面向大粒度服务软件的动态配置模型与方法研究

动态配置技术被视作软件自适应、自演化和自管理的基础。基于SOA的软件动态配置方法是提高其可用性的重要手段。大粒度服务作为服务形式的重要发展，因行为及协同过程尤为复杂，给基于SOA的软件动态配置方法研究带来了新的挑战。课题拟针对现有方法未能从宏观层面对动态配置过程进行指导，缺乏对大粒度服务的考虑，不能对大粒度服务软件的动态配置需求进行全面支持等不足展开研究。通过分析和总结大粒度服务软件的行为及协同特点，建立大粒度服务软件的动态配置模型，对动态配置过程进行宏观指导，并使用马丁洛夫类型论对其形式化描述，为保证动态配置过程的正确奠定基础；之后根据大粒度服务软件对动态配置的不同需求，基于动态配置域选择与重组方式，提出灵活、可靠的功能需求驱动的动态配置机制；引入动态配置因子的概念，提出高效柔性的QoS需求驱动的动态配置机制。最后，课题将研制一个大粒度服务软件动态配置平台，对所提出的方法进行分析与评估。

在课题执行的三年时间里，各项研究内容均按研究计划顺利开展，并取得了一定的成果。在理论层面上，首先，本课题引入Martin-Löf’s类型论(Martin-Löf’s Type Theory, MLTT)作为研究理论基础，在深入分析大粒度服务特点的基础上，提出反向接口依赖关系的概念，并从内外部行为两方面，使用并扩展MLTT对大粒度服务进行建模，同时给出可以支持大粒度服务可替换性定义及其判定方法，该理论成果为大粒度服务软件研究奠定了基础。其次，基于模型检测技术，提出了一种适用于集成了规则引擎的企业服务总线中的消息规则路由的正确性验证方法。最后，考虑到服务间爆炸性增长的数据，本课题提出了一种基于模型的数据密集型服务抽象精化方法对数据密集型服务进行建模和验证。在方法层面，首先，本课题提出了功能驱动的动态配置方法，并给出了动态配置域的定义和动态配置域的识别算法。动态配置的实施以域为单位进行，降低了动态配置的代价。其次，为了保证大粒度服务软件的非功能性，提出了一种灵活的动态配置方法，该方法首先尝试单个服务的替换，然后尝试多个服务的替换直到用户的QoS需求得到满足。其中，动态配置因子的概念被提出以便找到最适合被替换的成员服务。再次，课题还对服务QoS预测方法进行了研究，先后提出了多种QoS预测方法，提出了基于混合协同过滤的服务QoS预测方法，通过对服务和用户分类，并根据不同的分类使用不同的预测方法；考虑服务和用户网络位置，提出了基于矩阵分解的服务QoS预测方法；提出了基于潜在因子模型的服务QoS预测方法，该方法将可能隐含网络质量因素，如国家和服务提供商的信息考虑在内。本课题共发表14篇学术论文，其中SCI检索5篇，国内一级期刊2篇，EI期刊3篇，服务计算顶级会议2篇，同时获得国家发明专利1项。