孫寒玉　顧春華　萬　鋒　楊巍巍

(華東理工大學(xué)信息科學(xué)與工程學(xué)院　上海 200237)

?

一種基于權(quán)重的云服務(wù)搜索算法

孫寒玉顧春華萬鋒楊巍巍

(華東理工大學(xué)信息科學(xué)與工程學(xué)院上海 200237)

云計算技術(shù)迅猛發(fā)展，眾多云服務(wù)的功能和服務(wù)質(zhì)量有所不同。針對這種情況，提出一種服務(wù)權(quán)重計算方法。算法通過分析組合服務(wù)和原子服務(wù)的關(guān)系，結(jié)合服務(wù)實例的可靠性、新鮮度和負載度，計算服務(wù)實例權(quán)重值并排行，獲得最優(yōu)實例提供服務(wù)。數(shù)據(jù)分析和仿真實驗表明，算法有效選擇當(dāng)前最優(yōu)服務(wù)實例，提高云平臺的可用性、效率和魯棒性。

云計算服務(wù)組合權(quán)重計算搜索

0　引　言

隨著云計算技術(shù)的發(fā)展，基于云的應(yīng)用開發(fā)需求越來越迫切。開發(fā)者可以根據(jù)業(yè)務(wù)流程在云中尋找服務(wù)或服務(wù)組合，完成業(yè)務(wù)邏輯需求。隨著云計算技術(shù)應(yīng)用日趨廣泛，云服務(wù)的增長速度也在逐漸加快，不可避免出現(xiàn)了大量功能相同或相似的云服務(wù)和服務(wù)組合，簡單的關(guān)鍵詞查找可以在一定程度上解決服務(wù)搜索問題，但云應(yīng)用開發(fā)者需要更準(zhǔn)確更高效的搜索方法。

服務(wù)發(fā)現(xiàn)和服務(wù)組合算法在Web服務(wù)中得到廣泛應(yīng)用，Web服務(wù)搜索排行擁有大量的研究，同時存在多種服務(wù)權(quán)重計算算法。其中一部分以服務(wù)質(zhì)量作為研究重點，文獻[1]通過Web服務(wù)動態(tài)組合來描述服務(wù)質(zhì)量、服務(wù)提供商因子和消費因子等因素，提出基于層次分析法的質(zhì)量計算方法，從而得到更高質(zhì)量的服務(wù)；同樣根據(jù)服務(wù)質(zhì)量作為發(fā)現(xiàn)基礎(chǔ)，文獻[2]考慮服務(wù)的服務(wù)質(zhì)量和用戶對屬性的偏好，根據(jù)用戶選擇服務(wù)行為特點，將不確定主觀權(quán)重加入服務(wù)權(quán)重分析；文獻[3]研究了服務(wù)組合問題，提出服務(wù)干擾模型，使用該模型描述用戶對組合服務(wù)的滿意度，并在計算量上做了研究；文獻[4]提出基于n維空間權(quán)重距離計算，根據(jù)用戶對不同服務(wù)質(zhì)量屬性的偏好設(shè)定權(quán)重距離，根據(jù)閾值設(shè)定返回給用戶的服務(wù)。另一部分使用其他方式計算服務(wù)權(quán)重，對服務(wù)進行排行。文獻[5]調(diào)用服務(wù)歷史數(shù)據(jù)，抽取屬性計算權(quán)重，包括信息的預(yù)處理和粗糙集匹配，實現(xiàn)服務(wù)發(fā)現(xiàn)；文獻[6]提出以Web服務(wù)的關(guān)聯(lián)結(jié)構(gòu)作為基礎(chǔ)的權(quán)重排行計算；文獻[7]通過用戶的輸入和輸出請求以及服務(wù)質(zhì)量的約束，采用服務(wù)最優(yōu)組合迭代替換的方案，快速搜索滿足需求的服務(wù)組合方案；文獻[8]在Web服務(wù)描述語言基礎(chǔ)上，通過倒排序索引表和二分圖匹配完成服務(wù)發(fā)現(xiàn)，通過兩個階段發(fā)現(xiàn)所需要的服務(wù)；文獻[9]在領(lǐng)域本體語義信息的基礎(chǔ)上，提出一種可以自適應(yīng)調(diào)整領(lǐng)域劃分、分配系統(tǒng)資源的服務(wù)發(fā)現(xiàn)體系，主要在服務(wù)的可擴展性、自組織性和自適應(yīng)性上進行分析。

Web服務(wù)的權(quán)重搜索算法已趨于成熟，而云服務(wù)與Web服務(wù)有所不同，云環(huán)境中服務(wù)由運行的服務(wù)實例提供，服務(wù)實例動態(tài)存在，提供服務(wù)的能力會受當(dāng)前實例的可用性、新鮮度和負載程度等因素狀態(tài)的影響，單純的服務(wù)選擇是不可以直接調(diào)用的，用戶希望得到的不是可以直接提供最優(yōu)服務(wù)的服務(wù)實例，如何在眾多實例中找到能夠滿足需求且服務(wù)能力最優(yōu)的服務(wù)，是云框架中服務(wù)搜索的重要問題之一。因此，本文研究了Web服務(wù)的服務(wù)發(fā)現(xiàn)和服務(wù)組合算法及PageRank[10,11]頁面搜索算法，結(jié)合云環(huán)境的特點，提出在以服務(wù)組合關(guān)系計算服務(wù)權(quán)重的基礎(chǔ)上，根據(jù)服務(wù)實例不同時刻提供此服務(wù)的能力計算實例權(quán)重值，并進行排行顯示，為用戶提供最佳選擇。

1　服務(wù)權(quán)重計算

服務(wù)分為原子服務(wù)和組合服務(wù)，原子服務(wù)是不可以再分的服務(wù)，可以直接調(diào)用。每個原子服務(wù)綁定一組輸入輸出信息，組合服務(wù)是由一系列原子服務(wù)組合而成，由各個原子服務(wù)按照一定序列協(xié)同工作而完成。本文選用OWL-S的控制結(jié)構(gòu)來劃分原子服務(wù)和組合服務(wù)，包括：Sequence、Split、Split-Join、Any-Order、Choice、If-Then-Else、Iterate、Repeat-While and Repeat-Until[12]。

定義1組合服務(wù)U：由原子服務(wù)集合SC(U)和原子服務(wù)關(guān)系組合SRL(U)構(gòu)成。

原子服務(wù)集合SC(U)：組成服務(wù)U的原子服務(wù)集合。

SC(U)={si}

其中si為原子服務(wù)。

原子服務(wù)關(guān)系組合SRL(U)：組成組合服務(wù)的原子服務(wù)之間關(guān)系集合。

SRL(U)={(sm,sn)|sm,sn∈SC(U)}

(sm,sn)代表關(guān)系sm→sn，原子服務(wù)sm的輸出為原子服務(wù)sn的輸入，服務(wù)間可按照順序組合。

圖1　組合服務(wù)A的DAG圖

對于原子服務(wù)sm，sm→sn為sm的指出鏈接out(sm)；對于原子服務(wù)sn，sm→sn為sn的指入鏈接in(sn)。

例如：組合服務(wù)A，由s1，s3，s4，s7，s9，s13組合而成，如圖1所示。

則表示如下：

SC(A)={s1,s3,s4,s7,s9,s13}

SRL(A)={(s1,s3),(s1,s4),(s3,s7),(s3,s9),(s4,s9),(s7,s13),(s9,s13)}

定義2服務(wù)權(quán)重值SR：衡量服務(wù)質(zhì)量的標(biāo)準(zhǔn)。

原子服務(wù)s的指入鏈接數(shù)量越多，則SR(s)越大；

指向原子服務(wù)s的服務(wù)的SR越大，則SR(s)越大。

SR(s)計算方法：

1) ?s∈S,SR(s)=kS為所有原子服務(wù)結(jié)合，k為初始權(quán)重值；為每一個原子服務(wù)s賦予初始值。

SR(s)：原子服務(wù)s的權(quán)重值；

B(s)：指向原子服務(wù)s的原子服務(wù)集合；

圖2　原子服務(wù)權(quán)重分配圖

SR(v):原子服務(wù)v的權(quán)重值，原子服務(wù)v存在鏈接指向原子服務(wù)s；

Nv：原子服務(wù)v所有指出鏈接的個數(shù)；

4) 重復(fù)計算第3步，直到任意原子服務(wù)的權(quán)重值趨向穩(wěn)定。

利用上述過程計算權(quán)重值，如圖2所示。

圖2中原子服務(wù)關(guān)系：

SRL(S)={(…,s1),(…,s2)(s1,s3),(s2,s3),(s2,s4),

(s3,…)(s4,…)}

原子服務(wù)s1只有一條指出鏈接，則指出鏈接得到的權(quán)重為3，原子服務(wù)s2存在2條指出鏈接，則每條鏈接得到的權(quán)重為200/2=10，原子服務(wù)s3的指入鏈接有兩條，權(quán)重值分別為3和100，所以在這一輪計算s3的權(quán)重值修改為100+3=103,s4的權(quán)重值為100。

原子服務(wù)s2的權(quán)重值遠遠大于s1的權(quán)重值，那么他們對原子服務(wù)s3的影響是不同的，而原子服務(wù)s1對s3的影響顯的微不足道，因此在計算權(quán)限值傳遞時，引入阻尼系數(shù)d，取值在0～1之間,N為所有服務(wù)的個數(shù)，引入N，使所有服務(wù)的權(quán)重值相加為1。第3步計算原子服務(wù)s權(quán)重值公式為：

(1)

定義3組合服務(wù)權(quán)重值SR(U)由原子服務(wù)的權(quán)重值計算得到。由于計算復(fù)雜，且計算結(jié)果可以代表一段時間內(nèi)的權(quán)重排行，因此引入計算周期Δt，經(jīng)過Δt時間計算一次。計算公式為：

(2)

SR(U)：組合服務(wù)U的權(quán)重值；

SC(U)：組合服務(wù)U的原子服務(wù)集合；

s：組合服務(wù)U的原子服務(wù)；

SR(s)：原子服務(wù)s的權(quán)重值；

N(s)：原子服務(wù)s在此組合服務(wù)的原子服務(wù)關(guān)系集合SRL(U)中出現(xiàn)的次數(shù)；

T(U)：組合服務(wù)U的原子服務(wù)關(guān)系集SRL(U)中的關(guān)聯(lián)次數(shù)。

若服務(wù)權(quán)重關(guān)系及組合如圖1所示，各原子服務(wù)有其各自的權(quán)重值，那么此組合服務(wù)的權(quán)重值為：

SR(A)=(10×2+5×3+20×2+6×2+3×3+2×8)/(2×7)

=8

定義4實例權(quán)重值IR(U)由實例提供服務(wù)的權(quán)重值SR(U)和服務(wù)實例運行參數(shù)計算得到。

IR(Ui)=SR(U)D(Ui)F(Ui)L(Ui)

(3)

IR(Ui)：能夠提供服務(wù)U的實例Ui的權(quán)重值；

SR(U)：服務(wù)U的權(quán)重值；

D(Ui)：實例Ui的可靠率；

F(Ui)：實例Ui新鮮度；

L(Ui)：實例Ui負載程度。

由各參數(shù)影響，IR的取值區(qū)間(0.002SR，2SR)。

實例運行參數(shù)包括：

1) 可靠性

實例的可靠性由實例可靠率D(Ui)衡量。

D(Ui)=1-f0

(4)

f為一段給定且連續(xù)時間內(nèi)測試服務(wù)發(fā)生故障的頻率當(dāng)實例未被使用，可靠性D(Ui)=1。

2) 新鮮度

實例的新鮮程度由實例的最后使用時間t(u)決定。

若t(u)在ɑ時間內(nèi)，則F(Ui)設(shè)為1+e，其中e為比例參數(shù)公式如下：

F(Ui)=1+e

(5)

(6)

若t(u)在大于ɑ時間，小于β時間的時間內(nèi)，公式如下：

(7)

若t(u)在大于β時間內(nèi)，我們認(rèn)為服務(wù)已經(jīng)很久未被使用，服務(wù)新鮮度為恒定的值，公式如下：

(8)

t(now)：現(xiàn)在的時間；

t(u)：實例最后使用時間。

ɑ和β為時間系數(shù)，根據(jù)云環(huán)境中服務(wù)實例的使用情況設(shè)定。當(dāng)實例未被使用，F(xiàn)(Ui)=1。

3) 負載程度

負載程度根據(jù)服務(wù)實例動態(tài)CPU使用情況設(shè)為五個級別：無負荷(80%～100%)、輕微負荷(60%～80%)、中等負荷(40%～60%)、重度負荷(20%～40%)和完全負荷(0～20%)。

2　數(shù)據(jù)分析

定義si為原子服務(wù)，各原子服務(wù)之間存在組合關(guān)系，通過指出鏈接和指入鏈接表示相應(yīng)組合關(guān)系。如圖3所示。

圖3　原子服務(wù)例圖及鄰接表

2.1理論分析

圖3中將原子服務(wù)及原子服務(wù)之間關(guān)系描述為有向圖，其中s1為創(chuàng)建虛擬機服務(wù)，s2為驗證服務(wù)，s3提供鏡像服務(wù)，s4為配置網(wǎng)絡(luò)服務(wù)有向圖和矩陣式可以相互轉(zhuǎn)化的，因此使用矩陣A表示原子服務(wù)及原子服務(wù)之間關(guān)系。將矩陣A中各個數(shù)值除以各行的非零要素后得到概率矩陣M，M表示原子服務(wù)si到原子服務(wù)sj的概率。

在隨機過程理論中，M稱為轉(zhuǎn)移概率矩陣。每一次迭代過程相當(dāng)于用上一次迭代結(jié)果乘以矩陣M。這種離散狀態(tài)按照離散的時間隨機轉(zhuǎn)移過程稱為馬爾科夫鏈。設(shè)轉(zhuǎn)移概率矩陣為P，若存在正整數(shù)N，使得P^N>0(每個元素大于0)，這種鏈被稱作正則鏈。在云存儲環(huán)境的實際應(yīng)用情況中，服務(wù)和服務(wù)之間的關(guān)系屬于正則鏈。而正則鏈存在唯一的極限狀態(tài)概率且與初始狀態(tài)無關(guān)。因此，理論上可以將求解原子服務(wù)權(quán)重問題轉(zhuǎn)化為求馬氏鏈的平穩(wěn)分布問題，公式如下，其中SR(si)代表原子服務(wù)si的服務(wù)權(quán)重值：

SR(s1)=SR(s2)/2

SR(s2)=SR(s1)/3+SR(s3)/2+SR(s4)

SR(s3)=SR(s1)/3+SR(s2)/2

SR(s4)=SR(s1)/3+SR(s3)/2

SR(s1)+SR(s2)+SR(s3)+SR(s4)=1

解得：

SR(s1)=0.1875SR(s2)=0.375

SR(s3)=0.25SR(s3)=0.1875

由結(jié)果分析，指入鏈接越多，原子服務(wù)的權(quán)重值越高，表示該原子服務(wù)質(zhì)量越好。

2.2數(shù)據(jù)分析

根據(jù)定義2計算過程計算圖3中原子服務(wù)權(quán)重，不考慮阻尼系數(shù)，初始值設(shè)為1時實際迭代情況如表1和圖4所示。

表1　SR(s)迭代計算表(初始權(quán)重為1)

圖4　SR(s)迭代趨勢圖(初始權(quán)重為1)

經(jīng)分析得，多次迭代后，原子服務(wù)的權(quán)重值達到平穩(wěn)，與理論分析中馬氏鏈求出結(jié)果關(guān)系如下：

SR(s1)：0.7499/0.1875=4.000

SR(s2)：1.4999/0.375=4.000

SR(s3)：0.9999/0.25=4.000

SR(s4)：0.7500/0.1875=4.000

由計算結(jié)果得到，經(jīng)過多次迭代的原子服務(wù)權(quán)重值與理論分析中馬氏鏈求出結(jié)果為倍數(shù)關(guān)系。

根據(jù)式(1)計算原子服務(wù)權(quán)重，阻尼系數(shù)設(shè)為0.85，初始權(quán)重值設(shè)為1，迭代如表2和圖5所示。

表2　SR(s)迭代計算表(d=0.85，初始權(quán)重為1)

圖5　SR(s)迭代趨勢圖(d=0.85，初始權(quán)重為1)

根據(jù)式(1)計算原子服務(wù)權(quán)重值，阻尼系數(shù)設(shè)為0.85，各服務(wù)初始權(quán)重值設(shè)為指出鏈接的倒數(shù)，s1的初始權(quán)重值為1/3，s2的初始權(quán)重值為1/2，s3的初始權(quán)重值為1/2，s4的初始權(quán)重值為1。迭代如表3和圖6所示。

表3　SR(s)迭代計算表(d=0.85，初始權(quán)重為指出鏈接倒數(shù))

圖6　SR(s)迭代趨勢圖(d=0.85，初始權(quán)重為指出鏈接倒數(shù))

經(jīng)分析得到，無論原子服務(wù)的初始權(quán)重值為多少，經(jīng)過多次迭代，最終穩(wěn)定權(quán)重值是相同的。所以，加入阻尼系數(shù)后，初始權(quán)重值對最終原子服務(wù)的權(quán)重值是沒有影響的，服務(wù)權(quán)重值會最終達到平穩(wěn)，且代表服務(wù)的重要性，權(quán)重值越大，則服務(wù)越重要。

在表3中，權(quán)重值在迭代了20次左右時已經(jīng)達到相對平穩(wěn)，大大減少了迭代次數(shù)，因此，選擇好的初始權(quán)重值可以減少計算權(quán)重值的迭代次數(shù)，提高計算效率。

3　實驗驗證

使用netlogo仿真平臺實驗，從更多服務(wù)的角度，定義11個原子服務(wù)si，如圖7所示，圖形圓代表服務(wù)，圖形圓邊的數(shù)字代表服務(wù)權(quán)重值，同時為了更好地查看效果，原子服務(wù)的權(quán)重值越大，代表其的圖形圓的面積就越大。圓之間的有向連線代表服務(wù)之間的組合關(guān)系。為每一個服務(wù)賦予初始權(quán)重值，計算過程中權(quán)重值取小數(shù)點后三位，ticks代表迭代次數(shù)。

圖7　實例權(quán)重分布圖

圖7中表示經(jīng)過36次迭代后服務(wù)權(quán)重值的變化，可以分析得到，擁有最多的指入鏈接的圓面積最大，代表其服務(wù)權(quán)重值也是最高的0.384，說明服務(wù)的指入鏈接越多，證明有越多的服務(wù)可以和其組合，說明此服務(wù)越重要。

圖8中將服務(wù)權(quán)重值以曲線的形式顯示，可以看到，各服務(wù)最終權(quán)重值會達到穩(wěn)定，并且服務(wù)越重要，其權(quán)重值越高。最終可以輸出按照權(quán)重值大小排序的原子服務(wù)和其權(quán)重值。

圖8　服務(wù)權(quán)重曲線圖

服務(wù)權(quán)重最高的服務(wù)代表最重要的服務(wù)，此服務(wù)由云框架中不同服務(wù)實例提供，服務(wù)實例存在動態(tài)生存周期，虛擬實例具有三個參數(shù)：fresh代表實例新鮮度，取值范圍(0.1,2)， reliability代表實例可靠性，取值范圍(0.1,1)，load代表實例負載程度，取值集合{20%，40%，60%，80%，100%}。在netlogo中仿真三種因素在不同實例的運行狀態(tài)。如圖9所示，定義6個提供最高權(quán)重服務(wù)的實例，圖形圓代表實例，圖形圓邊的數(shù)字代表實例權(quán)重值，實例的權(quán)重值越大，代表其的圖形圓的面積就越大。

圖9　實例權(quán)重分布圖

圖9表示提供服務(wù)的服務(wù)實例權(quán)重值在不同時刻的權(quán)重值情況，最大的圓代表的具有最高權(quán)重值的實例，代表當(dāng)前時刻此實例可以提供最優(yōu)的服務(wù)，提供的服務(wù)能力最高。

如圖10(左)所示，曲線代表的實例權(quán)重隨時刻的不同而發(fā)生變化，表明實例權(quán)重值并不是一成不變的，隨著實例的新鮮度、負載程度和可信度的變化而變化，權(quán)重值高，則實例此時能夠服務(wù)的能力高。

圖10(右)為多個實例的權(quán)重值隨時間變化的曲線，在任意時刻都可以對這些實例的權(quán)重值比較，同時輸出比較結(jié)果，權(quán)重值高的則排在前面，方便用戶選擇。得到權(quán)重值最高，最優(yōu)提供服務(wù)的實例。

圖10　實例權(quán)重曲線圖

4　實驗結(jié)論

通過數(shù)據(jù)分析可以得到無論原子服務(wù)的初始權(quán)重值設(shè)為多少，經(jīng)過多次迭代，最權(quán)重值會逐漸收斂，達到穩(wěn)定；加入阻尼系數(shù)使得無論原子服務(wù)的初始權(quán)重值設(shè)為多少，最后得到的權(quán)重值是一致的；加入服務(wù)數(shù)量N使得最終得到的服務(wù)權(quán)重值總和為1，控制原子服務(wù)權(quán)重值的數(shù)量級；初始權(quán)重值取值會影響到權(quán)重值計算的迭代次數(shù)，初始權(quán)重值取值越接近總服務(wù)數(shù)的倒數(shù)，最終權(quán)重值達到平穩(wěn)的計算次數(shù)就越少，所以初始值的選擇會直接影響計算效率。

由仿真實驗可以得到服務(wù)的指入鏈接越多，此服務(wù)的權(quán)重值就越高，則說明與此服務(wù)組合的服務(wù)越多，此服務(wù)越重要。計算得到實例權(quán)重值，實例權(quán)重值在不同時刻有明顯不同，實例的服務(wù)能力在不同時刻受其新鮮程度、可靠性和負載度的影響，而算法可以對多個提供相同服務(wù)的實例進行新鮮程度、可靠性和負載度的對比，提高云平臺的整體性能，增加了云平臺提供服務(wù)的高可用性、減少數(shù)據(jù)遷移量，提高效率，有效提高云平臺的魯棒性。

5　結(jié)　語

本文針對以服務(wù)實例提供計算資源的云平臺，通過服務(wù)組合關(guān)聯(lián)計算服務(wù)權(quán)重值，從云平臺整體性能的角度，對可靠性、數(shù)據(jù)遷移量和魯棒性進行分析，將實例生存周期中的可靠性、新鮮度和負載度作為參數(shù)計算實例權(quán)重值，并對提供服務(wù)的虛擬機實例進行權(quán)重值排序，為云應(yīng)用開發(fā)者提供當(dāng)前時刻最優(yōu)選擇。算法提高服務(wù)權(quán)重值及實例權(quán)重值的計算效率，但與服務(wù)請求內(nèi)容無關(guān)。因此在之后的研究中將使用領(lǐng)域本體語言描述服務(wù)及服務(wù)組合，利用本體相似算法，達到服務(wù)搜索的準(zhǔn)確性和高效性。

[1] 張琦,侯紅.Web服務(wù)動態(tài)組合中QoS計算方法研究[J].計算機工程,2011,37(12):41-43.

[2] 樊志強,申菊芳,王守信.基于不確定主觀權(quán)重的Web服務(wù)選擇[C]//2009中國計算機大會論文集,2009:595-603.

[3] 王慧,楊德國,高遠.一個基于QoS的服務(wù)路徑發(fā)現(xiàn)和恢復(fù)算法[J].東北大學(xué)學(xué)報:自然科學(xué)版,2008,29(2):209-212.

[4] 李珍,王紅兵.Web Services的權(quán)重空間距離和定量選擇[J].計算機工程與科學(xué),2011,33(10):182-185.

[5] 趙旭,黃永忠,安留洋.基于屬性權(quán)重和粗糙集的網(wǎng)格服務(wù)發(fā)現(xiàn)算法[J].計算機應(yīng)用,2012,32(1):167-169.

[6] 朱怡安,雷萬保.基于服務(wù)關(guān)聯(lián)模型的服務(wù)排序算法——ServiceRank[J].電子科技大學(xué)學(xué)報,2011,40(4):607-611.

[7] 馬環(huán)宇,姜偉,虎嵩林.QSynth-TopK:一個支持Top K查詢的質(zhì)量敏感的自動服務(wù)組合系統(tǒng)[J].電子學(xué)報,2012,40(10):1933-1937.

[8] 李季輝,賈永偉.基于索引表和二分圖的Web服務(wù)操作發(fā)現(xiàn)[J].計算機工程,2012,38(13):37-39,43.

[9] 姚燚,曹玖新,劉波.基于語義的可擴展Web服務(wù)注冊與發(fā)現(xiàn)機制[J].東南大學(xué)學(xué)報:自然科學(xué)版,2010,40(2):264-269.

[10] Kumar G,Duhan N,Sharma A K.Page Ranking Based on Number of Visits of Links of Web Page[C]//International Conference on Computer & Communication Technology (ICCCT),2011.

[11] Liu Y,Xu P.The Research of Optimizing Page Ranking Based on User’s Feature[C]//International Conference on Industrial Control and Electronics Engineering,2012.

[12] OWL-S:Semantic Markup for Web Services[EB/OL].(2004-11-22).[2014-09-11].http://www.w3.org/Submission/OWL-S/,2004.

A CLOUD SERVICE SEARCHING ALGORITHM BASED ON WEIGHT

Sun HanyuGu ChunhuaWan FengYang Weiwei

(SchoolofInformationScienceandEngineering,EastChinaUniversityofScienceandTechnology,Shanghai200237,China)

Cloud computing technology is developing rapidly, various functions and qualities of cloud services differ from each other. In view of this, we propose a service weight computation algorithm. The algorithm computes and ranks the weight of service instances by analysing the relationship of atom service and composition service and combining with reliability, novelty and load degree of service instances to obtain best instance for providing service. Data analysis and simulation experiment all show that the algorithm can pick up optimal current service instance, and promote cloud platform’s high availability, efficiency and robustness.

Cloud computingService compositionWeight computationSearching

2014-09-17。孫寒玉，碩士，主研領(lǐng)域：云計算方面研究。顧春華，教授。萬鋒，高級實驗師。楊巍巍，碩士。

TP3

A

10.3969/j.issn.1000-386x.2016.03.008