[论文笔记]随机QoS感知的可靠Web服务组合(软件学报, 2009)
Time: 9 hours(包括3 hours与作者交流)
问题描述: 由于Internet环境的开放性和动态性以及Web服务的随机性, 组件服务的QoS具有很强的不确定性.
本文中的服务组合采用半自动方式, 即要解决Internet环境下预定义流程的Web服务选择问题, 作者将此问题定义为对一个随机型离散事件系统进行动态寻找最优规划的过程, 通过引用, 作者指出复杂度是P完全的(前言).
针对Web服务QoS的动态性, 作者提出了一种自适应管理体系结构. 根据用户的反馈和系统的检测信息对UDDI中的QoS值进行自适应更新.
针对Web服务QoS的不确定性, 作者使用了新的度量方法, 将各QoS指标定义为随机变量, 使用数学期望和方差来度量各指标的取值;将"负载"做为一个新的QoS指标. 本文涉及的其他QoS指标包括:执行代价, 执行时间, 可靠性和信誉度.
本文使用的MDP类型: 离散决策时刻, 有限阶段, 文中没有提及决策类型, 应该是MD型(Markovian, Deterministic)
使用MDP对Web服务进行建模(S3.2)
由于服务组合最终可以化简为只包含顺序和并发两种, 本节讨论了使用MDP对这两种结构进行建模.
决策时刻:
关于阶段数N的确定, 询问了一下作者, 得到答复如下: "对于一般的流程结构我们都可以转化为顺序型和并发型，对于顺序型结构，每个任务的执行看作是一个阶段，阶段数就等于任务数；对于并发型，并发的任务看作是同一个阶段."
另外还有一点要注意: "如果ti执行失败, 则系统状态和决策时刻均不变".
状态:
St = (t1,t2,...,tn). 其中ti对应一个task
动作:
当前状态下可调用的WS
转移概率:
由于同一决策时刻可以多次调用一个WS, 第k次调用某WS时, 转移概率递减(递减的规律文中是上一个值除以k, 并没有理论或实验依据).
文中转移概率根据服务的各种QoS属性归一化加权相加后的值来确定, 我觉得这种做法不是很合理.
效益:
各种QoS属性归一化加权相加后的值.
本文采用的MDP方法与标准的MDP方法有所不同:
(1) 论文中MDP同一决策时刻可以进行多个决策, 标准MDP同一决策时刻只进行一次决策 (2) 论文中MDP在同一决策时刻的几次决策对应的转移概率会变, 标准MDP中则不存在这个问题.
我也是最近一段时间才学了一下MDP的方法, 对于本文采用的MDP方法有些不解. 从建模能力上讲, 论文中的MDP方法显然要大于等于标准的MDP方法.那么问题就是, 文中提到的MDP方法, 与标准的MDP方法相比, 建模能力到底是等价的还是更强呢?
如果建模能力更强, 那本文采用的就不是MDP方法了, 或许可以叫做"改进的MDP"方法.
对于这种改进的MDP方法, 到底是本文作者提出来的还是原来就有的, 论文中并没有做介绍.
此外, 论文实验部分采用matlab来进行模拟实验, 我不熟悉matlab, 不知道matlab是否直接支持论文中这种改进的MDP.
以上是我读完这篇论文后最大的疑问了, 发信向作者讨教, 可惜暂时还没有回复.
论文(S1)讨论随机QoS指标的度量方法, (S2)用简短的篇幅介绍了QoS管理体系结构, (S3)则讨论MDP解决服务组合.
这三个部分之间的内在联系不是很紧密. 个人感觉整篇论文有点"散".
勘误: 论文中 (S3.4) 步骤3 中“t+1=>k” 是为“k+1=>k” 。
问题描述: 由于Internet环境的开放性和动态性以及Web服务的随机性, 组件服务的QoS具有很强的不确定性.
本文中的服务组合采用半自动方式, 即要解决Internet环境下预定义流程的Web服务选择问题, 作者将此问题定义为对一个随机型离散事件系统进行动态寻找最优规划的过程, 通过引用, 作者指出复杂度是P完全的(前言).
针对Web服务QoS的动态性, 作者提出了一种自适应管理体系结构. 根据用户的反馈和系统的检测信息对UDDI中的QoS值进行自适应更新.
针对Web服务QoS的不确定性, 作者使用了新的度量方法, 将各QoS指标定义为随机变量, 使用数学期望和方差来度量各指标的取值;将"负载"做为一个新的QoS指标. 本文涉及的其他QoS指标包括:执行代价, 执行时间, 可靠性和信誉度.
本文使用的MDP类型: 离散决策时刻, 有限阶段, 文中没有提及决策类型, 应该是MD型(Markovian, Deterministic)
使用MDP对Web服务进行建模(S3.2)
由于服务组合最终可以化简为只包含顺序和并发两种, 本节讨论了使用MDP对这两种结构进行建模.
决策时刻:
关于阶段数N的确定, 询问了一下作者, 得到答复如下: "对于一般的流程结构我们都可以转化为顺序型和并发型，对于顺序型结构，每个任务的执行看作是一个阶段，阶段数就等于任务数；对于并发型，并发的任务看作是同一个阶段."
另外还有一点要注意: "如果ti执行失败, 则系统状态和决策时刻均不变".
状态:
St = (t1,t2,...,tn). 其中ti对应一个task
动作:
当前状态下可调用的WS
转移概率:
由于同一决策时刻可以多次调用一个WS, 第k次调用某WS时, 转移概率递减(递减的规律文中是上一个值除以k, 并没有理论或实验依据).
文中转移概率根据服务的各种QoS属性归一化加权相加后的值来确定, 我觉得这种做法不是很合理.
效益:
各种QoS属性归一化加权相加后的值.
本文采用的MDP方法与标准的MDP方法有所不同:
(1) 论文中MDP同一决策时刻可以进行多个决策, 标准MDP同一决策时刻只进行一次决策 (2) 论文中MDP在同一决策时刻的几次决策对应的转移概率会变, 标准MDP中则不存在这个问题.
我也是最近一段时间才学了一下MDP的方法, 对于本文采用的MDP方法有些不解. 从建模能力上讲, 论文中的MDP方法显然要大于等于标准的MDP方法.那么问题就是, 文中提到的MDP方法, 与标准的MDP方法相比, 建模能力到底是等价的还是更强呢?
如果建模能力更强, 那本文采用的就不是MDP方法了, 或许可以叫做"改进的MDP"方法.
对于这种改进的MDP方法, 到底是本文作者提出来的还是原来就有的, 论文中并没有做介绍.
此外, 论文实验部分采用matlab来进行模拟实验, 我不熟悉matlab, 不知道matlab是否直接支持论文中这种改进的MDP.
以上是我读完这篇论文后最大的疑问了, 发信向作者讨教, 可惜暂时还没有回复.
论文(S1)讨论随机QoS指标的度量方法, (S2)用简短的篇幅介绍了QoS管理体系结构, (S3)则讨论MDP解决服务组合.
这三个部分之间的内在联系不是很紧密. 个人感觉整篇论文有点"散".
勘误: 论文中 (S3.4) 步骤3 中“t+1=>k” 是为“k+1=>k” 。
