基于溯源信息的可信科学工作流关键技术研究

由于在表示和管理分布式计算任务方面所具有的诸多优势，科学工作流已被证明是创建复杂科学应用最成功的泛型，具有广阔的应用前景和巨大的社会效益。然而，现有的科学工作流系统在可信赖性(dependability)方面尚不能令人满意，阻碍了科学工作流被进一步广泛的接受，成为日常使用的工具。溯源(provenance)信息记录了数据的产生过程及工作流的执行轨迹，为解决上述问题提供了新的可能。在本课题中，我们拟基于溯源信息，研究提升科学工作流可信赖性的异常处理和容错技术，解决以下关键问题：(1)科学工作流中的异常分类与形式化描述；(2)面向可信场景的溯源信息的采集、表示与存储方法；(3)基于溯源信息的科学工作流异常/错误检测及异常处理/容错机制；(4)基于溯源信息的科学工作流恢复算法。在上述工作的基础上，最终形成一个高可信的科学工作流参考架构，并在可能的情况下实现一个具有示范意义的应用系统。