趙鵬飛，王志堅(jiān)，2，葉 楓，2，杜京京

（1.河海大學(xué)計(jì)算機(jī)與信息學(xué)院，江蘇 南京211100；2.南京航空航天大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 南京210016）

1 引言

隨著Web服務(wù)標(biāo)準(zhǔn)的不斷完善，其所具有的松耦合性、自包含性、自描述性、平臺(tái)無關(guān)性等優(yōu)點(diǎn)使得Web服務(wù)在越來越多的領(lǐng)域得到應(yīng)用。云計(jì)算的出現(xiàn)，更是將Web服務(wù)推上了更為廣闊的平臺(tái)，云服務(wù)通常實(shí)現(xiàn)為Web服務(wù)。隨著部署于云平臺(tái)上的Web服務(wù)數(shù)量的增加，如何在云平臺(tái)上查找、發(fā)現(xiàn)合適的Web服務(wù)已成為新的挑戰(zhàn)。

目前，人們從多個(gè)方面對(duì)服務(wù)選擇問題進(jìn)行了研究。Zheng Kai等［1］提出了一種基于用戶偏好的服務(wù)選擇方法，用戶可根據(jù)自身需求來定義不同QoS屬性的權(quán)重；文獻(xiàn)［2～4］在可信環(huán)境下，分別根據(jù)偏好、QoS、服務(wù)評(píng)價(jià)來實(shí)現(xiàn)服務(wù)的選擇；Xia Yi［5］采用模糊聚類方法剔除不相關(guān)QoS信息；WSCE［6］通過粒子群優(yōu)化算法實(shí)現(xiàn) Web服務(wù)的選擇；OWL-Q［7］通過擴(kuò)展QoS的語義信息來實(shí)現(xiàn)服務(wù)選擇。另外，也有許多其他方法對(duì)Web服務(wù)進(jìn)行選擇，如基于語義的服務(wù)選擇方案［8～11］，基于神經(jīng)網(wǎng)絡(luò)的服務(wù)選擇方案［12］。但是，上述方法均無法直接應(yīng)用于云環(huán)境中的服務(wù)選擇。首先，在云環(huán)境中，虛擬資源的動(dòng)態(tài)分配使得Web服務(wù)的實(shí)際運(yùn)行環(huán)境變得動(dòng)態(tài)化，而之前Web服務(wù)運(yùn)行于資源配置確定的服務(wù)器當(dāng)中。其次，運(yùn)行環(huán)境的動(dòng)態(tài)化使得服務(wù)評(píng)價(jià)因素變得多樣化，QoS也不再是度量服務(wù)好壞的唯一標(biāo)準(zhǔn)，還需要將虛擬資源狀態(tài)考慮在內(nèi)，比如：當(dāng)一個(gè)Web服務(wù)所部署的虛擬機(jī)負(fù)載過重時(shí)，即便該服務(wù)QoS很好，但 Web服務(wù)的引用也會(huì)因負(fù)載過重、資源不足而失效，使得服務(wù)請(qǐng)求者需要等待，甚至還會(huì)導(dǎo)致系統(tǒng)崩潰等安全問題。因此，本文將結(jié)合虛擬資源的狀態(tài)信息，提出基于資源監(jiān)測的服務(wù)選擇方法。該方法在QoS篩選的基礎(chǔ)之上，根據(jù)監(jiān)測器獲得的資源狀態(tài)信息來實(shí)現(xiàn)云平臺(tái)上的服務(wù)選擇。

本文第2節(jié)將介紹云平臺(tái)上基于資源監(jiān)測的服務(wù)選擇系統(tǒng) RMSS（Resource-Monitoring Selection System），并對(duì)其體系結(jié)構(gòu)及各個(gè)主要模塊進(jìn)行了詳細(xì)介紹；第3節(jié)將介紹RMSS采用的服務(wù)選擇算法；第4節(jié)通過實(shí)驗(yàn)對(duì)比分析RMSS與基于用戶偏好［1］法和可信評(píng)價(jià)［4］法，以驗(yàn)證 RMSS中算法的有效性和優(yōu)越性；第5節(jié)對(duì)本文工作進(jìn)行總結(jié)并展望。

2 RMSS

2.1 參數(shù)定義

令Ci、Mi分別表示服務(wù)Si需要占用的CPU與內(nèi)存百分比，由服務(wù)提供者給出；Ci－now、Mi－now分別表示在當(dāng)前時(shí)刻，服務(wù)Si所部署的虛擬機(jī)的空閑 CPU、空閑內(nèi)存百分比；Ci－max、Mi－max表示服務(wù)所在虛擬機(jī)的CPU與內(nèi)存閾值。

定義1 （虛擬機(jī)CPU閾值Ci－max）虛擬機(jī)安全運(yùn)行時(shí)的最大CPU占用率。

定義2 （虛擬機(jī)內(nèi)存閾值Mi－max）虛擬機(jī)安全運(yùn)行時(shí)的最大內(nèi)存占用率。

Web服務(wù)質(zhì)量評(píng)價(jià)模型包括許多QoS評(píng)價(jià)因子。在此，從方便測量與影響重要性出發(fā)，根據(jù)文獻(xiàn)［13］對(duì)服務(wù)QoS評(píng)價(jià)因子的定義，選取服務(wù)價(jià)格、響應(yīng)時(shí)間、有效性、成功引用概率作為服務(wù)質(zhì)量的評(píng)價(jià)因子，其中：

（1）價(jià)格Pprice：調(diào)用一次服務(wù)需要的費(fèi)用，由服務(wù)供應(yīng)商提供。

（2）響應(yīng)時(shí)間Presponse：表示用戶從發(fā)送請(qǐng)求到收到應(yīng)答所經(jīng)歷的時(shí)間。

（3）有效性Pavailability：表示W(wǎng)eb服務(wù)可操作性，用服務(wù)正常工作時(shí)間與總時(shí)間比表示。為了方便測量，以downTime表示 Web服務(wù)器失效時(shí)間，measuredTime表示總時(shí)間，則有效性為：

（4）成功引用率Psuccessability：表示 Web服務(wù)成功執(zhí)行任務(wù)后，用戶接收到應(yīng)答消息的概率。此處“成功”表示返回給用戶的應(yīng)答消息已在Web服務(wù)的WSDL文檔中定義。以Nreq表示請(qǐng)求消息數(shù)，Nrep表示W(wǎng)eb服務(wù)成功調(diào)用后用戶接收的應(yīng)答消息數(shù)，則成功引用率為：

由于服務(wù)價(jià)格、響應(yīng)時(shí)間單位不同，因此需要對(duì)獲取到的QoS屬性值進(jìn)行歸一化處理。為了把服務(wù)屬性值轉(zhuǎn)換為無量綱的［0，1］實(shí)數(shù)，采用最大最小值法對(duì)不同屬性值進(jìn)行歸一化處理：

其中，wprice、wresponse、wavailability、wsuccessability分別表示服務(wù)價(jià)格、響應(yīng)時(shí)間、有效性、成功引用率的權(quán)重，由服務(wù)請(qǐng)求者自定義給出。

2.2 體系結(jié)構(gòu)

所提出的RMSS體系結(jié)構(gòu)如圖1所示，包含四個(gè)層次，分別為：物理層，包含數(shù)據(jù)資源池、應(yīng)用資源池等基礎(chǔ)設(shè)施；虛擬化層，它建立在物理層的基礎(chǔ)設(shè)施之上，是云計(jì)算平臺(tái)的核心，由虛擬機(jī)構(gòu)成集群；基于資源監(jiān)測的服務(wù)選擇系統(tǒng)屬于服務(wù)層，包括爬蟲（Crawler）、資源監(jiān)測器、服務(wù)匹配器、服務(wù)選擇器、可擴(kuò)展UDDI以及服務(wù)存儲(chǔ)數(shù)據(jù)庫六個(gè)模塊。服務(wù)選擇系統(tǒng)根據(jù)資源監(jiān)測器模塊得到的云資源狀態(tài)信息，對(duì)爬蟲獲取的服務(wù)進(jìn)行匹配選擇。

Figure 1 Architecture of RMSS圖1 RMSS體系結(jié)構(gòu)圖

在RMSS中資源監(jiān)測器負(fù)責(zé)監(jiān)控記錄虛擬機(jī)資源狀態(tài)信息，包括Ci－max、Mi－max、Ci－now、Mi－now，每次處理任務(wù)的開始時(shí)間T0；為了便于資源狀態(tài)信息的擴(kuò)展，監(jiān)測器將這些信息以XML文件的形式保存到服務(wù)存儲(chǔ)數(shù)據(jù)庫中。

爬蟲根據(jù)用戶的功能需求從可擴(kuò)展UDDI中獲取服務(wù)描述文檔，并存儲(chǔ)在服務(wù)存儲(chǔ)數(shù)據(jù)庫中；匹配器負(fù)責(zé)對(duì)Web服務(wù)描述文檔進(jìn)行解析，并篩選出滿足用戶QoS要求的Web服務(wù)，具體包括參數(shù)接收、服務(wù)描述文檔解析、參數(shù)匹配［9］、QoS匹配等過程。匹配器模塊的UML活動(dòng)圖如圖2所示。

Figure 2 Activities of matching module圖2 匹配器模塊活動(dòng)圖

選擇器是基于資源監(jiān)測的服務(wù)選擇系統(tǒng)中的關(guān)鍵部分，根據(jù)資源監(jiān)測器得到的虛擬機(jī)資源狀態(tài)信息，利用云平臺(tái)上的服務(wù)選擇算法SSAC（Serv-ices Selection Algorithm for Cloud），從匹配器篩選后的Web服務(wù)中選擇安全、合適的Web服務(wù)，并返回給服務(wù)請(qǐng)求者使用。

3 服務(wù)選擇算法SSAC

定義3 （安全服務(wù)）對(duì)于服務(wù)Si，若滿足Ci＋Ci－now≤Ci－max且 Mi＋Mi－now≤Mi－max，則稱Si是安全服務(wù)。用Ri標(biāo)識(shí)Si的安全性。Ri＝1表示Si是安全服務(wù)；Ri≠1表示Si是非安全服務(wù)。

定義4 （合適服務(wù)）（非一般性地）在n個(gè)服務(wù)（Si，S2，…，Sn）（n≥1）中，服務(wù)度量值 Wi最大的服務(wù)叫做合適服務(wù)。

令Wi表示服務(wù)Si的權(quán)重度量值，則在虛擬機(jī)資源使用狀態(tài)的影響下，Wi可表示為與QoS度量值和當(dāng)前資源狀態(tài)Ci－now、Mi－now相關(guān)的函數(shù)：

由定義3可知，安全服務(wù)Si所部署的虛擬機(jī)資源能夠滿足服務(wù)資源需求，服務(wù)不會(huì)受虛擬機(jī)資源狀態(tài)影響，服務(wù)權(quán)重度量值僅取決于QoS度量值Qi；對(duì)于非安全服務(wù)Si，即Ri≠1時(shí)，由于虛擬機(jī)負(fù)載過重，服務(wù)QoS及調(diào)用都會(huì)受到影響，此時(shí)服務(wù)權(quán)重度量值Wi取決于Qi和虛擬機(jī)資源狀態(tài)。所以，公式（5）滿足實(shí)際情況。

令T0表示虛擬機(jī)每次開始處理任務(wù)的時(shí)刻，Tnow表示當(dāng)前時(shí)刻，由資源監(jiān)測器獲得；Pi表示服務(wù)Si所部署的虛擬機(jī)的處理能力，由文獻(xiàn)［14］提出的應(yīng)用服務(wù)器處理能力計(jì)算模型計(jì)算得到；J表示虛擬機(jī)正處理的任務(wù)的總計(jì)算量，為了處理方便，通過復(fù)雜性分析簡化規(guī)則對(duì)處理過程進(jìn)行化簡。由此得出虛擬機(jī)在完成任務(wù)之前，用戶等待時(shí)間Ti為：

其中wcpu、wm分別表示CPU、內(nèi)存對(duì)虛擬機(jī)處理能力的影響因子。由公式（6）可知，隨著虛擬機(jī)空閑CPU以及空閑內(nèi)存的增加，部署于虛擬機(jī)上的服務(wù)處理用戶請(qǐng)求時(shí)所需的CPU與內(nèi)存資源越容易得到滿足，虛擬機(jī)的任務(wù)處理速度更快，用戶需要等待的時(shí)間則更短，這是符合實(shí)際情況的。

由于用戶等待時(shí)間與服務(wù)度量值Wi成反比，服務(wù)失效時(shí)間越長，服務(wù)度量值越小。對(duì)Ti進(jìn)行歸一化處理后Wi可表示為：

其中wq、wt分別表示QoS度量值、等待時(shí)間對(duì)服務(wù)權(quán)重度量值的影響因子。實(shí)際應(yīng)用中需要對(duì)公式（6）獲得的等待時(shí)間做歸一化處理，然后再根據(jù)公式（7）計(jì)算出服務(wù)度量值Wi。公式（8）只是表示服務(wù)度量值與虛擬機(jī)資源狀態(tài)之間存在的關(guān)系。

在眾多功能相同而QoS不同的Web服務(wù)當(dāng)中，存在以下三種情況：

（1）?Ri＝1，i＝1，2，…，n，即所有 Web服務(wù)都是安全服務(wù)，它們的資源需求都能被滿足，可以被用戶立即調(diào)用；

（2）?Ri≠1，i＝1，2，…，n，即所有 Web服務(wù)都是非安全服務(wù)時(shí)，由于運(yùn)行環(huán)境不能被滿足，用戶不能立即對(duì)服務(wù)進(jìn)行調(diào)用，此時(shí)服務(wù)請(qǐng)求者需要等待；

（3）?Ri＝1且?Rj≠1，其中i≠j，即同時(shí)存在安全與非安全的服務(wù)。

利用SSAC算法對(duì)上述三種情況下的Web服務(wù)做選擇，具體步驟如下：

輸入：用戶功能需求、服務(wù)輸入?yún)?shù)輸出參數(shù)條件、QoS要求；

輸出：服務(wù)度量值最大的服務(wù)Si。

步驟1 根據(jù)用戶輸入的功能需求、參數(shù)條件、QoS要求，匹配器對(duì)爬蟲獲取到的Web服務(wù)進(jìn)行篩選、匹配，得到滿足用戶QoS要求的服務(wù)集，并保存到服務(wù)列表SL，使得SL＝（S1，S2，…，Sn）；

步驟2 遍歷服務(wù)集SL，根據(jù)當(dāng)前監(jiān)測到的虛擬機(jī)CPU占用率、內(nèi)存占用率來判斷服務(wù)列表SL中每個(gè)服務(wù)的安全性；

步驟3 將安全服務(wù)加入服務(wù)集Lsafe，非安全服務(wù)加入服務(wù)集Ldanger；

步驟4 遍歷Ldanger、Lsafe，分別根據(jù)公式（8）和公式（9）計(jì)算服務(wù)度量值，并放入集合W；

步驟5 對(duì)服務(wù)度量值集W 進(jìn)行排序，并將Wi＝max（W1，W2，…，Wn）對(duì)應(yīng)的服務(wù)Si返回給用戶。

4 實(shí)驗(yàn)與結(jié)果分析

RMSS的虛擬機(jī)集群是基于CloudStack進(jìn)行劃分的，分配了七臺(tái)配置為2GB內(nèi)存、100GB硬盤、Windows XP操作系統(tǒng)的虛擬機(jī)。為簡化服務(wù)處理邏輯，準(zhǔn)確獲取服務(wù)QoS屬性值，實(shí)驗(yàn)根據(jù)堆排序、合并排序、快速排序、希爾排序、選擇排序、插入排序、冒泡排序算法實(shí)現(xiàn)了七個(gè)排序服務(wù)并進(jìn)行調(diào)用，編號(hào)分別為S1、S2、S3、S4、S5、S6、S7。其中，S1、S2、S3的空間復(fù)雜度為O（nlog n），S4、S5、S6、S7的空間復(fù)雜度為O（n2）；S1、S2時(shí)間復(fù)雜度為O（nlog n），S3、S5、S6、S7時(shí)間復(fù)雜度為 O（n2），S4時(shí)間復(fù)雜度為O（nx）（1＜x＜2）。為避免服務(wù)處理時(shí)間過長，減小網(wǎng)絡(luò)不穩(wěn)定的影響，用戶在局域網(wǎng)內(nèi)調(diào)用S1、S2、S3、S4、S5、S6、S7對(duì)10萬個(gè)隨機(jī)數(shù)進(jìn)行排序，每個(gè)服務(wù)QoS屬性如表1所示。

Table 1 QoS attribute data表1 服務(wù)QoS屬性數(shù)據(jù)表

由表1可知，服務(wù)有效性、成功引用率遞減；S4響應(yīng)時(shí)間比S3短，其他服務(wù)響應(yīng)時(shí)間成遞增趨勢；為充分比較其他QoS屬性，服務(wù)價(jià)格由人工確定并且值一致。根據(jù)表1測定的屬性值可確定S1最優(yōu)，S7最差。

在QoS度量值Qi中，服務(wù)價(jià)格、服務(wù)有效性、成功引用率、響應(yīng)時(shí)間影響因子來源于用戶自身定義，實(shí)驗(yàn)中 定 義：wprice＝ 0.1，wavailability＝ 0.2，wsuccessability＝0.2，wresponse＝0.5；在服務(wù)度量值中，QoS度量值權(quán)重wq＝0.6；等待時(shí)間Ti權(quán)重wt＝0.4；設(shè)置每臺(tái)虛擬機(jī)CPU與內(nèi)存閾值分別為Ci－max＝60%，Mi－max＝60%。

為了驗(yàn)證RMSS方法的有效性，選取目前常用的基于用戶偏好方法、可信評(píng)價(jià)法作為比較對(duì)象。在可信評(píng)價(jià)法中，為了減小誠信度帶來的影響，設(shè)置所有服務(wù)的誠信度都為0.7。在實(shí)驗(yàn)中，記錄并計(jì)算處于不同資源狀態(tài)時(shí)各個(gè)服務(wù)的服務(wù)度量值，RMSS、可信評(píng)價(jià)法、用戶偏好法三種方案得到的結(jié)果分別如圖3所示。

在圖3a中，CPU、內(nèi)存占用百分比大于60%時(shí)，服務(wù)度量值會(huì)有很大幅度的下降，這說明資源狀態(tài)對(duì)服務(wù)度量值有很大影響；同一資源狀態(tài)下（即橫坐標(biāo)相同），S1的服務(wù)度量值最大；不同資源狀態(tài)下，QoS好的服務(wù)度量值不一定最大，如（20，31）狀態(tài)下的S3比（71，78）狀態(tài)下的S1的度量值要大。在圖3b中，所有服務(wù)度量值相差較小，且浮動(dòng)都比較小，這是由于可信評(píng)價(jià)法中，服務(wù)誠信度權(quán)重大，當(dāng)所有服務(wù)的誠信度相同時(shí)，其他QoS對(duì)服務(wù)度量值影響較小，且不會(huì)受資源狀態(tài)的影響；在圖3c中，用戶自定義的響應(yīng)時(shí)間權(quán)重為0.6。當(dāng)虛擬機(jī)資源占用率大于規(guī)定閾值時(shí)，服務(wù)響應(yīng)時(shí)間由于負(fù)載過重變長，這使得服務(wù)度量值下降；此外，不論是否處于同一狀態(tài)下，服務(wù)度量值最大的為S1。

由實(shí)驗(yàn)結(jié)果分析可知，RMSS中，服務(wù)所在的虛擬機(jī)資源狀態(tài)會(huì)影響服務(wù)度量值的排序，如（20，31）狀態(tài)下S3的服務(wù)度量值比（71，78）狀態(tài)下S1的服務(wù)度量值大；而可信評(píng)價(jià)法、用戶偏好法不論其他服務(wù)所部署的虛擬機(jī)資源狀態(tài)如何，S1服務(wù)度量值都最大。這證明了RMSS的有效性。

下面對(duì)不同資源狀態(tài)下的部分服務(wù)進(jìn)行調(diào)用。由圖3a可知，對(duì)于（65，72）下的S1、（20，31）下的S2、S5，RMSS會(huì)將S2返回給用戶；由圖3b、圖3c可知，可信評(píng)價(jià)法、用戶偏好法將S1返回給用戶。在上述狀態(tài)下，利用S1、S2、S5對(duì)10萬個(gè)隨機(jī)數(shù)進(jìn)行排序，并進(jìn)行 1 000 次、10 000次、100 000次調(diào)用，平均響應(yīng)時(shí)間如圖4所示。

由圖4可知，（20，31）狀態(tài)下S2的平均響應(yīng)時(shí)間比（65，72）下的S1要短。這說明RMSS能根據(jù)資源狀態(tài)選擇效率更高的服務(wù)，并更快地響應(yīng)用戶。

5 結(jié)束語

本文結(jié)合虛擬機(jī)資源狀態(tài)監(jiān)測信息，在QoS基礎(chǔ)之上提出了基于虛擬資源狀態(tài)的服務(wù)選擇方法，實(shí)現(xiàn)了云環(huán)境下的Web服務(wù)選擇。選擇器根據(jù)監(jiān)測器反饋的資源狀態(tài)信息，通過QoS篩選，根據(jù)SSAC來選擇安全、合適的Web服務(wù)，避免服務(wù)失效、用戶等待、系統(tǒng)崩潰等問題，不僅提高了系統(tǒng)的安全性，還縮短了任務(wù)的處理時(shí)間。

在后續(xù)的研究當(dāng)中，將進(jìn)一步改善服務(wù)選擇方案，并通過服務(wù)組合來創(chuàng)建高效、穩(wěn)定的新服務(wù)。

［1］ Zheng Kai，Xiong Hai-ling.Semantic web service discovery method based on user preference and QoS［C］∥Proc of the 2nd International Conference on Consumer Electronics，Communications and Networks，2012：3502-3506.

［2］ Zhu Rui，Wang Huai-min，F(xiàn)eng Da-wei.Trustworthy services selection based on preference recommendation［J］.Journal of Software，2011，22（5）：852-864.（in Chinese）

［3］ Li Yan，Zhou Ming-hui，Li Rui-chao，et al.Service selection approach considering the trustworthiness of QoS data［J］.Journal of Software，2008，19（10）：2620-2627.（in Chinese）［4］ Wei Le，Zhao Qiu-Yun，Shu Hong－ping.Cloud service selection based on trust evaluation for cloud manufacturing environment［J］.Journal of Computer Applications，2013，33（1）：23-27.（in Chinese）

［5］ Xia Yi，Chen Ping，Bao Liang，et al.A QoS-aware web service selection algorithm based on clustering［C］∥Proc of IEEE 9th International Conference on Web Services （ICWS），2011：428-435.

［6］ Mohana R，Dahiya D.Optimized service discovery using QoS based ranking：A fuzzy clustering and particle swarm optimization approach［C］∥Proc of IEEE 35th Conference on Computer Software and Applications，2011：452-457.

［7］ Kritikos K，Plexousakis D.OWL-Q for semantic QoS based web service description and discovery［C］∥Proc of the 1st International Joint Workshop on Service Matchmaking and Resource Retrieval in the Semantic Web，2007：123-137.

［8］ Paolucci M，Kawamura T，Payne T R，et al.Semantic matching of web services capabilities［C］∥Proc of the 1st International Semantic Web Conference，2002：333-347.

［9］ Zhang Hui-ming，Tang Hui-jia.Semantic web service matching strategies［J］.Journal of Computer Applications，2010，30（4）：1083-1085.（in Chinese）

［10］ Ma Chao，Song Mei-na，Xu Ke，et al.Web service discovery research and implementation based on semantic search engine［C］∥Proc of the 2nd IEEE Conference on Web Society，2010：672-677.

［11］ Zeng Cheng，Guo Xiao，Ou Wei-jie，et al.Cloud computing service composition and search based on semantic［C］∥Proc of Cloud，Computting，2009：290-300.

［12］ Al-Masri E，Mahmoud Q H.Discovering the best web service：A neural network-based solution［C］∥Proc of IEEE International Conference on Systems，Man and Cybernetics，2009：4250-4255.

［13］ WS-Quality-Factors-v1.0-cs01［EB／OL］.［2011-07-01］.http：／／docs.oasis-open.org／wsqm／WS-Quality-Factors／v1.0／cs01／WS-Quality-Factors-v1.0-cs01.pdf.

［14］ Zhou Cheng-cheng.An estimation method of system processing capacity TPC［J］.Journal of Designing Techniques of Posts and Telecommunications，2008，30（3）：55-59.（in Chinese）

附中文參考文獻(xiàn)：

［2］ 朱銳，王懷民，馮大為.基于偏好推薦的可信服務(wù)選擇［J］.軟件學(xué)報(bào)，2011，22（5）：852-864.

［3］ 李研，周明輝，李瑞超，等.一種考慮QoS數(shù)據(jù)可信性的服務(wù)選擇方法［J］.軟件學(xué)報(bào)，2008，19（10）：2620-2627.

［4］ 魏樂，趙秋云，舒紅平.云制造環(huán)境下基于可信評(píng)價(jià)的云服務(wù)選擇［J］.計(jì)算機(jī)應(yīng)用，2013，33（1）：23-27.

［9］ 張慧明，唐慧佳.語義Web服務(wù)匹配策略研究［J］.計(jì)算機(jī)應(yīng)用，2010，30（4）：1083-1085.

［14］ 周承誠.系統(tǒng)處理能力TPC估算方法探討［J］.郵電設(shè)計(jì)技術(shù)，2008，30（3）：55-59.