[发明专利]一种基于精确QoS的快速服务匹配方法

说明书

本发明公开了一种基于精确QoS的快速服务匹配方法，该方法包括：获取QoS实测值ErVQ；将ErVQ输入因子分解机FM中进行训练，得到预测精准QoS模型将服务集合S的QoS平均检测结果输入预测精准QoS模型中，得到QoS各项检测结果值Er_i；将任意到达的服务请求k的EcVQ_k输入预测精准QoS模型中，得到服务请求期望值Ec_k；构建哈希Hash服务列表，根据QoS各项检测结果值Er_i将每个服务实例放置到哈希Hash服务列表中，将服务请求期望值Ec_k投射至哈希Hash服务列表上，求解QoS各项检测结果值Er_i和服务请求期望值Ec_k之间绝对值最小的资源适合度的服务实例作为最佳匹配服务实例。该方法可以在众多服务中快速、准确的找到符合用户需求的服务。

技术领域

本发明涉及服务集成技术领域，特别涉及一种基于精确QoS的快速服务匹配方法。

背景技术

近年来，随着云计算、物联网等新型计算模式的涌现和发展，以及大数据时代的到来，越来越多的企业、组织或个人将其研发的软件以服务的形式发布到互联网中，使得服务种类多样化、服务数量迅猛增长。例如，数据宝、极速数据、聚合数据、百度APIStore、腾讯开放平台和京东万象等各种服务提供平台甚至各种组织或个人为用户开放了API(Application Programming Interface)接口以调用相应服务实现用户所需功能。但是服务种类、数量的日益丰富使得依靠用户在众多服务中手工查找所需的服务变得越来越困难，用户难以根据自身需求在众多服务中找到满足自己功能需求的服务。

为了改善用户体验或者提高用户的满意度，众多学者和研究人员针对QoS进行需求服务匹配进行了大量研究。Mukherjee等人从软件资源角度考察基于QoS匹配的服务推荐方法，例如最小化用户请求的响应时间或使推荐的服务具备较高的成功率。邓晓衡等人提出了基于可信优化目标对经典算法min-min算法的改进调度算法，以资源身份、能力(QoS)、行为可信任和反馈可信度为输入参数，通过反馈机制对服务进行综合评价并排序以确立调度顺序，尝试优化用户请求任务的完成时间与提高资源利用率。相关技术一建立了面向服务质量与成本感知的云工作流调度模型，将资源调度问题划分为任务集合与节点类型映射和任务集合与节点实例映射两阶段，提出了基于任务序列划分的两段式编码遗传算法，实现资源调度优化，提高QoS匹配度；相关技术二针对带准备时间和截止期约束的云服务工作流费用优化的云计算资源优化分配问题，建立相应的整数规划数学模型，提出高服务质量初始群体的启发式生成方法，能够在合理的CPU时间内可有效减少工作流费用。然而当前的服务匹配方法大多从服务提供商的角度进行，目标是使其资源利用率最大化，减小运营成本，未充分考虑用户对于QoS的要求，从而可能服务QoS实际运行性能和用户需求性能之间产生差异，造成资源浪费；其次，服务QoS属性间存在一定的联系，例如响应时间越短则成功率越高，目前，对此方面的解决方法较少，对QoS属性间的二次关系挖掘可能进一步提高服务推荐的精确性，有利于提高用户满意度；再者，现存算法无法应对服务实例数量众多，用户请求数量巨大的情况。

因此，亟待一种可以在众多服务中快速、准确的找到符合用户需求的快速服务匹配方法。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提出一种基于精确QoS的快速服务匹配方法，该方法可以在众多服务中快速、准确的找到符合用户需求的服务。