CN102158533B - 基于QoS的分布式web服务选择方法 - Google Patents
基于QoS的分布式web服务选择方法 Download PDFInfo
- Publication number
- CN102158533B CN102158533B CN2011100352115A CN201110035211A CN102158533B CN 102158533 B CN102158533 B CN 102158533B CN 2011100352115 A CN2011100352115 A CN 2011100352115A CN 201110035211 A CN201110035211 A CN 201110035211A CN 102158533 B CN102158533 B CN 102158533B
- Authority
- CN
- China
- Prior art keywords
- service
- task
- skyline
- prune
- qos
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010187 selection method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 10
- 238000012217 deletion Methods 0.000 claims description 9
- 230000037430 deletion Effects 0.000 claims description 9
- 238000013138 pruning Methods 0.000 claims description 4
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Images
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明涉及计算机领域，公开了一种基于QoS的分布式web服务选择方法，采用分布式的方式进行web服务的选择，通过将web服务选择这个需要非常巨大的计算能力才能解决的大问题分解成为很多小的部分，将这些小的部分分配给许多计算进行并行处理，最后把每个计算结果合并起来得到最终结果。本发明通过pre-prune-refine模型，在不同的机器上进行高效地并行计算，经过pre-prune过程提前删除一些不满足条件的web服务，显著地缩短响应时间，从而能够快速灵活地找到满足用户需求的服务。由于中间产生的输入输出都是临时文件，不会产生额外的输入输出开销，能够显著增强网络的传送效率，大大提高了选择的效率。
Description
技术领域
本发明涉及计算机领域，尤其涉及了一种基于QoS的分布式web服务选择方法。
背景技术
分布式计算是近年来提出的一种新的计算方式，它研究如何把一个需要非常巨大的计算能力才能解决的问题分解成许多小的部分，然后把这些小的部分分配给许多计算机进行并行处理，最后把每个计算结果综合起来得到最终结果。通过分布式计算可以把程序放在最合适运行它的计算机上运行。
Web服务选择就是这样一个需要非常巨大的计算能力才能解决的大问题。Web服务选择就是从大量功能相当的服务集合中选择质量较优的服务以满足服务请求者的需求。随着服务计算和云计算的发展，出现了大量功能相似非功能属性不同的服务。Web服务虽然在注册中心库(UDDI)中进行注册，但实际上却水平地分布在地理位置不同的服务器上，并通过Internet互相连接。Web服务持续不断的增长要求一个精确、可扩展的、高效和可靠的解决方案来寻找和选择最合适的服务。但是当服务来自不同的服务提供商时，这非常的复杂，因此如何在大量分散的服务集合中快速灵活地选择出满足用户需求的服务，已经成为web服务发展过程中的一个重要步骤。分布式web服务选择的研究正是在这种背景下被提出来的。
随着互联网的不断发展，服务提供者和服务的实际存储变得越来越分散。服务通常存储在不同的服务器上，并且这些服务器有可能在不同的地理位置。当前基于QoS的web服务选择技术大多假设所有服务都存储在同一个平台上，没有考虑大规模服务的分布式环境，随着服务数量的增加和现实的分布式web服务环境，传统的服务选择技术的效率将大大降低，而且由于响应时间很长有可能影响用户的体验。如何在大规模服务集合的分布式环境下选择满足不同QoS需求的服务已经成为学术界和工业界共同关注的问题。
一个分布式的框架更符合实际情况，因为分布式框架允许更好地进行本地服务管理，更小的更新代价，更高的容错性。但是如果直接应用已经存在的web服务选择技术会产生很大的开销，因此综合考虑服务选择方法的效率及分布式的服务环境，开发出一种高效并行的分布式服务选择机制成为业界的迫切需求。
发明内容
本发明针对现有技术中服务选择技术的效率过低，响应时间很长，影响用户体验效果的缺点，提供了一种结合数据库中的skyline技术，提出了分布式并行web服务选择机制，实现了高效的web服务选择的基于QoS的分布式web服务选择方法。
为了解决上述技术问题，本发明通过下述技术方案得以解决：
基于QoS的分布式web服务选择方法，包括如下步骤：
步骤a：主服务器管理着所有的数据服务器，并分配任务，在这个过程中有K个map(映射)任务，S个pre-prune(预剪枝)任务和1个refine(精炼)任务被分配(K＞0，S＞0)，主服务器将一个map任务、pre-prune任务或refine任务分配给一个空闲的机器；
步骤b：Map过程：被分配了map任务的机器读取相关web服务列表为输入数据，然后将输入数据解析成QoS向量，生成中间临时的key/value对(键/值对)，并缓存在内存中，这一过程的输入是web服务列表，输出是QoS向量；
步骤c：缓存在内存中的key/value对被分区函数分成S个区域，之后周期性地写入到本地磁盘上，缓存的key/value对在本地磁盘的存储位置被传回给主服务器，由主服务器负责把缓存的key/value对在本地磁盘上的存储位置再传送给pre-prune任务；
步骤d：当pre-prune任务接收到主服务器发来的数据存储位置信息之后，从map任务所在的机器上读取缓存的中间临时key/value对，在pre-prune任务所在的机器读取了所有的中间临时数据之后，对key(键)进行排序使具有相同中间临时key的value(数值)输出到同一机器上；
步骤e：Pre-prune过程：提前删除不可能是skyline服务的服务，在每个机器上，根据选择的skyline算法对读取的QoS向量集合进行操作，删除被支配的服务，得到本地的skyline服务集合，生成的中间临时本地skyline服务集合被缓存在内存中；
步骤f：缓存的本地skyline服务集合在本地的存储位置被传回给主服务器，由主服务器把这些本地skyline服务集合在本地的存储位置再传送给refine任务；
步骤g：Refine过程：当refine任务接收到主服务器发来的本地skyline服务集合的存储位置信息后，从pre-prune任务所在的机器上读取缓存的临时本地skyline服务集合，当refine任务所在的机器读取了所有的本地skyline服务集合之后，通过选择的skyline算法删除被支配的本地skyline服务，得到最终的全局skyline服务；
步骤h：当所有的map、pre-prune和refine任务都完成之后，主服务器唤醒用户程序，此时，在用户程序里对pre-prune-refine的调用才返回；
在成功完成所有任务之后，该模型的输出被分成M类，被存放在N个输出文件中，其中M＝N。
作为优选，所述的步骤e中的Pre-prune任务的输入和输出分别是：读取的中间临时的key/value对和本地的skyline服务集合。通过这一个预剪枝的过程，可以大大减少候选skyline服务的数量，从而减少比较次数，因此最后的响应时间也会大大减少。
作为优选，所述的QoS向量定义：向量QVs＝(q1(s)，…，qd(s))为web服务S的QoS向量，其中qi(s)由服务S发布的第i个QoS属性的值决定。采用分布式的方式进行web服务的选择，通过将web服务选择这个需要非常巨大的计算能力才能解决的大问题分解成为很多小的部分，然后将这些小的部分分配给许多计算进行并行处理，最后把每个计算结果合并起来得到最终结果。
基于QoS的分布式web服务选择方法的***，包括如下部分：
扩展服务注册中心：扩展了传统的服务注册中心，具有传统服务注册中心的功能，为可搜索的服务描述注册中心，注册所有已经发布的服务提供者，并记录web服务集群的位置；这样服务请求者就可以选择离它更近的服务提供者，从而减少了代价和响应时间；
主服务器：为web服务集群的核心部分，用于记录每个数据服务器的位置以及每个数据服务器存储的具体服务，提供和管理整个***的目录信息，并且管理着各个数据服务器；
数据服务器：是分布式环境下的实际集群，存储着真实服务的相关信息；
Skyline服务集合库：存储着各个区域的web服务集群选择出来的满足服务请求者要求的skyline服务，只记录skyline服务的描述和所在的web服务集群。
定义1.基于QoS向量的服务支配关系：对于服务A和B，它们的QoS向量分别是QVA＝(q1(A)，…，qd(A))和QVB＝(q1(B)，…，qd(B))。服务A支配服务B，当且仅当服务A的QoS向量在任一维上的取值都不比服务B差，且至少在一个维度上比B更好，它的公式定义是且
定义2.Skyline服务：不被其他服务支配的服务。
以具有2个QoS属性的17个服务的服务集{A1(1.1，4.7)，A2(1.8，4)，A3(2，4.7)，A4(1.3，4.2)，A5(1.6，4.34)，B1(3.1，2.1)，B2(3.5，1.5)，B3(3.8，1.8)，B4(3.22，1.6)，B5(3.6，2.2)，B6(4，4.6)，C1(6.1，2.2)，C2(6.3，1.8)，C3(6.8，2.4)，C4(6.5，2.5)，C5(6.9，1.6)，C6(7，5)，C7(7.5，1)}为例，通过Map任务，我们可以将服务集合按照第一个QoS属性分为三组：{A1，A2，A3，A4，A5}，{B1，B2，B3，B4，B5，B6}，{C1，C2，C3，C4，C5，C6，C7}，将每一组分别放到一个机器上进行pre-prune任务，在执行pre-prune任务之后，第一组可以得到本地skyline服务{A1，A2，A3}，第二组可以得到{B1，B2，B3}，第三组可以得到{C1，C2，C3，C7}，将得到的本地skyline集合{A1，A2，A3，B1，B2，B3，C1，C2，C3，C7}输出到执行refine任务的机器上，在执行refine任务之后，我们可以得到全局的skyline集合{A1，A2，A3，B1，B2，B3，C7}。
这三个任务的具体算法如表1：
表1分布式web服务选择方法描述
Map：
Input：Key：the name of server Values：web services list
Output：Key：group range Values：QoS vectors of Web services
2 WS is distributed to each node by DistributedCache
3 foreach s∈WS do
4 service＝extract QoS vector from s；
6 output_key＝an exact value as a function of QoS；
output_value＝service；
7 EmitIntermediate(AsString(output_key)，output_value)；
8 end for
Pre-prune：
Input Key：the intermediate Key produced by Map function
Values：QoS vectors Vectors
Output Key：an identical key Values：candidate skyline services
3 SkylineComputeClass skylineCompute＝new SkylineComputeClass()；
4 foreach v∈Vectors
5 services.add(s)；
6 end for
7 candidateServices＝skylineCompute.computeSkyine(services)；
8 output_key＝new IntWritable(1)；
9 output_value＝candidateServices；
10 Emit(output_key，output_value)
Refine：
Input Key：the only one key produced by Combiner function
Values：candidate web services
Output Key：group range Values：global skyline services
2 globalServices＝computeSkyline(Values)；
3 for each global service gs in globalServices
4 output_key＝an exact value as a function of QoS
5 EmitIntermediate(output_key，gs)；
6 end for
本发明由于采用了以上技术方案，具有显著的技术效果：
本发明通过pre-prune-refine模型，在不同的机器上进行高效地并行计算，由于经过pre-prune过程能够提前删除一些不满足条件的web服务，从而显著地缩短响应时间，从而能够快速灵活地找到满足用户需求的服务。由于中间产生的输入输出都是临时文件，不会产生额外的输入输出开销，能够显著增强网络的传送效率，从而大大提高了选择的效率。
附图说明
图1是本发明分布式web服务选择的体系架构图。
图2是本发明分布式web服务选择的具体算法流程图。
具体实施方式
下面结合附图1至图2与实施例对本发明作进一步详细描述：
实施例1
基于QoS的分布式web服务选择方法，如图1至图2所示，包括如下步骤：
步骤a：主服务器管理着所有的数据服务器，并分配任务，在这个过程中有K个map(映射)任务，S个pre-prune(预剪枝)任务和1个refine(精炼)任务被分配(K＞0，S＞0)，主服务器将一个map任务、pre-prune任务或refine任务分配给一个空闲的机器；
步骤b：Map过程：被分配了map任务的机器读取相关web服务列表为输入数据，然后将输入数据解析成QoS向量，生成中间临时的key/value对(键/值对)，并缓存在内存中，这一过程的输入是web服务列表，输出是QoS向量；
步骤c：缓存在内存中的key/value对被分区函数分成S个区域，之后周期性地写入到本地磁盘上，缓存的key/value对在本地磁盘的存储位置被传回给主服务器，由主服务器负责把缓存的key/value对在本地磁盘上的存储位置再传送给pre-prune任务；
步骤d：当pre-prune任务接收到主服务器发来的数据存储位置信息之后，从map任务所在的机器上读取缓存的中间临时key/value对，在pre-prune任务所在的机器读取了所有的中间临时数据之后，对key(键)进行排序使具有相同中间临时key的value(数值)输出到同一机器上；
步骤e：Pre-prune过程：提前删除不可能是skyline服务的服务，在每个机器上，根据选择的skyline算法对读取的QoS向量集合进行操作，删除被支配的服务，得到本地的skyline服务集合，生成的中间临时本地skyline服务集合被缓存在内存中；
步骤f：缓存的本地skyline服务集合在本地的存储位置被传回给主服务器，由主服务器把这些本地skyline服务集合在本地的存储位置再传送给refine任务；
步骤g：Refine过程：当refine任务接收到主服务器发来的本地skyline服务集合的存储位置信息后，从pre-prune任务所在的机器上读取缓存的临时本地skyline服务集合，当refine任务所在的机器读取了所有的本地skyline服务集合之后，通过选择的skyline算法删除被支配的本地skyline服务，得到最终的全局skyline服务；
步骤h：当所有的map、pre-prune和refine任务都完成之后，主服务器唤醒用户程序，此时，在用户程序里对pre-prune-refine的调用才返回；
在成功完成所有任务之后，该模型的输出被分成M类，被存放在N个输出文件中，其中M＝N。
步骤e中的Pre-prune任务的输入和输出分别是：读取的中间临时的key/value对和本地的skyline服务集合。
QoS向量定义：向量QVs＝(q1(s)，…，qd(s))为web服务S的QoS向量，其中qi(s)由服务S发布的第i个QoS属性的值决定。
实施上述的基于QoS的分布式web服务选择方法的***，包括如下部分：
扩展服务注册中心：扩展了传统的服务注册中心，具有传统服务注册中心的功能，为可搜索的服务描述注册中心，注册所有已经发布的服务提供者，并记录web服务集群的位置；
主服务器：为web服务集群的核心部分，用于记录每个数据服务器的位置以及每个数据服务器存储的具体服务，提供和管理整个***的目录信息，并且管理着各个数据服务器；
数据服务器：是分布式环境下的实际集群，存储着真实服务的相关信息；
Skyline服务集合库：存储着各个区域的web服务集群选择出来的满足服务请求者要求的skyline服务，只记录skyline服务的描述和所在的web服务集群。
基于QoS的分布式web服务选择的具体过程如下：
1.某个区域的web服务提供者集群在扩展服务注册中心发布自身管理和存储的服务，并且对使用自身服务的请求进行响应。服务注册中心对其建立索引，并记录着该集群提供的服务列表和描述。
2.服务请求者向扩展服务注册中心发送服务选择请求，并设置相应的约束参数(即对某些QoS属性的限制)。
3.扩展服务注册中心根据服务请求者的请求，针对已有服务，向每个区域的web服务集群发出选择请求，每个区域的web服务集群利用表1中的算法进行局部skyline服务选择，并将结果发送至skyline服务集合库中，skyline服务集合库合并各个区域的局部skyline服务集合，并删除那些被支配的局部skyline服务，得到最终的全局skyline集合，存储在skyline服务集合库中，供服务请求者选择。
本发明通过pre-prune-refine模型，在不同的机器上进行高效地并行计算，由于经过pre-prune过程能够提前删除一些不满足条件的web服务，从而显著地缩短响应时间，从而能够快速灵活地找到满足用户需求的服务。由于中间产生的输入输出都是临时文件，不会产生额外的输入输出开销，能够显著增强网络的传送效率，从而大大提高了选择的效率。
总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。
Claims (4)
1.基于QoS的分布式web服务选择方法，其特征在于：包括如下步骤：
步骤a：主服务器管理着所有的数据服务器，并分配任务，在这个过程中有K个map(映射)任务，S个pre-prune(预剪枝)任务和1个refine(精炼)任务被分配K＞0，S＞0，主服务器将一个map任务、pre-prune任务或refine任务分配给一个空闲的机器；
步骤b：Map过程：被分配了map任务的机器读取相关web服务列表为输入数据，然后将输入数据解析成QoS向量，生成中间临时的key/value对(键/值对)，并缓存在内存中，这一过程的输入是web服务列表，输出是QoS向量；
步骤c：缓存在内存中的key/value对被分区函数分成S个区域，之后周期性地写入到本地磁盘上，缓存的key/value对在本地磁盘的存储位置被传回给主服务器，由主服务器负责把缓存的key/value对在本地磁盘上的存储位置再传送给pre-prune任务；
步骤d：当pre-prune任务接收到主服务器发来的数据存储位置信息之后，从map任务所在的机器上读取缓存的中间临时key/value对，在pre-prune任务所在的机器读取了所有的中间临时数据之后，对key(键)进行排序使具有相同中间临时key的value(数值)输出到同一机器上；
步骤e：Pre-prune过程：提前删除不可能是skyline服务的服务，在每个机器上，根据选择的skyline算法对读取的QoS向量集合进行操作，删除被支配的服务，得到本地的skyline服务集合，生成的中间临时本地skyline服务集合被缓存在内存中；
步骤f：缓存的本地skyline服务集合在本地的存储位置被传回给主服务器，由主服务器把这些本地skyline服务集合在本地的存储位置再传送给refine任务；
步骤g：Refine过程：当refine任务接收到主服务器发来的本地skyline服务集合的存储位置信息后，从pre-prune任务所在的机器上读取缓存的临时本地skyline服务集合，当refine任务所在的机器读取了所有的本地skyline服务集合之后，通过选择的skyline算法删除被支配的本地skyline服务，得到最终的全局skyline服务；
步骤h：当所有的map、pre-prune和refine任务都完成之后，主服务器唤醒用户程序，此时，在用户程序里对pre-prune-refine的调用才返回；
在成功完成所有任务之后，全局skyline服务的输出被分成M类，被存放在N个输出文件中，其中M＝N；
所述Skyline服务是指不被其他服务支配的服务。
2.根据权利要求1所述的基于QoS的分布式web服务选择方法，其特征在于：所述的步骤e中的Pre-prune任务的输入和输出分别是：读取的中间临时的key/value对和本地的skyline服务集合。
3.根据权利要求1所述的基于QoS的分布式web服务选择方法，其特征在于：所述的QoS向量定义：向量QVs＝(q1(s)，...，qd(s))为web服务S的QoS向量，其中qi(s)由服务S发布的第i个QoS属性的值决定。
4.实施如权利要求1-3所述的基于QoS的分布式web服务选择方法的***，其特征在于：包括如下部分：
扩展服务注册中心：扩展了传统的服务注册中心，为可搜索的服务描述注册中心，注册所有已经发布的服务提供者，并记录web服务集群的位置；
主服务器：为web服务集群的核心部分，用于记录每个数据服务器的位置以及每个数据服务器存储的具体服务，提供和管理整个***的目录信息，并且管理着各个数据服务器；
数据服务器：是分布式环境下的实际集群，存储着真实服务的相关信息；
Skyline服务集合库：存储着各个区域的web服务集群选择出来的满足服务请求者要求的skyline服务，只记录skyline服务的描述和所在的web服务集群。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011100352115A CN102158533B (zh) | 2011-01-28 | 2011-01-28 | 基于QoS的分布式web服务选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011100352115A CN102158533B (zh) | 2011-01-28 | 2011-01-28 | 基于QoS的分布式web服务选择方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102158533A CN102158533A (zh) | 2011-08-17 |
| CN102158533B true CN102158533B (zh) | 2013-11-13 |
Family
ID=44439710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011100352115A Active CN102158533B (zh) | 2011-01-28 | 2011-01-28 | 基于QoS的分布式web服务选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102158533B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103209102B (zh) * | 2013-03-11 | 2015-11-04 | 北京邮电大学 | Web服务质量的分布式测量***和方法 |
| CN103164287B (zh) * | 2013-03-22 | 2016-04-06 | 河海大学 | 基于Web动态参与的分布式并行计算平台*** |
| CN104717294A (zh) * | 2015-03-23 | 2015-06-17 | 浪潮集团有限公司 | 一种数据抽取方法、主服务器和集群 |
| CN104735166B (zh) * | 2015-04-13 | 2018-05-01 | 李金忠 | 基于MapReduce和多目标模拟退火的Skyline服务选择方法 |
| CN105578212B (zh) * | 2015-12-15 | 2019-02-19 | 南京邮电大学 | 一种大数据中流计算平台下的点对点流媒体实时监测方法 |
| CN106790536B (zh) * | 2016-12-21 | 2020-06-05 | 国网江西省电力公司信息通信分公司 | 基于事务和QoS的组合Web服务选择方法 |
| CN112787870B (zh) * | 2021-02-25 | 2021-11-02 | 苏州大学 | 服务质量感知的并行柔性Skyline服务发现方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1791117A (zh) * | 2005-12-26 | 2006-06-21 | 北京航空航天大学 | 基于服务与底层资源分离的服务计算*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7987268B2 (en) * | 2003-10-23 | 2011-07-26 | International Business Machines Corporation | Methods and systems for dynamically reconfigurable load balancing |
-
2011
- 2011-01-28 CN CN2011100352115A patent/CN102158533B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1791117A (zh) * | 2005-12-26 | 2006-06-21 | 北京航空航天大学 | 基于服务与底层资源分离的服务计算*** |
Non-Patent Citations (2)
| Title |
|---|
| 吴健等.基于Skyline的QoS感知的动态服务选择.《计算机学报》.2010,第33卷(第11期),2136-2146. |
| 基于Skyline的QoS感知的动态服务选择;吴健等;《计算机学报》;20101130;第33卷(第11期);2136-2146 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102158533A (zh) | 2011-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102158533B (zh) | 基于QoS的分布式web服务选择方法 | |
| CN104281701B (zh) | 分布式多尺度空间数据查询方法及*** | |
| Chen et al. | MapReduce skyline query processing with a new angular partitioning approach | |
| Alfarrarjeh et al. | Scalable spatial crowdsourcing: A study of distributed algorithms | |
| CN103631922B (zh) | 基于Hadoop集群的大规模Web信息提取方法及*** | |
| Wang et al. | Research and implementation on spatial data storage and operation based on Hadoop platform | |
| CN104871154A (zh) | ***级查询优化 | |
| CN102567436A (zh) | 多租户*** | |
| CN104834557B (zh) | 一种基于Hadoop的数据分析方法 | |
| CN111258978B (zh) | 一种数据存储的方法 | |
| CN107077480A (zh) | 基于查询需求自适应地从当前时间的行存储数据库中构建列存储数据库的方法和*** | |
| CN108536692A (zh) | 一种执行计划的生成方法、装置及数据库服务器 | |
| CN103514229A (zh) | 用于在分布式数据库***中处理数据库数据的方法和装置 | |
| CN105608228B (zh) | 一种高效的分布式的rdf数据存储方法 | |
| CN103164529B (zh) | 一种基于Voronoi图的反k最近邻查询方法 | |
| CN106055590A (zh) | 基于大数据及图数据库的电力网络数据处理方法和*** | |
| CN109995580A (zh) | 5g网络切片中基于ga_pso混合算法的vn映射方法 | |
| CN106471501A (zh) | 数据查询的方法、数据对象的存储方法和数据*** | |
| CN101719148A (zh) | 三维空间信息的存储方法、装置、***及调度*** | |
| CN105550332A (zh) | 一种基于双层索引结构的起源图查询方法 | |
| CN103793401B (zh) | 建立多个数据库表的共享索引的方法及装置 | |
| CN103365923A (zh) | 用于评估数据库的分区方案的方法和装置 | |
| CN105045957B (zh) | 为多边形引擎提供几何实体数据服务的*** | |
| JP2007133624A (ja) | 連結関係情報を用いた情報管理方法及び装置 | |
| CN104391947A (zh) | 海量gis数据实时处理方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent for invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wu Jian Inventor after: Pan Limin Inventor after: Chen Liang Inventor after: Yin Jianwei Inventor after: Li Ying Inventor after: Deng Shuiguang Inventor after: Wu Chaohui Inventor before: Wu Jian Inventor before: Pan Limin Inventor before: Chen Liang Inventor before: Yin Jianwei Inventor before: Li Ying Inventor before: Deng Shuiguang |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: WU JIAN PAN LIMIN CHEN LIANG YIN JIANWEI LI YING DENG SHUIGUANG TO: WU JIAN PAN LIMIN CHEN LIANG YIN JIANWEI LI YING DENG SHUIGUANG WU ZHAOHUI |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |