一种面向任务迁移的组件语义匹配方法

摘要

本发明公开了一个面向任务迁移的组件语义匹配方法，其步骤如下：(1)利用本体网络语义描述语言对任务、组件、设备进行语义描述；(2)利用组件过滤器对候选组件进行过滤；(3)利用组件匹配器计算候选组件的功能满意度和服务质量满意度；(4)计算候选组件的综合满意度；(5)输出综合满意度最高的组件。本发明方法保证用户任务迁移的无缝性和连续性，并减少用户的在组件选择过程中的参与度，提高用户的满意度。

说明书

技术领域

本发明涉及计算机数据处理领域，尤其涉及一种基于语义的、综合考虑组件功能满意度和服务质量满意度作为组件选择标准的组件匹配方法。

背景技术

随着计算机和无线网络的发展，人们已经不再满足于在固定的地方使用固定的桌面计算机进行工作、学习和娱乐，对于移动工作的需求也愈来愈大。由于对移动工作的需求，用户的任务就不能被局限在固定的地方和硬件设备中完成，我们往往需要任务的迁移。所谓任务迁移，就是当一个任务在一台计算机或者便携式设备上被暂停，当我们来到另外一个地方，使用另外一个计算终端时仍然能够将这个任务恢复继续运行，而不需要用户重复做之前已经做过的任务部分。

由于普适计算环境软硬件的异构性，在不同的环境中同一个任务往往需要获取不同的组件来执行，因此需要一个组件匹配机制来为任务在新的设备中重新选择组件，并将其组合重构任务，使任务被无缝连续地迁移。而传统的组件匹配算法是基于模板的匹配，这种匹配方法的局限性在于匹配准确率低、可扩展性差，显然不能满足实际任务迁移过程中的组件选择。已有的组件语义匹配算法采用基于任务模型的组件选择机制，这种方法虽然有较好的匹配准确率，但是用户参与度较高。

发明内容

本发明的目的是在任务迁移中保证用户任务迁移的无缝性和连续性，并减少用户的在组件选择过程中的参与度，提高用户的满意度，而提供一种基于语义的、综合计算组件的功能满意度和服务质量满意度作为组件选择标准的面向任务迁移的组件语义匹配方法。

一种面向任务迁移的组件语义匹配方法，其步骤如下：

(1)为任务迁移中的组件语义匹配方法建立任务、组件和设备的语义描述；

采用本体描述语言对任务、组件和设备进行语义描述，把抽象的任务、组件和设备建模成具体的数据模型；

步骤(1)中的任务语义描述方法如下：

任务由功能需求描述、服务质量需求描述和任务运行状态描述三部分组成，其中：

功能需求描述包括任务功能类型、输入资源需求、输出资源需求；

服务质量需求描述包括可用性、交互性、价格、声誉、可靠性、延迟、错误率、吞吐率、安全性；

任务运行状态描述是一个运行状态的集合，其描述采用下述方法标记：

TS＝{τ₁，τ₂…τ_k}        式1

TS代表任务运行状态集合，τ_i代表第i个运行状态的语义描述；

步骤(1)中的组件语义描述方法如下：

组件由组件提供的功能描述、提供的服务质量描述、支持的运行状态描述、设备条件约束描述四部分组成，其中：

提供的功能描述包括组件支持功能类型、支持输入资源、支持的输出资源；

提供的服务质量描述分为性能、可靠性、安全性和花费四个部分；

设备约束描述包括软件约束、硬件约束、网络约束；

组件支持的运行状态描述是一个支持的运行状态的集合，其描述采用下述方法标记：

CS＝{τ₁，τ₂…τ_k}    式2

其中CS代表组件支持的运行状态集合，τ_i代表支持的第i个运行状态的语义描述；

步骤(1)中的设备语义描述方法如下：

设备语义描述包括软件、硬件、网络三部分，其中：

软件描述包括操作系统、虚拟机；

硬件描述包括CPU类型、CPU主频、内存类型、内存容量、硬盘类型、硬盘容量；

网络描述包括网络类型、网络带宽。

(2)将步骤(1)中建立的任务、组件和设备的描述交给组件过滤器进行组件过滤；

采用组件过滤器对现有的组件进行过滤，过滤包括功能过滤、服务质量需求过滤、运行状态过滤、设备约束过滤，其中：

功能过滤是根据组件支持的功能类型列表与任务需求的功能类型进行比较，若候选组件支持的功能类型列表中不存在一个功能类型是任务需求的功能类型在功能类型本体树中的祖先，则过滤该候选组件；

服务质量需求过滤是判断任务的服务质量需求和组件提供的服务质量在各个维度的大小关系，若有至少一个维度的大小关系与任务的服务质量需求描述的大小关系相冲突，则过滤该候选组件；

运行状态过滤是指判断组件是否支持任务状态的恢复，过滤不满足的组件，其判断方法如下述：

$\mathrm{Compatible}(t,c)\equiv \forall {\tau }_i\in {\mathrm{TS}}_t,{\exists \tau }_j\in {\mathrm{CS}}_c·\mathrm{subsumes}({\tau }_i,{\tau }_j)$式3

其中t指需要完成的用户任务，c指过滤过程中的候选组件，当Compatible(t，c)为真时，组件满足任务状态需求；若为假，则不满足；TS_t指该任务的运行状态集合，CS_c指候选组件支持的任务运行状态集合，subsumes(τ_i，τ_j)判断在任务状态本体树中τ_j是否是τ_j的祖先；

设备约束过滤是比较组件的设备约束描述和目标设备的设备描述，判断它们在各个维度之间的数值大小关系和概念包含关系，若至少一个维度不满足目标设备软件、硬件或网络描述，则过滤该候选组件；

(3)将步骤(2)中得到的组件描述子集与步骤(1)中建立的任务交给组件语义匹配器，组件语义匹配器计算组件与任务的功能满意度和组件的服务质量满意度。

步骤(3)中组件的功能满意度计算步骤如下：

3.1遍历本体概念拓扑图，计算所有节点到根节点的最短距离，将所有最短距离进行排序，取其中的最大值作为本体概念拓扑图的深度；

3.2根据组件和任务的功能描述，分别将任务和组件的输入资源和输出资源映射到本体概念拓扑图的对应节点上；

3.3在本体概念拓扑图中，使用Dijkstra最短路径算法计算组件的输入资源到任务的输入资源之间的最短路径的距离作为输入语义距离；

3.4若步骤3.3计算后，不存在组件输入资源节点到任务输入资源节点的路径，则计算任务的输入资源到组件的输入资源之间的最短路径的距离作为输入语义距离；

3.5若步骤3.4计算后，不存在任务输入资源节点到组件输入资源节点的路径，则将本体概念拓扑图的深度作为输入语义距离；

3.6利用下式计算组件的输入满意度：

$S_{\mathrm{input}}=1-\frac{L_{\mathrm{input}}}{D}\times \delta$式4

其中L_input为步骤3.3-步骤3.5计算得到的输入语义距离，D为步骤3.2计算得到的本体概念拓扑图的深度，δ为加权系数；

3.7利用步骤3.3-步骤3.6的方法计算组件的输出满意度；

3.8利用下式计算组件的功能满意度：

S_cap＝S_input+S_output    式5

其中S_cap表示组件的功能满意度，S_input表示组件的输入满意度，S_output表示组件的输出满意度；

步骤(3)中的服务质量满意度的计算方法如下述：

$S_{\mathrm{qos}}={\Sigma }_{i=1}^n{P}_i\times {\rho }_i$式6

其中S_qos是指服务质量满意度，P_i指第i个服务质量属性标准化后的值，ρ_i指第i个服务质量属性在整个服务质量属性中占得权重值，其取值范围是(0，1)，并且服务质量属性的标准化方法如下述：

式7

其中v(qos)表示一个qos属性的值，mean(qoses)表示候选组件中该qos属性值的平均值，δ(qoses)表示候选组件中该qos属性的标准偏差；

(4)根据步骤(3)计算得到的功能满意度和服务质量满意度，计算组件的综合满意度；

其综合满意度计算方法如下述：

S＝S_cap×γ_cap+S_qos×γ_qos       式8

其中S为组件的综合满意度，S_cap为组件的功能满意度，γ_cap为组件功能满意度的权重参数，S_qos为组件的服务质量满意度，γ_cap为组件服务质量满意度的权重参数；

(5)输出综合满意度最高的组件；

根据综合满意度对组件进行从高到低排序，输出综合满意度最高的组件作为重构任务的组件。

本发明方法保证用户任务迁移的无缝性和连续性，屏蔽组件选择过程中的底层细节从而减少用户在组件选择过程中的参与度；通过在任务和组件描述中引入运行状态描述，使得本方法能够很好地支持执行任务的状态保存和恢复；本方法在组件匹配过程中综合地考虑功能和服务质量两个方面的满意度，从而有助于提高用户的综合满意度。本方法在对组件进行选择时先对组件进行了过滤，从而减少了满意度的计算量，提高了组件匹配算法的效率。

附图说明

图1是本发明方法流程图；

图2是本发明的任务本体结构图；

图3是本发明的组件本体结构图；

图4是本发明的设备本体结构图。

具体实施方式

本发明的步骤如图1所示。

(1)采用本体网络语言OWL对任务、组件、设备进行语义描述：

使用本体构建工具protégé对语义本体进行构建，其中任务本体结构如图2，由功能需求、服务质量需求、任务运行状态，功能需求由功能类型、输入资源类型、输出资源类型来描述；服务质量需求则由四个部分组成，分别是性能、安全性、花费、可靠性，在每个服务质量部分还可细分：性能由延迟、吞吐量、交互性来描述；安全性由数据加密、授权来描述；花费由价格来描述；可靠性由可用性、声誉、错误率来描述；根据上述任务结构描述，我们设计了4个任务：(a)视频播放任务，用于播放视频的任务；(b)音乐播放任务，用于播放音乐的任务；(c)MP3格式文件播放任务，用于播放MP3格式音乐的任务；(d)图片浏览任务，用于浏览图片的任务；

组件本体结构如图3，由功能、服务质量、设备约束、支持状态组成，其中功能、服务质量、状态描述与任务相同，设备约束的具体形式与设备描述相同；我们设计了13中组件，如媒体管理组件是管理媒体文件的组件、JAVA视频播放组件是使用基于JMF(Java Media Framework)实现的视频播放组件、快速视频播放组件是一个简单的视频播放的组件等；

设备描述如图4，设备描述由硬件、软件、网络三部分组成，硬件包括内存、CPU、硬盘三个描述，内存由类型和容量组成；CPU由类型和主频组成；硬盘由类型和容量组成；软件包括了操作系统、虚拟机信息的描述；网络由该设备上所具备的网络类型组成；我们设计了3种设备描述，分别为桌面计算机、笔记本计算机、智能手机。

(2)采用第三方库jena解析组件、任务、设备本体语义描述文件，然后使用组件过滤器对组件进行过滤：

其过滤步骤如下：

2.1从候选组件列表中选取一个未进入过滤过程的候选组件，若不存在需要过滤的候选组件，则结束过滤阶段，返回过滤后的组件候选列表；

2.2进行功能需求过滤，若不满足则从组件候选列表中删除该组件，并返回步骤2.1；

2.3进行服务质量需求过滤，若不满足则从组件候选列表中删除该组件，并返回步骤2.1；

2.3进行运行状态过滤，若不满足则从组件候选列表中删除该组件，并返回步骤2.1；

2.4进行设备约束过滤，若不满足则从组件候选列表中删除该组件，并返回步骤2.1；

(4)计算组件的功能满意度和服务质量满意度：

4.1功能满意度的计算方法如下述：

S_cap＝S_input+S_output 式1

其中S_cap表示组件的功能满意度，S_input表示组件的输入满意度，S_output表示组件的输出满意度；

根据本体概念拓扑图计算组件的输入满意度：

$S_{\mathrm{input}}=1-\frac{L_{\mathrm{input}}}{D}\times \delta$式2

其中L_input为输入语义距离，D为本体概念拓扑图的深度，δ为加权系数，其取值依赖于L_innput的计算方法，当L_input表示本体概念拓扑图中组件功能输入资源到任务功能输入资源的最短距离时取0.33，当L_input表示本体概念拓扑图中任务功能输入资源到组件功能输入资源的最短距离时取0.67，若L_input表示本体概念拓扑图的深度时取1；

组件输出满意度的计算方法与输入满意度计算方法相同；

4.2服务质量满意度的计算方法如下述：

$S_{\mathrm{qos}}={\Sigma }_{i=1}^n{P}_i\times {\rho }_i$式3

其中S_qos是指服务质量满意度，P_i指第i个服务质量属性标准化后的值，ρ_i指第i个服务质量属性在整个服务质量属性中占得权重值，其取值范围是(0，1)，并且服务质量属性的标准化方法如下述：

式4

其中v(qos)表示一个qos属性的值，mean(qoses)表示候选组件中该qos属性值的平均值，δ(qoses)表示候选组件中该qos属性的标准偏差；

(4)计算组件的综合满意度：

其计算方法如下述：

S＝S_cap×γ_cap+S_qos×γ_qos  式5

其中S为组件的综合满意度，S_cap为组件的功能满意度，γ_cap为组件功能满意度的权重参数，其取值范围为(0，1)，S_qos为组件的服务质量满意度，γ_cap为组件服务质量满意度的权重参数，其取值范围为(0，1)。

为了验证综合满意度计算方法的有效性，我们设计了4个任务和12个组件，以及1个设备对组件分别计算了综合满意度，结果如下表，其中FS表示功能满意度，QS表示服务质量满意度，CS代表综合满意度：

(5)输出综合满意度最高的组件：

采用快速排序算法，根据综合满意度从高到低对候选组件进行排序，输出综合满意度最高的组件；

为了验证面向任务迁移的组件语义匹配算法的有效性，我们对4个任务分别用150个组件、300个组件、450个组件进行了匹配，统计算法时间，如下表：