Архитектура адаптивного сервисно-ориентированного промежуточного программного обеспечения

Тип работы:
Реферат
Предмет:
ТЕХНИЧЕСКИЕ НАУКИ


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Часть IV
ПОСТРОЕНИЕ СЕТЕЙ И ЗАЩИТА ИНФОРМАЦИИ
УДК 004. 89
Е. Г. Ишкина, О. В. Щербинина
АРХИТЕКТУРА АДАПТИВНОГО СЕРВИСНО-ОРИЕНТИРОВАННОГО ПРОМЕЖУТОЧНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
Астраханский государственный университет
ishkina@aspu. ru, oksana@aspu. ru
Представлена архитектура адаптивного сервисно-ориентированного промежуточного программного обеспечения, в основу которого положено многомерное представление сервиса (веб-сервиса SOAP/REST, мобильного сервиса NFC и др.). Выявлены следующие измерения сервисов: 1) профиль пользователя (неявные знания, полученные на основании анализа истории его взаимодействия с информационной системой, а также явные знания в форме предпочтений) — 2) «внешний» физический контекст взаимодействия (место, время, используемое устройство и т. д.) — 3) «внутренний» контекст взаимодействия (цель сеанса взаимодействия пользователя с информационной системой и возможные ограничения, накладываемые на результат, в совокупности составляющие задачу). Описан подход для адаптивной генерации новых сервисов (составных) «на лету», основанный на коллективном разуме сервисов, представленном в едином хранилище разнородных сервисов.
Ключевые слова: сервисно-ориентированный подход, адаптивные сервисы, автоматическая композиция сервисов, контекстно-зависимые системы, интеллектуальный анализ сервисов.
E. G. Ishkina, O. V. Scherbinina SELF-ADAPTIVE MIDDLEWARE ARCHITECTURE
Астраханский государственный университет
This paper introduces a self-adaptive middleware architecture. The underlying model is based upon a multidimensional service representation (either web service (SOAP/REST) or mobile/NFC service) — the service dimensions refer to the «4W»: 1) Who? i.e. user profile (implicit knowledge deduced from user interaction history and explicit knowledge in form of preferences) — 2) Where and When? «external» (physical) interaction context (location, time, device, etc.) — 3) What? «internal» interaction context (user ad-hoc task: goal (s) and optional requirements). An approach for dynamic adaptive service generation (on-the-fly composition) based on collective service intelligence stored in what we call «collective services warehouse «is outlined.
Key words: mobiquitous services, service-oriented middleware, adaptive services, automatic service composition, service mining, context-awareness.
В истории информатики постоянно появлялись новые функциональные слои, упрощающие разработку приложений (в порядке появления): операционные системы, системы управления базами данных, сервера приложений, мобильные сервера, ЕБОЕ-сервера. В условиях современных распределенных информационных систем, интегрирующих данные из многочисленных разнородных источников в сети Интернет, существует потребность в дополнительном функциональном слое поверх ЕБОЕ-сервера, в котором бы анализировалось взаимодействие пользователей с систе-
мой, система бы постоянно обучалась и могла в дальнейшем предоставлять пользователям более комплексные сервисы, ориентированные на их цели.
Это возможно реализовать на уровне промежуточного программного обеспечения (middleware, ППО), которое могло бы, во-первых, предоставить унифицированный доступ к разнородным сервисам (веб-сервисам: SOAP и REST, семантическим веб-сервисам: OWL-S, NFC-сервисам и т. д.), а во-вторых, реализовать поддержку единого хранилища сервисов и опыта их использования в целях обеспечения адап-
тивного предоставления сервисов конечным пользователям.
В его архитектуре требуется выделить как можно больше повторно используемых компонентов, которые могли бы быть в дальнейшем применены для различных целевых предметных областей, таких как цифровой город, электронное и мобильное правительство, обучающие лабораторные комплексы и т. д. Общим для этих областей является поддержка высокоуровневых действий пользователя [1], возможность реализации всей базовой функциональности в виде сервисов, автоматическая или полуавтоматическая композиция сервисов и предоставление конечному пользователю такого сервиса, который в большей степени соответствует ситуации использования системы.
Система не может хранить в готовом виде те сервисы, которые она будет предоставлять конечным потребителям, так как у каждого из них будет своя уникальная ситуация. Предлагается, по аналогии с ситуационной инженерией методов [2], воплотить и в рамках данного ППО ситуационный подход: система хранит фрагменты сервисов, а также знания об их использовании, а затем по ситуации генерирует композицию сервисов, наиболее уместную в конкретном случае использования.
Адаптивность в данном случае представляет собой реализацию свойства контекстной или ситуационной зависимости систем (context/situation awareness). Контекст — любая информация, которая может быть использована для того, чтобы охарактеризовать ситуацию или сущность. Сущность — человек, место или объект, который рассматривается как релевантный к взаимодействию пользователя и приложения [3]. Система является контестно-зависимой, если она может извлекать, интерпретировать и использовать контекстную информацию и адаптировать свою функциональность к текущему контексту использования [4]. Ситуационная зависимость — наиболее целостный вариант контекстной зависимости, при котором ситуации рассматриваются как логически агрегированные элементы контекста [5].
В рамках адаптивного сервисно-ориентированного ППО ситуация рассматривается в пространстве трех измерений: 1) профиль пользователя (неявные знания, выведенные на основании анализа истории взаимодействия пользователя с системой, и явные знания в форме
предпочтений) — 2) «внешний» контекст (местоположение, время и т. д.) — 3) «внутренний» контекст (решаемая задача). Для первых двух измерений набор и важность характеристик зависит от целевой предметной области. Проблема представления соответствующих знаний может быть решена с применением онтологического подхода.
Составные сервисы могут быть добавлены в общедоступный репозитарий либо самим пользователем, имеющим соответствующие права, либо автоматически путем применения алгоритмов интеллектуального анализа данных (data mining) для поиска новых сервисов (service mining) на основании анализа истории работы пользователей с системой.
Интеллектуальный поиск полезных новых композиций веб-сервисов преставляет собой актуальную область исследований. Полученные результаты представлены, например, в [6]. Интеллектуальный поиск сервисов может быть основан на использовании эффективных алгоритмов анализа процессов, которые позволяют получить модели процессов на основе анализа совокупности логов событий системы [7].
На рис. 1 представлена архитектура адаптивного сервисно-ориентированного ППО. Его основными задачами, реализованными в виде отдельных слоев являются: 1) интеграция гетерогенных сервисов- 2) их хранение в едином хранилище и постоянный поиск контекстных зависимостей и новых, составных сервисов, представляющих собой полезные сообществу пользователей стратегии решения задач в определенных ситуациях- 3) генерация уникального сервиса, наилучшим образом соответствующего ситуации, на основании сервисов, представленных в хранилище и знаний об их использовании. Отдельный слой служит для генерации представления для сервиса, предоставляемого конечному потребителю (в соответствии с используемым им устройством, пользовательскими предпочтениями и т. д.).
Слой базовых сервисов обеспечивает интеграцию гетерогенных сервисов различных поставщиков благодаря единой метамодели сервисов. Только на этом уровне известны детали вызовов сервисов. Для выполнения заданной функциональности в настоящее время разрабатывается онтология, позволяющая аннотировать сервисы (параметры вызовов сервисов, параметры входной и выходной информации и т. д.).
Веб-порталы ЫРС-устройства
X
Представление Конечные сервисы ООП
Генератор
ситуац ионных сервисов
г & quot- 1 Коллективная память сервисов | |
Поисксервисов? ? оті
У1 '-К

Веб-сервисы ^С-сервисы
Задача
Профиль
Г

Контекст
Рис. 1. Архитектура адаптивного сервисно-ориентированного ППО
Коллективная память сервисов необходима для поиска и хранения составных сервисов -паттернов, применимых в определенных ситуациях, выявленных автоматически или добавленных пользователем. На этом уровне определяется второй уровень метаданных сервисов -выявленные в результате анализа истории их использования контекстные факторы, влияющие на их применимость в той или иной ситуации. Аннотируются как интегрированные базовые сервисы, так и составные.
Базовый компонент коллективной памяти -сервис, представляющий собой фрагмент использования системы. В общем случае, решением задачи пользователя является составной сервис, который формируется генератором ситуационных сервисов динамически из фрагментов на основании накопленных знаний.
Все базовые сервисы вместе с их формальными описаниями, полученными на этапе интеграции в предыдущем слое сохраняются в коллективной памяти. Затем коллективная память расширяется благодаря найденным автоматически или добавленным пользователями составным сервисам. При этом производится оценка того, насколько полезным является добавление
составного сервиса в коллективную память, то есть насколько велика вероятность его повторного использования. В соответствии с метаданными сервисов по результатам логического вывода определяются прогнозируемые функциональные и нефункциональные характеристики композиций сервисов.
В ходе функционирования распределенной информационной системы, включающей адаптивное сервисно-ориентированное ППО, с помощью алгоритмов интеллектуального анализа данных осуществляется поиск ключевых ситуационных характеристик, влияющих на совместное использование сервисов в композиции. Выявленные таким образом характеристики представляют собой предусловия, используемые при адаптивной генерации сервисов для конечных пользователей.
Каждое из трех измерений ситуации (задача, профиль пользователя, физический контекст) представляется с помощью онтологии, которая позволяет изменять набор и важность ситуационных характеристик, соответствующих целевой предметной области. Сервис является контекстно-независимым компонентом, а его многоуровневые аннотации элементами онтологий, соот-
ветствующих трем измерениям ситуации, позволяют оценивать релевантность сервиса в конкретной ситуации.
На основании данных, полученных в результате определения ситуации, и метамодели сервисов, хранимых в коллективной памяти, генерируется уникальный сервис, соответствующий заданной ситуации, представляющий собой композицию (фрагментов) сервисов из коллективной памяти. Основной критерий для выбора сервисов — пользовательский сервисно-ориентированный запрос для решения конкретной задачи. Дополнительные критерии — выявленные значимые параметры профиля пользователя и физического контекста. В совокупности эти критерии составляют контекст первого уровня. Затем, на основании знаний о взаимосвязи элементов контекста первого уровня, формируется контекст второго уровня — ситуация.
Далее производится поиск подходящего набора сервисов в соответствии с семантическими характеристиками ситуаций. Если ни одного подходящего сервиса не найдено, производится декомпозиция задачи на подзадачи и определение набора сервисов для каждой из них. Отобранные кандидаты проверяются на синтаксическую (возможность последовательного вызова сервисов, использующих различные протоколы) и семантическую (в пределах ситуации) совместимость.
Далее генерируется композиция сервисов. Элементы композиции в дальнейшем вызываются автоматически через уровень базовых сервисов, обмен данными между элементарными сервисами осуществляется прозрачно для пользователя. Результат композиции представляет собой уникальный сервис, наиболее соответствующий заданной ситуации при условии наличия заданного набора базовых сервисов.
На уровне конечных сервисов решается проблема корректного вызова базовых сервисов как элементов сгенерированной на предыдущем этапе композиции сервисов. Кроме того, решается также задача адаптации интерфейса работы с сервисом в соответствии с используемым устройством и предпочтениями пользователя.
Представлена архитектура адаптивного сервисно-ориентированного промежуточного программного обеспечения и описано назначение и требования к его основным функциональным блокам. Основная идея, реализованная в данной архитектуре, — в современных разнородных распределенных системах необходимо накопление знаний об их использовании. Эти знания не могут более быть представлены только фактами, они должны представлять собой стратегии решения задач (сервисы) в определенных ситуациях (контексте). Современные системы носят задачеориентированный характер, их работа направлена на прозрачное решение комплексных задач пользователей. В дальнейшем сервисы могут быть рекомбинированы с получением новых, составных сервисов. Важно является предугадывание результата композиции сервисов, его применимости в определенной ситуации, схожей с той, в которой он был использован изначально. Это возможно осуществить с применением онтологического подхода.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Sousa, J. P., Poladian, V., Garlan, D., Schmerl, B., Shaw, M. Task-based Adaptation for Ubiquitous Computing. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, Special Issue on Engineering Autonomic Systems, 36(3), 2006, p. 328−340.
2. Ralyte, J., Deneckere, R., Rolland, C. Towards a generic model or situational method engineering // Proceedings of the 15th Conference on Advanced Information System Engineering, CAISE'03, Velden, Austria, 2003, p. 16−20.
3. Dey, A. K., Abowd, G. D. Towards a better understanding of context and context-awareness // Proceedings of the Workshop on the What, Who, Where, When and How of Context-Awareness, ACM Press, New York, 2000
4. Byun, H. E., Cheverst, K. Utilizing context history to provide dynamic adaptations // Journal of Applied Artificial Intelligence, 2004, 18(6), p. 533−548.
5. Anagnostopoulos, C. B., Ntarladimas, Y., Hadjief-thymiades, S. Situational computing: An innovative architecture with imprecise reasoning // Journal of Systems and Software, 2007m 80(12): 1993−2014.
6. Zheng, G. Web Service Mining // These de doctorat, Virginia Tech, 2009.
7. Rouached, M., Gaaloul, W., van der Aalst, W. M. P., Bhiri, S., Godart, C. Web Service Mining and Verification of Properties: An approach based on Event Calculus // OTM Confederated International Conferences, 2006.

ПоказатьСвернуть
Заполнить форму текущей работой