基于服务质量的Top-k Web服务选择方法

计算机应用 ›› 2010, Vol. 30 ›› Issue (4): 872-875.

基于服务质量的Top-k Web服务选择方法

王海¹,朱正东²,李增智²

1. 西安交通大学计算机系统结构与网络研究所
2.

收稿日期:2009-08-27 修回日期:2009-10-20 发布日期:2010-04-15 出版日期:2010-04-01
通讯作者: 王海
基金资助:
面向语用Web服务的网络服务管理机制研究;基于多阶段可用性的Web服务管理关键技术研究

Method of Top-k Web service selection based on QoS

Received:2009-08-27 Revised:2009-10-20 Online:2010-04-15 Published:2010-04-01
Contact: Hai Wang

摘要/Abstract

摘要： Web服务的质量属性具有动态性，实时性特点,能提供具有服务质量保障的Top-k服务选择，同时有效降低服务选择系统对宿主服务器及网络带来的负载。提出一种使用单调服务质量的效用函数，在规范化QoS属性的基础上，通过计算给定服务效用函数的取值空间，快速筛选出满足要求的Top-k服务的RTKS-QoS算法。实验结果证明，在k<20的情况下，RTKS-QoS算法的响应时间及给网络带来的流量负载，与不使用优化的情况相比，分别平均降低了55%及52%。

关键词: Web服务, 服务质量, Top-k服务选择, 响应时间, 网络负载

Abstract: Quality attributes of Web service are dynamic and real-time. Much more attention has been put on the research of providing quality guaranteed Top-k services selection and in the mean time effectively reducing the load of the host server and also the network involved. This paper proposed a method named RTKS-QoS algorithm using monotone utility function, through nomalizing QoS attributes and calculating the value range of the utility function, efficiently filtered the Top-k services to meet the requirements. The experimental result shows under the constraints of k<20, the response time and the network load of RTKS-QoS algorithm improved by 55% and 52% respectively compared to non-optimized case.

Key words: Web service, Quality of Service (QoS), Top-k service selection, response time, network load

王海朱正东李增智. 基于服务质量的Top-k Web服务选择方法[J]. 计算机应用, 2010, 30(4): 872-875.

[1]	周烁, 仇润鹤, 唐旻俊. 基于禁忌搜索和Q-learning的CR-NOMA系统的功率分配算法[J]. 计算机应用, 2021, 41(7): 2026-2032.
[2]	冉家敏, 倪志伟, 彭鹏, 朱旭辉. 考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解[J]. 计算机应用, 2021, 41(3): 794-802.
[3]	雷鹰, 郑万波, 魏嵬, 夏云霓, 李晓波, 刘诚武, 谢洪. 基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3302-3308.
[4]	徐金荣, 郭彩萍, 童恩栋. 面向服务遥感图像处理平台中时间感知的服务质量预测[J]. 计算机应用, 2020, 40(6): 1714-1721.
[5]	郭曙杰, 李志华, 蔺凯青. 云环境下基于模糊隶属度的虚拟机放置算法[J]. 计算机应用, 2020, 40(5): 1374-1381.
[6]	罗际炜, 瞿涛, 邓徳祥. 嵌入式多通道无线视频传输的码率自适应算法[J]. 计算机应用, 2020, 40(4): 1119-1126.
[7]	孙天齐, 胡建鹏, 黄娟, 樊莹. 云环境下Web应用带宽资源预测与管理[J]. 计算机应用, 2020, 40(1): 181-187.
[8]	赵士操, 肖永浩, 段博文, 李于锋. HSWAP:适用于高性能计算环境的数值模拟工作流管理平台[J]. 计算机应用, 2019, 39(6): 1569-1576.
[9]	王妍, 马秀荣, 单云龙. 长期演进系统基于加权平均时延的下行资源调度[J]. 计算机应用, 2019, 39(5): 1429-1433.
[10]	李磊, 薛洋, 吕念玲, 冯敏. 基于李雅普诺夫优化的容器云队列在线任务和资源调度设计[J]. 计算机应用, 2019, 39(2): 494-500.
[11]	郭棉, 李绮琦. 面向延迟敏感型物联网应用的计算迁移策略[J]. 计算机应用, 2019, 39(12): 3590-3596.
[12]	吴沐阳, 刘峥, 王洋, 李云, 李涛. 基于指标相关性的网络运维质量评估模型[J]. 计算机应用, 2018, 38(9): 2535-2542.
[13]	王泽武, 孙磊, 郭松辉, 孙瑞辰. 密码云中基于熵权评价的虚拟密码机调度方法[J]. 计算机应用, 2018, 38(5): 1353-1359.
[14]	李昆仑, 关立伟, 郭昌隆. 基于聚类和改进共生演算法的云任务调度策略[J]. 计算机应用, 2018, 38(3): 707-714.
[15]	喻新荣, 李志华, 闫成雨, 李双俐. 云数据中心高效的虚拟机整合方法[J]. 计算机应用, 2018, 38(2): 550-556.