孫立堅(jiān)，董春，趙榮，劉瓊，張旭敏

（1.中國測繪科學(xué)研究院，北京 100830；2.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，武漢 430079）

1 引 言

為了掌握國情，國務(wù)院做出開展第一次全國地理國情普查的部署，明確提出用三年時(shí)間查清我國自然和人文地理要素的現(xiàn)狀和空間分布情況［1］。地理國情統(tǒng)計(jì)分析是在地理國情普查成果的基礎(chǔ)上，對(duì)地形地貌、植被覆蓋、水域、荒漠與裸露地表、交通網(wǎng)絡(luò)、居民地與設(shè)施、地理單元等地理國情普查要素的數(shù)量特征、空間分布特征等進(jìn)行定量化的計(jì)算，用以反映地理國情信息的數(shù)量特征、數(shù)量關(guān)系與數(shù)量規(guī)律，并進(jìn)一步分析空間分布模式、趨勢(shì)、過程和空間關(guān)聯(lián)規(guī)律等［2］。地理國情統(tǒng)計(jì)分析面臨數(shù)據(jù)量大，過程繁瑣的難題；尤其是近年來，隨著通信技術(shù)、分布式技術(shù)的發(fā)展及高效計(jì)算和人工智能理論方法的新突破，如何構(gòu)建一個(gè)涉及分布式存儲(chǔ)結(jié)構(gòu)，符合大數(shù)據(jù)時(shí)代數(shù)據(jù)分布式、任務(wù)協(xié)同式、流程自動(dòng)化特征的高效海量數(shù)據(jù)統(tǒng)計(jì)計(jì)算方案已成為近幾年來一個(gè)前沿性熱點(diǎn)研究方向。

工作流技術(shù)是實(shí)現(xiàn)面向過程的建模、仿真分析管理與集成，高效實(shí)現(xiàn)業(yè)務(wù)過程自動(dòng)化的有效技術(shù)［3］。工作流是一系列工作的偏序集，工作的序列可以有多種方式，如任務(wù)X與Y，滿足X＜Y當(dāng)且僅當(dāng)X在Y開始之前就已經(jīng)就緒［4］。工作流的執(zhí)行分為集中式和分布式兩種，早期的工作流應(yīng)用系統(tǒng)都是集中式的，即由一個(gè)工作流引擎去完成整個(gè)流程實(shí)例的執(zhí)行?，F(xiàn)在為了滿足異構(gòu)、分布、松散耦合的特點(diǎn)，大多采用分布式。

2 分布式工作流

“分布式工作流”的概念是相對(duì)于早期的集中式工作流引擎而言的，即整個(gè)工作流管理系統(tǒng)只有一個(gè)核心工作流引擎，這個(gè)核心引擎負(fù)責(zé)解析工作流的流程定義，將工作流定義加載為運(yùn)行時(shí)定義，然后調(diào)度和監(jiān)控流程中每個(gè)活動(dòng)的執(zhí)行。對(duì)于人工活動(dòng)結(jié)點(diǎn)，負(fù)責(zé)為參與者生成相關(guān)的工作項(xiàng)，對(duì)于自動(dòng)活動(dòng)結(jié)點(diǎn)，負(fù)責(zé)調(diào)用外部的具體應(yīng)用（如企業(yè)中的HR、CRM等應(yīng)用，或者是執(zhí)行某項(xiàng)操作的一個(gè)JavaBean）［3］。這種集中式的工作流管理系統(tǒng)由于主要的負(fù)荷全集中在一個(gè)工作流引擎上，因此在可擴(kuò)展性、健壯性以及吞吐量等方面都不能滿足企業(yè)執(zhí)行大規(guī)模復(fù)雜應(yīng)用的需求，尤其是當(dāng)基于此集中式的工作流引擎的應(yīng)用同時(shí)被大量用戶訪問時(shí)，將有可能導(dǎo)致工作流服務(wù)器的過載而癱瘓［4］。而分布式工作流是指采用一組分布在不同節(jié)點(diǎn)上的工作流引擎來共同協(xié)作完成整個(gè)工作流實(shí)例的執(zhí)行。每個(gè)工作流引擎負(fù)責(zé)完成其中一部分活動(dòng)實(shí)例的執(zhí)行，不同的工作流引擎之間通過可靠的通信機(jī)制實(shí)現(xiàn)協(xié)作。通過分布在不同網(wǎng)絡(luò)節(jié)點(diǎn)上的多個(gè)工作流引擎的協(xié)作來運(yùn)行工作流流程，可以明顯改善集中式工作流引擎的性能瓶頸問題。

一般認(rèn)為分布式工作流要解決的根本問題不是性能問題，性能問題可以通過cluster解決，分布式工作流要解決的還是一個(gè)分布式的問題，也就是解決分布式應(yīng)用的協(xié)作問題。一般來說，一個(gè)復(fù)雜的地理國情數(shù)據(jù)的統(tǒng)計(jì)計(jì)算系統(tǒng)包括數(shù)據(jù)服務(wù)（地理數(shù)據(jù)服務(wù)、專題數(shù)據(jù)服務(wù)）、業(yè)務(wù)服務(wù)（統(tǒng)計(jì)計(jì)算服務(wù)），不同服務(wù)資源分布在不同的地點(diǎn)（或者跨部門），而一個(gè)業(yè)務(wù)流程需要多個(gè)服務(wù)協(xié)作完成，這很難通過集中式的工作流來完成，可以通過分布式的工作流來完成，借助消息中間件和EJB2.0來實(shí)現(xiàn)工作流的分布式。

2.1 研究現(xiàn)狀

在分布式工作流的研究領(lǐng)域，以IBM公司的基于“永久消息隊(duì)列”、瑞士蘇黎士大學(xué)的基于“事件驅(qū)動(dòng)”和美國達(dá)特茅斯大學(xué)的基于“可移動(dòng)代理”的分布式工作流系統(tǒng)較具典型性和可行性［5］。

IBM Almaden研究中心提出基于“永久消息隊(duì)列”的分布式工作流［5］，通過永久消息（persistent messages）的方式來保存工作流相關(guān)執(zhí)行信息。執(zhí)行節(jié)點(diǎn)接收到消息后，執(zhí)行當(dāng)前活動(dòng)，當(dāng)前活動(dòng)執(zhí)行完后，根據(jù)當(dāng)前活動(dòng)的輸出連接弧向其他節(jié)點(diǎn)發(fā)送消息，從而推動(dòng)整個(gè)過程實(shí)例的進(jìn)程。

蘇黎士大學(xué)計(jì)算機(jī)系研究人員提出基于“事件驅(qū)動(dòng)”的分布式工作流―EVE（Event Engine），用以集成工作流執(zhí)行過程中松散耦合的分布式功能組件（包括各類應(yīng)用）［6］。主要由事件引擎服務(wù)器和Broker（代理）組成。事件引擎服務(wù)器負(fù)責(zé)接收來自本地代理及遠(yuǎn)程事件引擎服務(wù)器的事件，并根據(jù)ECA（Event Condition Action）規(guī)則定義，把事件發(fā)送給“感興趣”的代理，當(dāng)代理接到相應(yīng)的事件后，就開始執(zhí)行一個(gè)工作流實(shí)例的某一個(gè)活動(dòng)，在這期間，代理還會(huì)產(chǎn)生新的事件。這些事件被通知到事件引擎服務(wù)器后，服務(wù)器將繼續(xù)以事件的方式推動(dòng)整個(gè)過程實(shí)例的進(jìn)程。

DartFlow是達(dá)特茅斯學(xué)院（Dartmouth College）計(jì)算機(jī)系設(shè)計(jì)開發(fā)的一種基于可移動(dòng)代理的工作流系統(tǒng)，由可移動(dòng)的代理將代碼與數(shù)據(jù)傳遞到另外的網(wǎng)絡(luò)節(jié)點(diǎn)上去執(zhí)行，從而實(shí)現(xiàn)工作流過程的分布式執(zhí)行［5］。Yan等人采用Petri網(wǎng)來對(duì)分布式工作流系統(tǒng)進(jìn)行建模，進(jìn)而提出標(biāo)準(zhǔn)的工作流結(jié)構(gòu)和工作流塊的概念，以此支持復(fù)雜的分布式工作流管理系統(tǒng)的實(shí)現(xiàn)。Winograde與Flores在語言行為（speech act）理論的基礎(chǔ)上提出了一種基于對(duì)話的工作流模型。Pallec等人采用 MOF（Meta－Object Facility）來達(dá)到工作流管理系統(tǒng)中的互操作性［8］。這些方法在不同層面和方向上提高了工作流解決實(shí)際問題的能力，但在系統(tǒng)的自管理性、可擴(kuò)展性方面并不令人滿意。

本文在目前已有研究基礎(chǔ)之上，針對(duì)國情普查數(shù)據(jù)統(tǒng)計(jì)的計(jì)算要求和特點(diǎn)，提出了一種節(jié)點(diǎn)分布式工作流引擎的實(shí)現(xiàn)方案以及與之相關(guān)的規(guī)則定義TCA（Task Condition Action）與應(yīng)答流程模型，借助真實(shí)數(shù)據(jù)的樣本例子作為數(shù)據(jù)源，通過實(shí)驗(yàn)對(duì)模型的可行性和效率進(jìn)行了分析和討論。

3 統(tǒng)計(jì)過程任務(wù)模型

地理國情普查數(shù)據(jù)統(tǒng)計(jì)具有數(shù)據(jù)量大、計(jì)算流程化、數(shù)據(jù)資源分散的特點(diǎn)，在工作流執(zhí)行過程中適合采用松散耦合的分布式計(jì)算模式，以任務(wù)為驅(qū)動(dòng)（Task Engine）。在群內(nèi)節(jié)點(diǎn)計(jì)算單元內(nèi)主要包括任務(wù)引擎服務(wù)器、代理和數(shù)據(jù)端等。數(shù)據(jù)端存儲(chǔ)數(shù)據(jù)，任務(wù)引擎服務(wù)器負(fù)責(zé)控制、分發(fā)來自本節(jié)點(diǎn)及其他節(jié)點(diǎn)的任務(wù)，任務(wù)存儲(chǔ)采用消息隊(duì)列，并根據(jù)任務(wù)流轉(zhuǎn)規(guī)則（Task Action Rule）定義，把任務(wù)發(fā)送給相關(guān)代理，當(dāng)代理接到相應(yīng)的任務(wù)后，就開始解譯任務(wù)，執(zhí)行一個(gè)工作流實(shí)例的某一個(gè)活動(dòng)。在這期間，代理把自身工作狀態(tài)及參數(shù)按照應(yīng)答方式反饋任務(wù)引擎服務(wù)器。這些消息被通知到任務(wù)引擎服務(wù)器后，服務(wù)器將繼續(xù)以任務(wù)的方式推動(dòng)整個(gè)過程實(shí)例的進(jìn)程。

3.1 統(tǒng)計(jì)過程任務(wù)

這里的任務(wù)不是簡單的統(tǒng)計(jì)任務(wù)，確切的講，是統(tǒng)計(jì)計(jì)算任務(wù)的元任務(wù)。任務(wù)是“任務(wù)驅(qū)動(dòng)”的基本組成，任務(wù)驅(qū)動(dòng)與事件驅(qū)動(dòng)的最大區(qū)別是任務(wù)驅(qū)動(dòng)的規(guī)則定義TCA相對(duì)于ECA更明確，因?yàn)闉榱吮ＷC在全國范圍內(nèi)計(jì)算結(jié)果的一致性和可比較性，地理國情普查的統(tǒng)計(jì)指標(biāo)、模型和算法是明確的，因此不同的任務(wù)節(jié)點(diǎn)的任務(wù)也是明確的，每一個(gè)進(jìn)入集群環(huán)境的計(jì)算節(jié)點(diǎn)都有明確的身份令牌，經(jīng)過注冊(cè)后，身份令牌在任務(wù)引擎服務(wù)器端是可識(shí)別的。因此TCA的任務(wù)發(fā)送不存在“搜索興趣”的問題，是一種明確的定向發(fā)送，相對(duì)于ECA減少了搜索環(huán)節(jié)，進(jìn)一步提高了整個(gè)工作流的運(yùn)轉(zhuǎn)效率。分布式工作流地理國情普查數(shù)據(jù)統(tǒng)計(jì)計(jì)算執(zhí)行任務(wù)主要包括以下主要內(nèi)容見表1。

表1 統(tǒng)計(jì)過程任務(wù)列表

3.2 數(shù)據(jù)統(tǒng)計(jì)計(jì)算過程執(zhí)行

客戶端向數(shù)據(jù)服務(wù)器請(qǐng)求國情信息數(shù)據(jù)，將數(shù)據(jù)下載到本端的數(shù)據(jù)統(tǒng)計(jì)控件中，其余客戶端根據(jù)任務(wù)需要采用同樣的操作將數(shù)據(jù)從與其相連的數(shù)據(jù)服務(wù)器下載到本端的數(shù)據(jù)統(tǒng)計(jì)控件中?？蛻舳送絾?dòng)某項(xiàng)指標(biāo)統(tǒng)計(jì)計(jì)算，此時(shí)啟動(dòng)該項(xiàng)指標(biāo)統(tǒng)計(jì)流程，通過節(jié)點(diǎn)身份比對(duì)將數(shù)據(jù)請(qǐng)求或權(quán)限以“令牌”（Token）的形式，同時(shí)觸發(fā)同步通訊，將該“令牌”信息參數(shù)打包并發(fā)送給服務(wù)端，服務(wù)端接收數(shù)據(jù)包，將信息解譯后（包含令牌信息以及相應(yīng)的流程信息）進(jìn)入隊(duì)列管理，在隊(duì)列管理輪轉(zhuǎn)觸發(fā)后，立即轉(zhuǎn)發(fā)給已注冊(cè)且相關(guān)的其他所有客戶端，客戶端取得服務(wù)端傳送數(shù)據(jù)包，將數(shù)據(jù)解析出來，依據(jù)流程指令觸發(fā)本地任務(wù)。

不失一般性，在一個(gè)最小群內(nèi)的分布式工作流國情數(shù)據(jù)統(tǒng)計(jì)計(jì)算模型（請(qǐng)求／相應(yīng)，不包括反饋，隊(duì)列數(shù)量為1，省略隊(duì)列管理）至少包括3部分：代理（A）、管理中心（B）和數(shù)據(jù)服務(wù)中心（C）。涉及一個(gè)基本統(tǒng)計(jì)計(jì)算任務(wù)過程的流程情況如圖1所示，在每個(gè)節(jié)點(diǎn)任務(wù)流轉(zhuǎn)的過程中，為了簡化，省略了控制連接項(xiàng)的條件以及連接項(xiàng)的過濾器。

基于圖1對(duì)應(yīng)的過程描述如表2所示，參數(shù)描述如下：Proc為節(jié)點(diǎn)任務(wù)；Act為活動(dòng)任務(wù)；InT＿A為輸入任務(wù)；OutT＿A為輸出任務(wù)；Quit為中斷退出；InD＿A為輸入數(shù)據(jù)（From）；OutD＿A為輸出數(shù)據(jù)（To）；IData為輸入信息；OData為輸出信息。

圖1 基于請(qǐng)求／響應(yīng)工作流流轉(zhuǎn)圖

過程執(zhí)行過程中，與過程有關(guān)的信息存放在一個(gè)活動(dòng)隊(duì)列管理器（Active Link Manager，ALM）管理的表中（堆棧或鏈?zhǔn)剑?，由活?dòng)線程管理器執(zhí)行Put、Get調(diào)用，并將相關(guān)調(diào)用的消息屬性保存管理。過程執(zhí)行時(shí)，所有的消息關(guān)聯(lián)至過程環(huán)境（壓?；蚺抨?duì)）；ALM周期查詢隊(duì)列，接受新申請(qǐng)，對(duì)消息創(chuàng)建線程并關(guān)聯(lián)與該線程有關(guān)的數(shù)據(jù)。該線程對(duì)應(yīng)實(shí)例表中的一個(gè)表項(xiàng)紀(jì)錄，包含該線程的活動(dòng)執(zhí)行登記信息；ALM檢查活動(dòng)開始的條件，如果都不具備，ALM則轉(zhuǎn)入休眠直道被新的消息喚醒。如果活動(dòng)開始條件出錯(cuò)，ALM則按照預(yù)案處理方法處理，無預(yù)案的則退出隊(duì)列。所有這些操作都是在活動(dòng)周期（從開始到結(jié)束）內(nèi)作為一個(gè)基礎(chǔ)行為完成。如果開始條件為真，則相應(yīng)的調(diào)用被激活，并傳遞內(nèi)容項(xiàng)，如上圖中IData。在此，定義輸出傳遞包括2種：消息傳遞和數(shù)據(jù)傳遞（對(duì)應(yīng)消息服務(wù)和數(shù)據(jù)服務(wù)），消息傳遞一般作為觸發(fā)條件，內(nèi)容量少，多以BOOL值標(biāo)記，具備雙向／循環(huán)觸發(fā)的功能，數(shù)據(jù)傳遞一般是在滿足消息傳遞條件下，按照消息傳遞中的數(shù)據(jù)要求，將數(shù)據(jù)結(jié)果傳遞，特點(diǎn)是數(shù)據(jù)量大，一般單向傳送，不支持雙向／循環(huán)觸發(fā)。當(dāng)成功中止時(shí)，判斷輸出傳遞控制連接項(xiàng)，如上圖中Out T＿A項(xiàng)（消息傳遞）和Out D＿A項(xiàng)（數(shù)據(jù)傳遞），并被發(fā)送到過程表中輸出數(shù)據(jù)連接項(xiàng)指定的節(jié)點(diǎn)；一個(gè)完整的請(qǐng)求／響應(yīng)過程后從過程隊(duì)列中清除與該活動(dòng)相對(duì)應(yīng)的登記，因?yàn)橐粋€(gè)任務(wù)對(duì)應(yīng)一個(gè)活動(dòng)，一旦活動(dòng)成功中止就沒有必要再保留該消息。所有這些操作也是作為一個(gè)基礎(chǔ)處理來完成的。

表2 任務(wù)流程及其對(duì)應(yīng)的過程表

4 實(shí)驗(yàn)與分析

從以上執(zhí)行模型中可以看出，在統(tǒng)計(jì)指標(biāo)、模型和算法明確的條件下，任務(wù)流程設(shè)置、隊(duì)列調(diào)度策略和代理單元數(shù)量是影響統(tǒng)計(jì)計(jì)算效率的重要因素，一般來說任務(wù)流程設(shè)置和隊(duì)列調(diào)度策略一旦確定，承擔(dān)計(jì)算任務(wù)的節(jié)點(diǎn)數(shù)量則成為影響統(tǒng)計(jì)計(jì)算效率的關(guān)鍵因素。為驗(yàn)證分布式工作流普查數(shù)據(jù)統(tǒng)計(jì)計(jì)算計(jì)算節(jié)點(diǎn)數(shù)量與的計(jì)算效率之間的關(guān)系，搭建如下實(shí)驗(yàn)環(huán)境：

（1）任務(wù)名稱：不失一般性，計(jì)算指標(biāo)選取計(jì)算某地區(qū)DEM平均高程。

（2）計(jì)算過程描述：如圖2所示：

圖2 DEM平均高程分布計(jì)算流程圖

（3）數(shù)據(jù)描述：DEM 數(shù)據(jù)，數(shù)據(jù)大小11881＊9720，數(shù)據(jù)量440.53MB（未壓縮），格式Grid。

（4）隊(duì)列調(diào)度算法方面為實(shí)現(xiàn)負(fù)載均衡，執(zhí)行工作流引擎采用輪轉(zhuǎn)法進(jìn)行調(diào)度。

（5）硬件描述：利用11臺(tái)臺(tái)式機(jī)組成一個(gè)小型工作群，其中1臺(tái)電腦（主頻3.00GHz；內(nèi)存為8G）充當(dāng)該集群主控節(jié)點(diǎn)，其余10臺(tái)分別充當(dāng)計(jì)算節(jié)點(diǎn)和數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)。節(jié)點(diǎn)間使用百兆以太網(wǎng)進(jìn)行數(shù)據(jù)傳輸。

（7）系統(tǒng)軟件描述：系統(tǒng)均為 Ubuntu12.10，Hadoop版本0.20.2、java版本1.6；HBase版本0.20.3。

（8）實(shí)驗(yàn)過程：主控節(jié)點(diǎn)啟動(dòng)分布式工作流系統(tǒng)，從各節(jié)點(diǎn)中運(yùn)行數(shù)據(jù)和任務(wù)并監(jiān)視節(jié)點(diǎn)；啟動(dòng)任務(wù)（調(diào)用、請(qǐng)求數(shù)據(jù)處理工作流），主控節(jié)點(diǎn)對(duì)被處理數(shù)據(jù)按照一定分解規(guī)則（一般為均勻分割）進(jìn)行分割處理后，交給數(shù)據(jù)節(jié)點(diǎn)按照工作流模式計(jì)算處理，然后由匯總?cè)蝿?wù)節(jié)點(diǎn)將收集到的結(jié)果歸并、聚合，進(jìn)行最終結(jié)果的導(dǎo)出。實(shí)驗(yàn)中10臺(tái)臺(tái)式機(jī)電腦分別充當(dāng)運(yùn)算節(jié)點(diǎn)與本地?cái)?shù)據(jù)存儲(chǔ)節(jié)點(diǎn)，將數(shù)據(jù)分別在不同節(jié)點(diǎn)數(shù)下運(yùn)行數(shù)次，剔除其中可能錯(cuò)誤的時(shí)間，取其平均數(shù)，記錄此運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果如表3所示：

其運(yùn)算節(jié)點(diǎn)數(shù)與計(jì)算時(shí)間關(guān)系如圖3所示：

從圖中可知，參與分布式工作流計(jì)算的系統(tǒng)其計(jì)算效率在工作流程、指標(biāo)和模型方法確定的情況下與參與計(jì)算的節(jié)點(diǎn)數(shù)量有關(guān)系，計(jì)算所用的時(shí)間與節(jié)點(diǎn)數(shù)目呈現(xiàn)局部負(fù)相關(guān)關(guān)系，即在一定運(yùn)算節(jié)點(diǎn)數(shù)范圍內(nèi)計(jì)算時(shí)間隨運(yùn)算節(jié)點(diǎn)數(shù)量增加而降低。但從上圖可知當(dāng)參與計(jì)算的節(jié)點(diǎn)數(shù)超過一定數(shù)目后，以后的運(yùn)算節(jié)點(diǎn)數(shù)量雖然增加，但是計(jì)算執(zhí)行所用時(shí)間大體不變，這是由于受到數(shù)據(jù)分割消耗（參與分割的節(jié)點(diǎn)越多，分割復(fù)雜度越高，計(jì)算成本增加）以及數(shù)據(jù)傳輸消耗（參與交互的節(jié)點(diǎn)越多，交互時(shí)間與復(fù)雜度越高，計(jì)算成本增加）等因素的影響，整個(gè)計(jì)算時(shí)間曲線趨于平緩。

表3 同一柵格數(shù)據(jù)不同運(yùn)算節(jié)點(diǎn)計(jì)算時(shí)間

圖3 同一柵格數(shù)據(jù)不同節(jié)點(diǎn)運(yùn)算時(shí)間對(duì)比圖

5 結(jié)束語

本文探討采用分布式工作流方法解決地理國情普查數(shù)據(jù)統(tǒng)計(jì)分析數(shù)據(jù)海量性與任務(wù)繁瑣性問題，提出一種以任務(wù)驅(qū)動(dòng)采用松散耦合的分布式工作流計(jì)算模式，提出了包括引擎狀態(tài)、會(huì)話、狀態(tài)控制、統(tǒng)計(jì)計(jì)算和過程控制的規(guī)則定義TCA（Task Condition Action）模型，并分析了一個(gè)最小節(jié)點(diǎn)群結(jié)構(gòu)的應(yīng)答模式；構(gòu)建一個(gè)集群計(jì)算環(huán)境，并通過實(shí)驗(yàn)給出計(jì)算效率與節(jié)點(diǎn)數(shù)量的對(duì)應(yīng)關(guān)系。實(shí)驗(yàn)表明以上模型和方法是一種提高地理國情普查統(tǒng)計(jì)分析計(jì)算效率的有效方法。盡管如此，該模型還有待完善，尤其是運(yùn)算節(jié)點(diǎn)的數(shù)據(jù)分解規(guī)則以及不同隊(duì)列調(diào)度策略對(duì)計(jì)算效率的影響分析將是下一步研究的重點(diǎn)內(nèi)容。

［1］陳俊勇.地理國情監(jiān)測研究與探索［M］.北京：測繪出版社，2011：19－25.

［2］國務(wù)院第一次地理國情普查領(lǐng)導(dǎo)小組辦公室.GDPJ 03－2013地理國情普查基本統(tǒng)計(jì)技術(shù)規(guī)定［S］.北京，2013.

［3］AALST W M P V.Three good reasons for using apetri－net－based workflow management system［M］.Kluwer Academic Publishers，1996.179－201.

［4］賈文玨，李斌，龔健雅.基于工作流技術(shù)的動(dòng)態(tài) GIS服務(wù)鏈研究［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2005，30（11）：982－985.

［5］何凱濤，唐宇，劉書雷.基于工作流的GIS服務(wù)動(dòng)態(tài)聚合方法、技術(shù)體系和參考模型研究［J］.國防科技大學(xué)學(xué)報(bào)，2008，30（1）：47－52.

［6］王華敏，邊馥苓.基于微工作流的可擴(kuò)展 GIS模型研究［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2004，29（2）：127－131.

［7］ALONSO G，MOHAN C，GUNTHOR R，et al.Exotica／FMQM：A persistent message－based architecture for distributed workflow management［R］.IBM Almaden Research Center，1994.

［8］GEPPERT A，TOMBROS D.Event－based distributed workflow execution with EVE［R］.Switzerland：University of Zurich，1996.

［9］姬濤，胡金柱.一個(gè)基于持續(xù)消息的分布式工作流管理模型［J］.計(jì)算機(jī)應(yīng)用研究，2001（6）：53－55.

［10］于明遠(yuǎn)，俞棟輝，葉蕾.基于改進(jìn)微粒群的分布式工作流調(diào)度優(yōu)化［J］.系統(tǒng)工程理論與實(shí)踐，2011，31（2）：191－196.

［11］胡春華，吳敏，劉國平，等.一種基于業(yè)務(wù)生成圖的 Web服務(wù)工作流構(gòu)造方法［J］.軟件學(xué)報(bào)，2007，18（8）：1870－1882.

［12］孫立堅(jiān)，朱翊，劉曉東.基于分層工作流的電子政務(wù)突發(fā)事件快速信息發(fā)布研究［J］.地理信息世界，2009（6）：16－21.

［13］劉書雷.基于工作流的空間信息服務(wù)聚合技術(shù)研究［D］.長沙：國防科技大學(xué)，2006.