基于WS-BPEL过程的Web服务依赖关系分析

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 25-30.

基于WS-BPEL过程的Web服务依赖关系分析

冯仁君1，宋巍2，马晓星1

1.南京大学计算机软件新技术国家重点实验室，南京 210093
2.南京理工大学计算机科学与工程学院，南京 210094

出版日期:2014-01-15 发布日期:2014-01-26

Dependency analysis of Web services based on WS-BPEL processes

FENG Renjun1, SONG Wei2, MA Xiaoxing1

1.State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210093, China
2.School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 构件和服务等软件实体的动态更新是支撑软件系统在线演化的关键技术，该技术可以在不中断系统运行的前提下对软件系统的结构或行为进行调整。然而，为保证更新前后系统行为的一致性，只有当软件实体处于安全状态时方可进行更新。以基于WS-BPEL（Web Service Business Process Execution Language）的软件系统为例，通过分析WS-BPEL过程与其成员服务间的依赖关系，提出了一种可预判成员服务是否动态更新的算法。实验结果表明，依赖分析算法可以有效预判成员服务可动态更新的时机，从而在不影响系统行为一致性的前提下有效减少动态更新所引起的服务中断。

关键词: 在线演化, 动态更新, Web服务业务流程执行语言（WS-BPEL）, 依赖

Abstract: To make a service-oriented system dynamically adapt to its changing environment and requirement, it often needs to update some of its member services at runtime without wholly shutting it down. However, in order to ensure the consistency of the system, a member service can only be updated when it is in a safe state. In this paper, it studies the dependences between WS-BPEL（Web Service Business Process Execution Language） processes and their partners, which are used to predict the safe time points for dynamic updates. The experiment shows that the algorithm can help to update services in a low-disruptive way and without any compromise on system consistency.

Key words: on-line evolving, dynamic update, Web Service Business Process Execution Language（WS-BPEL）, dependency

冯仁君1，宋巍2，马晓星1. 基于WS-BPEL过程的Web服务依赖关系分析[J]. 计算机工程与应用, 2014, 50(2): 25-30.

FENG Renjun1, SONG Wei2, MA Xiaoxing1. Dependency analysis of Web services based on WS-BPEL processes[J]. Computer Engineering and Applications, 2014, 50(2): 25-30.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	袁勋，刘蓉，刘明. 融合多层注意力的方面级情感分析模型[J]. 计算机工程与应用, 2021, 57(22): 147-152.
[3]	郑诚，王建. 联合注意力和自编码器的协同过滤推荐[J]. 计算机工程与应用, 2021, 57(10): 139-145.
[4]	孙连山，陈秀婷，马胜天. 基于不确定使用边的间接依赖过滤方法[J]. 计算机工程与应用, 2021, 57(1): 126-133.
[5]	路民超，李建波，逄俊杰，李英，董学士. 面向出租车需求预测的多因素时空图卷积网络[J]. 计算机工程与应用, 2020, 56(24): 266-273.
[6]	张新伟，李康，郁龚健，刘家航，李佩琦，柴志雷. 基于ZYNQ集群的神经形态计算加速研究与实现[J]. 计算机工程与应用, 2020, 56(21): 65-71.
[7]	孙云浩，李逢雨，李冠宇，韩冰，邢维康. 面向RDF图的多模式匹配方法[J]. 计算机工程与应用, 2020, 56(13): 84-92.
[8]	周林. 低碳时变城配送车辆路径-发车调度集成优化[J]. 计算机工程与应用, 2019, 55(8): 264-270.
[9]	宋健，方贤文，王丽丽，刘祥伟. 业务流程隐变迁的拟间接依赖挖掘方法[J]. 计算机工程与应用, 2019, 55(22): 265-270.
[10]	孙宝山，李玮. 窥视孔连接的循环网络在中文分词上的研究[J]. 计算机工程与应用, 2019, 55(19): 160-165.
[11]	戴超凡，李沛，王文倩. 最大依赖集在不一致数据检测中的应用[J]. 计算机工程与应用, 2019, 55(15): 89-95.
[12]	曹蕊，方贤文，王丽丽. 基于拟间接依赖的流程挖掘优化分析[J]. 计算机工程与应用, 2018, 54(9): 37-41.
[13]	任晓霞1，薛凡2，3. 基于模糊邻域粗糙集的启发式属性约简算法[J]. 计算机工程与应用, 2018, 54(9): 47-53.
[14]	曾维新1，赵翔1，2，冯滔1，唐九阳1，2. 面向领域的命名实体消歧方法改进研究[J]. 计算机工程与应用, 2018, 54(17): 126-134.
[15]	裴常福1，王彬1，薛洁2，刘辉1，熊新1. 基于时间自动机的脑网络时空演化建模方法[J]. 计算机工程与应用, 2018, 54(14): 45-51.