分布式云工作流服务的自适应模型与机制

With the quick development and spreads of cloud computing, the number of different type cloud services in the Internet is increasing rapidly. Workflow can be applied to coordinate multiple cloud services to fulfill complex tasks. Therefore, cloud workflow plays more and more important roles in cloud computing. However, to migrate current workflow technologies to the cloud computing environment directly cannot achieve it's full functions. Requirements such as dealing with massive requests, dynamic changing workloads, collaborations among multiple type and various layer cloud services and business model supports bring new challenges and research issues to workflow. With more and more cloud services deployed onto Internet, cloud workflow can also be operated as a common service. On the one hand, to implement a cloud workflow service and operate it in an optimized way needs to solve technical problems. On the other hand, its accumulated workflow models and running data provide a basis for automatic improvements of its function and performances. This project aims to construct a cloud workflow service with adaptive capability, which includes four research topics, i.e., a self-adaptive distributed architecture model of cloud workflow service, optimized mapping approaches for cloud workflow model, the adaptive execution technology of massive cloud workflow instances and a self-learning mechanism of cloud workflow service. The results of this research can provide effective ways for cloud workflow service implementations.

随着云计算的发展和推广，互联网上各种形态的云服务正在迅速增加。通过工作流对多个云服务进行协调可以完成复杂任务，因此云工作流在云计算中正在迅速得到重视。然而，将现有工作流技术直接迁移至云计算环境并不能完全发挥其作用；同时，云计算中请求量巨大、负载动态变化、涉及多类型多层次云服务的协同和对商业模式提供支持等需求也给工作流技术带来新的挑战和研究课题。随着云服务在互联网上的大规模部署，云工作流自身也可以成为云计算环境中的一项公共服务。一方面，云工作流服务的实现与优化运营面临着需要解决的技术问题，另一方面其持续运行所积累的模型与数据也为其功能和性能的自动改善提供了基础。该课题从构造具有自适应能力的云工作流服务这一角度出发，从云工作流服务的分布式自适应结构模型、云工作流模型的优化映射方法、海量云工作流实例的自适应运行技术和云工作流服务的自学习机制四个方面开展研究，从而为实现云工作流服务提供有效支持。

云服务之间的协同是云计算环境的关键技术。由于能够有效地协调多个云服务，云工作流在云计算中正在迅速得到重视。然而，目前许多研究和开发中将现有工作流技术直接迁移至云计算环境并不能完全发挥其作用，同时，云计算中请求量巨大、负载动态变化、考虑经济因素、需要多类型多层次云服务协同等特点也给工作流技术带来了新的挑战和研究课题。随着云服务在网络上的大规模部署，云工作流自身可以成为云计算环境中的一项公共服务。基于以上认识，本课题从构造具有自适应能力的分布式云工作流服务这一角度出发，从云工作流服务的体系架构、云服务的多层次选择、工作流执行过程优化和云工作流服务优化学习机制出发进行了研究，取得了以下研究成果：.（1）提出了云工作流服务的体系结构模型，设计了其自组织的的工作机制，提出了基于事件视图的云工作流服务协同方式，并对云工作流服务运行的支撑环境性能保障技术进行了突破；.（2）围绕单个服务的选择，提出了一种基于张量分解来获取服务的性能信息的方法以及基于中介代理进行服务分类的选择方法；围绕云工作流模型中的服务选择，提出了基于多层次服务关系的服务选择、以及基于分布式联盟策略的服务选择方法；.（3）围绕成本和时间优化的目标，设计了云工作流实例执行时的资源调度机制、基于缓存策略的加速执行机制、分布式执行机制；.（4）对工作流模型库的优化组织、工作流模型适应性进化机制进行了研究；.（5）开发了云工作流服务平台。.通过上述工作，为云工作流服务的实现提供了技术参考。.项目发表论文33篇，其中外文SCI期刊论文10篇，外文会议论文18篇，中文期刊论文5篇。论文中SCI收录10篇，EI收录27篇。其中CCF A, B类论文10篇。获得软件著作权3项，申请专利4项。