基于变化的服务演化一致性判定

由于Web服务处在开放、动态、多变的网络环境下,为了有效响应用户需求、运行平台及外部环境的变化,服务必须具备演化的能力。演化后的服务应维持与原伙伴服务或服务用户之间的正常交互,这种性质称为演化一致性。由于Web环境的多样性,服务开发者对演化一致性的判定的标准并不统一。对于服务演化一致性判定问题,现有方法大多基于固定的判定标准,缺乏可调节、细粒度的定量分析且不能显式地反映服务版本之间的变化。针对上述不足,面向服务演化导致的变化,从服务的结构层和非功能层两个角度建立基于变化的服务描述模型,并在该模型的基础上引入演化一致度对演化一致性进行度量。基于所提出的方法,设计并实现了一个服务演化一致性判定工具,验证了所提出方法的可行性与有效性。

一种带租户演化容忍度的SaaS服务演化一致性判定方法

随着云技术的不断发展与成熟,软件即服务(SaaS)模式成为未来软件应用发展的主要趋势。在多元开放的网络生态环境中,SaaS服务若要有效应对用户需求及外部变化,就须具备演化能力。演化一致性是指服务在演化后能保有原基础及与其他服务正常交互的能力。目前对演化一致性的判定多偏向于定性分析,且往往忽略了租户的感受,没有既定的显式标准对一致性进行定量度量并判定。针对此问题,从SaaS多租户单实例的应用模式出发,分层次细粒度地建立服务实例描述模型,引入一致性度量值来表示定量计算的结果,充分考虑租户的演化要求,提出一种带租户演化容忍度的判定方法,细粒度地判定演化一致性。最后,结合SaaS应用案例,采用所提方法对演化一致性进行分析判定,实际应用的反馈情况验证了该方法的可行性和有效性。

构件系统演化一致性的判定方法

构件系统演化一致性是确保演化操作可靠的必要条件,若一致性得不到满足,则会致使演化后的系统达不到既定的功能目标。针对该问题,文中提出基于接口、流程结构、内部行为的构件系统演化一致性判断方法。首先,在演化后的系统中将每个构件视为判定执行者,使所有的构件协同参与一致性判定过程,从接口和流程结构出发,判断执行者和全局的一致性;其次,在满足接口、流程结构一致性的情况下,判断演化构件在演化前后的内部行为一致性;最后,通过对一个构件实例的完整分析,详细描述了该判定方法,并验证了其可行性。

降雨-径流关系非一致性演化的驱动因素诊断——以渭河流域为例

降雨-径流关系是流域产水能力的关键表征。受气候变化、下垫面改变和人类活动的耦合影响,降雨与径流之间的相关性呈现出一定的非一致性变化,不同因素的影响仍有待量化。耦合去趋势互相关分析与去趋势偏互相关分析方法,提出了一种降雨-径流非一致性关系驱动要素识别与影响估算方法,量化了气象条件、下垫面条件和人类活动的贡献。结果表明:构建的量化方法对非一致性序列具有良好的适用性;人类活动对渭河流域降雨-径流关系的影响最大,平均贡献率为58.86%,气象条件次之,下垫面条件影响最小;人类活动对渭河流域降雨-径流关系的影响在时域上总体处于持续增长态势,空间上呈现渭河干流上中游>泾河流域>北洛河流域。

基于Bigraph理论的动态演化软件相关特性分析与验证方法

软件演化中的行为一致性、相容性以及系统完整性约束,长期以来是动态演化中研究的热点.本文利用Milner等提出的Bigraph理论对软件演化中的特性进行研究.与以往利用PetriNet、演算及进程代数不同,Bigraph融合演算和移动Ambient演算的优势,其目的为现有的移动和并发理论建立统一的元模型,并且引入环境上下文参与系统的迁移,使系统的描述更为直观和精确,从而适合对动态演化形式化.本文简要介绍Bigraph的基本概念和现状,利用Bigraph建立演化系统的构件模型,并在Bigraph理论基础上给出分析和验证完整性、一致性和相容性相关规则,并通过具体实例验证利用Bigraph对动态演化建模的有效性.

时钟有限自动机模型及其演化算法

传统分布仿真系统时钟不一致影响因素分析方法,已不能满足当前面向服务分布仿真的时钟状态分析需要。从系统全局时钟演化出发,阐述了时钟状态演化内涵与过程;在此基础上,基于有限自动机理论,提出了用于时钟不一致影响因素量化分析的动态演化模型及其算法:时钟有限自动机CFSA和时钟一致性演化算法CCEA。仿真实验表明:相比传统的分析方法,使用CFSA模型及其CCEA演化算法刻画系统时钟一致性状态变迁过程,探寻各种不一致因素的影响机理,量化分析各因素的影响程度等具有可行性、有效性和新颖性,可为面向服务分布仿真中时钟同步算法设计提供指导性建议。

基于CWM的元数据的形式化推理框架研究

在基于公共仓库元模型(CWM)建立元数据的过程中,参与建立元数据的团体的不同经验以及描述数据的不同视角不可避免地带来元数据的冲突和冗余等问题,然而CWM的图形化特点使之缺乏精确的语义,所以如何在其上进行推理以自动发现这些问题至今没有得到很好的解决.研究了利用描述逻辑——一个一阶谓词逻辑的可判定子集形式化CWM元模型和元数据并进行推理的方法,将一致性检测分为水平一致性和演化一致性分别处理,在处理演化一致性的过程中对CWM元模型进行了扩展,使之支持元数据的版本能力从而能够推理由于演化引起的不一致问题,然后利用推理引擎LOOM对两种情形进行推理检测以发现不一致信息,取得了令人满意的结果,表明提出的方法是可行的.

基于CWM的元数据集成中形式化推理技术的研究

在使用公共仓库元模型(CWM)进行元数据集成的过程中,参与集成的团体的不同经验以及描述数据的不同视角不可避免地带来元数据的冲突和冗余等问题,然而CWM的图形化特点使之缺乏精确的语义,所以如何在其上进行推理以自动发现这些问题至今没有得到很好的解决。本文研究了利用描述逻辑,一个一阶谓词逻辑的可判定子集,形式化CWM元模型和模型并进行推理的方法,将一致性检测分为水平一致性和演化一致性进行分别处理,在处理演化一致性的过程中对CWM元模型进行了扩展,使之支持元数据的版本能力从而能够推理由于演化引起的不一致问题,然后利用推理引擎LOOM对两种情形进行推理检测以发现不一致信息,取得了令人满意的结果,表明本文提出的方法是可行的。