近二十年来,电子商务和电子政务不断发展和成熟。为了满足各个领域对业务过程自动化和执行效率的要求,商务工作流的应用越来越广泛,各类商务工作流系统也不断涌现。商务应用场景中最显著的特征是工作流实例的并发性——通常有大量并发的工作流实例以分布的形式被执行,每个实例对应一个用户或者系统请求。为了保障大规模并发实例执行所需的计算能力和足够的可扩展性,越来越多的商务工作流管理平台迁移到云环境当中,利用云计算技术提供的高效和可扩展的计算能力保障工作流实例的执行。典型的云工作流系统包括 Amazon Simple Workflow、IBM BPM on Cloud 和 SwinFlow-Cloud 等。商务应用中最重要也是最基本的属性是逻辑正确性,接收到处理请求之后必须通过正确的处理逻辑给系统或者用户返回正确的计算结果。而商务工作流系统作为一类典型的实时性系统,其计算的正确性不仅在于工作流实例执行过程中的逻辑正确性,还需要考虑工作流实例的时序正确性,即工作流实例的响应时间是否与预先设定的时间约束或者时序规约保持一致。如果工作流实例的响应时间约束条件得不到满足,大量的用户请求不能在时间约束内得到响应,不仅会使用户满意度下降,还可能导致返回的结果因为过期而失效,甚至会造成巨大的经济损失。因此,大规模并发执行的商务工作流实例能否达到预期的按时完成率(在时间约束内执行完成的比例)是衡量商务工作流系统服务质量的一个重要方面。然而,由于云计算环境的动态性以及工作流实例在执行过程中出现的不确定性等因素的影响,局部工作流活动在执行过程中可能出现不同程度的响应时延,从而影响整个工作流实例的按时完成。此外,并发执行的工作流活动之间对处理资源的竞争以及工作流实例中前后活动的逻辑依赖关系会加剧工作流局部延时的扩散和传播,并最终对工作流实例的按时完成率造成严重的影响。保障云环境下商务工作流实例的时序正确性主要面临以下几方面的困难。(1)工作流实例的大规模并发的特性使得每个实例的时序状态难以监控;(2)工作流实例执行过程中的动态性以及工作流活动的响应时延的传播特性使得工作流实例的时序状态难以度量和验证;(3)由于商务工作流实例的执行时间较短,检测到时序异常之后需要迅速、有效的进行异常处理,以保障其在时间约束内按时完成。对于上述问题,现有的工作流监控和验证等相关方面的研究都无法提供有效的解决方法。为此,本文针对云环境下商务工作流(以下简称“商务云工作流”)的时序正确性进行了一系列的研究,研究目标是保障商务云工作流实例的实际按时完成率不低于预先设定的目标值。特别说明的是,本文中提到的工作流“时序”是指在流程构建阶段由流程设计者预先设定的时间信息,比如工作流活动的平均执行时间和工作流实例的总体响应时间等。如果一个工作流实例或者活动违反时间约束,则称其时序行为出现异常,简称时序异常。时序一致性是指工作流执行过程中时间约束的满足性,即工作流运行时状态与工作流构建阶段设定的时序服务质量规约(本文具体指目标按时完成率)之间的一致性关系。如果两者的关系保持一致,则称商务工作流实例具有时序正确性。围绕上述目标,本文进行了以下三项主要的研究工作:(1)工作流时序异常数量的静态预测工作流的生命周期由工作流构建阶段和运行阶段两部分组成。本文提出了一种基于传染病模型的工作流时序异常的静态预测方法,在工作流构建阶段对运行过程中可能违反时间约束的工作流活动的数量进行预测,估算出每一类工作流活动中可能违反其对应的时间约束的活动数量。静态预测得到的结果可以为工作流相关配置(如时间约束和执行环境)的优化以及工作流实例执行过程中时序异常处理提供参考。据文献查证,本文提出的方法是首次在工作流实例运行之前对运行过程中可能出现的时序异常进行预测。实验结果表明,当商务工作流实例的并发量为10000时,预测结果的平均相对误差小于10%。(2)传播敏感的工作流时序一致性验证为了监控和验证商务云工作流的运行时时序一致性状态,本文提出了一种传播敏感的工作流时序一致性验证策略,相比较于现有的时序验证方法,本文提出的策略在验证效率和效果两方面都表现出更好的性能。首先,采用工作流吞吐量来度量工作流实例的运行时状态,提出了一种基于吞吐量的时序一致性验证模型。与现有的基于工作流响应时间的时序一致性验证方法相比,基于吞吐量的验证方法能大幅提高工作流时序监控和验证效率。此外,该模型充分考虑了响应时延在工作流系统中的传播效应,能获得更精确的时序一致性状态。在此基础上,结合现有的时序一致性检测点选择方法,本文提出了一种新的工作流时序一致性验证策略,该策略能够及时检测出工作流实例执行过程中的出现的时序不一致状态。(3)适应性的工作流时序异常处理为了保证工作流实例的按时完成率,工作流时序一致性策略检测到时序不一致之后,需要对已经发生的时序异常进行处理。为此,本文提出了一种适应性的工作流时序异常处理策略。该策略通过添加额外的处理资源来加快工作流实例的执行,增加整个系统的吞吐量,最终使工作流实例的按时完成率达到目标值。本文提出的工作流时序异常处理策略从新增资源的三个方面入手,首先定位到发生时序异常的云服务,再确定用于时序异常处理所新增的资源数量,最后通过一种适应性的方法确定新增资源的生命周期。该方法能够以尽可能少的资源消耗处理检测到的工作流时序异常,保证按时完成率。总的来说,针对云环境下商务工作流实例的时序正确性问题,本文进行了三部分研究工作,第一部分是在工作流构建阶段进行静态预测,后面两部分内容是在工作流实例的运行时阶段进行时序状态的监控、验证和处理。为“如何保证大规模并发执行的商务工作流实例在时间约束内按时完成”这一问题提供了有效的解决方案。本文采用云工作流原型系统SwinFlow-Cloud作为实验环境来验证上述策略的效果和有效性。