一种基于模式的服务整合优化框架研究

王显志 王忠杰 徐晓飞

摘要：现代服务系统日渐呈现出开放式、整合化和规模化的趋势，研究新特征下整合服务设计和运营的系统化优化方法具有重要意义。探讨服务模式的概念和基本性质，进而提出一种基于模式的服务整合优化框架。结合按需服务的生命周期，识别框架中所包含的若干关键问题，并给出利用服务模式进行服务整合优化的基本过程及几个关键问题的相互关系，为考虑需求规模、服务容量、服务不确定性和收益优化等服务价值特性的领域服务整合优化提供指导。

关键词：现代服务系统； 服务模式； 整合优化框架； 按需服务生命周期

中图分类号：TP 311.5 文献标识码：A文章编号：2095-2163（2013）06-0001-06

0引言

服务是创造和获取价值的服务提供者/客户的交互[1]。随着信息技术的发展，传统服务业逐渐向现代服务业发生了过渡与转型。有别于传统服务，现代服务以先进IT技术为支撑，通过IT技术与物理业务过程的有机结合，形成服务生态系统。在服务生态系统中，现实资源被合理抽象并以软件的形式加以组织、调度和使用。在这一背景下，服务计算作为跨越计算机与信息技术、商业管理、商业咨询等领域的新兴学科顺势应运而生，并获得积极发展。服务计算旨在消除商业服务与信息支撑技术之间的鸿沟，以实现更加高效和有效的业务服务。服务计算覆盖了服务创新研究的整个生命周期，包括业务模块化、服务建模、服务创建、服务实现、服务标注、服务部署、服务发现、服务组合、服务交付、服务协作、服务监测、服务优化和服务管理[2]。其代表性技术包括：面向服务的体系架构（Service Oriented Architecture，SOA）及Web服务、云计算，网格/效用计算、以及业务流程整合与管理。这三方面分别用以解决技术平台与架构、服务交付和业务整合与管理等方面的一系列问题。

面向服务的架构支持一种适应快速、持续变化和开发设计灵活的整合业务模型。一方面，在以云计算、开放API为代表的整合化服务趋势下，越来越多的服务提供者根据顾客的需求整合多方资源形成新的服务内容，服务系统表现为一系列服务能力和资源的聚集和链接，而服务系统的构建则演变为一系列软件、资源等服务要素的组合。在此背景下，如何合理规划和配置资源，以优化按需构造服务的收益和性能即成为服务系统优化的核心问题；另一方面，现代服务业的深度变革导致服务的构造目标发生着重大的变化。尤其是Web 2.0的发展，使其从单纯地追求顾客满意度发展为关注于包括个性化和用户享受在内的整体价值体验，从单纯地提供功能到追求整合的业务增值。区别于一般软件系统所追求的功能、性能、质量等方面，服务的最终目标是在顾客和提供者间的交互过程中实现价值，其中既包括经济价值，同时也泛指服务给提供者/客户带来的外在收益和/或自身条件改变。这也要求服务整合解决价值优化的问题。

为了保障服务过程中各方参与者的价值实现，哈尔滨工业大学提出价值知觉的服务工程方法论（Value-Aware Service Engineering Methodology，VASEM）”[3]，作为一套系统化的工程思路和方法指导服务系统的优化设计与运行。服务工程方法论将服务生态系统分为次“需求—业务—资源”三个层次，相关基本概念如表1所示。概念含义服务需求外在的功能和关于价值、性能、质量等方面的目标服务任务完成描述的具体业务过程或业务集合服务行为完成一个在逻辑、功能和价值上相对独立的功能服务构件与服务资源相关用于完成服务行为的基本功能单元服务资源现实资源在网络空间的相对独立的映像VASEM通过服务模型的价值标注、价值约束下的服务模型优化和由服务模型到具体服务的映射三个步骤完成价值需求到系统构成的传递，必要时迭代修改上层以得到可行的优化方案。图1示意性地描述了这一过程。

由图1可见，服务组合作为服务系统构造的核心技术，是影响顾客需求能否满足和服务价值实现程度的关键因素。事实上，服务组合一直是服务计算领域的研究热点。而现代服务业，尤其是整合型服务应用的快速发展则为这一问题提出新的挑战。

首先，随着基于第三方服务平台的大规模整合应用[4]（如：携程、阿里巴巴）的崛起，服务的在线效率问题进一步突显。在典型的整合服务应用中，大量相同或者相似的领域需求持续出现。传统服务组合基于单个需求的优化方法在许多场景下已经不再适用。因此，借鉴生产制造领域“大规模定制”的概念，建立面向领域大规模需求的新的服务构造方法将成为必然选择。

其次，传统服务组合主要关注于服务质量，而现代服务生态系统优化是一个多参与者、多目标的综合优化过程。因此有必要扩展当前服务组合的关注范畴，从更加广义的服务价值的角度对服务过程进行分析，并根据需求的重要性、问题规模和服务容量分别提出相应的优化方法，从而以较小的计算代价完成包括收益、质量、个性化等价值特征的综合优化，并提高应用的在线效率。

再次，服务系统通常处于高度动态的不确定环境，且现实中的资源和服务常常存在关联。在这种情况下，不得不在可用资源数量、质量动态变化和可能出现的服务执行失败等情况下对关键资源的有限服务能力做出合理分配，并解决相关优化问题。

以上问题相互关联，亟需一套系统化的框架加以解决。现有服务优化方法与领域结合并不紧密，而服务都是领域相关的，因此从中获取和利用领域实践中的模式化结果即成为提高在线服务效率的必然选择。在领域实践中，多会发现一些常用的、在大量场景中重复出现且可以被分析抽取出来的共性子服务。事实上，这些子服务（可能包含复杂服务以及服务之间的关联）可以作为从服务需求到具体服务资源之间的快速、高价值映射的重要先验知识和实现基础，即：领域实践验证过的关于按需构造复杂服务方案的规律性构造方法。本文以服务组合的思路和方法为基础，提出一套基于服务模式的整合服务设计与优化构造框架及方法，以有效解决上述问题。作为服务高价值构建的重要先验知识和实现基础，服务模式将有助于间接地高效求解优化问题，并为策略层面的改进提供支持。

图2给出了引入“服务模式”的概念之后，服务系统涉及的主要概念以及各概念之间的关系。

其中，一个服务模式包含若干服务构件，并对应若干服务行为，是若干服务所对应的业务过程的集合。这些行为通过信息流、数据对象和行为实体等服务要素联系在一起。服务模式通过其“实例化”过程实现由抽象定义到具体服务的转换。

1服务模式相关研究现状

服务模式在不同背景和问题中具有不同的含义。常见的模式包含以下几种范畴：

（1）业务和经营层面的“模式”，如“连锁店模式”、“超市模式”等；

（2）应用层面的“模式”，如“Web 2.0模式”、“万物皆服务模式”、“双边资源整合（Bilateral Resource Integration，BIRIS）模式”等；

（3）系统构建层面的模式，用以描述系统功能单元及其之间关系在系统构建和优化中的规律性。这也是本文研究所关心的模式。

与模式相关的主要概念在服务整合中主要是为了解决优化效率问题而提出的。随着越来越多的功能在互联网上提供服务，导致问题规模呈指数增长。研究者大多采用整数规划[5]和启发式算法[6，7]来解决这一问题。然而，考虑当前服务整合应用的领域特征，如：优化目标、在线效率、需求规模、服务容量、不确定性等相应情况，传统方法往往不能很好地满足现实要求。

客户社区[8]和服务社区[9]等方法从一定程度缓解了以上问题。在一个客户社区中，通过客户与客户之间的相似性和服务关系而对其进行分类；而在服务社区中，服务间的关系得以保存，同时服务组合的历史记录也可以保存和利用。社交网络[10]和小世界理论[11]都是社区理论在服务整合背景下的丰富和发展。然而此类研究并未从根本上解决如上问题。

协同过滤方法（Collaborative Filtering，CF）给出了运用历史经验解决个性化服务推荐问题的新思路。文献[12]提出不确定服务环境下基于协同过滤的Web服务QoS预测方法。文献[13]通过基于用户位置信息的聚类而改进以上方法的效率。然而这些方法考虑的是服务消费者直接面对服务的情况，而在服务组合中，服务的消费者却面临着逻辑上的第三方（即服务代理）作为服务的直接提供者，其与参与组合的成员服务之间的交互完全由服务代理完成。因此，服务组合中的组合经验是指服务代理的经验，而不是服务消费者的个人经验。因此当前的CF方法只适用于简单服务的推荐，且很难直接应用到服务组合。

为了支持在服务组合中对历史经验的运用，文献[14]提出了历史记录为基础的服务选择方法，其中的服务组合方案是根据历史记录中候选服务的实际QoS值确定的。然而，根据每个候选服务的历史质量单独预测其QoS值的做法本身效率很低，且将导致历史记录中所体现的不同功能或服务间的隐性关联信息也将丢失。

已有一些学者对服务模式的相关概念进行定义，如：文献[15]将业务流程中可利用的逻辑归纳和定义为可在用户之间共享的模式，以方便新组合应用的构建；文献[16]对服务流程中重复出现的过程片段进行提取，以期望在服务选择中进行重用。然而，以上所谓的“模式”只是纯粹的服务流程片段，难以对服务选择提供支持，且都没有提供在服务组合中应用这些“模式”的方法。

文献[17]中，在服务组合中经常出现的过程片段（包括一组频繁共同出现的服务集合和相互之间的控制流）被通过数据挖掘技术提取出来以备在后续服务组合中予以征用。文献[18]进一步给出可利用已发现的服务过程片段（包括控制流和已绑定的服务）进行组合服务选择的方法。但是与CF类似，该方法存在“新项目问题”，即：历史中没有参与过任何组合的新服务也难以参与到以后服务组合中去。此外，由于服务提供环境、服务本身质量的不确定性，所发现服务过程片段的QoS可能不够准确，甚至会失效，因此对服务组合结果的最优性产生影响。以上各原因都削弱了利用其进行服务组合的优势。

与前面自下而上进行模式提取的方式相比，有些自上而下的服务组合方法也可确认为模式的一种定义方法。文献[19]通过对于各候选服务集合中的服务质量进行分级和服务级别的选择，而将全局质量约束分解为多个针对简单服务的局部质量约束，从而提高服务组合的效率。文献[20]中，该算法得到进一步扩展，以支持除了顺序结构之外的多种类型的工作流结构。上述服务组合方法完全基于按需的实时计算而进行服务组合，没有利用任何历史经验，因此优化效率尚有可待提升的空间。同时，全局约束总是分解到不能再分解为止，即分解到服务组合的最小粒度的服务，这种做法不能支持对业务中隐性业务关联的发现和利用，因而缺乏灵活性。

2服务模式的概念和基本性质

为支持服务应用的高价值按需构建，本文提出“服务模式”的概念以支持服务需求到具体服务的快速映射。服务模式的定义基于以下假设：

（1）相同领域应用的服务基本相似；

（2）相同领域相同服务的过程和资源基本相似；

（3）相同领域的基本服务和资源是有限的。

服务模式定义为与先验业务相关的、基于构件组合而成的服务复合体，也称为“业务关联的服务复合体或复合构件（Business-Oriented Service Complex， BOSC）”。研究可知BOSC具备以下特征：

（1）是一种业务相关服务复合体；

（2）有别于应用模式；

（3）是一种组合。

服务模式以支持服务系统构建和运行中的快速优化为目标，在概念上可以描述为多维向量（pID， pName， pObjective， pFunction， pElement， pStructure， pTrait， pUtilization， pConstraint）。其中，pID和pName分别是服务模式的标识和名称，pObjective表征服务模式所处的业务领域和功能，pFunction用以描述服务模式实现方面的功能特性，包括输入、输出和业务影响等，pElement是与服务模式相关的构件化服务功能集合，vStructure表示服务模式所对应服务行为的组织和逻辑结构，pTrait 表征服务模式的质量标准和风险，用以体现服务模式在针对非功能方面的量化价值参数，vUtilization表示服务模式在使用方面的信息，包括使用方式、接口等功能信息和使用频率等统计信息，pConstraint表示服务模式使用的条件和对于绑定服务的约束等。

服务模式的基本思路在于从以往服务尝试中发现有开发价值的抽象方案，并通过重用或者修改已有方案来减少优化过程中构造全新方案的负担。服务模式可由领域专家定义，也可由程序运行发现。作为系统构建的组件，BOSC可被大量选择和复用，但很少作以改动。而且每次服务之后，均有可能生成新的BOSC。

服务模式存在的基础在于服务的领域相似性，即：相似领域的服务业务及所表征的维度、特性方面都具有一定的相似性，且这种相似性还具有一定的稳定性。领域相似性使得服务模式具备以下性质：

（1）先验性：业务中被成功应用过的服务及其几率是已知的；

（2）价值性：服务模式是历史经验的总结，在“型”和“值”两方面分别具备一定的价值优先级；

（3）概率性：服务模式从统计概率的角度达到优化设计的目标。

服务模式的设计目标是使其尽可能地接近和达到“2：8规律”，即：80%的服务需求可以通过20%的服务来满足。其应用目标设定为支持在可接受的时间内给出价值可接受、性能可满足的服务方案，本质上属于领域服务的优化问题。针对应用场景的不同，其设计目标和优化手段也会有所不同。

3基于服务模式的服务整合框架

本文从生命周期的角度对按需服务整合优化问题进行分析。图3给出了基于服务模式进行按需服务整合的生命周期。由于面向服务架构下系统的设计与实现两部分是密不可分的，因此与传统软件工程中的优化不同，本文将整合服务优化的生命周期分为服务准备、方案构造以及服务绑定三个阶段。具体地，第一阶段主要解决不同需求规模、服务规模及服务容量限制下的调度问题，其目标是从宏观的层面对服务能力进行时空调度，制定大规模个性化需求下的服务提供策略及方法，从而有效提升后续阶段的优化性能和效果；第二阶段解决基于模式的服务方案构建问题。由于宏观需求与具体服务之间存在较大差异，直接映射不仅效率低下，而且难以重用领域业务经验。因此这一阶段关注于定义、发现和识别一组可重用和被需求匹配的服务模式，从而在保障经验价值的基础上提高优化效率；第三阶段面向服务模式选择满足一组其价值需求的服务，实现完成由抽象方案到具体服务的映射。

以上阶段分别处于优化的宏观、中观和微观的三个层面。随着各阶段的迁移，整个优化问题得以不断细化和分解。通过对其中各阶段的优化，最终能够综合利用各种手段建立和保障双边服务价值。

由于服务资源统一封装并以按能力集合抽象为服务构件模型，因此服务必然要体现资源相关特性。有关服务构件的定义可以参阅“服务模型驱动的体系结构（Service Model Driven Architecture，SMDA）”[21]。

基于服务模式进行整合的思路如图4所示。首先，将分散的独立需求抽象为能够表现大规模与个性化特征，同时将分布的服务根据经验或规律等抽象为整合服务；进而，基于服务模式建立满足需求的服务整合方案；最后，面向服务模式选择具体服务，由此形成整合应用。

图5给出了相应整合框架。该框架立足于第三方平台，一方面聚集客户需求，为其按需构建整合服务；另一方面组织来自不同服务提供者的资源，在动态和非可靠的服务环境下完成服务整合。在以上过程中，需要根据顾客满意度、服务质量、优化性能和收益等方面，优化设计服务提供策略和资源配置，以综合地优化双边客户的价值。

4基于模式进行服务整合的基本过程

图6描述了该框架下进行资源整合的基本过程，并以文字阐述如下：

（1）基于需求规模和收益启发，进行需求抽象与调度；

（2）基于需求预测和服务使用经验，确定服务及容量预留策略；

（3）基于服务模式以及历史组合经验构造新服务方案；

（4）根据选定的服务模式进行服务资源提取及根据环境变化对可用资源进行按需更新；

（5）根据具体价值需求，确定服务模式在服务方案中的提供策略，并为模式选择具体服务；

（6）将最终服务方案部署到运行环境，形成可执行的服务流程。图5 基于服务模式的双边资源整合框架

Fig.5 Pattern-based bilateral resource integration framework图6 基于模式的服务整合的基本过程

Fig.6 Basic process of pattern-based service integration5结束语

为应用对现代服务系统的发展逐渐呈现出在线、实时、价值、整合等方面的特征，本文提出一种基于模式的服务整合优化框架。框架从生命周期的角度对新业务特征条件下的服务系统优化问题进行了分类，给出系统化的服务整合优化思路、架构和过程，并重点关注了大规模需求、海量服务资源、服务容量受限和环境动态性等问题，为面向服务提供者和客户双边价值优化的服务整合提供了系统化的解决方案。

鉴于当前在整合型服务构建与优化方面（尤其是大规模整合方面）还没有系统化的思路和方法，本文提出适合于整合型应用的服务模式及服务即时构造框架，对于解决面向服务的领域应用快速构建与高价值优化问题具有重要意义。

参考文献：

[1]IBM. Service definition. Services Sciences， Management and Engineering. http：//www.research.ibm.com/ssme/services.shtml.

[2]ZHANG L， ZHANG J， CAI H. Service Computing. New York， N.Y.， USA： Springer-Verlag， 2007.

[3]XU X， WANG Z. Value-aware service model driven architecture and methodology[C]∥ IFIP International Federation for Information Processing. Boston， Mass.， USA： Springer， 2008：277-286.

[4]王忠杰， 徐晓飞. 面向双边资源整合的服务创新模式[J].计算机集成制造系统， 2009， 15（11）： 2216-2225.

[5]WEERAWARANA S， CURBERA F.Business process with BPEL4WS： understanding BPEL4WS. 2002. http：//www-128.ibm.com/developerworks/library/ws-bpelcol1/.

[6]RAO H， SU X. A survey of automated web service composition methods. International Workshop on Semantic Web Services and Web Process Composition （SWSWPC）， 2004： 43-54.

[7]LIU F， YU C. Personalized web search for improving retrieval effectiveness[J]. IEEE Transactions on Knowledge and Data Engineering， 2004， 16（1）： 28-40.

[8]KODAMA M. Customer value creation through community-based information networks. International Journal of Information Management， 1999， 19： 495-508.

[9]PERRYEA C A， CHUNG S. Community-based service discovery. International Conference on Web Services （ICWS）， 2006： 903-906.

[10]MANKOFF J， MATTEWS D， FUSSELL S R， et al. Leveraging social networks to motivate individuals to reduce their ecological footprints. International Conference on Systems Science （HICSS）， 2007： 87-87.

[11]KLEINBERG J. The small-worlds phenomenon： an algorithmic perspective. Technical report， Cornell University， 1999.

[12]ZHENG Z， MA H， LYU M， et al. Qos-aware web service recommendation by collaborative filtering[J]. IEEE Transactions on Services Computing， 2011， 4（2）： 140-152.

[13]CHEN X， LIU X， HUANG Z， et al. Region KNN： a scalable hybrid collaborative filtering algorithm for personalized web service recommendation[C]//International Conference on Web Services （ICWS）， 2010： 9-16.

[14]LIN W， DOU W， LIU X， et al. A history record-based service optimization method for QoS-aware service composition[C]//International Conference on Web Services （ICWS）， 2011： 666-673.

[15]HU H，HAN Y， HUANG K， et al. A pattern-based approach to facilitating service composition. International Conference on Grid and Cooperative Computing （GCC） Workshops， 2004： 90-98.

[16]ZHANG M， ZHANG B， NA J， et al. Composite service selection based on dot pattern mining. World Congress on Services-I， 2009： 740-746.

[17]TANG R， ZOU Y. An approach for mining web service composition patterns from execution logs[C]//International Conference on Web Services （ICWS）， 2010： 678-679.

[18]HUANG Z， HUAI J， LIU X， et al. Business process decomposition based on service relevance mining[C]// International Conference on Web Intelligence and Intelligent Agent Technology， 2010： 573-580.

[19]ALRIFAI M， RISSE T. Combining global optimization with local selection for efficient QoS-aware service composition[C]//International Conference on World Wide Web （WWW）， 2009： 881-890.

[20]LI W， LI X， LIANG X， et al. QoS-driven service composition with multiple flow structures[C]//International Conference on Services Computing （SCC）， 2011： 362-369.

[21]莫同. 服务模型驱动的体系结构与服务构件重用技术[D]. 哈尔滨：哈尔滨工业大学， 2009.