一種基于模式的服務工作流個性化定制方法

史銀雪，孫瑞志，袁 鋼

(中國農業大學信息與電氣工程學院計算機系，北京 100083)

服務工作流是在面向服務架構(service-oriented architecture, SOA)下對業務過程的一種計算機化的表示模型，業務過程中全部或部分活動的執行通過服務調用來實現[1]。而服務工作流的個性化定制主要目的是在滿足用戶個性需求的同時更好地體現用戶價值。但由于業務環境的復雜多變和網絡環境下不斷出現的新特性使得服務工作流的個性化定制必然面對更多的挑戰。

首先，服務工作流的建模必須具有更好的靈活性。對于預先定義的服務工作流建模，適用于業務完全明確的情況。這種方法首先對用戶要求較高，需要用戶了解網絡環境的很多細節(如資源的物理位置、服務端點等)；其次，難以適應復雜業務的需求，主要原因在于復雜業務通常在建模期間無法完全確定所有的活動細節，只有等到業務執行期間根據執行情況邊執行邊構造(如依賴于前繼活動的執行結果等一些實時信息的活動)；然后，在動態多域的網絡分布環境下，軟硬件故障隨時發生，策略突然改變都會使得原定義流程不再適用。因此，需要柔性的服務工作流建模方法。

另外，在執行過程中根據用戶的個人偏好進行基于服務質量(quality of service，QoS)的服務選取和工作流調度也是個性化服務工作流的一個關鍵問題，目前的研究只考慮了業務邏輯在執行前完全確定的情況。而現實世界中，很多業務邏輯的確定依賴于運行中間結果。因此，執行過程中不僅要考慮服務實例的選取還要考慮服務工作流的執行時模型細化。

針對以上情況，本文在前期研究[2]的基礎上提出了服務流程模式，從不同層面對業務知識進行抽象和描述，可以根據用戶需求即時構造一個多粒度的服務組織模型；并詳細描述了基于服務流程模式的多層次匹配算法，以實現在服務流程運行過程中的動態構造和服務選取。最后以一個應急案例說明此方法能夠完成服務工作流的業務邏輯定制和服務實例定制。

1 相關工作

流程可視化建模[3]是服務工作流采用較多的業務邏輯定制解決方案，但是流程在運行時的動態修改比較困難。為了解決在不完整流程定義的情況下的業務邏輯定制，文獻[4]引入黑盒將事先無法確定的子流程進行封裝，等到服務工作流執行過程中才能根據預定義規則、當前運行信息和用戶的需求將黑盒子流程展開為具體運行流程。文獻[5]給出了一種基于業務生成圖的服務工作流構造方法，其基本思想是將服務按照功能分類，每類服務分別采用生成樹的方式組織，并依據工作流的邏輯關系形成業務生成圖，此方法方便實現業務功能級別的服務組織，但缺乏對情景上下文的討論。服務工作流的按需構建也尤為重要，文獻[6]通過建立目標本體，服務本體，利用層次任務網絡(hierarchy task net，HTN)規劃實現目標驅動的可適應服務組合，文獻[7]基于用戶角色、目標、流程和服務需求元模型，依據模型關聯關系進行服務組織，并提出了按角色、需求目標、服務描述查找和推薦的方法，著重某一領域的用戶需求和服務關聯關系。本文方法融合以上研究特點，一方面構造服務流程模式利用將業務目標和能夠實現業務目標的服務流程聯系起來，業務領域的用戶可以方便的定義和選擇所需服務流程；另一方面在流程運行過程中利用多層匹配方便實現服務流程的即時構造。

服務實例的選取是服務組合研究中的一個主要研究點，有些研究側重于抽象服務選擇可用的服務提供商，對原子服務的選擇，最常用的服務選擇方式為QoS屬性簡單加權聚合[8-9]，按分值排序取評估最高的服務；對組合服務的選擇，主要有兩種解決方案即局部最優和全局最優[10]，全局最優策略和服務流程的邏輯結構密切相關，且用戶偏好也影響評估分值。另一方面，基于人工智能的服務組合方法發展也很迅速[11]，W3C先后推薦了RDF、DAML+OIL和OWL-S[12]作為本體描述語言標準提供了很好的支持，但由于各個客戶端本體庫不同，導致服務越多，描述就越復雜。本文提出的服務實例選取方法隨著服務工作流的執行逐步進行的，因此QoS非功能信息也是實時獲取，這樣不僅能夠保證每一個被選取的服務是當前最佳的可用服務，從而最大限度地降低了執行異常的出現，而且可以將抽象流程定義的轉換工作分散到各個流程的執行階段，降低服務查找和綁定時的開銷。

因此，本文的研究旨在實現服務工作流的按需定制。通過引入服務流程模式建立用戶需求和服務工作流的關聯；利用基于服務流程模式的多層次匹配算法進行多粒度服務組織，建立抽象需求流程模型，不僅能實現明確的業務還可以在運行中根據實時信息對目標活動進行動態細化，并采用QoS全局最優策略選擇動態綁定服務實例。

2 服務流程模式形式化描述

在實際應用領域中，大量的業務活動和業務邏輯經逐步積累后形成了標準化的服務流程，并在新的應用中有著重要的指導意義和參考價值，服務流程的共享和復用顯得尤為重要。服務流程模式作為一種知識表示工具，用來實現業務領域知識和與之適應的服務流程的抽象和規范。不失一般性，其形式化定義如下:

服務流程模式 (service process pattern, SPP)，由一個四元組(Description, Goal, Context, Service SubProcess)組成：

(1) Description：服務流程模式的基本描述，包括模式的基本標識和名稱。

(2) Goal：表示服務業務目標，包含業務目標標識，業務目標名稱、描述、所屬業務領域和概念。其中Concept是目標對應在領域本體中的概念對象。這些本體概念一般用詞典或OWL來描述。每一個服務流程模式對應唯一確定的業務目標，而同一業務目標則可能有多個服務流程模式與之對應。

(3) Context={FR, NFR}: 表示上下文場景，是指和服務相關的功能性需求(functional requirement,FR)和非功能性需求(nonfunctional requirement,NFR)。FR/NFR={＜W1,F1＞，＜W2,F2＞…＜Wi,Fi＞}，表示功能性需求和非功能性需求皆由多個需求指標和相應權重構成。其中＜Wi,Fi＞表示第i個需求指標和其對應的權重，權重一般取決于用戶偏好和專家經驗。

(4) Service SubProcess: 服務子流程，通過更細粒度的業務操作的組合來描述服務流程模式的動態特性，由服務流程活動集合(service process activities, SPA)、控制關系(service process control，SPC) (順序、并行、選擇、循環等)以及數據依賴關系(service process data，SPD)構成。服務流程活動(service process activities, SPA)={Goal，Parameter}即服務活動要完成的任務目標和響應參數，當服務子流程為空時，說明服務流程模式為最細粒度服務，不可再分。

利用服務流程模式作為服務工作流的知識表示方法有以下優點：①服務流程模式將業務目標和能夠實現業務目標的服務流程聯系起來，業務領域的用戶可以方便地定義和選擇所需服務流程；②服務流程模式提供不同的描述粒度，能夠對業務知識和經驗進行不同層次的抽象，易于在應用程序中表示和使用；③服務流程模式結構相對獨立，可以在執行過程中抽取新的模式從而對其進行更新和擴充；④服務流程模式對業務知識的表示比較靈活，各部分和各參數都有明確的意義，有利于知識建模過程及后續的知識調整和優化。

3 基于服務流程模式的工作流個性化定制

服務工作流的個性化定制主要包括業務邏輯的定制和執行模式的定制[7]。其核心思想為：①利用多層次匹配算法實現基于服務流程模式的多粒度服務組織，并通過人機交互進行服務組合粒度控制；②利用質量分析實現用戶感知的QoS分析實現服務實例定制。

3.1 業務邏輯多層次匹配定制算法

該匹配算法包括業務目標匹配和功能屬性評估，而功能屬性評估又包括輸入、輸出參數匹配和業務條件評估2個方面。對于一個業務目標，最適用的服務流程模式就是滿足目標匹配，功能屬性評估中得分最高的服務流程模式。

3.1.1 目標匹配

目標匹配(goal match，GM)，用來選擇能夠完成業務目標g的候選組合服務流程模式。目標匹配采用相似度度量函數，如式(1)：

其中SIM(sp.Goal,g)為目標匹配度，d定義為概念相關性，a是可以調節的參數。當sp.goal?g時d=1；Goal=g時，d=0；匹配度為1；sp.Goal≠g時，a=1，目標匹配度為0。當目標匹配度超過預定閥值時，則接著進行功能屬性評估。

3.1.2 功能屬性評估

功能屬性評估(function matching, FM)主要是對輸入、輸出(input，output，IO)參數的評估和對業務條件的評估，這里的業務條件也可以理解為業務規則，是指服務執行前必須滿足的前置條件和業務執行后所需滿足的條件。例如要想使用航空運輸服務，前置條件是所運輸物品必須為非危險品。

目前在服務發現領域一部分研究采用相似函數匹配，其功能屬性匹配主要集中在IO匹配；一部分研究采用邏輯推理，不僅可以包括服務描述性元素，而且可以包含與服務相關的條件，但是實現較為復雜。本文采用的功能屬性評估采用分而治之的辦法，對IO輸入、輸出參數的評估采用相似度量方法；而對于業務規則條件的判斷采用上下文評估函數[13]。

功能屬性評估 (function matching，FM)記為：

其中IOM為輸入、輸出匹配度，BCM為業務條件匹配度，μ1，μ2分別為IO匹配和業務條件匹配所占權重。

(1) IO輸入輸出參數匹配。對于IO匹配研究較多，利用語義匹配相對成熟，本文采用文獻[14]中基于OWL-S的計算方法得出各自的語義匹配值，基于語義匹配度的服務選擇公式為：

其中IOM為語義匹配值，IM，OM分別為輸入，輸出參數對應的語義匹配值，ωi，ωo分別為輸入參數對應的權重。IOM為輸入、輸出參數對應的語義匹配值權重的綜合結果。

其中ωi為積極影響因素對應的權重，評估函數，用戶需求值和服務流程模式參數值，相對而言，為第i個消極影響因素的相應內容。

3.2 多粒度服務流程模式樹

根據層次化分析的設計理念，一個問題可以分解為多個子問題，自上而下，分而治之。針對同一業務需求，可以由一個粗粒度的服務來實現，也可以將業務目標分解為多個細粒度的服務組合實現。而服務流程模式是構造多粒度服務模型的基本元素。圖1為多粒度服務流程模式樹，根節點為滿足目標Goal的服務流程模式SPP1，其服務子流程為非空流程，則意味著可進一步分解細化，為其服務中的每個服務節點選擇適用的服務流程模式，當用戶同意分解時，再次進行多層次匹配，如此遞歸形成一個功能粒度由粗到細的多粒度服務流程模式樹。

圖1 多粒度服務流程模式樹

可見，對于同一業務目標Goal，存在多個滿足功能需求的服務組合方案。第一種方案為SPP1，對應最粗粒度復合服務；而最底層的服務組合方案則全部分解為原子服務，為最細粒度服務組合。

3.3 基于QoS分析的服務事例定制法

利用上述多層次匹配算法進行多粒度服務組織后，得到一系列目標匹配和功能相似的候選服務流程模式構成的服務組合方案。但不管是粗粒度服務組合方案還是細粒度服務組合方案對應的都是抽象的服務類型，需要將其映射到服務實例中。

信息網絡時代，web數量不斷增加，存在著大量的功能相近、質量迥異的web服務資源。原子服務提供者對開發部署的服務的QoS進行描述，并注冊到服務注冊中心，而復合服務的服務質量很大程度上依賴于構成該復合服務的各子服務的服務質量及其服務質量關聯。

目前客戶比較關注的QoS屬性主要有可用性、吞吐量、響應時間和服務價格，其中可用性，吞吐量為正收益性屬性，即是說，其數值越高，服務質量越好；而響應時間和服務費用為負收益屬性，即其數值越高則服務質量越差。表1給出原子服務(atomic service, AS)和復合服務(composition service，CS)的QoS評價模型，其中代表可用性、吞吐量、響應時間和服務價格評估值。

因此，QoS的評價函數為：

表1 質量評估模型

具體服務實例匹配步驟如下：

(1) 抽象服務輸入輸出接口匹配；

(2) 從服務注冊中心中選取與抽象服務接口匹配的服務實例集合；

(3) 提取每個服務實例的QoS描述信息；

(4) 設定權重，進行QoS評估；

(5) 利用QoS評估函數對各個服務實例進行評估并排序；

(6) 結果非空，則返回QoS評估分數最高的服務實例；否則，調用多層次匹配，進行粒度細化，得到下層細粒度服務組合方案，返回步驟(1)；

(7) 部署到服務工作流引擎執行。

4 案例分析

本節結合突發事件應急處理說明服務工作流的個性化定制方法。案例場景為：2012年7月21日晚8點，北京應急中心接到報警，北京京港澳高速長陽路段積水高度超過50 mm，交通癱瘓，多于50輛車被困，周邊斷電，有人員傷亡，災情非常嚴重，請求救助。下面首先構造突發事件應急服務流程模式庫，實現對應急預案的形式化和知識化，然后說明基于暴雨應急服務流程模式的應急處理個性化定制過程。

4.1 暴雨應急服務流程模式構建

服務流程模式從目標，上下文場景和處理流程3個方面對應急預案進行描述。其中，上下文場景對應實例中的事件屬性，主要包括積水量={高([50，100))，非常高[100,)}，人員傷亡數={無，有}，交通情況={正常，受阻，癱瘓}，電力情況={正常，斷電}，災害等級={1, 2, 3, 4}，災害地點。表2中列舉出部分暴雨應急服務流程模式。

其中，積水高，有人員傷亡，交通癱瘓和斷電的場景下應急處置可以由RP25和RP26服務來實現，分別對應服務子流程SWF25和SWF26，如圖2所示。

4.2 暴雨應急個性化定制過程

上述構造的所有服務流程模式都存儲在服務流程模式庫中，當突發事件發生，應急指揮中心獲取報警信息，通過多層匹配獲取符合條件的服務流程模式過程如圖3所示。

表2 暴雨應急服務流程模式(部分)

圖2 服務子流程

圖3 個性化定制過程

具體步驟為：

(1) 獲取應急目標(如“暴雨應急”)；

(2) 目標模式多層匹配找到適合的服務流程模式(如暴雨應急-暴雨服務流程模式RP0，應急啟動-RP22，應急處置-RP31)；

(3) 獲取對應于服務子流程中的各個服務活動的目標和參數列表；

(4) 判斷服務活動是否為目標活動，是轉步驟(2)；

(6) 執行服務實例匹配找到相應服務(如房山醫療隊，北京排水集團)；

(7) 部署執行。

5 結束語

面向服務的工作流個性化定制能夠更好地適應復雜多變的業務需求。一方面可以根據用戶需求定制服務流程，另一方面還可在互聯網資源中動態地選擇和調用web服務。本文引入了服務流程模式，它不僅包含粒度較小、功能單一的原子服務和功能豐富、粒度較大的服務，還可以通過多層次匹配實現大粒度服務到較小粒度服務的多粒度服務組合方案；而對于執行模式的定制是通過QoS的評估分析從服務注冊中心中匹配最佳服務實例并部署執行。最后用突發事件的應急處理作為示例進行了說明。目前的工作沒有考慮服務失效的處理，下一步工作將對服務工作流異常做進一步研究。

[1]劉 博, 范玉順.面向服務的工作流性能評價及指標相關度分析[J].計算機集成制造系統, 2008, 14(1):160-166.

[2]史銀雪, 孫瑞志, 向 勇.基于動態規劃的柔性工作流[J].東南大學學報(自然科學版), 2010, 40(s2):258-262.

[3]胡春華, 彭昆湘, 劉濟波, 劉安豐.Web 服務工作流路由模型構造及 QOS 優化[J].中南大學學報(自然科學版), 2009, 40(4): 1040-1046.

[4]夏海江, 鄧水光, 吳朝暉.Web服務動態組合方法研究和設計[J].計算機工程與設計, 2007, 28(6):1334-1337.

[5]胡春華, 吳 敏, 劉國平, 徐德智.一種基于業務生成圖的Web服務工作流構造方法[J].軟件學報, 2007,18(8): 1870-1882.

[6]Song S, Lee S W.Goal-driven approach for adaptive service composition using planning [J].Mathematical and Computer Modelling, 2013, 58(1-2): 261-273.

[7]劉建曉, 何克清, 王 健, 余敦輝, 馮在文, 寧 達,張秀偉.RGPS制導的按需服務組織與推薦方法[J].計算機學報, 2013, 36(2): 238-251.

[8]Ko J M, Kim C O, Kwon I H.Quality-of-service oriented web service composition algorithm and planning architecture [J].Journal of Systems and Software, 2008,81(11): 2079-2090.

[9]Canfora G, Di Penta M, Esposito R, Villani M L.A framework for QoS-aware binding and re-binding of composite web services [J].Journal of Systems and Software, 2008, 81(10): 1754-1769.

[10]Cao Jian, Wang Jie, Zhao Haiyan, Sun Xiaohan.A service process optimization method based on model refinement [J].The Journal of Supercomputing, 2013,63(1): 72-88.

[11]方其慶, 彭曉明, 劉慶華, 胡亞慧.結合AI規劃和工作流的動態服務組合框架研究[J].計算機科學, 2009,36(9): 110-114.

[12]吳善明, 沈建京, 韓 強.基于領域本體和OWL-S的Web服務組合方法[J].計算機工程, 2009, 35(21):256-263.

[13]沈浴竹, 向 勇, 張少華, 姜進磊, 史美林.擴展BPEL4WS實現基于語義的服務流程動態細化[J].通信學報, 2006, 27(11): 106-112.

[14]李慶云, 魏娟杰.基于多層匹配篩選的 Web 服務發現模型的研究[J].計算機應用與軟件, 2010, 27(6):142-144.