基于云計算的復雜系統仿真模型服務化技術研究

塔 娜

（呼倫貝爾學院，內蒙古 呼倫貝爾 021008）

0 引言

大規模的復雜系統仿真具有實體規模大、模型復雜程度高以及平臺工具需求多樣化等特點，這些特點對仿真平臺的計算性能與易用性等均提出了較嚴格的要求。基于云計算的復雜系統仿真是一種對云計算資源共享以及計算能力強等優勢加以運用，將優質建模服務提供給復雜系統仿真的一種新型仿真模式［1］。對仿真模型服務化進行研究，能夠為該新型仿真模式的實現提供重要支撐。作為云計算下復雜系統仿真的一個基本要素，服務的本質體現為模塊化的程序段，這些程序段在系統仿真網格內部運行，而與之對應的服務技術能夠很好地發揮對仿真任務執行的支撐作用。基于云計算的復雜系統仿真不僅將仿真任務的完成作為目標，還要向滿足用戶多樣化需求及高體驗質量需求的方向發展。分析基于云計算的復雜系統仿真的執行過程得知，云計算下的系統仿真是對諸多單一服務進行組合，以提供一組語義關聯、存在互操作性的服務集合。

現階段，越來越多的企業開始投入人力及財力進行復雜仿真系統的建設，取得了一定的系統建設成果。在此背景下，對云計算理念加以運用的復雜系統仿真有了更加清晰的目標，即以服務化技術的有效運用為支持，對這些以獨立形式存在的仿真服務進行聚合，達到共同為外界提供服務的重要目的［2］。從實質上看，這一過程需要做到有效克服以前存在于不同服務之間的語義鴻溝，提升服務化技術的發現效率和準確率，還需要采用某種語義互操作方式，促進服務協同，使目標得以順利與高效實現。本文研究一種云計算下的復雜系統仿真模型服務技術，通過服務本體實現服務的語義聚合。

1 云計算簡述

云計算是一種計算方式，主要基于對相關需求的把握，執行對網絡、服務器等各種計算資源的有效組配任務［3］。云計算作為服務器虛擬化技術和基礎架構的結合，其核心工作則可作如下概述：對從某一或是某幾個數據中心處獲取的計算資源所作的虛擬化處理，通過對外出租處理之后的計算資源，云計算將相應的用戶所需服務提供給客戶。根據該核心工作的概述得知，云計算提供的服務并不是對新技術的研發，而是針對業務模式做出的相應重組或創新。簡單而言，就是執行對之前處在相同或不同地點的很多臺計算機的集合任務，通過相應的統一處理，讓這些計算機共同為某個具體的企業或者個人提供服務。對比以往很多技術，云計算有其明顯的特殊性，它幾乎可以為用戶提供無界限限制的存儲以及計算能力。云計算所具有的特點表現在以下幾個方面。

1.1 超大規模

“云”意味著非常大的規模，云計算能夠為用戶提供極強的計算能力。在虛擬化的云計算的強力支持下，用戶能夠在任意位置，通過使用不同類型終端，獲取相應的應用服務，滿足自己的具體需求。從資源上來看，用戶基于云計算獲得的資源以“云”為來源，它們并不是固定存在的有形實體。所有的應用都是在“云”中的某一個位置運行。用戶并不需要對此作過多的考慮或擔憂，僅需一臺電腦或手機，便能借助網絡獲取所需內容，甚至完成超級計算等具有更大難度的任務。

1.2 高可靠性

云計算的支撐來源于有著龐大規模的集群計算系統，但如果該集群計算系統的規模進一步擴大，其可靠性與穩定性的挑戰也會更加嚴峻。云計算采用的手段具有多樣化的特點，包括數據多副本容錯以及計算節點同構可互換手段等，能夠極大地保證云計算服務的可靠性。

1.3 高可擴展性

“云”的規模具有動態性的伸縮特點，在“云”的強有力支撐下，能夠將很多應用構造出來，相同一個“云”能夠為不同應用的運行提供支持，高效滿足用戶規模化增長的需求。

1.4 按需服務

“云”是一個十分龐大的資源存儲空間，可稱作資源池，它所具有的自動化以及集中式的管理功能在很大程度上讓很多企業降低了數據中心管理支出，而其通用性則顯著提升了資源的利用率。對用戶而言，“云”所具有的低成本優勢尤為突出，基于“云”的支持，極大程度地減少了他們的工作時間以及財力消耗。

對云計算的基本原理進行歸納，即在并行計算的支持下協同很多分布式計算機，以此實現工作上的統一。上述分布式計算機所指的并不僅僅是本地的計算機，它們還是存在于網絡空間內的遠程服務器。此外，還包括處在不同節點的計算。從主要的運行方式上來看，數據中心其實和互聯網有一定的相似性，云計算網絡服務提供方可以在很短的時間內將資源查找以及處理轉換至所需的應用之上，用戶可以結合自身需求訪問計算機與存儲系統。

2 云計算下復雜系統仿真模型的本體構建

本體概念模型執行的是對語義進行表達的任務，從本質上看本體構建是在語義層面上表征信息的概念模型，以獲得特定領域中被大家認可的概念或術語，實現對特定領域概念或信息的準確認知，并基于術語和術語之間的關系，完成特定領域知識的推理，最終解決人與計算機之間的語義問題。Perez等結合既往經驗提出本體建模的源語涉及包含概念、關系、函數、公理、實例等五類原語，根據五類原語及表1的本體關系即可實現本體構建。基于云計算的復雜系統仿真模型主要包括實體、行為、任務以及交互模塊。

表1 本體的基本關系

2.1 實體本體

在云計算下的復雜系統仿真模型中，仿真任務以及仿真資源等各要素都可被視作實體，它們屬于抽象概念，表示一類特征，表現相同的個體集合，因為粒度不同而組成樹狀結構。實體僅有hasAttribute一個特性，是具備某種屬性的體現。

2.2 事件本體

對事件進行抽象的理解，即導致系統原本狀態出現相應改變的各類參數的集合，它所反映的是實體所具有的能力及其相應的功能屬性。以SCOM中對事件所作的具體描述為依據，可以將事件中的相應參數規定為屬性，其同樣表現出hasAttribute的特性。

2.3 動作本體

動作與事件兩者之間存在密切的聯系，前者是后者的載體，且前者涉及的內容同樣有實體。實體是動作的發送方和接收方，均由實體啟動與結束，所以動作表現出hasIni與hasTer兩個特性。

2.4 狀態機本體

仿真任務的實現以仿真動作為支持，某一動作一定會令動作的啟動方和接收方在狀態上發生相應的變化。通常情況下，存在于仿真任務中的仿真動作是有限的，因此這一過程可以基于有限狀態機的支持實現相應的模擬，并完成對狀態機本體的構建任務。其中，一個狀態機本體可表現出一個hasStateTrans特性，以StateTrans為值域。

2.5 服務本體

服務本體所表示的是某一特定類型的抽象服務，若從結構視角對其進行分析，需要將接口成員包括其中；若是從服務自身層面上看，主要包括服務能力成員以及QoS成員。除此之外，還應涉及自我表述的那一類服務描述成員。對一個服務本體而言，其基本屬性為服務描述，涉及的內容主要有ServiceName、本體類別以及本體對象。hasInterface是服務的輸入和輸出參數集合，接口有input與output兩個特性，值域用params來表示。另外，對服務能力進行分析，其所表示的是在執行某一具體服務時，需要事先滿足的各項前提條件以及在服務執行結束以后整個系統因為服務的執行而受到的影響，含Precondition與Effect兩個屬性；QoS表示的是服務質量，移動涉及QosName，Unit，Max與Min 4個特性參數；服務類別的功能在于標識服務本體屬于哪一類本體。

3 基于本體服務化技術的云計算復雜系統仿真模型服務聚合

服務聚合的進行要求先做好對不同服務提供人員所提供的差異化服務的準確分析工作，通過該工作的開展確定滿足相應要求的服務。不過從整體層面上看，該搜索作業的執行空間較大，耗費的搜索時間長，不僅不能保證搜索效率，搜索效果也不理想。所以，需要先執行聚類任務，聚合處理有類似功能的服務，將其置于一個邏輯集合，以形成服務類簇，匹配那些通過統一接口表達自身信息的服務集合，選取出更加適宜對仿真需求予以滿足的服務［4］。

3.1 服務聚類

筆者分別從Service Name，Interface，Capability以及QoS 4方面展開，對計算得到的結果進行加權處理，確定兩個不同服務本體之間的相似度。

(1）服務描述相似度。最初，基于Onto Type的參照，執行對服務本體類別的過濾處理任務，只有確定研究的兩個服務本體之間有一樣的類別，才能求解它們的相似度，即求解Service Name的相似度。

在對Service Name的相似度進行計算時，需要執行對兩個不同字符串之間相互匹配程度的求解任務。針對英文形式的字符串，可以采用編輯距離的方法，以此完成針對性的計算任務；而針對中文形式的字符串，在計算其匹配程度時，可以采用漢字/字符串編輯距離算法。服務名稱的相似度表述如下：Sim(ServiceNam-e1，ServiceName2）

(2）接口相似度。接口相似度的確定主要完成的任務是計算服務本體input集合與output集合。在上述兩個集合中，所有參數的表示均采用Rsc中的概念，基于這一前提條件，要想達到對接口相似度進行求解的目的，只需要求解兩個不同概念集合之間的實際距離。如表2所示，兩個概念的匹配結果一共有5種類型的劃分。

表2 IN1j與IN2k的匹配結果含義

(3）能力相似度。其計算主要涉及兩部分內容，分別為Precondition相似度與Effect相似度，前者的計算采用構建THSM的方法，后者的計算與前者類似，不過因為Effect是兩個狀態之間轉換的構成，所以需要對轉換之前以及轉換之后的兩種狀態的相似度進行分別計算，之后求解平均值。

(4）QoS相似度。QoS實際上是一組參數的集合，其相似度需要計算集合中各QoS類別的相似度，如果待匹配服務的QoS位于Max與Min兩者之間，則認為兩個QoS是相似的，否則即為不匹配。

對待匹配服務本體和匹配服務本體聚類的相似度閾值進行設置，若是所得計算結果大于此閾值，則視兩個服務本體聚為同一種類型，由此達到服務聚類的目的。

3.2 服務聚合

服務聚合以對本體的協定為基礎。首先，需要用CO交換的Messi尋找對應的實體，執行對其狀態變化參數的抽取任務。之后，計算匹配于相似服務能力本體的程度，在類簇中加入匹配的SO，承兌存儲服務本體及其交換的信息；針對并無分簇的服務本體，求解服務的執行前提以及服務能力的匹配程度。

4 結語

本文針對云計算下復雜系統仿真模型的服務聚合問題，研究服務化技術的應用。具體而言，先基于服務聚類技術的支持得出服務類簇，以此達到有效縮小服務查找空間的目的，有效提升了查找效率。之后，從語義互操作層次執行對服務本體的聚合處理任務，針對有著相同功能以及相似服務能力的服務，進一步對它們進行集成，以一個整體的形式對外發布，提升了云計算下復雜系統仿真模型服務查找效率以及準確率。