论文部分内容阅读
作为分布式计算环境下复杂地学计算模型的表达和实现形式,空间信息服务组合是空间信息服务计算领域的主要研究方向之一。“自治愈”指系统遭遇异常情况时的自我监测、自我诊断和自我恢复能力。伴随地学计算工作逐渐从桌面处理环境迁移到动态分布的云计算环境,空间信息服务组合的自治愈需求日益迫切。如何描述云环境下空间信息服务组合的自治愈行为及满足服务组合的实时准确的自治愈需求,是空间信息服务组合获得广泛应用的关键问题。本论文深入分析云环境下空间信息服务组合的失效机理,将失效类型和修复行为体系对应扩展到云计算的不同层次,系统地建立了空间信息服务组合的自治愈策略描述模型,研究提出了基于时空特征协同过滤的服务替换修复算法和时空优化的服务组合重规划修复算法,最后在Azure云环境下实现了框架原型,主要研究内容如下：1)空间信息服务组合自治愈策略的表达和形式化描述。研究现有失效类型和修复策略的适用性和优缺点,结合云计算,归纳分析云环境下空间信息服务组合的失效分类和修复行为体系,提出空间信息服务组合的自治愈策略描述模型SHPolicy,为空间服务组合的自治愈策略设计提供模型基础,为运行阶段自治愈提供了理论依据和指导策略。2)面向服务替换修复的时空特征协同过滤预测算法。深入分析了时空特征对空间信息服务性能的影响,并采用时区和时间片段作为空间信息服务的时空特征；充分考虑用户端和服务端时空特征的差异,提出了面向服务替换的时空特征协同过滤算法STACF,通过时空特征提高空间信息服务预测选择的准确性。实验结果表明针对基于空间信息服务预测算法,STACF算法的精度比同类其他协同过滤算法准确度更高。3)时空特征优化的空间服务组合重规划修复算法。总结分析了现有服务组合重规划方法,在传统遗传算法基础上,首先定义了空间信息服务组合的时空约束特征,并结合Skyline支配度技术对候选空间信息服务集合进行了优化筛选。提出了空间聚集度的概念,设计了基于空间聚集度的适应性函数,以控制原子服务的空间分散度以达到近似最优解性能的提高。在此基础上,提出一种时空优化的空间信息服务组合重规划算法,该算法通过优化初始种群和候选服务集合提高了近似最优解的收敛速度,控制了原子服务在云分布环境下的分散程度,为云环境下服务组合的实时重规划问题提供了一种有效可行的解决方法。4)云环境下空间信息服务组合的自治愈框架模型。提出了云环境下服务组合自治愈的理论框架模型,以Azure云平台为基础进行了原型框架的搭建,该框架集成了自治愈策略描述模型SHPolicy、服务预测修复算法STACF及重规划修复算法STOR,在真实云环境下建立了完整的空间信息服务组合自治愈方案。论文的成果有助于复杂动态云环境下空间信息服务组合的健壮性研究,从如何描述自治愈行为,提升到如何应用时空特征优化自治愈策略,以在新一代地学计算环境云计算下建立高效可用的地理协同组合模型,提高云计算资源的利用率。