蔡 茂， 徐凌宇， 東 韓， 陳 亮， 杜金峰

（1.上海大學(xué) 計(jì)算機(jī)工程與科學(xué)學(xué)院，上海 200072；2.國家海洋信息中心，天津 300171）

隨著“數(shù)字海洋”項(xiàng)目的實(shí)施，我國海洋信息化工作不斷發(fā)展，建成了大量的專業(yè)海洋環(huán)境信息數(shù)據(jù)庫，搭建了多套應(yīng)用于海洋多種業(yè)務(wù)的信息系統(tǒng)。它們?yōu)槲覈Ｑ笫聵I(yè)的發(fā)展提供了有力的信息保障和技術(shù)支撐。

然而以上這些各自獨(dú)立且內(nèi)部結(jié)構(gòu)相似的系統(tǒng)也存在以下問題：資源占用多，運(yùn)行成本高；傳統(tǒng)模式難以適應(yīng)業(yè)務(wù)部署的快速要求，缺乏統(tǒng)一部署計(jì)算資源的規(guī)劃；業(yè)務(wù)系統(tǒng)穩(wěn)定性和可靠性低，系統(tǒng)維護(hù)難度大。

新興的云計(jì)算與云服務(wù)技術(shù)可以有效地解決上述海洋信息系統(tǒng)建設(shè)中存在的問題。利用云計(jì)算技術(shù)構(gòu)建海洋環(huán)境信息綜合服務(wù)應(yīng)用框架體系，建設(shè)支撐海洋環(huán)境信息業(yè)務(wù)的低成本試驗(yàn)和運(yùn)營環(huán)境，可以提高海洋資源信息的可重用性與共享性以及應(yīng)用系統(tǒng)的可擴(kuò)展性。

SaaS（Software as a Service）是隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用軟件的成熟而興起的基于互聯(lián)網(wǎng)環(huán)境和云計(jì)算方式的新型軟件服務(wù)模式，是軟件和信息服務(wù)的重要發(fā)展方向［1］。在云平臺（cloud platform）上，服務(wù)最終體現(xiàn)在高效的服務(wù)組合上，以實(shí)現(xiàn)不同請求的業(yè)務(wù)邏輯。軟件即服務(wù)（SaaS）是以云計(jì)算為基礎(chǔ)的一種快速、共享、重用的IT應(yīng)用程序生成方法，稱之為軟件云服務(wù)。在面向用戶上，SaaS具有無硬件、無維護(hù)、無升級等多種優(yōu)勢，因此出現(xiàn)了很多相關(guān)的SaaS平臺產(chǎn)品。Hadoop是當(dāng)今使用最廣泛，發(fā)展最完善的云計(jì)算分布式系統(tǒng)基礎(chǔ)框架和開源分布式數(shù)據(jù)處理框架，被用于高效地處理海量數(shù)據(jù)。由于Hadoop具有可伸縮性、高可靠性、低成本性和高效性等優(yōu)點(diǎn)，因此本文采用Hadoop作為底層云平臺的基礎(chǔ)開發(fā)和運(yùn)行框架。

1 軟件服務(wù)流

海洋環(huán)境信息云服務(wù)體系框架可以向用戶提供可定制的個(gè)性化服務(wù)，結(jié)合SaaS的思想，向用戶提供商品的基本單元為服務(wù)，一個(gè)服務(wù)的實(shí)現(xiàn)是一個(gè)復(fù)雜的過程，需要調(diào)用云平臺的大量數(shù)據(jù)和資源，而用戶的整個(gè)需求，可以解析成由多個(gè)彼此關(guān)聯(lián)的服務(wù)單元組成的復(fù)雜整體。要處理好一個(gè)復(fù)雜的用戶需求和大批用戶同時(shí)提交的需求，并提供可靠的服務(wù)，這對云服務(wù)體系框架提出了很高的調(diào)度與執(zhí)行要求。

為了滿足用戶的個(gè)性化請求，傳統(tǒng)的工作流建模［2］會(huì)采用基于組件的動(dòng)態(tài)結(jié)構(gòu)模型敏捷表達(dá)出客戶需求，然后建立基于工作流的需求結(jié)點(diǎn)元模型，對需求表達(dá)協(xié)作式工作流進(jìn)行語義描述，并構(gòu)建其管理邏輯結(jié)構(gòu)，從而控制與協(xié)調(diào)需求表達(dá)的結(jié)點(diǎn)、數(shù)據(jù)及工作流的方向以實(shí)現(xiàn)工作流的自動(dòng)化處理過程。

本文把云計(jì)算技術(shù)與工作流技術(shù)相結(jié)合，提出了軟件服務(wù)流的概念。軟件服務(wù)流的基本思想是將原本分布放置在云平臺上執(zhí)行的錯(cuò)綜復(fù)雜的可執(zhí)行程序，通過細(xì)粒度中間件過度抽象成服務(wù)模型提供給用戶以定制，用戶的定制被解析成一個(gè)相互關(guān)聯(lián)的基本服務(wù)單元組成的流程圖，再在軟件服務(wù)流引擎的解析調(diào)度下完成自動(dòng)化執(zhí)行過程。

不同于傳統(tǒng)的工作流，軟件服務(wù)流的特點(diǎn)在于流程單元是云服務(wù)，由于在云平臺上服務(wù)的執(zhí)行過程更加復(fù)雜和不可預(yù)知，軟件服務(wù)流的服務(wù)抽象也會(huì)更加復(fù)雜，它的自動(dòng)化執(zhí)行對于高效性、實(shí)時(shí)性、穩(wěn)定性、糾錯(cuò)能力的要求也更高。

2 軟件服務(wù)流引擎

2.1 系統(tǒng)執(zhí)行和交互設(shè)計(jì)

系統(tǒng)執(zhí)行和交互設(shè)計(jì)流程如圖1所示。

圖1 系統(tǒng)總流程

首先，應(yīng)用層（上層）在向用戶提供個(gè)性化定制服務(wù)之前，將用戶需求結(jié)構(gòu)化抽象成底層平臺可執(zhí)行的一個(gè)個(gè)服務(wù)單元，將這些服務(wù)單元通過Web界面向用戶開放提供自定制服務(wù)［3］。用戶的自定制過程不是基本服務(wù)單元的簡單疊加，而是相互聯(lián)系的復(fù)雜串行、并行、包含等關(guān)系的集合。自定制服務(wù)流在促進(jìn)資源的合理配置和信息資源的有效傳遞和共享的同時(shí)，提高了效率，也滿足了不同用戶的個(gè)性需求［4］。

在施動(dòng)層（底層），一個(gè)基本服務(wù)單元就是一個(gè)Hadoop上符合Map－Reduce規(guī)則的可執(zhí)行程序，程序的執(zhí)行需要提供HDFS程序路徑、用戶提供的參數(shù)及平臺的數(shù)據(jù)文件等［5］。

服務(wù)流引擎（中間層）在這兩層之間負(fù)責(zé)總的調(diào)度協(xié)調(diào)、服務(wù)與結(jié)構(gòu)化執(zhí)行模型的接口轉(zhuǎn)換與控制及容錯(cuò)與錯(cuò)誤處理等。

為了抽象用戶請求，簡化調(diào)度信息，屏蔽與調(diào)度工作無關(guān)的信息，本文設(shè)置了交互數(shù)據(jù)庫作為上下層的接口，Web服務(wù)器接收到一個(gè)用戶請求后，應(yīng)用層負(fù)責(zé)將其匹配成平臺的可執(zhí)行程序，將執(zhí)行路徑、執(zhí)行參數(shù)及用戶信息等寫入數(shù)據(jù)庫，這樣將用戶請求抽象成一個(gè)有向無環(huán)圖，將圖傳遞給引擎，由引擎解析調(diào)度遞交施動(dòng)層，施動(dòng)層再從交互數(shù)據(jù)庫中還原出執(zhí)行信息以進(jìn)行下一步的執(zhí)行操作［6－7］。

交互數(shù)據(jù)庫的設(shè)置完全釋放了引擎的額外工作壓力，使得引擎可以專注于處理調(diào)度、容錯(cuò)、優(yōu)化及錯(cuò)誤補(bǔ)救等工作，這在處理大規(guī)模用戶訪問時(shí)尤為重要。

2.2 服務(wù)抽象

服務(wù)抽象是將平臺底層的可執(zhí)行程序轉(zhuǎn)化成提供給用戶的服務(wù)模型。如何用平臺上有限的可執(zhí)行程序表達(dá)出用戶多樣的服務(wù)請求，本文借鑒SOA面向服務(wù)架構(gòu)中的服務(wù)粗細(xì)粒度組件轉(zhuǎn)化思想［8］，設(shè)置了細(xì)粒度中間件作為過渡。模型匹配關(guān)系如圖2所示。

圖2 模型匹配關(guān)系

圖2中，細(xì)粒度中間件為Hadoop平臺可執(zhí)行的最小單位，是一個(gè)復(fù)雜的海洋表面溫度（Sea Surface Temperature，簡稱SST）融合算法，該算法加上對應(yīng)的監(jiān)測數(shù)據(jù)，結(jié)合Matlab繪圖程序和相關(guān)連接程序可以組成一個(gè)可視化海溫預(yù)測的服務(wù)模型向用戶開放。而在底層，中間件是平臺執(zhí)行的最小單位，每個(gè)中間件均符合平臺Hadoop執(zhí)行規(guī)則的程序，但是平臺的可執(zhí)行模型庫又不僅僅是中間件的集合，本文可以將常用的一些中間件的有機(jī)組合或者中間件的優(yōu)化組合做成一個(gè)可執(zhí)行模型，放入可執(zhí)行模型庫。

簡單地說，服務(wù)模型和可執(zhí)行模型都是細(xì)粒度中間件的有機(jī)組合，服務(wù)模型是為了具體有效地描繪用戶的服務(wù)請求，而可執(zhí)行模型是更大程度地匹配Hadoop平臺執(zhí)行規(guī)范，優(yōu)化執(zhí)行效率。軟件服務(wù)流引擎的作用是負(fù)責(zé)將用戶定制的服務(wù)模型流拆分重組為可執(zhí)行模型流，以匹配優(yōu)化執(zhí)行；同時(shí)負(fù)責(zé)服務(wù)模型庫和可執(zhí)行模型庫的動(dòng)態(tài)更新與優(yōu)化工作，以保持系統(tǒng)的穩(wěn)定性與高效性。

2.3 EOE調(diào)度算法

一個(gè)用戶的請求最終可以被還原成一個(gè)帶權(quán)的有向無環(huán)圖（Directed Acyclic Graph，簡稱DAG）F，F(xiàn)＝ ｛TM，R｝，一個(gè)可執(zhí)行模型就是一個(gè)結(jié)點(diǎn)，TM為結(jié)點(diǎn)的集合，R為各個(gè)結(jié)點(diǎn)之間的關(guān)系，這種關(guān)系主要是邏輯上的輸入輸出關(guān)系，例如T1→T2即表示T1的輸出作為T2的輸入。

2.3.1 工作流調(diào)度方式

傳統(tǒng)的工作流建模方式［9］即是通過定義活動(dòng)節(jié)點(diǎn)、有向邊及活動(dòng)的啟動(dòng)方式構(gòu)建基于有向圖的工作流模型，然后構(gòu)建活動(dòng)的狀態(tài)集、狀態(tài)函數(shù)、動(dòng)作模型和條件模型，并定義活動(dòng)的執(zhí)行規(guī)則，且詳細(xì)描述基于該規(guī)則的活動(dòng)內(nèi)部運(yùn)行機(jī)制，從而實(shí)現(xiàn)工作流的自動(dòng)化執(zhí)行。

傳統(tǒng)上，一個(gè)工作流系統(tǒng)經(jīng)常被設(shè)計(jì)成便于在一個(gè)活動(dòng)具有類似性質(zhì)的特定應(yīng)用領(lǐng)域的自動(dòng)化處理［10］。針對這些特定應(yīng)用，工作流系統(tǒng)的調(diào)度策略對于實(shí)時(shí)性的要求較低。

最直觀的解決方法是傳統(tǒng)的拓?fù)渑判蝽樞蛘{(diào)度，利用圖廣度優(yōu)先遍歷算法，得到F的拓?fù)溆行蛐蛄蠥，以序列A的順序交付執(zhí)行，該方法實(shí)現(xiàn)簡單、穩(wěn)定性高，但效率極低。

在工作流執(zhí)行中分層算法［11］廣泛使用。在使用分層算法前，要將已知的圖以層次圖的形式表示出來。在層次圖中，結(jié)點(diǎn)被分為若干個(gè)部分，每一部分稱為一層，同層頂點(diǎn)沒有邊連接。算法為：

（1）把所有的匯點(diǎn)（即出度為0的點(diǎn)），放置在最底層，即L1層。

（2）余下的每個(gè)結(jié)點(diǎn)u所放置的層數(shù)記為y（u），計(jì)算每個(gè)結(jié)點(diǎn)y值的公式為：其中，N＋（u）：＝ ｛v∈V｜?（u，v）∈E｝。

算法的思想是把最長路徑作為生成圖的高度，并且所有匯點(diǎn)放置在最底層，其他的路徑長度不會(huì)超過最長路徑，則最長路徑的長度為生成圖的總層數(shù)，保證了最小高度的實(shí)現(xiàn)，按照層次劃分線性執(zhí)行。

分層算法簡單，易于實(shí)現(xiàn)，而且可以在線性時(shí)間內(nèi)結(jié)束。算法的邏輯清晰、易于實(shí)現(xiàn)、系統(tǒng)結(jié)構(gòu)嚴(yán)密、出錯(cuò)情況易處理，很大程度上實(shí)現(xiàn)了結(jié)點(diǎn)的并行執(zhí)行，但是也并沒有達(dá)到最大程度的并行。

2.3.2 EOE算法

帶權(quán)的n－層有向無環(huán)圖G＝（V，E）的最小高度最長路徑為：

用分層算法的實(shí)際運(yùn)行時(shí)間為：

即每層的最長運(yùn)行時(shí)間之和，顯然這不是最高效率的。

而系統(tǒng)的理論最短執(zhí)行時(shí)間tmin應(yīng)該是流程的各執(zhí)行單元在執(zhí)行條件完備的情況下立即執(zhí)行，最后得到的執(zhí)行時(shí)間。由于軟件服務(wù)流的特征是執(zhí)行單元的復(fù)雜度、未知性更高，一個(gè)執(zhí)行單元的執(zhí)行過程是無法重現(xiàn)的，所以是無法預(yù)知的，tmin只能在流程執(zhí)行后計(jì)算出，作為調(diào)度算法效率的對比參照值而存在。為了接近tmin，最簡單的方法是把系統(tǒng)設(shè)計(jì)成一個(gè)監(jiān)控進(jìn)程不斷循環(huán)掃描軟件服務(wù)流中可執(zhí)行的模型結(jié)點(diǎn)，顯然這種方式會(huì)加重系統(tǒng)負(fù)載，降低系統(tǒng)吞吐率和穩(wěn)定性。

為了得到分層算法清晰的拓?fù)渑判蛞员ＷC系統(tǒng)的穩(wěn)定性，同時(shí)也希望保證系統(tǒng)的高并發(fā)性使得處理時(shí)間接近tmin，本文提出了EOE（Execute Once Enabled），即一旦可以立即執(zhí)行的算法，以最高的并行效率和最低的處理開銷執(zhí)行流程。算法的基本步驟為：

（1）解析DAG圖，完整地保存圖各結(jié)點(diǎn)以及結(jié)點(diǎn)間的關(guān)系信息。

（2）開始結(jié)點(diǎn)標(biāo)記為可執(zhí)行結(jié)點(diǎn)。

（3）可執(zhí)行結(jié)點(diǎn)交付平臺執(zhí)行，同時(shí)開辟監(jiān)控進(jìn)程。

（4）監(jiān)控進(jìn)程監(jiān)控結(jié)點(diǎn)執(zhí)行狀態(tài)，出錯(cuò)轉(zhuǎn)步驟（5），正確完成轉(zhuǎn)步驟（6）。

（5）處理出錯(cuò)信息后向上層報(bào)告，或重新執(zhí)行。

（6）處理監(jiān)控結(jié)點(diǎn)的后繼結(jié)點(diǎn)，具體做法為：如果監(jiān)控結(jié)點(diǎn)無后繼結(jié)點(diǎn)，則轉(zhuǎn)步驟（7）；如果有后繼結(jié)點(diǎn)，則順序處理監(jiān)控結(jié)點(diǎn)的各個(gè)后繼結(jié)點(diǎn)，刪除監(jiān)控結(jié)點(diǎn)與后繼結(jié)點(diǎn)相關(guān)聯(lián)的邊，檢查后繼結(jié)點(diǎn)的入度信息，如果入度為0，則標(biāo)記為可執(zhí)行結(jié)點(diǎn)，轉(zhuǎn)步驟（3）；如果入度不為0，則不予處理。

（7）執(zhí)行完成，保存結(jié)果，遞交上層。

2.3.3 EOE算法分析

EOE算法的執(zhí)行高效性和實(shí)時(shí)性在于它的主動(dòng)執(zhí)行過程，主要體現(xiàn)在以下2方面：

（1）結(jié)點(diǎn)的執(zhí)行是在執(zhí)行過程中實(shí)時(shí)啟動(dòng)的。在分層算法中，結(jié)點(diǎn)的執(zhí)行順序在任務(wù)運(yùn)行前就已經(jīng)定了下來，同一層次的結(jié)點(diǎn)執(zhí)行是綁定的，一個(gè)結(jié)點(diǎn)的出錯(cuò)會(huì)延誤整個(gè)層次的執(zhí)行進(jìn)度。而在EOE算法中，由于每個(gè)結(jié)點(diǎn)在執(zhí)行條件完備時(shí)立即可執(zhí)行，這樣一旦執(zhí)行過程中有結(jié)點(diǎn)出錯(cuò)，系統(tǒng)延誤會(huì)降到最低，出錯(cuò)結(jié)點(diǎn)只會(huì)影響到自己后繼結(jié)點(diǎn)的執(zhí)行。

（2）結(jié)點(diǎn)的執(zhí)行是主動(dòng)激活模式的。本文將圖的信息保存后，從起始結(jié)點(diǎn)開始執(zhí)行，每個(gè)正確執(zhí)行完成的結(jié)點(diǎn)將激活自己的后繼結(jié)點(diǎn)中所有執(zhí)行條件完備的可執(zhí)行結(jié)點(diǎn)，不可執(zhí)行的結(jié)點(diǎn)丟棄處理，會(huì)由未完成的前驅(qū)結(jié)點(diǎn)稍后激活。這樣的處理將系統(tǒng)所開辟的執(zhí)行即監(jiān)控進(jìn)程降到最低，節(jié)約了系統(tǒng)資源，提高了執(zhí)行效率。

3 應(yīng)用與實(shí)現(xiàn)

系統(tǒng)應(yīng)用在國家海洋信息中心海洋環(huán)境信息云服務(wù)專用服務(wù)器上，初步demo已經(jīng)部署運(yùn)行成功。

在實(shí)驗(yàn)室環(huán)境下，綜合考慮交互頻率和處理負(fù)荷，Web服務(wù)器和數(shù)據(jù)庫服務(wù)器部署在一臺機(jī)器上，而引擎和施動(dòng)層部署在一臺服務(wù)器上，Hadoop平臺由一臺PC做主控服務(wù)器，16臺PC做數(shù)據(jù)服務(wù)器?；A(chǔ)服務(wù)單元，數(shù)據(jù)文件選擇MB級的小文件和GB乃至數(shù)十GB級的中型文件，而可執(zhí)行程序則選擇WordCount和Multyply做模擬運(yùn)行。本文使用了多臺機(jī)器模擬多用戶訪問，其中的一個(gè)任務(wù)的DAG圖和運(yùn)行結(jié)果記錄如圖3所示。

圖3 模擬任務(wù)的DAG圖和運(yùn)行結(jié)果數(shù)據(jù)庫截圖

如果使用分層算法，exe 5為最底層L1，exe 3和exe 4為L2層，exe 2為L3層，exe 0和exe 1為L4層。分析可得各算法效率分析結(jié)果，見表1所列。表1中，執(zhí)行效率r＝tmin／t，r∈ （0，1）。

由表1可見，EOE算法的執(zhí)行效率最接近理論最優(yōu)值，而進(jìn)一步分析數(shù)據(jù)庫中的時(shí)間節(jié)點(diǎn)發(fā)現(xiàn)，EOE算法相對于理論最優(yōu)算法的冗余時(shí)間發(fā)生在當(dāng)可執(zhí)行結(jié)點(diǎn)執(zhí)行完畢處理后續(xù)結(jié)點(diǎn)時(shí)，處理時(shí)延是相對固定的，在可執(zhí)行模型執(zhí)行規(guī)模相對較小時(shí)，這段處理時(shí)延會(huì)在一定程度上影響系統(tǒng)效率，但當(dāng)應(yīng)用在大規(guī)?？蓤?zhí)行模型的執(zhí)行調(diào)度時(shí)，這個(gè)相對固定的處理時(shí)延是可以忽略的。本文嘗試使用GB及數(shù)十GB級的數(shù)據(jù)文件，使得可執(zhí)行模型的執(zhí)行時(shí)間盡量延長，最后可以驗(yàn)證，EOE算法相對于理論最優(yōu)值的處理時(shí)延始終固定在數(shù)秒至數(shù)十秒的規(guī)模。

表1 各算法效率分析對比

由運(yùn)行結(jié)果可以看出，同一種可執(zhí)行模型，由于數(shù)據(jù)、平臺負(fù)載等條件不同，在不同結(jié)點(diǎn)上執(zhí)行時(shí)，執(zhí)行時(shí)間都不相同，但每個(gè)結(jié)點(diǎn)在執(zhí)行條件完備，即所有前趨結(jié)點(diǎn)正確執(zhí)行后都可立即執(zhí)行。

4 結(jié)束語

本文結(jié)合傳統(tǒng)的工作流自動(dòng)化處理機(jī)制，提出了云計(jì)算中實(shí)現(xiàn)SaaS服務(wù)的軟件服務(wù)流模式。首先將底層Hadoop平臺執(zhí)行的復(fù)雜云計(jì)算程序抽象成向用戶提供的服務(wù)模型，用戶的自定制服務(wù)轉(zhuǎn)化成可執(zhí)行模型流程后，由軟件服務(wù)流引擎自動(dòng)調(diào)度處理執(zhí)行，運(yùn)用改進(jìn)的EOE實(shí)時(shí)調(diào)度算法，可最大限度地實(shí)現(xiàn)系統(tǒng)的并行性，同時(shí)監(jiān)控進(jìn)程的實(shí)時(shí)激活機(jī)制也可以將系統(tǒng)的處理開銷降到最低。在海洋環(huán)境信息云體系框架下的應(yīng)用證明了該模式的可行性，目前已經(jīng)對數(shù)十GB級別的執(zhí)行文件和數(shù)十用戶同時(shí)訪問的情況做了可行性驗(yàn)證實(shí)驗(yàn)。

［1］ Li Weiping.An analysis of new features for workflow system in the SaaS software［C］／／International Conference on Interaction Sciences：Information Technology，Culture and Human，Seoul，Korea，2009：110－114.

［2］ 楊 沁，衛(wèi)道柱，潘秀琴.面向需求表達(dá)的個(gè)性化產(chǎn)品協(xié)作式工作流建模［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，33（10）：1462－1467.

［3］ 羅小利，吳清烈.SaaS軟件服務(wù)基于大規(guī)模定制的業(yè)務(wù)邏輯框架研究［J］.電信科學(xué)，2011（9）：26－31.

［4］ Das C，Mohan G H，Roy R，et al.Quo Vadis，SaaS a system dynamics model based enquiry into the SaaS industry［C］／／International Conference on Information Management and Engineering，2010：732－737.

［5］ Borthakur D.HDFS architecture guide［EB／OL］.［2011－10－07］.http：／／hadoop.apache.org／common／docs／current／hdfs－design.html.

［6］ Zhang Liyong，Wen Yan，Han Yanbo.A proactive approach to load balancing of workflow execution in a SaaS environment［C］／／International Symposium on Service Oriented System Engineering，2010：39－46.

［7］ Wu Bin，Deng Shuiguang，Li Ying，et al.Reference models for SaaS oriented business workflow management systems.［C］／／International Conference on Services Computing，2011：242－249.

［8］ 張 曌.基于SOA的網(wǎng)絡(luò)管理系統(tǒng)架構(gòu)及應(yīng)用研究［D］.上海：上海交通大學(xué)，2007.

［9］ 陳四根，蔣增強(qiáng)，安蘇華，等.基于有向圖的工作流建模及其運(yùn)行［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，30（1）：60－65.

［10］ Liu Xiao，Ni Zhiwei，Yuan Dong.A novel statistical timeseries pattern based interval forecasting strategy for activity durations in workflow systems［J］.Journal of Software and System，2011，84：354－376.

［11］ Chen Jianxin，Tang Hai.Research on layering algorithm of DAG［C］／／International Conference on Computer Science and Software Engineering，2008：271－274.