朱 明，李躍新

(湖北大學(xué) 計算機(jī)與信息工程學(xué)院，武漢 430064)

大數(shù)據(jù)服務(wù)深度需求與SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制

朱 明，李躍新

(湖北大學(xué) 計算機(jī)與信息工程學(xué)院，武漢 430064)

大數(shù)據(jù)服務(wù)需求的認(rèn)知深度和服務(wù)架構(gòu)的融合度直接影響多業(yè)務(wù)大數(shù)據(jù)應(yīng)用的資源管理和服務(wù)質(zhì)量，提出了一種基于大數(shù)據(jù)服務(wù)深度需求分析和面向服務(wù)的協(xié)作集成架構(gòu)的異構(gòu)系統(tǒng)融合機(jī)制；該機(jī)制，一方面，在分析大數(shù)據(jù)源多樣化、差異化大數(shù)據(jù)組織形式及其存儲方式，基于開放性大數(shù)據(jù)服務(wù)上下文，以及上下文集合的關(guān)聯(lián)匹配與大數(shù)據(jù)服務(wù)分析的映射關(guān)系，結(jié)合不同類型用戶的需求差異化特征，建立了大數(shù)據(jù)服務(wù)需求分析模型；另一方面，對于多態(tài)異構(gòu)的移動互聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)，經(jīng)過結(jié)構(gòu)化和開放性處理后，給出大數(shù)據(jù)通信和服務(wù)調(diào)用描述定義，提出了SOA協(xié)作集成的異構(gòu)系統(tǒng)融合架構(gòu)；仿真實驗結(jié)果表明，所提出的算法在大數(shù)據(jù)服務(wù)響應(yīng)成功率、執(zhí)行時間和代價比等方面具有明顯優(yōu)勢。

大數(shù)據(jù); 服務(wù)深度需求；面向服務(wù)的架構(gòu)；協(xié)作集成；異構(gòu)融合

0 引言

移動互聯(lián)網(wǎng)環(huán)境下，大數(shù)據(jù)服務(wù)需求的保障架構(gòu)所考慮的服務(wù)框架[1]、系統(tǒng)設(shè)計[2]等難以滿足多應(yīng)用并發(fā)深度需求。因此，如何設(shè)計軟件硬件集成系統(tǒng)[3]的異構(gòu)體系成為熱點問題。于是，基于SaaS系統(tǒng)[4]、基于產(chǎn)品分類服務(wù)的大數(shù)據(jù)系統(tǒng)[5]和基于云平臺的大數(shù)據(jù)架構(gòu)[6]得到深入研究。

大數(shù)據(jù)服務(wù)研究方面，文獻(xiàn)[7]研究了大數(shù)據(jù)環(huán)境下數(shù)據(jù)服務(wù)能力開放業(yè)務(wù)內(nèi)容及其開放平臺的建設(shè)思路。文獻(xiàn)[8]提出了一種安全管理方案，用戶從不同的網(wǎng)絡(luò)環(huán)境中獲取大數(shù)據(jù)服務(wù)，并結(jié)合大數(shù)據(jù)和用戶的屬性信息，保護(hù)云環(huán)境中的大數(shù)據(jù)用戶的隱私和數(shù)據(jù)本身。通過引入時間變量，并且動態(tài)地分析敏感屬性和身份識別等信息，文獻(xiàn)[9]基于差分隱私保護(hù)機(jī)制研究了一種位置大數(shù)據(jù)發(fā)布模型。基于主題的相關(guān)性和大數(shù)據(jù)服務(wù)質(zhì)量，結(jié)合用戶需求的連通性因素，文獻(xiàn)[10]提出了一種大數(shù)據(jù)用戶需求建模方法。SOA異構(gòu)系統(tǒng)方面，文獻(xiàn)[11]分析了異構(gòu)系統(tǒng)數(shù)據(jù)共享及其通信平臺。將云計算的虛擬化和分布式并行數(shù)據(jù)處理有機(jī)結(jié)合，文獻(xiàn)[12]基于SOA云架構(gòu)的提出了一種用于海量異構(gòu)資源高效管理的業(yè)務(wù)平臺。通過選擇最適當(dāng)?shù)木W(wǎng)絡(luò)對給定的事務(wù)級業(yè)務(wù)建模，并約束其業(yè)務(wù)上下文和服務(wù)質(zhì)量，文獻(xiàn)[13]基于系統(tǒng)服務(wù)集成解決了活躍狀態(tài)的應(yīng)用業(yè)務(wù)驅(qū)動問題。文獻(xiàn)[14]整合了廣泛性應(yīng)用企業(yè)架構(gòu)框架SOA元素。

然而，上述研究對于大數(shù)據(jù)服務(wù)的上下文開放性問題未深入分析，同時基于SOA架構(gòu)的異構(gòu)系統(tǒng)的融合問題未做討論，因此，在已有研究基礎(chǔ)上，本文提出了一種大數(shù)據(jù)服務(wù)深度需求與SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制。

1 大數(shù)據(jù)服務(wù)需求分析模型

數(shù)據(jù)來源多樣化導(dǎo)致數(shù)據(jù)組織形式和數(shù)據(jù)存儲方式存在較大差異，同時不同規(guī)模的數(shù)據(jù)和不同類型用戶的差異化要求使得數(shù)據(jù)服務(wù)需求分析面臨多方面挑戰(zhàn)。此外，異構(gòu)大數(shù)據(jù)服務(wù)需求和大數(shù)據(jù)分析面臨如下幾方面問題：

1)面臨復(fù)雜的大數(shù)據(jù)組織結(jié)構(gòu)和形式化數(shù)據(jù)信息映射，如何實現(xiàn)大數(shù)據(jù)的結(jié)構(gòu)化管理和可視化大數(shù)據(jù)服務(wù)需求建模。

2)如何從高冗余度的大數(shù)據(jù)進(jìn)行低耗傳輸和高效挖掘；

3)大數(shù)據(jù)來源于多樣化業(yè)務(wù)，要為多樣化用戶需求服務(wù)，兩者之間的關(guān)聯(lián)具有隨機(jī)性和不可預(yù)測性，因此如何調(diào)用大數(shù)據(jù)和按需分析成為關(guān)鍵。

針對上述問題，從大數(shù)據(jù)的結(jié)構(gòu)化、可視化和微觀關(guān)聯(lián)映射出發(fā)，建立大數(shù)據(jù)服務(wù)需求分析模型。

為了實現(xiàn)非結(jié)構(gòu)化大數(shù)據(jù)的形式化描述和服務(wù)需求的匹配關(guān)聯(lián)，給出開放性大數(shù)據(jù)服務(wù)上下文定義，如定義1所示。

定義1(開放性大數(shù)據(jù)服務(wù)上下文的表示)：

在開放性大數(shù)據(jù)資源中，將大數(shù)據(jù)服務(wù)上下文描述為一個三元組：obr=(OLocker, CT, CS)，其中，OLocker是開放性鎖定標(biāo)識符，用于表示大數(shù)據(jù)是否具備開放性特征，是非結(jié)構(gòu)化大數(shù)據(jù)形式化描述的依據(jù)；CT是大數(shù)據(jù)服務(wù)的上下文標(biāo)識符，用于建立大數(shù)據(jù)服務(wù)與需求的映射；CS是大數(shù)據(jù)服務(wù)與上下文匹配標(biāo)識符，用于反映關(guān)聯(lián)匹配水平。

假設(shè)大數(shù)據(jù)源bdi和上下文集合CTi，按照定義1給出了形式化大數(shù)據(jù)服務(wù)匹配率計算模型，如公式(1)所示。

(1)

其中，Mr表示大數(shù)據(jù)服務(wù)匹配率，函數(shù)Context用于獲取大數(shù)據(jù)服務(wù)的上下文集合，CST表示關(guān)聯(lián)匹配閾值。

在大數(shù)據(jù)形式化后，基于關(guān)聯(lián)匹配的大數(shù)據(jù)上下文，大數(shù)據(jù)服務(wù)需求分析過程可表示為：R={Mi,Ci,Rq,MR}。其中，Mi表示服務(wù)需求關(guān)聯(lián)匹配的大數(shù)據(jù)集合，Ci表示多個關(guān)聯(lián)匹配大數(shù)據(jù)集合的上下文集合，Rq表示大數(shù)據(jù)服務(wù)分析結(jié)果，MR表示服務(wù)需求匹配后的大數(shù)據(jù)集合。

大數(shù)據(jù)服務(wù)需求分析過程R中，當(dāng)大數(shù)據(jù)規(guī)模和匹配閾值固定時，大數(shù)據(jù)服務(wù)需求分析的準(zhǔn)確率Si如公式(2)，此時所產(chǎn)生的大數(shù)據(jù)冗余規(guī)模BDR如公式(3)所示。大數(shù)據(jù)服務(wù)需求分析結(jié)構(gòu)如圖1所示，分析算法如算法1所示。

(2)

(3)

每個大數(shù)據(jù)服務(wù)分析結(jié)果在多維數(shù)據(jù)空間上的動態(tài)關(guān)聯(lián)映射的延遲dc如公式(4)，更新延遲uc如公式(5)。

(4)

圖1 大數(shù)據(jù)服務(wù)需求分析架構(gòu)

首先計算大數(shù)據(jù)源對應(yīng)的開放性上下文，再將每一個上下文集合的關(guān)聯(lián)匹配與大數(shù)據(jù)服務(wù)分析的映射關(guān)系進(jìn)行比對，根據(jù)匹配度得出大數(shù)據(jù)服務(wù)分析結(jié)果，具體算法描述如算法1 ReqAna Algorithm所述。

算法1：ReqAna Algorithm 大數(shù)據(jù)服務(wù)需求分析算法

Input: Mr, CSi, BD.

Initialization: R, obr

Output: Rq

1)CST=0;

2)while(BD)

3)tp=BDi;

4)CTi=Context(tp);

5)BDi+1=CTi⊙tp;

6)CST=‖CTi‖·CS;

7)end while

8)tm=‖MR‖;

11)Si=1-CS(tq)tm;

12)Rq=R∩obr·Si;

13)return Rq;

14)end

2 SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制

當(dāng)大數(shù)據(jù)服務(wù)需求分析精度滿足封閉性和開放性特性時，需要根據(jù)特定應(yīng)用需求構(gòu)建分布式異構(gòu)系統(tǒng)。然而，異構(gòu)系統(tǒng)和多態(tài)移動互聯(lián)網(wǎng)運行環(huán)境對分布式異構(gòu)系統(tǒng)的架構(gòu)和大數(shù)據(jù)映射關(guān)系提出了新的挑戰(zhàn)。傳統(tǒng)服務(wù)模型的映射矩陣和控制代碼是固定的，難以適應(yīng)多態(tài)移動互聯(lián)網(wǎng)的實時性組合和裝配要求，同時難以解決大數(shù)據(jù)深度服務(wù)建模與融合問題。

因此，基于SOA協(xié)作與大數(shù)據(jù)服務(wù)分析模型有機(jī)融合，結(jié)合移動互聯(lián)網(wǎng)，以提高大數(shù)據(jù)服務(wù)需求分析與規(guī)劃下異構(gòu)系統(tǒng)的控制與管理為目標(biāo)，通過大數(shù)據(jù)服務(wù)需求分析模型整合大數(shù)據(jù)資源，引入異構(gòu)系統(tǒng)融合機(jī)制，分布式系統(tǒng)的大數(shù)據(jù)服務(wù)按需融合，構(gòu)建實時可靠的系統(tǒng)模型，從而快速構(gòu)建大數(shù)據(jù)服務(wù)應(yīng)用以滿足多樣化用戶的異構(gòu)需求。

對于多態(tài)異構(gòu)的移動互聯(lián)網(wǎng)的大數(shù)據(jù)服務(wù)，經(jīng)過結(jié)構(gòu)化和開放性處理后，給出大數(shù)據(jù)通信和服務(wù)調(diào)用描述定義。這些描述可以很好地發(fā)現(xiàn)和綁定大數(shù)據(jù)服務(wù)的動態(tài)需求和滿足SOA協(xié)作運行時的資源需求。SOA協(xié)作集成的異構(gòu)系統(tǒng)使用了下面的元素對大數(shù)據(jù)服務(wù)進(jìn)行描述：

(1)Scale：大數(shù)據(jù)規(guī)模標(biāo)識，適用于開放性服務(wù)系統(tǒng)。

(2)BigData_Call：大數(shù)據(jù)調(diào)用請求消息幀結(jié)構(gòu)封閉化定義。其中，BigData由一系列大數(shù)據(jù)節(jié)點組成，每個節(jié)點分配額唯一的Scale，通過Call今晨而過形成大數(shù)據(jù)調(diào)用消息集合。

(3)SOA_Call：大數(shù)據(jù)服務(wù)需求分析結(jié)果的抽象描述和對BigData_Call的響應(yīng)。每個SOA元素對應(yīng)一個Call映射的大數(shù)據(jù)資源管理數(shù)據(jù)幀序列。

(4)SOA_Type：對于每個SOA協(xié)作大數(shù)據(jù)通信點，設(shè)定專屬類型的服務(wù)操作符。該服務(wù)操作符集合指定了一系列大數(shù)據(jù)服務(wù)保障類型。該保障包括：大數(shù)據(jù)存儲幀格式、大數(shù)據(jù)通信模式和大數(shù)據(jù)服務(wù)幀格式。

(5)Coo_Integrate：SOA協(xié)作集成所需的控制協(xié)議和集成方案。該描述給出了SOA_Type與BigData_Call、SOA_Call的映射接口和協(xié)作控制協(xié)議。該映射接口通過大數(shù)據(jù)服務(wù)消息幀與服務(wù)描述的線性綁定，實現(xiàn)大數(shù)據(jù)和SOA的集成調(diào)用。

(6)fusion_Ctonrol：大數(shù)據(jù)服務(wù)SOA協(xié)作集成控制協(xié)議，該協(xié)議在SOA協(xié)作架構(gòu)下控制封閉型大數(shù)據(jù)源和移動互聯(lián)網(wǎng)平臺的異構(gòu)融合。該融合控制描述了異構(gòu)融合與大數(shù)據(jù)服務(wù)需求的映射關(guān)聯(lián)進(jìn)程。該關(guān)聯(lián)進(jìn)程的功能有移動互聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)地址轉(zhuǎn)換、大數(shù)據(jù)服務(wù)需求映射地址尋址和融合消息數(shù)據(jù)幀控制等。

(7)fusion_R_S：異構(gòu)系統(tǒng)融合大數(shù)據(jù)服務(wù)需求與響應(yīng)標(biāo)識。該標(biāo)識描述了在移動互聯(lián)網(wǎng)平臺上部署大數(shù)據(jù)服務(wù)所需要的各類控制請求、響應(yīng)和服務(wù)幀。在SOA協(xié)作集成的異構(gòu)系統(tǒng)融合進(jìn)程中，每個大數(shù)據(jù)服務(wù)需求通過一個請求和服務(wù)序列對實現(xiàn)大數(shù)據(jù)服務(wù)保障。

在異構(gòu)融合系統(tǒng)中，單個大數(shù)據(jù)服務(wù)需求分析與服務(wù)仿真忽視了大數(shù)據(jù)內(nèi)在關(guān)聯(lián)和線性關(guān)系，需要結(jié)合移動互聯(lián)網(wǎng)的多態(tài)特征，以SOA為核心，對大數(shù)據(jù)服務(wù)進(jìn)行深度需求分析。在SOA協(xié)作中，大數(shù)據(jù)實體需求分析模型必須適應(yīng)移動互聯(lián)網(wǎng)的多態(tài)行為，實現(xiàn)深度需求分析。這種深度分析主要表現(xiàn)為不同狀態(tài)的需求分析建模和不同規(guī)模的大數(shù)據(jù)源建模。上述模型可以深度獲取多態(tài)下大數(shù)據(jù)實體描述標(biāo)識。大數(shù)據(jù)服務(wù)深度需求的多態(tài)標(biāo)識與SOA協(xié)作集成系統(tǒng)之間實時交互融合信息。因此，為了獲取更為實時可靠的大數(shù)據(jù)服務(wù)需求和保障移動互聯(lián)網(wǎng)應(yīng)用，多態(tài)下大數(shù)據(jù)服務(wù)深度需求尤為重要，如圖2所示。圖2中，n表示關(guān)聯(lián)映射后的深度需求序列個數(shù)，k表示圓形窗口滑動次數(shù)。SOA協(xié)作集成的異構(gòu)融合系統(tǒng)架構(gòu)如圖3所示。

大數(shù)據(jù)服務(wù)深度需求之間存在一定的相似度，根據(jù)開放性大數(shù)據(jù)服務(wù)上下文和SOA協(xié)作控制，根據(jù)公式(6)計算相似度。

(6)

其中：函數(shù)SOA用于獲得SOA協(xié)作控制的大數(shù)據(jù)集合。

在SOA協(xié)作集成的異構(gòu)融合過程中，根據(jù)大數(shù)據(jù)服務(wù)需求深度分析的序列和多態(tài)條件約束，結(jié)合移動互聯(lián)網(wǎng)平臺不同要求的泛在目標(biāo)優(yōu)化，基于SOA與多態(tài)大數(shù)據(jù)服務(wù)行為的集成，給出泛在目標(biāo)優(yōu)化函數(shù)的求解公式(7)和(8)。其中，公式(8)所述的多態(tài)約束條件是實現(xiàn)公式(7)所示的優(yōu)化函數(shù)的前提。

(7)

(8)

圖2 多態(tài)下大數(shù)據(jù)服務(wù)深度需求描述

圖3 SOA協(xié)作集成的異構(gòu)融合系統(tǒng)架構(gòu)

3 實驗結(jié)果分析

在一個由Matlab與C語言組成的，具有通用性和兼容性的模擬仿真實驗平臺上，對若干個傳感器組成的大數(shù)據(jù)源的服務(wù)進(jìn)行異構(gòu)系統(tǒng)融合性能分析與評價。這些傳感器部署在800米*800米的室外空曠場地，執(zhí)行高密度環(huán)境監(jiān)測任務(wù)。設(shè)定大數(shù)據(jù)服務(wù)需求包括單個任務(wù)執(zhí)行、單個任務(wù)完成復(fù)雜度、多個任務(wù)并行執(zhí)行控制復(fù)雜度和多個任務(wù)并行執(zhí)行資源消耗等方面。單個任務(wù)執(zhí)行服務(wù)用于滿足單一環(huán)境監(jiān)測大數(shù)據(jù)的實時傳輸服務(wù)，屬于高優(yōu)先級大數(shù)據(jù)服務(wù)需求。單個任務(wù)完成復(fù)雜度用于分析通用環(huán)境監(jiān)測應(yīng)用中大數(shù)據(jù)服務(wù)深度需求的保障性能及其時間復(fù)雜度和空間復(fù)雜度。此外，多個任務(wù)并行執(zhí)行控制復(fù)雜度用于分析SOA協(xié)作集成的異構(gòu)系統(tǒng)的大數(shù)據(jù)融合效率和復(fù)雜度。該服務(wù)需求既考慮了大數(shù)據(jù)服務(wù)深度需求的保障復(fù)雜度又考慮了異構(gòu)系統(tǒng)的集成度和執(zhí)行力。多個任務(wù)并行執(zhí)行資源消耗用于評價SOA協(xié)作集成的異構(gòu)系統(tǒng)與大數(shù)據(jù)服務(wù)需求分析的資源消耗情況和大數(shù)據(jù)多任務(wù)并行執(zhí)行的保障能力。在上述實驗平臺上，進(jìn)行本文所提大數(shù)據(jù)服務(wù)深度需求與SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制記為HDF-CIBDR與文獻(xiàn)[15]的算法在不同規(guī)模傳感器和并發(fā)大數(shù)據(jù)服務(wù)下的算法執(zhí)行性能進(jìn)行對比分析，實驗參數(shù)詳見表1。

表1 實驗設(shè)置情況

實驗所采集的大數(shù)據(jù)源具有隨機(jī)性，分別在單任務(wù)、多任務(wù)并行大數(shù)據(jù)服務(wù)情況下執(zhí)行兩種算法，結(jié)果如圖4～6所示。其中，圖4給出了兩種算法在不同規(guī)模傳感器下的大數(shù)據(jù)服務(wù)成功響應(yīng)率。該響應(yīng)率是通過采集服務(wù)器端正確響應(yīng)的大數(shù)據(jù)服務(wù)需求數(shù)與傳感器端發(fā)出的大數(shù)據(jù)服務(wù)請求數(shù)比。分析圖4發(fā)現(xiàn)，對于多樣化的數(shù)據(jù)來源、復(fù)雜的數(shù)據(jù)組織和存儲方式，HDF-CIBDR可以有效地分析不同規(guī)模的傳感器數(shù)據(jù)和大數(shù)據(jù)服務(wù)不同類型請求的差異化，并充分發(fā)揮開放性大數(shù)據(jù)服務(wù)上下文的優(yōu)勢，準(zhǔn)確做出大數(shù)據(jù)服務(wù)需求響應(yīng)，所以可以解決文獻(xiàn)[15]算法的響應(yīng)失誤率高的問題。

因為本文所提出的HDF-CIBDR通過將基于SOA協(xié)作與大數(shù)據(jù)服務(wù)需求深度分析有機(jī)融合，考慮異構(gòu)系統(tǒng)的控制與管理復(fù)雜度，高效整合大數(shù)據(jù)服務(wù)深度需求和滿足服務(wù)所需資源分配，發(fā)揮分布式系統(tǒng)的實時可靠特性，算法執(zhí)行代價比明顯低于文獻(xiàn)[15]算法(詳見圖5)。在不同規(guī)模傳感器和并發(fā)服務(wù)數(shù)情況下，HDF-CIBDR均可以快速獲取大數(shù)據(jù)服務(wù)應(yīng)用需求并規(guī)劃資源分配(詳見圖6和7)。此處，代價比是指兩種算法執(zhí)行資源消耗占整個大數(shù)據(jù)應(yīng)用執(zhí)行所耗資源的比例；執(zhí)行時間是通過統(tǒng)計平均滿足1個大數(shù)據(jù)服務(wù)需求，算法所需執(zhí)行時間。

圖4 大數(shù)據(jù)服務(wù)成功響應(yīng)率

圖5 代價比

圖6 執(zhí)行時間

圖7 執(zhí)行時間

4 結(jié)束語

為了改善多業(yè)務(wù)大數(shù)據(jù)應(yīng)用的資源管理效率和服務(wù)質(zhì)量能力，基于大數(shù)據(jù)服務(wù)需求的認(rèn)知深度和服務(wù)架構(gòu)的融合度直接影響，本文提出了一種大數(shù)據(jù)服務(wù)深度需求分析和面向服務(wù)的協(xié)作集成架構(gòu)的異構(gòu)系統(tǒng)融合機(jī)制。首先，深入分析大數(shù)據(jù)源、大數(shù)據(jù)組織形式及其存儲方案，設(shè)計了大數(shù)據(jù)服務(wù)需求分析架構(gòu)及其算法。其次，針對多態(tài)異構(gòu)的移動互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用，結(jié)合SOA協(xié)作集成的異構(gòu)系統(tǒng)的大數(shù)據(jù)服務(wù)調(diào)用描述，建立了SOA協(xié)作集成的異構(gòu)系統(tǒng)融合架構(gòu)。仿真實驗從數(shù)據(jù)服務(wù)響應(yīng)成功率、執(zhí)行時間和代價比等方面對比分析了所提出算法與文獻(xiàn)[15]調(diào)度算法。實驗結(jié)果表明，所提出的算法在各方面表現(xiàn)更佳。

[1] 邢少敏, 周伯生. SOA研究進(jìn)展[J]. 計算機(jī)科學(xué), 2008, 35(9):13-20.

[2] 李牧南, 熊俊霞, 許 治,等. TRIZ技術(shù)系統(tǒng)演進(jìn)視角的計算機(jī)輔助創(chuàng)新軟件體系架構(gòu)[J]. 計算機(jī)集成制造系統(tǒng), 2013, 19(2): 309-318.

[3] 劉云峰, 李 麗, 王素美,等. 面向大數(shù)據(jù)的數(shù)據(jù)服務(wù)中心設(shè)計與應(yīng)用研究[J]. 通信學(xué)報, 2013,2(s2): 170-174.

[4] 張秀偉, 何克清, 王 健,等. 一種基于體系特性的SaaS系統(tǒng)評估框架[J]. 電信科學(xué), 2013, 29(12): 92-100.

[5] P??kk?nen P, Pakkala D. Reference Architecture and Classification of Technologies, Products and Services for Big Data Systems[J]. Big Data Research, 2015, 2(4): 166-186.

[6] Lillocastellano J M, Morajimenez I, Santiagomozos R, et al. Symmetrical Compression Distance for Arrhythmia Discrimination in Cloud-based Big Data Services.[J]. IEEE Journal of Biomedical & Health Informatics, 2015, 19(4): 1253-1263.

[7] 劉 春, 鄒海鋒, 向 勇. 大數(shù)據(jù)環(huán)境下電信數(shù)據(jù)服務(wù)能力開放研究[J]. 電信科學(xué), 2014, 30(3): 156-161.

[8] Jeong Y S, Shin S S. An Efficient Authentication Scheme to Protect User Privacy in Seamless Big Data Services[J]. Wireless Personal Communications, 2016, 86(1): 7-19.

[9] 張 琳, 劉 彥, 王汝傳. 位置大數(shù)據(jù)服務(wù)中基于差分隱私的數(shù)據(jù)發(fā)布技術(shù)[J]. 通信學(xué)報, 2016, 37(9): 46-54.

[10] Sun J, Xu W, Ma J, et al. Leverage RAF to find domain experts on research social network services: A big data analytics methodology with MapReduce framework[J]. International Journal of Production Economics, 2015, 165:185-193.

[11] 郭志強(qiáng). 云計算環(huán)境下異構(gòu)系統(tǒng)數(shù)據(jù)通信分析與設(shè)計[J]. 信息安全與技術(shù), 2016, 7(2): 60-64.

[12] 張瀟元, 劉利人, 韓海雯. 基于SOA云架構(gòu)的電子監(jiān)察業(yè)務(wù)平臺的設(shè)計與構(gòu)建[J]. 計算機(jī)科學(xué), 2014, 41(s2): 473-477.

[13] Souza A P D, Rabelo R J. A Dynamic Services Discovery Model for Better Leveraging BPM and SOA Integration[J]. International Journal of Information Systems in the Service Sector, 2015, 7(1):1-21.

[14] Alwadain A, Fielt E, Korthaus A, et al. A Comparative Analysis of the Integration of SOA Elements in Widely-Used Enterprise Architecture Frameworks[J]. International Journal of Intelligent Information Technologies, 2015, 9(2): 54-70.

[15] Van d S N, Spence C, Nijboer T C, et al. On the relative contributions of multisensory integration and crossmodal exogenous spatial attention to multisensory response enhancement.[J]. Acta Psychologica, 2015, 16(2): 20-28.

Heterogeneous Fusion Mechanism With SOA Collaboration Integration Based on Big Data Service Deep Requirements

Zhu Ming，Li Yuexin

(School of Computer Science & Information Engineering, Hubei University, Wuhan 430064, China)

The cognitive depth of big data service demand and Integration of service architecture would affect the resource management and service quality of big data application, the heterogeneous fusion mechanism with SOA collaboration integration based on big data service deep requirements was proposed in this paper. On the one hand, based on the analysis of big data source diversification, differentiation of big data organization and storage methods, open big data service context and the mapping relation between contexts set associative matching and big data service analysis, the demand analysis model of big data service is established according to the different needs of different types of users. On the other hand, for the mobile Internet Heterogeneous data services association, through structured and open treatment, given the big data communication and service description definition, a SOA collaborative heterogeneous system integration architecture was proposed. The simulation results show that the proposed algorithm has obvious advantages in terms of the success rate, execution time and cost ratio of large data services.

big data; service deep requirements; service-oriented Architecture; collaboration integration; heterogeneous fusion

2016-12-27；

2017-02-06。

湖北省重大科技支持項目(2014BAA089)。

朱 明(1978-),男, 湖北武漢人，講師，碩士，主要從事計算機(jī)應(yīng)用技術(shù)方向的研究。

李躍新(1958-)，男，湖北武漢人，教授，博士，主要從事人工智能與知識工程、智能控制系統(tǒng)、嵌入式技術(shù)方向的研究。

1671-4598(2017)07-0165-05

10.16526/j.cnki.11-4762/tp.2017.07.041

TP393

A