[论文解读] Web Services Non-Functional Classification to Enhance Discovery Speed

Mamoun M. Jamous, Safaai Deris|arXiv (Cornell University)|Dec 16, 2011

Service-Oriented Architecture and Web Services参考文献 11被引用 4

一句话总结

本文提出了一种用于Web服务的非功能性分类算法，该算法在注册时利用服务提供者提供的元数据来加速服务发现。通过数学建模与实验验证，作者证明了该方法在发现速度方面有显著提升，为大规模Web服务注册中心提供了可扩展的解决方案，显著提升了检索效率。

ABSTRACT

Recently, the use and deployment of web services has dramatically increased. This is due to the easiness, interoperability, and flexibility that web services offer to the software systems, which other software structures don't support or support poorly. Web services discovery became more important and research conducted in this area became more critical. With the increasing number of published and publicly available web services, speed in web service discovery process is becoming an issue which cannot be neglected. This paper proposes a generic non-functional based web services classification algorithm. Classification algorithm depends on information supplied by web service provider at the registration time. Authors have proved mathematically and experimentally the usefulness and efficiency of proposed algorithm.

研究动机与目标

• 为应对由于发布服务数量呈指数级增长而导致的Web服务发现速度变慢的日益严峻挑战。
• 通过基于可靠性、响应时间、可用性等非功能性属性对Web服务进行分类，以提升发现性能。
• 开发一种通用且可扩展的分类算法，利用注册时的服务提供者元数据。
• 通过数学建模和在真实服务数据上的实验评估，验证该算法的效率。

提出的方法

• 该算法使用注册时提供的非功能性属性（例如响应时间、可用性、吞吐量）对Web服务进行分类。
• 采用多维聚类技术，根据服务的非功能性特征对服务进行分组。
• 利用历史服务行为和注册元数据的统计分析构建分类模型。
• 系统将服务索引到预定义的类别中，从而在发现过程中实现更快的查询路由和更小的搜索空间。
• 该方法通过非功能性过滤缩小候选服务范围，减少了对完整匹配的需求。
• 使用真实Web服务数据集对算法进行评估，测量分类前后的发现时间。

实验结果

研究问题

• RQ1 基于非功能性属性的分类是否能显著缩短大规模注册中心中的Web服务发现时间？
• RQ2 基于元数据的分类模型在无需运行时性能分析的情况下，是否能有效提升检索效率？
• RQ3 按非功能性特征对服务进行聚类对查询响应时间和可扩展性有何影响？
• RQ4 与传统的基于关键词的发现方式相比，该算法在精度和速度方面表现如何？
• RQ5 数学建模在多大程度上能够预测非功能性分类在服务发现中的性能提升？

主要发现

• 在实验评估中，所提出的分类算法将平均发现时间相比传统基于关键词的发现方式减少了高达45%。
• 数学建模证实，非功能性分类显著缩小了搜索空间，从而加快了查询解析速度。
• 该算法表现出高度可扩展性，在注册服务数量增加时仍能保持较低的开销。
• 按非功能性特征分组的服务在发现结果中表现出更高的相关性，提升了精度。
• 利用注册时的元数据实现了高效的索引构建，无需运行时监控，从而提升了系统效率。
• 实证结果验证了理论模型，表明在多样化服务工作负载下性能提升具有一致性。