Web服务组合运行时的容错处理

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 143-147.

Web服务组合运行时的容错处理

张立敏¹,高春鸣¹,蔡美玲²

1.湖南师范大学数学与计算机科学学院，长沙 410081
2.湖南涉外经济学院计算机科学与技术学部，长沙 410081

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 张立敏

Fault-tolerant processing mechanism of Web service composition in run-time

ZHANG Li-min¹,GAO Chun-ming¹,CAI Mei-ling²

1.College of Mathematics and Computer Science，Hunan Normal University，Changsha 410081，China
2.Computer Science and Technology，Hunan International Economics University，Changsha 410081，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: ZHANG Li-min

摘要/Abstract

摘要： 基于WebJet服务组合组装与运行平台，设计了一个基于反馈容错机制、支持Web服务组合运行时自动容错处理的基本框架。针对服务组合运行时的时间QoS质量和用户SLA计算容错选择因子，运用聚类算法确定容错边界值，提出容错处理的一般映射方法，并给出了故障处理及流程重构区域计算方法。系统支持流程在线自恢复，适应复杂的网络生态环境，为流程执行时业务功能与服务质量的保障提供了一种有效的机制。

关键词: 服务组合, 容错选择因子, 在线自恢复, 聚类算法

Abstract: Based on the WebJet service composite and assemble platform，the author designs one based on the feedback fault-tolerant mechanism，supported the run-time automatic fault-tolerant processing frame.Calculates the fault-tolerant choice factor in view of the service composition run-time’s QoS quality and user’s SLA，and uses clustering algorithm ascertain the fault-tolerant boundary value，proposes the fault-tolerant processing general mapping method，simultaneously gives the breakdown processing method and the flow restructured region computational method.System support flow restoration-online，adapted the complex network ecological environment，provide a kind of effective mechanism to guarantee both functionality and QoS of the workflow during execution.

Key words: service composition, fault-tolerant choice factor, restoration-online, clustering algorithm

张立敏¹,高春鸣¹,蔡美玲². Web服务组合运行时的容错处理[J]. 计算机工程与应用, 2008, 44(3): 143-147.

ZHANG Li-min¹,GAO Chun-ming¹,CAI Mei-ling². Fault-tolerant processing mechanism of Web service composition in run-time[J]. Computer Engineering and Applications, 2008, 44(3): 143-147.

[1]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[2]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[3]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[4]	丁松阳，田青云. Ball-Tree优化的密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(20): 90-96.
[5]	翁玉尚，肖金球，夏禹. 改进Mask R-CNN算法的带钢表面缺陷检测[J]. 计算机工程与应用, 2021, 57(19): 235-242.
[6]	白璐，赵鑫，孔钰婷，张正航，邵金鑫，钱育蓉. 谱聚类算法研究综述[J]. 计算机工程与应用, 2021, 57(14): 15-26.
[7]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[8]	韩纪普，段先华，常振. 基于SLIC和区域生长的目标分割算法[J]. 计算机工程与应用, 2021, 57(1): 213-218.
[9]	李杰其，胡良兵. 基于机器学习的设备预测性维护方法综述[J]. 计算机工程与应用, 2020, 56(21): 11-19.
[10]	孙志冉，苏航，梁毅. 一种改进的K-Prototypes聚类算法[J]. 计算机工程与应用, 2020, 56(21): 54-59.
[11]	岳晓新，贾君霞，陈喜东，李广安. 改进YOLO V3的道路小目标检测[J]. 计算机工程与应用, 2020, 56(21): 218-223.
[12]	郭永坤，章新友，刘莉萍，丁亮，牛晓录. 优化初始聚类中心的K-means聚类算法[J]. 计算机工程与应用, 2020, 56(15): 172-178.
[13]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[14]	杨俊闯，赵超. K-Means聚类算法研究综述[J]. 计算机工程与应用, 2019, 55(23): 7-14.
[15]	樊晓博，张慧军，张小龙. 企业日志数据的交互式可视分析方法研究[J]. 计算机工程与应用, 2019, 55(23): 248-256.