CN102523252A - 一种面向云计算的服务自动组合方法 - Google Patents
一种面向云计算的服务自动组合方法 Download PDFInfo
- Publication number
- CN102523252A CN102523252A CN2011103870192A CN201110387019A CN102523252A CN 102523252 A CN102523252 A CN 102523252A CN 2011103870192 A CN2011103870192 A CN 2011103870192A CN 201110387019 A CN201110387019 A CN 201110387019A CN 102523252 A CN102523252 A CN 102523252A
- Authority
- CN
- China
- Prior art keywords
- service
- services
- value
- quality
- parameter
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 35
- 239000002131 composite material Substances 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 24
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000001195 anabolic effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 206010070834 Sensitisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向云计算的服务自动组合方法,包括如下步骤:1) 通过规划图技术将服务集合中的服务依据其对用户请求的相关性划分到有效服务列表中,并记录表示参数来源的映射表;2)依照服务在有效服务列表中的次序和参数来源表,结合局部质量计算法则计算所述有效服务列表中每个服务的最优局部质量;3)利用步骤2)中最优局部质量递归搜索满足服务质量阈值约束的所有组合服务;所述参数来源是指能输出该参数的服务的集合;如果步骤1)中所述有效服务列表中用户请求是不可满足的,则不执行后续步骤,直接结束。
Description
技术领域
本发明涉及服务计算和云计算领域,特别涉及一种服务自动组合方法与***。
背景技术
服务计算作为一门重要的计算科学正不断地推进计算机技术的发展,同时也使得服务在互联网应用中扮演着越来越重要的角色。即使出现单个服务无法满足用户需求的情况,仍可以通过组合若干单个服务方法使计算***在无需人为干预的前提下来满足用户需求,这就是传统的服务自动组合方法。
随着互联网向着云计算的方向不断演进,服务呈现出以下三点趋势:第一,服务数量极大化,互联网中存大数以万计的各类服务;第二,服务描述语义化,这使得计算***可以自动地理解服务所能提供的功能;第三,服务质量敏感化,功能需求不再是用户的唯一需求,服务的质量也成了用户在选择服务时所要考虑的重要指标。在以上趋势的推动下,如何从海量服务中快速产生不仅能满足功能需求且整体质量最优的一个或若干个(即前K个)组合服务便成了云计算环境下服务自动组合问题所面临的主要技术挑战。
发明内容
针对上述技术问题,本发明提出了一种基于规划图的高效服务自动组合方法,并实现了基于该方法的组合***。
为了解决上述技术问题,本发明的技术方案如下:
一种面向云计算的服务自动组合方法,包括如下步骤:
1) 通过规划图技术将服务集合中的服务依据其对用户请求的相关性划分到有效服务列表中,并记录表示参数来源的映射表;
2) 依照服务在有效服务列表中的次序和参数来源表,结合局部质量计算法则计算所述有效服务列表中每个服务的最优局部质量;
3) 利用步骤2)中最优局部质量递归搜索满足服务质量阈值约束的所有组合服务;
所述参数来源是指能输出该参数的服务的集合;
如果步骤1)中所述有效服务列表中用户请求是不可满足的,则不执行后续步骤,直接结束;
如果步骤2)中出现以下两种情况,则将重新计算所述有效服务列表中服务的最优局部质量:一为暂时无法得到某个前续服务的最优局部质量的情况,此时将暂时忽略该值,并计算得到一个临时最优值;二为某个前续服务的最优值是临时的;
所述步骤3)中如果搜索到的组合服务的个数大于或等于K,只需返回前K个,否则扩大服务质量阈值重新进行搜索直到搜索到的组合服务个数大于或等于K。
进一步的,所述步骤1)可以通过如下步骤实现:
21)初始化相关数据结构,包括valid,AS,PS_Map和P,其中,valid存储所有未检测通过的服务,初始为全体服务集;AS存储有效服务列表,初始为空;PS_Map存储参数源映射表;P存储已经得到的参数集,初始等于用户请求输入;
22)判断valid是否不为空,如果不为空,转步骤23),否则转步骤27);
23)初始化临时内部数据newP,其代表每轮新增的参数,初始为空;
24)依次取出valid中的每个服务并对其进行检测,其可以细化为:
24-1)判断P是否语义包含当前服务的输入,如果包含则转步骤24-2),否则转步骤24-3);
24-2)将当前服务加入AS,将其输出加入newP并记每个输出参数的源为当前服务;
24-3)将当前服务放回valid中;
25)判断valid是否发生变化,如果有变化,则转步骤26),否则转步骤27);
26)将newP并入P中并转步骤22);
27) 返回AS和PS_Map后结束。
进一步的,所述步骤2)可以通过如下步骤实现:
31)初始化相关数据结构,包括current和OptLQ_Map,其中,current代表尚未确定其最优值的服务集,初始等于AS;OptLQ_Map代表已经确定最优值的服务和这些服务的最优值,初始时只有一个start服务,其最优值为0;
32)判断current是否不为空,如果不为空,转步骤33),否则转步骤37);
33)初始化临时内部数据next,其代表本轮计算结束时还不能确定其最优值的服务集,初始为空;
34)依次取出current中的每个服务,并计算其最优局部质量,计算法则为:对服务的每个输入参数,找到它的所有源服务即从PS_Map中查找在OptLQ_Map对应值的最小值,然后从得到的所有参数的最小值中找出最大值,最后加上服务自身的质量值,如果OptLQ_Map中没有对应值或只是个临时值,则忽略该源并将当前服务的计算值也标记为临时值,即将当前服务加入next中;
35)判断current是否发生变化,如果有变化,则转步骤36),否则转步骤37);
36)将next赋值给current后转步骤32);
37) 返回OptLQ_Map后结束。
进一步的,所述步骤3)可以通过如下步骤实现:
41)从用户请求的输出开始逆向找到所有需要的前续节点,此时扩展的策略是保证所有的前续组合服务质量都不比最优值差;
42)判断预搜索解的个数是否不小于K,如果成立,则直接返回解后结束,否则进入步骤43);
43)针对预搜索得到的每个解,逐个放大其中每个服务的前续节点条件,得到每个服务的次优值,并将所有次优值排序后放入阈值递增队列;
44)根据阈值递增队列不断扩大搜索范围直到解的个数大于等于K或无解可增,其中每次搜索的过程类似步骤41)中的过程,只不过此时是以阈值作为扩展前续节点的约束条件;
45)返回得到的解并结束。
应用一种面向云计算的服务自动组合方法的***,包含服务接收模块、服务库、组合模块和前端交互模块,服务提供商通过所述服务接收模块对服务进行注册和语义标注,所述服务库用来储存所有的注册服务,并在组合过程中为组合模块提供服务集,在服务组合过程中,用户通过前端交互模块向组合模块发送组合请求,组合***得到组合结果后将其通过前端交互模块返回给用户。
本发明的有益效果在于:,本发明旨在严格保证组合结果的正确性前提上,进一步提高方法的效率。
附图说明
图1为总体方法图;
图2为***结构图;
图3为问题举例图;
图4为阶段一详细步骤图;
图5为阶段一过程举例图;
图6为阶段二详细步骤图;
图7为阶段二过程举例图;
图8为阶段三详细步骤图;
图9为阶段三过程举例图。
具体实施方式
下面将结合附图和具体实施例对本发明做进一步的说明。
在介绍本方法之前,这里先对技术问题中涉及的关键概念进行介绍:
语义树:又称本体树,可表示为二元组(C,R),其中C是树中节点的集合,每个节点对应一个语义本体;R是树中节点间直接继承关系的集合。通常,我们说本体A是本体B的父类(或者本体B是本体A的子类),即意味着B直接或间接继承自A。
语义包含关系:给定两个本体集合S和T,如果对于S中的每一个元素s,总能在T中找到它的一个元素t且满足条件t是s的子类或t和s相同,那么则称T语义包含S或S语义包含于T。
服务:可被定义为一个三元组(I,O,Q),其中I是服务输入参数的集合,O是服务输出参数的集合,Q为服务质量。这里每个参数都对应本体树上的一个本体;服务的质量指服务的响应时间,吞吐量,信誉,代价花费等,本发明只针对服务质量类别相同的情况,即不考虑各类质量混合的情况,并以服务的响应时间为例进行说明,因此后文中的服务质量即指服务的响应时间。
组合服务:可被定义为一个服务集合的序列<W1,W2,…,WN>,其中W1只包含一个服务start,它象征用户请求的输入参数,因而start.I为空,start.O等于用户的输入参数;WN只包含一个服务end,它象征用户请求的输出参数,因而end.I等于用户的输出参数,end.O为空;除W1和WN外,序列中任意一个服务集中的服务的输入均语义包含于其前续服务集中所有服务的输出之和。
服务的局部质量:在计算某个组合服务的质量的过程中,会依次得到组合服务中各个服务的局部质量,记为LQ,其计算满足关系式
最后end节点的局部质量即代表整个组合服务的全局质量。
在完成技术问题中关键概念的定义后,下面给出本发明提出的技术方法的介绍:
该技术方法总的来说,可以分为三个阶段,如图1所示。第一阶段扩展了传统的规划图技术将服务集合中的服务依据其对用户请求的相关性划分到一个有效服务列表中,并记录一个表示参数来源的映射表。这里所说的规划图技术是人工智能领域中的一种规划方法,本发明对其进行了扩展使其适用于服务组合问题。这里所说的参数来源是指能输出该参数的服务的集合。如果阶段一结束时,有效服务列表中不包含end节点,则说明此时用户的请求是不可满足的,算法结束并返回空,否则进入下一阶段。
第二阶段依照有效服务列表中的次序和参数来源表,结合局部质量定义中给出的计算法则计算列表中每个服务的最优局部质量。如果出现以下两种情况,阶段二将重新计算列表中服务的最优值:第一是暂时无法得到某个前续服务的最优局部质量的情况,此时将暂时忽略该值,并计算得到一个临时最优值;第二是某个前续服务的最优值是临时的。因而该阶段是一个迭代计算的过程,每轮迭代都会对有效服务列表中的所有服务进行更新计算,如果某轮迭代中所有服务的局部最优值均无须更新,则退出迭代过程。
第三阶段利用前一阶段得到的最优局部质量递归搜索满足质量约束的所有组合服务。在该搜索过程中,服务的质量成了需要满足的阈值条件,即只有质量不差于该阈值的组合服务才会被搜索到,这样一方面大大缩减了搜索空间,避免了传统搜索方法不加限制从而导致效率低下的问题,另一方面严格保证了方法的正确性,因为该阶段将得到满足阈值约束的所有组合服务,如果这些组合服务的个数大于或等于K,只需返回前K个,否则扩大阈值重新进行搜索直到解的个数大于或等于K。
利用本发明提出的组合方法可以实现一个高效完整的服务组合***,如图2所示。整个***包含四个模块:服务接收模块、服务库、组合模块和前端交互模块。服务提供商通过服务接收模块对服务进行注册和语义标注,这一步通常发生在组合服务开始之前。服务库用来储存所有的注册服务,并在组合过程中为组合模块提供服务集。在服务组合过程中,用户通过前端交互模块向组合模块发送组合请求,组合***得到组合结果后将其通过前端交互模块返回给用户。
下面将给出各个阶段的详细实施方式,并针对一个问题样例进行举例说明,问题样例如图3所示。在该例中,本体树中共有七个本体,分别用字母O、A、B、C、D、J和K表示,其中A、B、C、D、K直接继承自O,J直接继承自B;服务库中共有w1到w5五个服务,以w1为例 ,其输入参数为A(即参数映射的本体为A,下同),输出参数为B,服务质量(即响应时间)值为100;用户请求为r,其给出的输入参数为A,期望得到的输出参数为D。
阶段一的详细步骤过程如图4所示:
步骤1:初始化相关数据结构,包括valid,AS,PS_Map和P。其中,valid存储所有未检测通过的服务,初始为全体服务集;AS存储有效服务列表,初始为空;PS_Map存储参数源映射表;P存储已经得到的参数集,初始等于用户请求输入;
步骤2:判断valid是否不为空,如果不为空,转步骤3,否则转步骤7;
步骤3:初始化临时内部数据newP,其代表每轮新增的参数,初始为空;
步骤4:依次取出valid中的每个服务并对其进行检测。其可以细化为:
步骤4-1:判断P是否语义包含当前服务的输入,如果包含则转步骤4-2,否则转步骤4-3;
步骤4-2:将当前服务加入AS,将其输出加入newP并记每个输出参数的源为当前服务;
步骤4-3:将当前服务放回valid中;
步骤5:判断valid是否发生变化,如果有变化,则转步骤6,否则转步骤7;
步骤6:将newP并入P中并转步骤2;
步骤7:返回AS和PS_Map后结束;
针对图3所示问题样例,阶段一的执行过程如图5所示:初始时,AS为空,valid包含全部服务w1至w5,P仅包含用户请求中的输入A;此时valid不为空,检测valid中所有服务后发现服务w1,w2和w5通过首轮检测,所以将w1,w2和w5加入AS,并将其输出加入P,并记下各个输出参数的源服务;首轮结束后valid中包含w3和w4,仍不为空,因而将进行下轮检测,过程与首轮相似,就不赘述。最后,当valid为空时,返回AS列表中依次包含w1,w2,w5,w3和w4,参数源表中包含各个参数的源(其中B有两个可能的源w1和w4)。
阶段二的详细步骤过程如图6所示:
步骤1:初始化相关数据结构,包括current和OptLQ_Map。其中,current代表尚未确定其最优值的服务集,初始等于AS;OptLQ_Map代表已经确定最优值的服务和这些服务的最优值,初始时只有一个start服务,其最优值为0;
步骤2:判断current是否不为空,如果不为空,转步骤3,否则转步骤7;
步骤3:初始化临时内部数据next,其代表本轮计算结束时还不能确定其最优值的服务集,初始为空;
步骤4:依次取出current中的每个服务,并计算其最优局部质量。计算法则为:对服务的每个输入参数,找到它的所有源服务(从PS_Map中查找)中在OptLQ_Map对应值的最小值,然后从得到的所有参数的最小值中找出最大值,最后加上服务自身的质量值。如果OptLQ_Map中没有对应值或只是个临时值,则忽略该源并将当前服务的计算值也标记为临时值,即将当前服务加入next中;
步骤5:判断current是否发生变化,如果有变化,则转步骤6,否则转步骤7;
步骤6:将next赋值给current后转步骤2;
步骤7:返回OptLQ_Map后结束。
针对图3所示问题样例,阶段二的执行过程如图7所示:
首轮计算开始时,current中依次包含w1,w2,w5,w3和w4,OptLQ_Map中只记录了start的最优值为0;接着依次计算每个服务的最优值,当计算w3时,发现参数B对应源w4,其最优值目前是未知的,因而忽略其值,计算得到w3的临时值为106并将其加入next;首轮结束时,next中只有w3,OptLQ_Map已记录各个服务的计算值。
在第二轮计算中,只需重新计算代w3的值,因为此时w4的最优值已确定,便可计算得到w3的最优值为21,因而更新w3在OptLQ_Map中的对应值。第二轮结束时,next为空,步骤结束。
阶段三的详细步骤过程如图8所示:
步骤1:预搜索若干质量最优解,该步具体过程为:从用户请求的输出开始逆向找到所有需要的前续节点(终止于start节点),此时扩展的策略是保证所有的前续组合的服务质量都不比最优值差;
步骤2:判断预搜索解的个数是否不小于K,如果成立,则直接返回解后结束,否则进入步骤3;
步骤3:计算阈值递增队列,该步具体过程为:针对预搜索得到的每个解,逐个放大其中每个服务的前续节点条件,得到每个服务的次优值,并将所有次优值排序后放入阈值递增队列;
步骤4:根据阈值递增队列不断扩大搜索范围直到解的个数大于等于K或无解可增,其中每次搜索的过程类似步骤1中的过程,只不过此时是以阈值作为扩展前续节点的约束条件;
步骤5:返回得到的解并结束。
针对图3所示问题样例,阶段三预搜索过程如图9所示:图中圆形节点表示待扩展的节点,方形节点表示已扩展完成的节点。首先只有一个代表用户请求输出的end节点;扩展该节点后,得到其前续节点w3;接着扩展w3,此时为保证质量最优,只能选取最优前续组合{w4,w5};该过程不断继续,直到所有节点均找到其前续节点(start除外)。
在该例中,预搜索结束时,只找到一个解,假设K大于1,那么将计算阈值递增队列。由于解中只有w3可以找到次优值,因而递增队列中只有两个值{21,106}。
随后将根据每个阈值搜索全部解,当阈值为21时,找到一个最优解,因为达不到K个,因此将阈值放大为106重新搜索。此时将找到两个解,因而样例问题只有两个解,因而解集不可增,所以算法终止并返回两个解。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明保护范围内。
Claims (5)
1.一种面向云计算的服务自动组合方法,其特征在于,包括如下步骤:
1)通过规划图技术将服务集合中的服务依据其对用户请求的相关性划分到有效服务列表中,并记录表示参数来源的映射表;
2)依照服务在有效服务列表中的次序和参数来源表,结合局部质量计算法则计算所述有效服务列表中每个服务的最优局部质量;
3)利用步骤2)中最优局部质量递归搜索满足服务质量阈值约束的所有组合服务;
所述参数来源是指能输出该参数的服务的集合;
如果步骤1)中所述有效服务列表中用户请求是不可满足的,则不执行后续步骤,直接结束;
所述局部质量计算法则为
如果步骤2)中出现以下两种情况,则将重新计算所述有效服务列表中服务的最优局部质量:一为暂时无法得到某个前续服务的最优局部质量的情况,此时将暂时忽略该值,并计算得到一个临时最优值;二为某个前续服务的最优值是临时的;
所述步骤3)中如果搜索到的组合服务的个数大于或等于K,只需返回前K个,否则扩大服务质量阈值重新进行搜索直到搜索到的组合服务个数大于或等于K。
2.根据权利要求1所述的一种面向云计算的服务自动组合方法,其特征在于,所述步骤1)可以通过如下步骤实现:
21)初始化相关数据结构,包括valid,AS,PS_Map和P,其中,valid存储所有未检测通过的服务,初始为全体服务集;AS存储有效服务列表,初始为空;PS_Map存储参数源映射表;P存储已经得到的参数集,初始等于用户请求输入;
22)判断valid是否不为空,如果不为空,转步骤23),否则转步骤27);
23)初始化临时内部数据newP,其代表每轮新增的参数,初始为空;
24)依次取出valid中的每个服务并对其进行检测,其可以细化为:
24-1)判断P是否语义包含当前服务的输入,如果包含则转步骤24-2),否则转步骤24-3);
24-2)将当前服务加入AS,将其输出加入newP并记每个输出参数的源为当前服务;
24-3)将当前服务放回valid中;
25)判断valid是否发生变化,如果有变化,则转步骤26),否则转步骤27);
26)将newP并入P中并转步骤22);
27)返回AS和PS_Map后结束。
3.根据权利要求2所述的一种面向云计算的服务自动组合方法,其特征在于,所述步骤2)可以通过如下步骤实现:
31)初始化相关数据结构,包括current和OptLQ_Map,其中,current代表尚未确定其最优值的服务集,初始等于AS;OptLQ_Map代表已经确定最优值的服务和这些服务的最优值,初始时只有一个start服务,其最优值为0;
32)判断current是否不为空,如果不为空,转步骤33),否则转步骤37);
33)初始化临时内部数据next,其代表本轮计算结束时还不能确定其最优值的服务集,初始为空;
34)依次取出current中的每个服务,并计算其最优局部质量,计算法则为:对服务的每个输入参数,找到它的所有源服务即从PS_Map中查找在OptLQ_Map对应值的最小值,然后从得到的所有参数的最小值中找出最大值,最后加上服务自身的质量值,如果OptLQ_Map中没有对应值或只是个临时值,则忽略该源并将当前服务的计算值也标记为临时值,即将当前服务加入next中;
35)判断current是否发生变化,如果有变化,则转步骤36),否则转步骤37);
36)将next赋值给current后转步骤32);
37)返回OptLQ_Map后结束。
4.根据权利要求3所述的一种面向云计算的服务自动组合方法,其特征在于,所述步骤3)可以通过如下步骤实现:
41)从用户请求的输出开始逆向找到所有需要的前续节点,此时扩展的策略是保证所有的前续组合服务质量都不比最优值差;
42)判断预搜索解的个数是否不小于K,如果成立,则直接返回解后结束,否则进入步骤43);
43)针对预搜索得到的每个解,逐个放大其中每个服务的前续节点条件,得到每个服务的次优值,并将所有次优值排序后放入阈值递增队列;
44)根据阈值递增队列不断扩大搜索范围直到解的个数大于等于K或无解可增,其中每次搜索的过程类似步骤41)中的过程,只不过此时是以阈值作为扩展前续节点的约束条件;
45)返回得到的解并结束。
5.应用权利要求1所述方法的***,其特征在于,包含服务接收模块、服务库、组合模块和前端交互模块,服务提供商通过所述服务接收模块对服务进行注册和语义标注,所述服务库用来储存所有的注册服务,并在组合过程中为组合模块提供服务集,在服务组合过程中,用户通过前端交互模块向组合模块发送组合请求,组合***得到组合结果后将其通过前端交互模块返回给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110387019.2A CN102523252B (zh) | 2011-11-29 | 2011-11-29 | 一种面向云计算的服务自动组合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110387019.2A CN102523252B (zh) | 2011-11-29 | 2011-11-29 | 一种面向云计算的服务自动组合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102523252A true CN102523252A (zh) | 2012-06-27 |
CN102523252B CN102523252B (zh) | 2014-07-09 |
Family
ID=46294041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110387019.2A Expired - Fee Related CN102523252B (zh) | 2011-11-29 | 2011-11-29 | 一种面向云计算的服务自动组合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102523252B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796467A (zh) * | 2015-04-10 | 2015-07-22 | 南京大学 | 一种计算具有QoS关联关系的QoS最优组合服务限定范围的方法 |
CN104883400A (zh) * | 2015-05-22 | 2015-09-02 | 中国石油大学(华东) | 一种基于实例的云服务管理决策方法 |
CN105573774A (zh) * | 2014-11-05 | 2016-05-11 | ***股份有限公司 | 应用程序参数管理及配置方法 |
CN114422582A (zh) * | 2022-01-20 | 2022-04-29 | 中国科学院软件研究所 | 一种面向科技资源的服务动态组合方法及装置 |
WO2022246994A1 (zh) * | 2021-05-24 | 2022-12-01 | 浙江大学 | 一种组合服务动态演化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060069995A1 (en) * | 2004-09-30 | 2006-03-30 | British Telecommunications Public Limited Company | Personalised process automation |
CN101277315A (zh) * | 2008-05-21 | 2008-10-01 | 中兴通讯股份有限公司 | 一种互联网业务的服务质量控制方法 |
CN101383850A (zh) * | 2008-10-16 | 2009-03-11 | 北京邮电大学 | 一种基于服务质量本体的互联网服务选择***及方法 |
-
2011
- 2011-11-29 CN CN201110387019.2A patent/CN102523252B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060069995A1 (en) * | 2004-09-30 | 2006-03-30 | British Telecommunications Public Limited Company | Personalised process automation |
CN101277315A (zh) * | 2008-05-21 | 2008-10-01 | 中兴通讯股份有限公司 | 一种互联网业务的服务质量控制方法 |
CN101383850A (zh) * | 2008-10-16 | 2009-03-11 | 北京邮电大学 | 一种基于服务质量本体的互联网服务选择***及方法 |
Non-Patent Citations (3)
Title |
---|
JIANWEI YIN等: "Cloud Computing Oriented Network Operating System and Service Platform", 《2011 IEEE INTERNATIONAL CONFERENCE》 * |
夏海江等: "Web服务动态组合方法研究与设计", 《计算机工程与设计》 * |
邓水光等: "Web服务组合技术框架及其研究进展", 《计算机集成制造***》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573774A (zh) * | 2014-11-05 | 2016-05-11 | ***股份有限公司 | 应用程序参数管理及配置方法 |
CN105573774B (zh) * | 2014-11-05 | 2019-04-05 | ***股份有限公司 | 应用程序参数管理及配置方法 |
CN104796467A (zh) * | 2015-04-10 | 2015-07-22 | 南京大学 | 一种计算具有QoS关联关系的QoS最优组合服务限定范围的方法 |
CN104796467B (zh) * | 2015-04-10 | 2018-03-06 | 南京大学 | 一种计算具有QoS关联关系的QoS最优组合服务限定范围的方法 |
CN104883400A (zh) * | 2015-05-22 | 2015-09-02 | 中国石油大学(华东) | 一种基于实例的云服务管理决策方法 |
WO2022246994A1 (zh) * | 2021-05-24 | 2022-12-01 | 浙江大学 | 一种组合服务动态演化方法 |
CN114422582A (zh) * | 2022-01-20 | 2022-04-29 | 中国科学院软件研究所 | 一种面向科技资源的服务动态组合方法及装置 |
CN114422582B (zh) * | 2022-01-20 | 2023-05-16 | 中国科学院软件研究所 | 一种面向科技资源的服务动态组合方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102523252B (zh) | 2014-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102523252B (zh) | 一种面向云计算的服务自动组合方法 | |
US9223828B2 (en) | Data flow graph optimization using adaptive rule chaining | |
Wang et al. | Accelerating spatial data processing with mapreduce | |
Eyal-Salman et al. | Feature-to-code traceability in a collection of software variants: Combining formal concept analysis and information retrieval | |
CN102945516B (zh) | 多级网络计划的进度分析方法 | |
CN102693246B (zh) | 一种用于从数据集获取信息的方法和*** | |
CN102571752B (zh) | 基于服务关联索引图的QoS感知Top-k服务组合*** | |
US20180165333A1 (en) | Big data calculation method and system | |
Alistarh et al. | Streaming min-max hypergraph partitioning | |
CN103699550A (zh) | 数据挖掘***及数据挖掘方法 | |
CN106716420A (zh) | 消息匹配方法、消息匹配装置及计算机程序产品、电子设备 | |
EP4128056A1 (en) | Partitioning for an execution pipeline | |
CN102419789B (zh) | 一种高层次综合方法以及*** | |
CN104035747A (zh) | 用于并行计算的方法和装置 | |
CN103678490B (zh) | 一种基于Hadoop平台的Deep Web查询接口聚类方法 | |
Chua et al. | Eff2Match results for OAEI 2010 | |
US8700638B2 (en) | Computer-implemented weighted tree search to resolve variable name ambiguity | |
CN105119961B (zh) | 基于本体的语义Web服务自动组合方法 | |
CN107133281B (zh) | 一种基于分组的全局多查询优化方法 | |
CN110851178B (zh) | 一种基于分布式图可达计算的过程间程序静态分析方法 | |
US20220004560A1 (en) | Data model matching method and device | |
CN109688014B (zh) | 关键字驱动的Web服务自动组合方法 | |
CN106919451B (zh) | 数据处理方法和装置 | |
Bachiega et al. | An architecture for cost optimization in the processing of big geospatial data in public cloud providers | |
Dehimi et al. | A novel distributed dynamic planning approach based on constraint satisfaction. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140709 |
|
CF01 | Termination of patent right due to non-payment of annual fee |