[发明专利]基于复杂性度量的BPEL过程数据流错误预测方法

说明书

本发明公开了一种基于复杂性度量的BPEL过程数据流错误预测方法，首先解析数据集中的BPEL过程文件，分别计算和检测得到每一个BPEL文件的各种复杂性度量指标的值和各种数据流错误；接着，去除一些复杂性度量指标，从而挑选出候选特征；最后将候选特征进行枚举组合，并作为输入特征，运用WEKA数据挖掘软件，使用其包含的常见的分类算法对数据流错误进行分类预测，根据所得的分类预测准确度结果，确定最终选择的特征。本发明能有效地分类预测BPEL过程是否存在数据流错误，对相关工作者建模和设计提供强有力的指导作用，加深对服务组合数据流错误的理解。

技术领域

本发明属于服务计算领域，具体涉及一种基于复杂性度量的BPEL过程数据流错误预测方法

背景技术

伴随着计算机和信息技术的不断创新、进步和普及，软件已经渗透到人们的生活，并成为了我们日常生活不可或缺的一部分。而由于Internet使得计算机软件所处的网络环境变得愈加复杂和多变，由原来的封闭走向开放、由静态转向动态和由可控变得更加难以控制。在此背景之下，一些先进的技术和思想随之产生，其中包括软件即服务(Software asa service，简称SaaS)和面向服务的体系结构(Service Oriented Architecture，简称SOA)。SaaS和SOA有一个共同的特点就是都围绕服务展开，并以此为基础和核心。为了适应服务计算和云计算等前沿技术的快速发展，不同种类的资源被封装成可调用的Web服务。Web服务技术(Web services)产生于SOA之前，为SOA的发展提供了重要的借鉴作用。

单一的Web服务功能不仅结构简单且功能非常有限，无法满足现有业务需求的复杂化，因此Web服务组合技术随之产生。Web服务组合是根据业务需求，将这些已有的原子Web服务通过重新组合得到新的一个服务，从而实现了服务的重新利用和增强服务潜在的实用价值。目前国内外主流服务组合技术利用Web业务过程执行语言(Web ServicesBusiness Process Execution Language，WS-BPEL简称BPEL)来实现的。由于Web服务数量的日益庞大，基于Web服务的业务过程已经成为大规模的应用程序开发的重要方法和途径。顺应着这种方向和发展趋势，BPEL因此成为构建基于Web服务业务过程的大规模编程语言，并已经发展成为了描述Web服务事实上的业界一致认可的标准。BPEL尽管已经发展了十多年，但是BPEL工作者编写的部分BPEL质量依然低于我们的期望，常常造成一些不当的问题和错误的实践，从而造成巨大的经济损失。在BPEL过程中，我们把所有的这种重复出现的不当设计产生的错误模式，称之为反模式(anti-patterns)。

尽管反模式可以有多种不同的形式或者种类，但是在业务过程中，目前最受关注的、最基础的两个方面是控制流反模式和数据流反模式。由于BPEL是基于通用的XML格式编写的业务过程语言，而且BPEL过程具有优良的块结构的特点，因此在BPEL过程中控制流相关的不良的错误不太容易发生。与之相反的是，在BPEL过程中数据流相关的错误相对更加比较容易产生一些，其主要原因有以下两点：首先，BPEL过程支持并发执行，并发的不同分支活动能够通过条件(数据相关的)link表达同步依赖；其次，是因为在BPEL过程中部分数据变量常常来自于动态且多变的外部Web服务。BPEL过程中常见的三种数据流反模式分别是输入缺失(input missing)、输出冗余(output redundancy)和输出丢失(output lost)。

现有方法大多采用模型检验或规则匹配等技术，这类方法检测数据流错误往往面临着状态空间爆炸问题，且缺少对数据流错误的实证研究特性，不能够体现数据流错误的发生究竟与哪些错误息息相关。

发明内容

本发明的目的在于提供一种基于复杂性度量的BPEL过程数据流错误预测方法。