基于服務池的語義Web服務發現

摘要：傳統的Web服務發現和訂閱是費時費力的；而且缺乏語義描述，無法實現Web服務之間互操作的智能化，搜索的精確度不高。本文提出了一種基于服務池的語義Web服務的發現和訂閱模型。首先進行功能性的匹配，將結果聚合成服務池，服務池再進行QoS匹配。該模型具有以下特點：①將服務池作為消費者發現和訂閱的唯一視圖，以“服務消費者中心”的方式簡化了服務發現和調用的過程。②在原有基于服務聚合方法基礎上，增強了Web服務的語義信息，提高了服務匹配的準確率。

關鍵詞：Web服務 服務池 Web服務發現

0 引言

SOA是以服務為基本同時支持開發、組合、部署、管理的一種結構[1]。隨著服務數量的增加，查詢到大量不相關的結果。

此外，目前服務的描述只能描述Web服務的技術和語法，不支持QoS信息，因而在服務組合中不能提供重要的附加信息，又由于資源描述的多樣性，因此，用戶很難對服務的功能進行準確定位，更不能實現服務的互操作。

基于以上問題，本文提出了基于服務池的語義Web服務聚合方法。

1 基于服務池的語義Web服務發現模型

1.1 基于服務池的SOA模型擴展

本文的服務發現模型如圖1所示：

①提供商向代理發布具有QoS屬性的語義Web服務。②消費者向代理發送功能請求。③代理進行功能匹配，將結果發送到服務池管理層。④服務池管理層聚合成服務池，并將服務池作為簡單資源視圖返回給用戶。⑤用戶向服務池發送QoS約束條件，服務池進行匹配并返回一組最佳的服務或組合。⑥用戶向服務池發送調用請求。⑦服務池實現調用請求和目標服務的綁定。⑧用戶通過服務池調用目標服務。

基于服務池的SOA擴展模型有兩個好處：①簡化服務發現過程。②屏蔽服務調用的復雜性。

1.2 基于服務池的語義Web服務發現模型

OWL-S / UDDI 轉換器將提供商發布的實例轉化成UDDI服務注冊信息，并將其保存。

擴展的UDDI注冊中心采用UDDI規范的4個數據模型來表示服務聲明描述，并擴展tModel模型來表示QoS分類信息。

語義查詢處理器接收查詢請求，并形成新的查詢描述，從而提高服務發現效率。

語義Web服務匹配器執行匹配過程，并根據閾值聚合成一組服務列表。

服務池能夠根據用戶的QoS請求進行QoS匹配并且能夠實現服務的綁定。

領域本體庫存儲特定領域內的知識庫、知識關系。領域本體為語義推理機提供必要信息。

第三方檢測代理一方面對QoS屬性量化，另一方面對服務的性能進行動態評估和調整。

2 基于服務池的語義web服務的發現過程

語義Web匹配的核心任務就是將請求服務和目標服務的Profile實例進行比較，目前研究集中在將功能性的描述轉換為服務的IOPE參數和結構化/半結構化的語義數據。在SOA擴展模型中，Web 服務的語義描述被認為是提供商和請求者之間的一種約定，其最終目的是讓用戶精確地了解服務的功能。

2.1 語義web服務描述模型

本文定義的Web 服務描述模型為：

WS={S，F，NF，R}式(1)

其中S是服務的基本描述；F是功能匹配的主要依據；NF是非功能的屬性，R是提供商的信譽度值。

2.2 服務匹配策略

根據服務模型WS={S，F，NF，R}結構，我們使用三級細粒度匹配的策略：由第一級篩選的候選服務參與第二級IOPE功能匹配，結果聚合生成服務池，再在服務池中進行基于QoS和信譽度的第三級非功能匹配。

2.3 相似功能服務的聚合

相似功能服務的聚合過程分為以下六個步驟：

第一步：用戶提交服務信息給語義查詢處理器。

第二步：語義查詢處理器將請求發送web服務匹配器。

第三步：語義web匹配器先訪問UDDI，提取所有已注冊的本體，加載到匹配器內部的服務本體庫中。

第四步：匹配引擎首先進行基本描述匹配，對結果進行語義匹配。

第五步：推理機根據IOPE參數從領域本體庫中提取本體，返回結果。

第六步：根據閾值，進行過濾，將得到一組相似功能的服務列表，并返回結果集。

2.3.1 第一級服務基本描述匹配

服務的基本描述匹配包括serviceName、serviceCategory、textDescription的匹配。具體參見文獻[3-6]。

2.3.2 第二級服務IOPE匹配

通過計算本體概念集合的相似度來獲取服務功能的語義相似度[5]。

功能相似度的計算公式如下：

simfunctional(Ps，Rs)=ω1siminput(Ps，Rs)+ω2simoutput(Ps，Rs)+

ω3simprecondition(Ps，Rs)+ω4simeffect(Ps，Rs)

ω1+ω2+ω3+ω4=1式(2)

2.4 服務池的生成

針對某項功能對服務進行相似度計算后，得到一組功能相似的服務集合，根據服務池pooling算法和機制生成一個服務池，服務池管理層記錄該服務池的描述信息，包括服務池的名稱、功能描述和接口規約、成員服務列表、映射關系及QoS質量譜系等[2]。

在生成服務池時，所有成員服務當前的QoS屬性值作為一張表記錄在服務池管理層中，當Monitoring Agent監測到服務的QoS屬性發生了更改，服務池管理層也將對其成員服務的QoS屬性作相應的更改。

此外，服務池管理層還維護成員服務與UDDI之間的映射關系，包括成員服務在UDDI中注冊的ID和URI，還有服務的接口、參數及其調用方式等。

2.5 基于服務池的第三級QoS匹配

QoS往往也是用戶在選擇服務時較為關心的指標，由于QoS屬性不同領域有不同的質量評價模型，考慮到可行性，本文只對4個較為通用的服務屬性：價格(price)、響應時間(responsetime)、可用性(availability)和信譽度(reputation)作了量化。

兩種不同的QoS匹配方案[2]：

①實時過濾式。

②自動匹配式。

3 系統實現和實驗評估

為了驗證基于服務池的語義Web服務發現模型的在服務匹配準確度上的提高，我們設計了一組仿真實驗。

通過10組用戶分別使用3種發現模式：基于關鍵字的發現、文獻[4]中語義web服務發現，查詢“Weather”、“Map”、“AirReservation”和“Hotel”及QoS約束，并對返回的前2個、前5個、前10個服務進行精確度評分，盡管隨著返回結果數的增多，整體的精確度在降低，但是基于服務池的語義web服務發現方法和文獻[4]的方法都明顯優于關鍵字的方法。由于文獻[4]的方法在功能匹配時僅考慮服務的serviceCategory和input/output上的相似度，而基于服務池的語義web服務發現進一步考慮了percondition和effect，在返回結果上精確度更高。

4 結束語和下一步的研究工作

語義web服務發現方面還有很多研究的地方，比如QoS質量模型，不同領域模型是不同的，不同的用戶對QoS的表達方式不同，有的人用數值表示，有的人用區間表示，還有第三方監測代理如何監測服務的QoS，如何管理服務提供商的信譽度，以及服務池中成員服務的安全管理方面需做進一步研究。

參考文獻：

[1]Papazoglou，M.P.And W.J.Van den Heuvel(2005):Service Oriented Architectures. to appear in VLDB Journal.

[2]劉譞哲，黃罡，梅宏.服務消費者驅動的服務聚合方法及其支撐框架.軟件學報Vol.18，No.8，August 2007.pp1883-1895.

[3]潘云峰.基于Ontology的Web服務發現技術研究. 江南大學碩士學位論文.2007.

[4]鄭德.基于語義的Web服務發現與匹配的研究.武漢理工大學碩士學位論文.2007.

[5]李春梅.基于本體的語義Web服務發現及選取的研究.廣西師范大學碩士學位論文.2006.

[6]鐘福金.語義Web服務發現及其應用研究.合肥工業大學碩士學位論文.2005.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文