朱 明，李躍新

(湖北大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，武漢 430064)

大數(shù)據(jù)服務(wù)深度需求與SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制

朱 明，李躍新

(湖北大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，武漢 430064)

大數(shù)據(jù)服務(wù)需求的認(rèn)知深度和服務(wù)架構(gòu)的融合度直接影響多業(yè)務(wù)大數(shù)據(jù)應(yīng)用的資源管理和服務(wù)質(zhì)量，提出了一種基于大數(shù)據(jù)服務(wù)深度需求分析和面向服務(wù)的協(xié)作集成架構(gòu)的異構(gòu)系統(tǒng)融合機(jī)制；該機(jī)制，一方面，在分析大數(shù)據(jù)源多樣化、差異化大數(shù)據(jù)組織形式及其存儲(chǔ)方式，基于開(kāi)放性大數(shù)據(jù)服務(wù)上下文，以及上下文集合的關(guān)聯(lián)匹配與大數(shù)據(jù)服務(wù)分析的映射關(guān)系，結(jié)合不同類(lèi)型用戶(hù)的需求差異化特征，建立了大數(shù)據(jù)服務(wù)需求分析模型；另一方面，對(duì)于多態(tài)異構(gòu)的移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)，經(jīng)過(guò)結(jié)構(gòu)化和開(kāi)放性處理后，給出大數(shù)據(jù)通信和服務(wù)調(diào)用描述定義，提出了SOA協(xié)作集成的異構(gòu)系統(tǒng)融合架構(gòu)；仿真實(shí)驗(yàn)結(jié)果表明，所提出的算法在大數(shù)據(jù)服務(wù)響應(yīng)成功率、執(zhí)行時(shí)間和代價(jià)比等方面具有明顯優(yōu)勢(shì)。

大數(shù)據(jù); 服務(wù)深度需求；面向服務(wù)的架構(gòu)；協(xié)作集成；異構(gòu)融合

0 引言

移動(dòng)互聯(lián)網(wǎng)環(huán)境下，大數(shù)據(jù)服務(wù)需求的保障架構(gòu)所考慮的服務(wù)框架[1]、系統(tǒng)設(shè)計(jì)[2]等難以滿(mǎn)足多應(yīng)用并發(fā)深度需求。因此，如何設(shè)計(jì)軟件硬件集成系統(tǒng)[3]的異構(gòu)體系成為熱點(diǎn)問(wèn)題。于是，基于SaaS系統(tǒng)[4]、基于產(chǎn)品分類(lèi)服務(wù)的大數(shù)據(jù)系統(tǒng)[5]和基于云平臺(tái)的大數(shù)據(jù)架構(gòu)[6]得到深入研究。

大數(shù)據(jù)服務(wù)研究方面，文獻(xiàn)[7]研究了大數(shù)據(jù)環(huán)境下數(shù)據(jù)服務(wù)能力開(kāi)放業(yè)務(wù)內(nèi)容及其開(kāi)放平臺(tái)的建設(shè)思路。文獻(xiàn)[8]提出了一種安全管理方案，用戶(hù)從不同的網(wǎng)絡(luò)環(huán)境中獲取大數(shù)據(jù)服務(wù)，并結(jié)合大數(shù)據(jù)和用戶(hù)的屬性信息，保護(hù)云環(huán)境中的大數(shù)據(jù)用戶(hù)的隱私和數(shù)據(jù)本身。通過(guò)引入時(shí)間變量，并且動(dòng)態(tài)地分析敏感屬性和身份識(shí)別等信息，文獻(xiàn)[9]基于差分隱私保護(hù)機(jī)制研究了一種位置大數(shù)據(jù)發(fā)布模型?；谥黝}的相關(guān)性和大數(shù)據(jù)服務(wù)質(zhì)量，結(jié)合用戶(hù)需求的連通性因素，文獻(xiàn)[10]提出了一種大數(shù)據(jù)用戶(hù)需求建模方法。SOA異構(gòu)系統(tǒng)方面，文獻(xiàn)[11]分析了異構(gòu)系統(tǒng)數(shù)據(jù)共享及其通信平臺(tái)。將云計(jì)算的虛擬化和分布式并行數(shù)據(jù)處理有機(jī)結(jié)合，文獻(xiàn)[12]基于SOA云架構(gòu)的提出了一種用于海量異構(gòu)資源高效管理的業(yè)務(wù)平臺(tái)。通過(guò)選擇最適當(dāng)?shù)木W(wǎng)絡(luò)對(duì)給定的事務(wù)級(jí)業(yè)務(wù)建模，并約束其業(yè)務(wù)上下文和服務(wù)質(zhì)量，文獻(xiàn)[13]基于系統(tǒng)服務(wù)集成解決了活躍狀態(tài)的應(yīng)用業(yè)務(wù)驅(qū)動(dòng)問(wèn)題。文獻(xiàn)[14]整合了廣泛性應(yīng)用企業(yè)架構(gòu)框架SOA元素。

然而，上述研究對(duì)于大數(shù)據(jù)服務(wù)的上下文開(kāi)放性問(wèn)題未深入分析，同時(shí)基于SOA架構(gòu)的異構(gòu)系統(tǒng)的融合問(wèn)題未做討論，因此，在已有研究基礎(chǔ)上，本文提出了一種大數(shù)據(jù)服務(wù)深度需求與SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制。

1 大數(shù)據(jù)服務(wù)需求分析模型

數(shù)據(jù)來(lái)源多樣化導(dǎo)致數(shù)據(jù)組織形式和數(shù)據(jù)存儲(chǔ)方式存在較大差異，同時(shí)不同規(guī)模的數(shù)據(jù)和不同類(lèi)型用戶(hù)的差異化要求使得數(shù)據(jù)服務(wù)需求分析面臨多方面挑戰(zhàn)。此外，異構(gòu)大數(shù)據(jù)服務(wù)需求和大數(shù)據(jù)分析面臨如下幾方面問(wèn)題：

1)面臨復(fù)雜的大數(shù)據(jù)組織結(jié)構(gòu)和形式化數(shù)據(jù)信息映射，如何實(shí)現(xiàn)大數(shù)據(jù)的結(jié)構(gòu)化管理和可視化大數(shù)據(jù)服務(wù)需求建模。

2)如何從高冗余度的大數(shù)據(jù)進(jìn)行低耗傳輸和高效挖掘；

3)大數(shù)據(jù)來(lái)源于多樣化業(yè)務(wù)，要為多樣化用戶(hù)需求服務(wù)，兩者之間的關(guān)聯(lián)具有隨機(jī)性和不可預(yù)測(cè)性，因此如何調(diào)用大數(shù)據(jù)和按需分析成為關(guān)鍵。

針對(duì)上述問(wèn)題，從大數(shù)據(jù)的結(jié)構(gòu)化、可視化和微觀關(guān)聯(lián)映射出發(fā)，建立大數(shù)據(jù)服務(wù)需求分析模型。

為了實(shí)現(xiàn)非結(jié)構(gòu)化大數(shù)據(jù)的形式化描述和服務(wù)需求的匹配關(guān)聯(lián)，給出開(kāi)放性大數(shù)據(jù)服務(wù)上下文定義，如定義1所示。

定義1(開(kāi)放性大數(shù)據(jù)服務(wù)上下文的表示)：

在開(kāi)放性大數(shù)據(jù)資源中，將大數(shù)據(jù)服務(wù)上下文描述為一個(gè)三元組：obr=(OLocker, CT, CS)，其中，OLocker是開(kāi)放性鎖定標(biāo)識(shí)符，用于表示大數(shù)據(jù)是否具備開(kāi)放性特征，是非結(jié)構(gòu)化大數(shù)據(jù)形式化描述的依據(jù)；CT是大數(shù)據(jù)服務(wù)的上下文標(biāo)識(shí)符，用于建立大數(shù)據(jù)服務(wù)與需求的映射；CS是大數(shù)據(jù)服務(wù)與上下文匹配標(biāo)識(shí)符，用于反映關(guān)聯(lián)匹配水平。

假設(shè)大數(shù)據(jù)源bdi和上下文集合CTi，按照定義1給出了形式化大數(shù)據(jù)服務(wù)匹配率計(jì)算模型，如公式(1)所示。

(1)

其中，Mr表示大數(shù)據(jù)服務(wù)匹配率，函數(shù)Context用于獲取大數(shù)據(jù)服務(wù)的上下文集合，CST表示關(guān)聯(lián)匹配閾值。

在大數(shù)據(jù)形式化后，基于關(guān)聯(lián)匹配的大數(shù)據(jù)上下文，大數(shù)據(jù)服務(wù)需求分析過(guò)程可表示為：R={Mi,Ci,Rq,MR}。其中，Mi表示服務(wù)需求關(guān)聯(lián)匹配的大數(shù)據(jù)集合，Ci表示多個(gè)關(guān)聯(lián)匹配大數(shù)據(jù)集合的上下文集合，Rq表示大數(shù)據(jù)服務(wù)分析結(jié)果，MR表示服務(wù)需求匹配后的大數(shù)據(jù)集合。

大數(shù)據(jù)服務(wù)需求分析過(guò)程R中，當(dāng)大數(shù)據(jù)規(guī)模和匹配閾值固定時(shí)，大數(shù)據(jù)服務(wù)需求分析的準(zhǔn)確率Si如公式(2)，此時(shí)所產(chǎn)生的大數(shù)據(jù)冗余規(guī)模BDR如公式(3)所示。大數(shù)據(jù)服務(wù)需求分析結(jié)構(gòu)如圖1所示，分析算法如算法1所示。

(2)

(3)

每個(gè)大數(shù)據(jù)服務(wù)分析結(jié)果在多維數(shù)據(jù)空間上的動(dòng)態(tài)關(guān)聯(lián)映射的延遲dc如公式(4)，更新延遲uc如公式(5)。

(4)

圖1 大數(shù)據(jù)服務(wù)需求分析架構(gòu)

首先計(jì)算大數(shù)據(jù)源對(duì)應(yīng)的開(kāi)放性上下文，再將每一個(gè)上下文集合的關(guān)聯(lián)匹配與大數(shù)據(jù)服務(wù)分析的映射關(guān)系進(jìn)行比對(duì)，根據(jù)匹配度得出大數(shù)據(jù)服務(wù)分析結(jié)果，具體算法描述如算法1 ReqAna Algorithm所述。

算法1：ReqAna Algorithm 大數(shù)據(jù)服務(wù)需求分析算法

Input: Mr, CSi, BD.

Initialization: R, obr

Output: Rq

1)CST=0;

2)while(BD)

3)tp=BDi;

4)CTi=Context(tp);

5)BDi+1=CTi⊙tp;

6)CST=‖CTi‖·CS;

7)end while

8)tm=‖MR‖;

11)Si=1-CS(tq)tm;

12)Rq=R∩obr·Si;

13)return Rq;

14)end

2 SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制

當(dāng)大數(shù)據(jù)服務(wù)需求分析精度滿(mǎn)足封閉性和開(kāi)放性特性時(shí)，需要根據(jù)特定應(yīng)用需求構(gòu)建分布式異構(gòu)系統(tǒng)。然而，異構(gòu)系統(tǒng)和多態(tài)移動(dòng)互聯(lián)網(wǎng)運(yùn)行環(huán)境對(duì)分布式異構(gòu)系統(tǒng)的架構(gòu)和大數(shù)據(jù)映射關(guān)系提出了新的挑戰(zhàn)。傳統(tǒng)服務(wù)模型的映射矩陣和控制代碼是固定的，難以適應(yīng)多態(tài)移動(dòng)互聯(lián)網(wǎng)的實(shí)時(shí)性組合和裝配要求，同時(shí)難以解決大數(shù)據(jù)深度服務(wù)建模與融合問(wèn)題。

因此，基于SOA協(xié)作與大數(shù)據(jù)服務(wù)分析模型有機(jī)融合，結(jié)合移動(dòng)互聯(lián)網(wǎng)，以提高大數(shù)據(jù)服務(wù)需求分析與規(guī)劃下異構(gòu)系統(tǒng)的控制與管理為目標(biāo)，通過(guò)大數(shù)據(jù)服務(wù)需求分析模型整合大數(shù)據(jù)資源，引入異構(gòu)系統(tǒng)融合機(jī)制，分布式系統(tǒng)的大數(shù)據(jù)服務(wù)按需融合，構(gòu)建實(shí)時(shí)可靠的系統(tǒng)模型，從而快速構(gòu)建大數(shù)據(jù)服務(wù)應(yīng)用以滿(mǎn)足多樣化用戶(hù)的異構(gòu)需求。

對(duì)于多態(tài)異構(gòu)的移動(dòng)互聯(lián)網(wǎng)的大數(shù)據(jù)服務(wù)，經(jīng)過(guò)結(jié)構(gòu)化和開(kāi)放性處理后，給出大數(shù)據(jù)通信和服務(wù)調(diào)用描述定義。這些描述可以很好地發(fā)現(xiàn)和綁定大數(shù)據(jù)服務(wù)的動(dòng)態(tài)需求和滿(mǎn)足SOA協(xié)作運(yùn)行時(shí)的資源需求。SOA協(xié)作集成的異構(gòu)系統(tǒng)使用了下面的元素對(duì)大數(shù)據(jù)服務(wù)進(jìn)行描述：

(1)Scale：大數(shù)據(jù)規(guī)模標(biāo)識(shí)，適用于開(kāi)放性服務(wù)系統(tǒng)。

(2)BigData_Call：大數(shù)據(jù)調(diào)用請(qǐng)求消息幀結(jié)構(gòu)封閉化定義。其中，BigData由一系列大數(shù)據(jù)節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)分配額唯一的Scale，通過(guò)Call今晨而過(guò)形成大數(shù)據(jù)調(diào)用消息集合。

(3)SOA_Call：大數(shù)據(jù)服務(wù)需求分析結(jié)果的抽象描述和對(duì)BigData_Call的響應(yīng)。每個(gè)SOA元素對(duì)應(yīng)一個(gè)Call映射的大數(shù)據(jù)資源管理數(shù)據(jù)幀序列。

(4)SOA_Type：對(duì)于每個(gè)SOA協(xié)作大數(shù)據(jù)通信點(diǎn)，設(shè)定專(zhuān)屬類(lèi)型的服務(wù)操作符。該服務(wù)操作符集合指定了一系列大數(shù)據(jù)服務(wù)保障類(lèi)型。該保障包括：大數(shù)據(jù)存儲(chǔ)幀格式、大數(shù)據(jù)通信模式和大數(shù)據(jù)服務(wù)幀格式。

(5)Coo_Integrate：SOA協(xié)作集成所需的控制協(xié)議和集成方案。該描述給出了SOA_Type與BigData_Call、SOA_Call的映射接口和協(xié)作控制協(xié)議。該映射接口通過(guò)大數(shù)據(jù)服務(wù)消息幀與服務(wù)描述的線(xiàn)性綁定，實(shí)現(xiàn)大數(shù)據(jù)和SOA的集成調(diào)用。

(6)fusion_Ctonrol：大數(shù)據(jù)服務(wù)SOA協(xié)作集成控制協(xié)議，該協(xié)議在SOA協(xié)作架構(gòu)下控制封閉型大數(shù)據(jù)源和移動(dòng)互聯(lián)網(wǎng)平臺(tái)的異構(gòu)融合。該融合控制描述了異構(gòu)融合與大數(shù)據(jù)服務(wù)需求的映射關(guān)聯(lián)進(jìn)程。該關(guān)聯(lián)進(jìn)程的功能有移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)地址轉(zhuǎn)換、大數(shù)據(jù)服務(wù)需求映射地址尋址和融合消息數(shù)據(jù)幀控制等。

(7)fusion_R_S：異構(gòu)系統(tǒng)融合大數(shù)據(jù)服務(wù)需求與響應(yīng)標(biāo)識(shí)。該標(biāo)識(shí)描述了在移動(dòng)互聯(lián)網(wǎng)平臺(tái)上部署大數(shù)據(jù)服務(wù)所需要的各類(lèi)控制請(qǐng)求、響應(yīng)和服務(wù)幀。在SOA協(xié)作集成的異構(gòu)系統(tǒng)融合進(jìn)程中，每個(gè)大數(shù)據(jù)服務(wù)需求通過(guò)一個(gè)請(qǐng)求和服務(wù)序列對(duì)實(shí)現(xiàn)大數(shù)據(jù)服務(wù)保障。

在異構(gòu)融合系統(tǒng)中，單個(gè)大數(shù)據(jù)服務(wù)需求分析與服務(wù)仿真忽視了大數(shù)據(jù)內(nèi)在關(guān)聯(lián)和線(xiàn)性關(guān)系，需要結(jié)合移動(dòng)互聯(lián)網(wǎng)的多態(tài)特征，以SOA為核心，對(duì)大數(shù)據(jù)服務(wù)進(jìn)行深度需求分析。在SOA協(xié)作中，大數(shù)據(jù)實(shí)體需求分析模型必須適應(yīng)移動(dòng)互聯(lián)網(wǎng)的多態(tài)行為，實(shí)現(xiàn)深度需求分析。這種深度分析主要表現(xiàn)為不同狀態(tài)的需求分析建模和不同規(guī)模的大數(shù)據(jù)源建模。上述模型可以深度獲取多態(tài)下大數(shù)據(jù)實(shí)體描述標(biāo)識(shí)。大數(shù)據(jù)服務(wù)深度需求的多態(tài)標(biāo)識(shí)與SOA協(xié)作集成系統(tǒng)之間實(shí)時(shí)交互融合信息。因此，為了獲取更為實(shí)時(shí)可靠的大數(shù)據(jù)服務(wù)需求和保障移動(dòng)互聯(lián)網(wǎng)應(yīng)用，多態(tài)下大數(shù)據(jù)服務(wù)深度需求尤為重要，如圖2所示。圖2中，n表示關(guān)聯(lián)映射后的深度需求序列個(gè)數(shù)，k表示圓形窗口滑動(dòng)次數(shù)。SOA協(xié)作集成的異構(gòu)融合系統(tǒng)架構(gòu)如圖3所示。

大數(shù)據(jù)服務(wù)深度需求之間存在一定的相似度，根據(jù)開(kāi)放性大數(shù)據(jù)服務(wù)上下文和SOA協(xié)作控制，根據(jù)公式(6)計(jì)算相似度。

(6)

其中：函數(shù)SOA用于獲得SOA協(xié)作控制的大數(shù)據(jù)集合。

在SOA協(xié)作集成的異構(gòu)融合過(guò)程中，根據(jù)大數(shù)據(jù)服務(wù)需求深度分析的序列和多態(tài)條件約束，結(jié)合移動(dòng)互聯(lián)網(wǎng)平臺(tái)不同要求的泛在目標(biāo)優(yōu)化，基于SOA與多態(tài)大數(shù)據(jù)服務(wù)行為的集成，給出泛在目標(biāo)優(yōu)化函數(shù)的求解公式(7)和(8)。其中，公式(8)所述的多態(tài)約束條件是實(shí)現(xiàn)公式(7)所示的優(yōu)化函數(shù)的前提。

(7)

(8)

圖2 多態(tài)下大數(shù)據(jù)服務(wù)深度需求描述

圖3 SOA協(xié)作集成的異構(gòu)融合系統(tǒng)架構(gòu)

3 實(shí)驗(yàn)結(jié)果分析

在一個(gè)由Matlab與C語(yǔ)言組成的，具有通用性和兼容性的模擬仿真實(shí)驗(yàn)平臺(tái)上，對(duì)若干個(gè)傳感器組成的大數(shù)據(jù)源的服務(wù)進(jìn)行異構(gòu)系統(tǒng)融合性能分析與評(píng)價(jià)。這些傳感器部署在800米*800米的室外空曠場(chǎng)地，執(zhí)行高密度環(huán)境監(jiān)測(cè)任務(wù)。設(shè)定大數(shù)據(jù)服務(wù)需求包括單個(gè)任務(wù)執(zhí)行、單個(gè)任務(wù)完成復(fù)雜度、多個(gè)任務(wù)并行執(zhí)行控制復(fù)雜度和多個(gè)任務(wù)并行執(zhí)行資源消耗等方面。單個(gè)任務(wù)執(zhí)行服務(wù)用于滿(mǎn)足單一環(huán)境監(jiān)測(cè)大數(shù)據(jù)的實(shí)時(shí)傳輸服務(wù)，屬于高優(yōu)先級(jí)大數(shù)據(jù)服務(wù)需求。單個(gè)任務(wù)完成復(fù)雜度用于分析通用環(huán)境監(jiān)測(cè)應(yīng)用中大數(shù)據(jù)服務(wù)深度需求的保障性能及其時(shí)間復(fù)雜度和空間復(fù)雜度。此外，多個(gè)任務(wù)并行執(zhí)行控制復(fù)雜度用于分析SOA協(xié)作集成的異構(gòu)系統(tǒng)的大數(shù)據(jù)融合效率和復(fù)雜度。該服務(wù)需求既考慮了大數(shù)據(jù)服務(wù)深度需求的保障復(fù)雜度又考慮了異構(gòu)系統(tǒng)的集成度和執(zhí)行力。多個(gè)任務(wù)并行執(zhí)行資源消耗用于評(píng)價(jià)SOA協(xié)作集成的異構(gòu)系統(tǒng)與大數(shù)據(jù)服務(wù)需求分析的資源消耗情況和大數(shù)據(jù)多任務(wù)并行執(zhí)行的保障能力。在上述實(shí)驗(yàn)平臺(tái)上，進(jìn)行本文所提大數(shù)據(jù)服務(wù)深度需求與SOA協(xié)作集成的異構(gòu)系統(tǒng)融合機(jī)制記為HDF-CIBDR與文獻(xiàn)[15]的算法在不同規(guī)模傳感器和并發(fā)大數(shù)據(jù)服務(wù)下的算法執(zhí)行性能進(jìn)行對(duì)比分析，實(shí)驗(yàn)參數(shù)詳見(jiàn)表1。

表1 實(shí)驗(yàn)設(shè)置情況

實(shí)驗(yàn)所采集的大數(shù)據(jù)源具有隨機(jī)性，分別在單任務(wù)、多任務(wù)并行大數(shù)據(jù)服務(wù)情況下執(zhí)行兩種算法，結(jié)果如圖4～6所示。其中，圖4給出了兩種算法在不同規(guī)模傳感器下的大數(shù)據(jù)服務(wù)成功響應(yīng)率。該響應(yīng)率是通過(guò)采集服務(wù)器端正確響應(yīng)的大數(shù)據(jù)服務(wù)需求數(shù)與傳感器端發(fā)出的大數(shù)據(jù)服務(wù)請(qǐng)求數(shù)比。分析圖4發(fā)現(xiàn)，對(duì)于多樣化的數(shù)據(jù)來(lái)源、復(fù)雜的數(shù)據(jù)組織和存儲(chǔ)方式，HDF-CIBDR可以有效地分析不同規(guī)模的傳感器數(shù)據(jù)和大數(shù)據(jù)服務(wù)不同類(lèi)型請(qǐng)求的差異化，并充分發(fā)揮開(kāi)放性大數(shù)據(jù)服務(wù)上下文的優(yōu)勢(shì)，準(zhǔn)確做出大數(shù)據(jù)服務(wù)需求響應(yīng)，所以可以解決文獻(xiàn)[15]算法的響應(yīng)失誤率高的問(wèn)題。

因?yàn)楸疚乃岢龅腍DF-CIBDR通過(guò)將基于SOA協(xié)作與大數(shù)據(jù)服務(wù)需求深度分析有機(jī)融合，考慮異構(gòu)系統(tǒng)的控制與管理復(fù)雜度，高效整合大數(shù)據(jù)服務(wù)深度需求和滿(mǎn)足服務(wù)所需資源分配，發(fā)揮分布式系統(tǒng)的實(shí)時(shí)可靠特性，算法執(zhí)行代價(jià)比明顯低于文獻(xiàn)[15]算法(詳見(jiàn)圖5)。在不同規(guī)模傳感器和并發(fā)服務(wù)數(shù)情況下，HDF-CIBDR均可以快速獲取大數(shù)據(jù)服務(wù)應(yīng)用需求并規(guī)劃資源分配(詳見(jiàn)圖6和7)。此處，代價(jià)比是指兩種算法執(zhí)行資源消耗占整個(gè)大數(shù)據(jù)應(yīng)用執(zhí)行所耗資源的比例；執(zhí)行時(shí)間是通過(guò)統(tǒng)計(jì)平均滿(mǎn)足1個(gè)大數(shù)據(jù)服務(wù)需求，算法所需執(zhí)行時(shí)間。

圖4 大數(shù)據(jù)服務(wù)成功響應(yīng)率

圖5 代價(jià)比

圖6 執(zhí)行時(shí)間

圖7 執(zhí)行時(shí)間

4 結(jié)束語(yǔ)

為了改善多業(yè)務(wù)大數(shù)據(jù)應(yīng)用的資源管理效率和服務(wù)質(zhì)量能力，基于大數(shù)據(jù)服務(wù)需求的認(rèn)知深度和服務(wù)架構(gòu)的融合度直接影響，本文提出了一種大數(shù)據(jù)服務(wù)深度需求分析和面向服務(wù)的協(xié)作集成架構(gòu)的異構(gòu)系統(tǒng)融合機(jī)制。首先，深入分析大數(shù)據(jù)源、大數(shù)據(jù)組織形式及其存儲(chǔ)方案，設(shè)計(jì)了大數(shù)據(jù)服務(wù)需求分析架構(gòu)及其算法。其次，針對(duì)多態(tài)異構(gòu)的移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用，結(jié)合SOA協(xié)作集成的異構(gòu)系統(tǒng)的大數(shù)據(jù)服務(wù)調(diào)用描述，建立了SOA協(xié)作集成的異構(gòu)系統(tǒng)融合架構(gòu)。仿真實(shí)驗(yàn)從數(shù)據(jù)服務(wù)響應(yīng)成功率、執(zhí)行時(shí)間和代價(jià)比等方面對(duì)比分析了所提出算法與文獻(xiàn)[15]調(diào)度算法。實(shí)驗(yàn)結(jié)果表明，所提出的算法在各方面表現(xiàn)更佳。

[1] 邢少敏, 周伯生. SOA研究進(jìn)展[J]. 計(jì)算機(jī)科學(xué), 2008, 35(9):13-20.

[2] 李牧南, 熊俊霞, 許 治,等. TRIZ技術(shù)系統(tǒng)演進(jìn)視角的計(jì)算機(jī)輔助創(chuàng)新軟件體系架構(gòu)[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2013, 19(2): 309-318.

[3] 劉云峰, 李 麗, 王素美,等. 面向大數(shù)據(jù)的數(shù)據(jù)服務(wù)中心設(shè)計(jì)與應(yīng)用研究[J]. 通信學(xué)報(bào), 2013,2(s2): 170-174.

[4] 張秀偉, 何克清, 王 健,等. 一種基于體系特性的SaaS系統(tǒng)評(píng)估框架[J]. 電信科學(xué), 2013, 29(12): 92-100.

[5] P??kk?nen P, Pakkala D. Reference Architecture and Classification of Technologies, Products and Services for Big Data Systems[J]. Big Data Research, 2015, 2(4): 166-186.

[6] Lillocastellano J M, Morajimenez I, Santiagomozos R, et al. Symmetrical Compression Distance for Arrhythmia Discrimination in Cloud-based Big Data Services.[J]. IEEE Journal of Biomedical & Health Informatics, 2015, 19(4): 1253-1263.

[7] 劉 春, 鄒海鋒, 向 勇. 大數(shù)據(jù)環(huán)境下電信數(shù)據(jù)服務(wù)能力開(kāi)放研究[J]. 電信科學(xué), 2014, 30(3): 156-161.

[8] Jeong Y S, Shin S S. An Efficient Authentication Scheme to Protect User Privacy in Seamless Big Data Services[J]. Wireless Personal Communications, 2016, 86(1): 7-19.

[9] 張 琳, 劉 彥, 王汝傳. 位置大數(shù)據(jù)服務(wù)中基于差分隱私的數(shù)據(jù)發(fā)布技術(shù)[J]. 通信學(xué)報(bào), 2016, 37(9): 46-54.

[10] Sun J, Xu W, Ma J, et al. Leverage RAF to find domain experts on research social network services: A big data analytics methodology with MapReduce framework[J]. International Journal of Production Economics, 2015, 165:185-193.

[11] 郭志強(qiáng). 云計(jì)算環(huán)境下異構(gòu)系統(tǒng)數(shù)據(jù)通信分析與設(shè)計(jì)[J]. 信息安全與技術(shù), 2016, 7(2): 60-64.

[12] 張瀟元, 劉利人, 韓海雯. 基于SOA云架構(gòu)的電子監(jiān)察業(yè)務(wù)平臺(tái)的設(shè)計(jì)與構(gòu)建[J]. 計(jì)算機(jī)科學(xué), 2014, 41(s2): 473-477.

[13] Souza A P D, Rabelo R J. A Dynamic Services Discovery Model for Better Leveraging BPM and SOA Integration[J]. International Journal of Information Systems in the Service Sector, 2015, 7(1):1-21.

[14] Alwadain A, Fielt E, Korthaus A, et al. A Comparative Analysis of the Integration of SOA Elements in Widely-Used Enterprise Architecture Frameworks[J]. International Journal of Intelligent Information Technologies, 2015, 9(2): 54-70.

[15] Van d S N, Spence C, Nijboer T C, et al. On the relative contributions of multisensory integration and crossmodal exogenous spatial attention to multisensory response enhancement.[J]. Acta Psychologica, 2015, 16(2): 20-28.

Heterogeneous Fusion Mechanism With SOA Collaboration Integration Based on Big Data Service Deep Requirements

Zhu Ming，Li Yuexin

(School of Computer Science & Information Engineering, Hubei University, Wuhan 430064, China)

The cognitive depth of big data service demand and Integration of service architecture would affect the resource management and service quality of big data application, the heterogeneous fusion mechanism with SOA collaboration integration based on big data service deep requirements was proposed in this paper. On the one hand, based on the analysis of big data source diversification, differentiation of big data organization and storage methods, open big data service context and the mapping relation between contexts set associative matching and big data service analysis, the demand analysis model of big data service is established according to the different needs of different types of users. On the other hand, for the mobile Internet Heterogeneous data services association, through structured and open treatment, given the big data communication and service description definition, a SOA collaborative heterogeneous system integration architecture was proposed. The simulation results show that the proposed algorithm has obvious advantages in terms of the success rate, execution time and cost ratio of large data services.

big data; service deep requirements; service-oriented Architecture; collaboration integration; heterogeneous fusion

2016-12-27；

2017-02-06。

湖北省重大科技支持項(xiàng)目(2014BAA089)。

朱 明(1978-),男, 湖北武漢人，講師，碩士，主要從事計(jì)算機(jī)應(yīng)用技術(shù)方向的研究。

李躍新(1958-)，男，湖北武漢人，教授，博士，主要從事人工智能與知識(shí)工程、智能控制系統(tǒng)、嵌入式技術(shù)方向的研究。

1671-4598(2017)07-0165-05

10.16526/j.cnki.11-4762/tp.2017.07.041

TP393

A