Формирование композиций сервисов на основе статистических данных пользователей

Рассмотрено решение задачи автоматического формирования композиций сервисов. Предложенный метод формирует композиции сервисов на основе обработки статистических данных об отдельных применениях сервисов (заданий) пользователями. В основе метода лежит определение связей вызовов сервисов друг с другом по данным. Далее выделяются параметры сервисов, значения которых жестко заданы композицией сервисов, и параметры, значения которых может изменить пользователь. Формируются композиции сервисов в виде направленного графа заданий DAG. Разработаны методы редукции множества получаемых композиций сервисов, позволяющие выделить завершенные и ранжировать их по степени используемости. В частности, определяются эквивалентные композиции сервисов на основе изоморфизма графов DAG, отбрасываются тривиальные и оставляются только композиции, приводящие к публикуемому результату.

1. Grimm S., Abecker A., Volker J., Studer R. Ontologies and the Semantic Web. Handbook of semantic web technologies: foundations and technologies, 2011, vol. 1, p. 507-579.

2. Schut P. OpenGIS ® Web Processing Service. Open Geospatial Consortium, 2007, no. 6, p. 1-3.

3. Pautasso C. RESTful Web service composition with BPEL for REST. Data knowledge, 2009, vol. 68, no. 9, p. 851-866.

4. Hoffmann J., Weber I. Web Service Composition. In: Encyclopedia of Social Network Analysis and Mining. Springer-Verlag, 2014.

5. Deelman E., Vahi K., Juve G. Pegasus, a workflow management system for science automation. Future Generation Computer Systems, 2015, vol. 46, p. 17-35.

6. Ludascher B., Altintas C., Berkley C., Higgins D., Jaeger E., Matthew J., Edward A. L., Tao J., Zhao Y. Scientific Workflow Management and the Kepler System. Special Issue: Workflow in Grid Systems. Concurrency and Computation: Practice & Experience, 2006, vol. 18 (10), p. 1039-1065.

7. Wilde M., Hategan M., Wozniak J. M. Swift: A language for distributed parallel scripting. Parallel Computing, 2011, vol. 37 (9), p. 633-652.

8. Berthold M. R., Cebron N., Dill F. The konstanz information miner. SIGKDD Explorations, 2009, no. 11, p. 26-31.

9. Wolstencroft K., Haines R., Fellows D. The Taverna workflow suite: designing and executing workflows of Web Services on the desktop, web or in the cloud. Nucleic Acids Research, 2013, vol. 41 (W1), p. 557-561.

10. Blankenberg D., Kuster G. V., Coraor N. Galaxy: A Web-Based Genome Analysis Tool for Experimentalists. Wiley, 2010.

11. Simmhan Y., Barga R., Ingen C. Building the trident scientific workflow workbench for data management in the cloud. In: Advanced Engineering Computing and Applications in Sciences (ADVCOMP), 2009. DOI 10.1109/ADVCOMP.2009.14

12. Churches D., Gombas G., Harrison A. Programming scientific and distributed workflow with Triana services: Research articles. Concurrency and Computation: Practice and Experience, 2006, vol. 18 (10), p. 1021-1037.

13. Smirnov S., Sukhoroslov O., Volkov S. Integration and Combined Use of Distributed Computing Resources with Everest. Procedia Computer Science, 2016, vol. 101, p. 359-368.

14. Бухановский А. В., Васильев В. Н., Виноградов В. Н., Смирнов Д. Ю., Сухоруков С. А., Яппаров Т. Г. CLAVIRE: Perspective Technology for Second Generation Cloud Computing // Современные тенденции развития распределенных вычислений. 2011, Т. 54, № 10. С. 7-14.

15. Chen N. C., Di L. P., Yu G. N., Gong J. Y. Geo-processing workflow driven wildfire hot pixel detection under sensor web environment. Computers & geosciences, 2010, vol. 36, no. 3, p. 362-372.

16. Kwok Y.-K., Ahmad I. Static scheduling algorithms for allocating directed task graphs to multiprocessors. ACM Computing Surveys, 1999, vol. 31, no. 4, p. 406-471.

17. Xie G., Li R., Xiao X., Chen Y. A High-Performance DAG Task Scheduling Algorithm for Heterogeneous Networked Embedded Systems. In: Proc. of IEEE 28th International Conference Advanced Information Networking and Applications, 2014, p. 1011-1016.

18. Zhi-Wei H., Cheng-Zhi Q., A-Xing Z., Peng L., Yi-Jie W., Yun-Qiang Z. From Manual to Intelligent: A Review of Input Data Preparation Methods for Geographic Modeling. ISPRS International journal of geo-information, 2019, vol. 8, no. 9, article 376. DOI 10.3390/ijgi8090376

19. Di L., Zhao P., Yang W., Yue P. Ontology-Driven Automatic Geospatial-Processing Modeling Based on Web-Service Chaining. In: Proceedings of the Sixth Annual NASA Earth Science Technology Conference. College Park, MD, USA, 2006, p. 27-29.

20. Zhao P., Di L., Yu G., Yue P., Wei Y., Yang W. Semantic Web-based geospatial knowledge transformation. Computers & Geosciences, 2009, no. 35, p. 798-808.

21. Scheider S., Ballatore A. Semantic typing of linked geoprocessing workflows. International Journal of Digital Earth, 2017, vol. 11, p. 113-138.

22. Jiang J., Zhu A.X., Qin C.Z., Zhu T., Liu J., Du F., Liu J., Zhang G., An Y. CyberSoLIM: A cyber platform for digital soil mapping. Geoderma, 2016, no. 263, p. 234-243.

23. Lutz M., Lucchi R., Friis-Christensen A., Ostlander N. A Rule-Based Description Framework for the Composition of Geographic Information Services. In: Proceedings of the International Conference on GeoSpatial Sematics. Mexico City, Mexico, 2007, p. 114-127.

24. Lutz M. Ontology-based descriptions for semantic discovery and composition of geoprocessing services. GeoInformatica, 2007, vol. 11, p. 1-36.

25. Lutz M., Lucchi R., Friis-Christensen A., Ostlander N. A Rule-Based Description Framework for the Composition of Geographic Information Services. In: Proceedings of the International Conference on GeoSpatial Sematics. Mexico City, Mexico, 2007, p. 114-127.

26. Yue P., Di L., Yang W., Yu G., Zhao P., Gong J. Semantic Web Services-based process planning for earth science applications. International Journal of Geographical Information Science, 2009, vol. 23, p. 1139-1163.

27. Farnaghi M., Mansourian A. Automatic composition of WSMO based geospatial semantic web services using artificial intelligence planning. Journal of Spatial Science, 2013, vol. 58, p. 235-250.

28. Martin D., Burstein M., Hobbs J., Lassila O., McDermott D., McIlraith S., Narayanan S., Paolucci M., Parsia B., Payne T. OWL-S: Semantic markup for web services. W3C Member Submission, 2004.

29. Roman D., Keller U., Lausen H., Bruijn J.D., Stollberg M., Polleres A., Feier C., Bussler C., Fensel D. Web Service Modeling Ontology. Applied ontology, 2005, no. 1, p. 77-106.

30. Li H., Zhu Q., Yang X., Xu L. Geo-information processing service composition for concurrent tasks: A QoS-aware game theory approach. Computers & Geosciences, 2012, vol. 47, p. 46-59.

31. Yue P., Tan Z., Zhang M. GeoQoS: Delivering Quality of Services on the Geoprocessing Web. In: Proceedings of the OSGeo's European Conference on Free and Open Source Software for Geospatial (FOSS4G-Europe 2014). Bremen, Germany, 2014.

32. Фёдоров Р. К., Бычков И. В., Шумилов А. С., Ружников Г. М. Система планирования и выполнения композиций веб-сервисов в гетерогенной динамической среде // Вычислительные технологии. 2016. Т. 21, № 6. С. 18-35.

33. Городничев М. А., Комиссаров А. В., Можина А. В., Прочкин П. В., Рудыч П. Д., Юрченко А. В. Модели и проектные решения системы хранения и обработки исследовательских данных Ecclesia // Вестник НГУ. Серия: Информационные технологии. 2018. Т. 16, № 3. С. 87-104.

34. Linoff G. S., Berry M. J. A. Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. 3rd ed. John Wiley & Sons, 2004. 643 p.