论文部分内容阅读
互联网不仅改变了我们的学习、工作和生活方式,还极大地丰富了人们的精神世界。然而,互联网在为我们带来便利的同时也不可避免地引入了复杂性。在网络服务的应用层面,日益增多的服务类型和服务个数的井喷式增长给网络服务生态系统的良性发展带来了诸多问题。如今,服务提供者针对各种类似的应用场景部署了成千上万同质化的服务。因此,设计能够适用于各种应用环境,并以最少的人工干预提供可扩展的、高效的自动化服务发现技术,是网络服务技术面临的一个巨大挑战。本文针对网络服务发现的关键技术进行了研究,在对服务质量模型、服务发现方式以及服务发现体系结构进行分析的基础上,充分研究了现有的服务发现技术。针对不同的网络环境及应用场景,阐述了各类服务发现模型的利弊,分析了存在的问题,提出了一系列创新的解决方案。主要研究成果如下:针对分布式环境下的服务发现提出了流量控制模型,该模型通过节点内部五个队列的操作来分析节点的行为,与节点相关的流量由流量控制模块进行调控。针对查询队列、应答队列和转发队列,应用了不同的流量控制策略,通过改变上述三个队列的优先级来改进整个网络中服务发现的可获得性和延迟。实验数据表明转发队列在上述三个队列中最为重要,应当赋予最高的优先级,应答队列次之,而查询队列的优先级最低。在基于非功能属性的网络服务选择中,不同的服务请求者对服务质量属性有不同的偏好。本文基于层次分析法理论提出了协同服务质量感知的服务选择方法。用户的偏好被映射至层次分析法的层次化结构中,由各个准则的权值来进行体现。网络服务的服务质量数据由使用过该服务的服务请求者基于使用体验来给出。对于用户群体中不可避免的恶意用户和偏见用户,引入了信任阈值来提供信誉管理,使服务质量数据收集自可信用户。为了进一步确保收集到的服务质量数据的可靠性,运用统计分析的方法将离群值进行排除。最后通过对所收集到的服务质量数据进行聚合来选出候选服务中收益花费比最高的服务。针对数字社区网络中的服务选择提出了一个低开销的k中点位置代理模型。数字社区网络中的用户通常都参与某种协同的服务发现与选择机制,不可避免地给用户增加了不必要的负担。本文考虑从数字社区网络管理者的角度为整个用户群体提供总的服务选择方案,提出了k中点设施位置代理模型。该模型根据数字社区网络的应用场景,通过五类实体和六类消息来分析数字社区网络中服务选择的过程。为了减少数字社区网络中服务请求者与部署有服务的设施之间总的连接开销,提出了局部搜索算法和贪心算法。当需要在数字社区网络总的连接开销和连接至数字社区网络的设施个数之间进行折中时,对于连接至数字社区网络的设施个数存在一个拐点。针对移动自组织网络提出一种自治的动态服务发现体系结构,其能够根据移动自组织网络的状态来对自身的各项参数进行调整,并对服务发现的工作模式在基于目录的模式与无目录的模式之间进行自主切换。首先描述了网络模型,并给出了统一的服务信息管理机制。在基于目录的模式下,介绍了服务的注册和注销,并对服务查询所需键值的生成方案和查找方法进行了描述。设计了方向探测算法、局部位置优化算法和全局位置优化算法来进行节点位置隐私保护和拓扑控制。此外,设计了功能调控算法来实现节点能量节约,进而延长服务发现网络的生命期。在无目录的模式下,引入了两跳区域机制来分析服务发现的过程,并对节点的连通性进行描述,随后对网络的连通性水平进行建模。通过引入监测令牌来监测移动自组织网络的状态和各项参数。针对服务发现领域关键的三个基本性能指标可获得性、消息开销和延迟,进行了大量实验。实验结果表明本文提出的自主的模式切换功能能够显著提升服务发现的性能。