的总体性能计算。计算方法如表1所示。突现的全局QoS表示为Qglobalemergenceemergenceglobal=(Qalllatlatall,Qallavaavaall,Qallcoscosall)。如果Qglobalemergenceemergenceglobal∈Qrequest,即其全局QoS符合用户的服务质量要求,则突现成功。通过上面的论述可知,e-service突现是一系列实体通过消息的亲合力匹配演化的群体。针对用户的不同服务请求,系统通过亲合力算法动态组合实体,并根据环境的变化调整生物实体,过程处于一种动态的自进化状态。3模拟结果与性能分析3.1仿真实验和结果E-service突现方法的仿真基于生物网络平台上进行。生物网络平台设计了Java编写的软件接口、公用结构体、仿真器,并支持即插即用和灵活的API操作,仿真对原平台增加了服务数据接口处理和亲合力计算功能,实现了e-service突现的仿真操作。由于没有标准的测试数据集,本文采用随机生成的e-service之间的消息匹配度数据集和服务质量的数据集。同时为了简化运算,对trustij作如下规定:没有信任关系的备选服务,当消息匹配强度Affbio-entity≥θ和Sbio-entity(sj)>Sbio-entity(si)时,初值规定为1;否则为0。本文生成了包含1000个不同资源的多数据集,随机抽取了100、200、300、400、500个服务来评价方法性能,将生成的测试数据分配给生物实体,用来测试系统的突现服务特性。仿真主要讨论这种自进化方法的性能、自适应性和抗毁性。本仿真实验采用了Pentium4处理器(2.4GHz和512MBRAM)的计算机,实验设置具有432个(18×24)节点的网络结构。假设每个虚拟机的网络节点上都运行有仿真平台,网络平台上的资源花费能量相同。访问的服务请求频率不随时间变化,设定用户的网络服务需求是10次/s。系统设置为生物实体能量为10000,节点时延迟为0.01s,仿真时间为100min。仿真中对自进化e-service突现性能的影响因素有多个方面,这里主要以消息匹配的亲合力权重系数α(α=0,0.5,0.8,1)和阈值θ(θ=0.6,0.7,0.8,0.9,1.0)的变化来讨论系统的性能和适应性。评估主要是以下三个方面:服务突现的响应时间、每次服务突现的跳数和自适应值。实验重复了多次,最终结果为测量平均值。3.2仿真实验设置服务响应时间和每次服务请求的跳数分别是e-service突现质量、费用评定的主要指标。第一个实验仿真分析方法的适应性。这里设置阈值θ=0.8,生物实体为200个。为了对比突现方法的性能,特别设计了随机非生物实体(不带生物功能的移动agent)的情况与α(α=0,0.5,0.8,1)的对比数据。由仿真结果(图3)可以看出,非生物实体响应时间参数的趋势没有变化。生物实体的相应数据在最初数据较高,达到700ms;在20min以后,数据指标开始下降至300～400ms。这是因为生物实体在开始阶段要建立相应的亲合力关系,许多资源和时间浪费在盲目的寻找上。同时开始时生物操作要存储能量,进行迁移、变异和交叉等生物操作以完成突现服务。随着时间的推移,生物实体形成了关系的聚类,很快响应提供服务,费用也变小了。同时可以看到,α为0.5,反应时间最少。对服务突现跳数的数据分析也可得到同样的结论。以上仿真实验结果表明,e-service突现模型自适应、自进化地满足用户的需求,生物实体关系网络所构建的e-service突现方法具有自适应、自进化等功能特点。第二个仿真实验是服务突现的成功率随θ和α的变化情况(表2)。仿真分别设置了α(α=0,0.5,0.8,1)和阈值(θ=0.6,0.7,0.8,0.9,1.0)。当阈值较小时,α的变化对成功率影响很小;随着阈值增加,α的变化影响变大,系统的信任关系起到了很大作用。α为0时,系统拥有较高的成功率,但从前面的仿真数据可以看出,其费用也较高。本实验数据表明,α的正确选择加强了信任关系的反馈和调节,对系统的性能起到了提高的作用。第三个仿真实验是考虑在服务计算环境中,服务和网络很有可能变得不可靠(即不能发挥资源发现的作用)