动态服务资源分发网络关键技术研究

本课题研究和构建面向服务计算的服务资源动态分发网络，该网络根据服务组合的需求，通过服务分解，服务缓存等技术将分处于不同网络域的服务资源动态复制整合到适当的网络区域内，从而降低服务组合运行时的网络负载，提高跨域网络下复杂服务计算环境的整体效率。课题研究的关键技术包括：1）复杂服务的动态分解及缓存技术：将复杂服务组合动态分解为可缓存的服务计算资源和数据资源，进而将服务资源缓存迁移到适当的网络位置并缓存；2）大规模服务资源缓存最优化布局策略：根据服务间的组合逻辑关系和底层网络的拓扑信息设计动态服务缓存的布局，使基于服务组合的网络软件性能达到最优化；3）服务资源分发网络的运行时性能评价体系：构建基于服务流的性能评价模型，监测运行时服务资源分发网络动态性能，验证课题的优化方案。

围绕目标任务，项目研究、设计并构建了一种动态服务资源分发网络架构模型（Dynamic Service Resource Delivery Networks, DSRDN）。该模型作为一种逻辑网络，将服务计算的逻辑环境和实际网络特征结合，通过服务动态生成、分发、迁移机制，能够实现在动态、多变的网络环境下保障大规模、复杂服务系统低成本、高效运行的目标。.考虑到服务资源在计算资源、数据资源两方面区别于内容资源，如何在网络中高效、低成本地动态生成副本并迁移是项目任务开展面临的核心挑战。已有的研究工作多集中在从服务自身的生成和运行时的逻辑关系入手，研究服务建模、服务发现、服务组合等内容；在性能优化方面，现有方案也多从单个服务节点内部优化、或以静态部署的服务副本策略为主。.项目在关键技术问题上取得了四方面突破：1）面向动态缓存部署，以服务分解正确执行为目的，提出并形成了一组便于分解执行的服务编排机制、分解保障机制和原子服务高效执行方法；其中所提出的原子服务选择算法OSSA，在实验的大规模服务场景下，执行时间最优时可达经典的GA和LA算法的六分之一。2）针对服务缓存动态生成，以优化对热点服务访问的效率和效能为目标，形成了相应的服务缓存节点发现机制、服务节点平衡负载方法以及服务缓存SLA保障机制；其中所提出的服务资源发现算法GHMO，同时覆盖结构化拓扑和非结构化拓扑，并实现了多属性精确查询和多属性范围查询功能，采用混合路由模式提高了资源查询效率。经验证其最长跳数比已有MAHO方法短，平均减少三分之一。3）围绕服务副本动态迁移，从成本能耗角度和质量保证角度，提出并形成了服务迁移节点选择方法和服务迁移网络路径选择方法；其中所提出的服务迁移调度中能效感知方法CACM算法，在满负载时，仅是VMware自带DRS算法能耗的85%。4）针对DSRDN模型下动态服务流的性能评价新问题，提出并同时形成了被动式预测方法和主动式检测方法；其中针对大规模时服务流质量预测中数据稀疏性问题，提出了基于地理位置邻近性AALP和RALP算法。通过公开数据集的实验比较，在精确性和成功率上均优于已有算法，可较好克服数据稀疏性问题，有效预测缺省的服务质量。