[논문 리뷰] Distance-Guided GA-Based Approach to Distributed Data-Intensive Web Service Composition

Soheila Sadeghiram, Hui Ma외 1명|arXiv (Cornell University)|2019. 01. 16.

Service-Oriented Architecture and Web Services참고 문헌 23인용 수 4

한 줄 요약

이 논문은 분산형 데이터 집약적 웹 서비스 조합(DWSC)을 위한 새로운 유전 알고리즘(GA)-기반 접근법을 제안하며, 기능적 빌딩 블록을 유지하고 QoS 최적화를 위해 도메인 특화 히우리스틱—가장 긴 공통 부분 수열(LCS) 및 서비스 거리—를 교차 연산자와 국소 탐색 기법에 통합한다. 거리 지향형 LCS 교차 연산자가 베이스라인 및 인덱스 기반 방법을 모두 초월하여 벤치마크 데이터셋에서 뛰어난 성능을 발휘함으로써 해의 품질이 크게 향상된다.

ABSTRACT

Distributed computing which uses Web services as fundamental elements, enables high-speed development of software applications through composing many interoperating, distributed, re-usable, and autonomous services. As a fundamental challenge for service developers, service composition must fulfil functional requirements and optimise Quality of Service (QoS) attributes, simultaneously. On the other hand, huge amounts of data have been created by advances in technologies, which may be exchanged between services. Data-intensive Web services are of great interest to implement data-intensive processes. However, current approaches to Web service composition have omitted either the effect of data, or the distribution of services. Evolutionary Computing (EC) techniques allow for the creation of compositions that meet all the above factors. In this paper, we will develop Genetic Algorithm (GA)-based approach for solving the problem of distributed data-intensive Web service composition (DWSC). In particular, we will introduce two new heuristics, i.e. Longest Common Subsequence(LCS) distance of services, in designing crossover operators. Additionally, a new local search technique incorporating distance of services will be proposed.

연구 동기 및 목표

• 기능적 정확성과 서비스 품질(QoS) 최적화를 통합함으로써 NP-완전 문제인 분산형 데이터 집약적 웹 서비스 조합(DWSC) 문제를 해결하고자 한다.
• 기존 웹 서비스 조합 방법들이 데이터 볼륨과 서비스 분포 효과를 간과하는 한계를 극복하고자 한다.
• 교차 및 국소 탐색 연산자에 도메인 특화 히우리스틱을 통합함으로써 DWSC에서 유전 알고리즘의 성능을 향상시키고자 한다.
• 분산 환경에서 대규모 데이터 집약적 서비스 조합을 위한 완전 자동화되고 확장 가능한 솔루션을 개발하고자 한다.
• 히우리스틱 기반 교차 연산자와 일반 목적 또는 인덱스 기반 대안들 사이의 성능 우월성을 경험적으로 검증하고자 한다.

제안 방법

• 기능적 빌딩 블록을 유지하고 해의 다양성을 향상시키기 위해 LCS 및 서비스 거리 히우리스틱을 활용한 문제 특화 교차 연산자 세 가지를 설계한다.
• 지리적 거리 및 서비스 간 통신 비용을 고려함으로써 탐색과 탐색의 균형을 이루는 거리 지향형 두점 교차를 제안한다.
• 서비스 거리를 통합한 국소 탐색 기법을 제안하여 해를 정밀하게 개선하고 고품질 최적해에의 수렴을 향상시킨다.
• 응답 시간, 비용 등의 QoS 속성을 포함한 적합도 함수를 사용하며, 분산 서비스 간 데이터 전송 크기 및 통신 오버헤드도 고려한다.
• WSC08 및 WSC09 벤치마크 데이터셋을 사용하여 다수의 런에서 성능을 평가하며, 이전 WSC 연구에서 제안된 기준 인덱스 기반 교차 연산자와 비교한다.
• 성능 차이를 검증하기 위해 통계적 유의성 검증(쌍별 비교)을 적용한다.

실험 결과

연구 질문

• RQ1 LCS 및 서비스 거리 히우리스틱은 분산형 데이터 집약적 웹 서비스 조합에서 해의 품질을 어떻게 향상시키는가?
• RQ2 거리 지향형 교차 연산자는 일반 목적 또는 인덱스 기반 교차 연산자보다 DWSC에서 더 나은 성능을 내는가?
• RQ3 GA 교차 및 국소 탐색에 도메인 특화 지식을 통합할 경우 해 수렴성과 QoS 최적화에 어떤 영향을 미치는가?
• RQ4 제안된 국소 탐색 기법은 표준 GA 접근법 대비 해 품질을 어떻게 향상시키는가?
• RQ5 다양한 DWSC 데이터셋에서 GA-I, GA-II, 또는 GA-LCS 중 어느 교차 변종이 가장 일관되고 최적의 결과를 도출하는가?

주요 결과

• 거리 지향형 LCS 교차 연산자(GA-LCS)가 모든 벤치마크 데이터셋에서 다른 모든 방법보다 뛰어난 종합 성능을 보였으며, 유의미하게 높은 적합도 값을 기록했다.
• GA-LCS는 [20]에서 제안한 기준 인덱스 기반 교차 연산자보다 항상 뛰어나며, 낮은 적합도 값이 QoS 최적화 수준이 높음을 시사한다.
• WSC08-2 데이터셋에서 GA-LCS는 0.46 ± 0.04의 적합도를 기록했으며, 인덱스 기반 교차 연산자의 0.51 ± 0.09보다 유의미하게 뛰어났다.
• WSC08-4에서 GA-LCS는 0.41 ± 0.01의 적합도를 기록하여 모든 방법 중에서 가장 낮았으며, 강력한 수렴성과 높은 해 품질을 입증했다.
• 부모로부터의 거리 증가를 통해 후손의 다양성을 높이는 GA-II는 GA-I를 초월했으며, 이는 높은 다양성이 해 품질 향상에 기여한다는 것을 시사한다.
• 통계적 쌍별 비교를 통해 거리 지향형 교차 연산자가 항상 기준 인덱스 기반 방법보다 뚜렷이 우수한 결과를 도출했으며, 도메인 특화 히우리스틱의 효과성을 입증했다.