52、服务组合自动优化与SLA自适应监控技术解析

服务组合自动优化与SLA自适应监控技术解析

服务组合自动优化实验

在服务组合的研究中，研究人员基于 MiniCon 程序用 Java 实现了一种方法的原型。该方法的第二阶段需考虑所有 PCD（可能的组合描述）的组合，这意味着其时间复杂度呈指数级（与方法第一阶段生成的 PCD 数量有关），这是由问题的组合性质导致的，MiniCon 算法也面临同样的问题。

为了测试该方法的性能，研究人员进行了相关实验，实验在配备 2.83GHz 双核处理器、4GB 内存且运行 Debian 6 的机器上进行，每次实验均执行 10 次并取平均时间。
- 实验一：10 个抽象服务的组合运行时间
- 实验考虑了一个由 10 个抽象服务组成的组合，具体服务数量可变（每个具体服务有两个左侧参数）。
- 实验设置了三种情况：
- 情况 A：具体服务无质量约束。
- 情况 B：每个具体服务定义添加五个质量约束。
- 情况 C：使用 MiniCon 方法但无质量约束，并采用了优化程序以避免组合爆炸，因为每个服务可单独响应组合需求。
- 实验结果如图 1 所示，由于优化程序的作用，运行时间呈线性增长。与情况 A 相比，情况 B 中质量约束引入的开销在 11% 到 23% 之间。

• 实验二：六个抽象服务和一个质量约束的组合运行时间
  • 实验针对一个由六个抽象服务和一个质量约束组成的抽象组合，具体服务数量从 96 到 228 变化（在 X 轴显示）。
  • 对于每个具体服务数量，改变满足抽象组合质量约束的服务比例，比例范围从 0% 到 100%（在 Z 轴显示）。
  • Y 轴表示程序的平均执行时间。
  • 实验发现，当满足质量约束的服务比例较低时，算法的第一阶段产生的 PCD 数量较少，使得第二阶段的组合数量减少。随着满足质量约束的服务数量增加，算法的第二阶段呈现出组合性质，处理超过约 150 个具体服务变得困难。不过，在通常情况下，可用的具体服务数量不会达到这么多。初步实验表明，该方法对于多达近两百个具体服务的问题是可行的（具体取决于具体服务满足质量约束的比例）。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(开始实验):::process --> B(设置抽象服务组合):::process
    B --> C{选择实验类型}:::process
    C -->|实验一| D(10个抽象服务组合):::process
    C -->|实验二| E(六个抽象服务和一个质量约束组合):::process
    D --> F(设置具体服务数量和约束情况):::process
    E --> G(设置具体服务数量和质量约束比例):::process
    F --> H(执行实验并记录时间):::process
    G --> H
    H --> I(分析实验结果):::process
    I --> J(得出结论):::process

服务组合自动优化方法的特点与优势

服务选择和组合并非新问题，以往有作者从语义角度考虑服务的自动选择，也有通过细化更抽象的规范来获得 Web 服务组合，还有使用查询重写技术从抽象规范生成组合。研究人员的工作是在这一背景下，将查询重写方法 MiniCon 应用于服务组合，并进行了适应和扩展。

• 适应与扩展
  • 在新的服务组合场景中，组合或服务的定义不再被视为数据库查询，因此不受相同的限制。
  • 原方法进行了扩展，以处理可选参数和质量约束，例如使一些在数据库查询中必需的安全规则概念变得无用。
• 优势
  • 减轻用户工作：将技术细节推迟到后续步骤，让用户更专注于业务需求。
  • 综合考虑需求：同时考虑功能和非功能需求，确保服务组合的全面性。
  • 提供多样解决方案：为服务运行时的演化提供不同的解决方案。
  • 支持数据转换：利用领域本体信息进行数据转换，使算法能够自动处理参数不完全匹配的服务。

服务编排中 SLA 自适应监控的背景与需求

随着服务在日常生活和业务中变得越来越普遍和关键，服务编排中服务交互的质量变得尤为重要。服务水平协议（SLA）规定了参与编排的各方之间的服务质量（QoS）水平，因此 SLA 监控和评估成为支持编排执行环境的重要资产。

在面向服务架构（SOA）中，为了有效检测服务的意外或不良行为、定位问题根源甚至预测潜在故障，通常需要跟踪、组合和分析不同抽象层次的事件。传统的多监控器独立运行的方式效果不佳，因此研究人员开发了一种多源监控架构，用于监控服务编排的 SLA，涵盖基础设施和业务层。

然而，这种多源监控解决方案未考虑服务组合的动态演化特性。在服务动态出现、消失和绑定的环境中，SLA 监控需求也可能动态变化，特别是在云计算环境中，基础设施按需分配，节点信息和服务映射仅在运行时可用，因此监控规则需要适应这种动态变化。

自适应多源监控框架

研究人员提出了一种自适应多源监控框架，以支持在运行时定义 SLA 监控规则。该框架基于先前的多源监控框架进行改进，主要改进在于事件监控部分。

• 多源监控框架基础
  • 分布式服务总线（DSB）：用于在编排的服务之间共享分布式通信通道，分为数据平面（用于协调和应用消息）和控制平面（用于监控活动）。
  • 三种监控设施：
    • 基础设施监控器（IM）：关注环境状态，监控资源的利用率和健康状况。
    • 面向业务服务的监控器（BSM）：通过分布式拦截器监控编排服务在数据平面通道上交换的协调消息，分析事件的时间序列，检查 SLA 合规性，若发现违规则在控制平面通知。
    • 事件监控器（EM）：作为通用的基于事件的监控基础设施，通过 Glimpse 探针将其他两个监控源的通知转发到 Glimpse 复杂事件处理器（CEP）进行处理和关联。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(分布式服务总线 DSB):::process --> B(数据平面):::process
    A --> C(控制平面):::process
    B --> D(业务服务交互):::process
    C --> E(监控活动):::process
    D --> F(BSM 监控):::process
    E --> G(CEP 处理):::process
    H(IM 监控基础设施):::process --> G
    F --> I(Glimpse 探针):::process
    H --> J(Glimpse 探针):::process
    I --> G
    J --> G

• 支持自适应的 CEP 组件
  • 规则存储库：抽象定义了三种存储库，分别存储匹配基础设施事件的规则、编排业务服务之间 SLA 相关的事件规则以及支持运行时自适应的元规则。
  • 规则生成器：当 CEP 中的元规则匹配时，触发规则生成过程。规则生成器参考模板存储库中的规则模板，根据运行时推断的值实例化模板中的占位符，生成新的规则。
  • 模板存储库：存储规则模板，即规则骨架，需要在运行时通过实例化占位符来完成规范。

规则生成过程分为两步：
1. 当 CEP 中的元规则匹配时，触发规则生成器进行规则合成。规则生成器参考模板存储库中相应类型的规则模板，根据运行时推断的值实例化模板中的占位符。
2. 规则生成器将新生成的规则加载到相应的存储库（SLA 规则存储库或基础设施规则存储库）中，并通过刷新 CEP 的规则引擎启用这些规则。

需要注意的是，SLA 规则存储库和基础设施规则存储库也可以包含不依赖于生成过程的静态规则。

演示场景

为了展示自适应多源监控框架的有效性，研究人员以欧洲项目 CHOReOS 中的“Manage Unexpected Arrival”编排为例，重点关注“Book Amenities”任务中机场与安全公司等参与者交互时的监控活动。

• 场景配置

  • 基础设施节点配备了“Load Knob”，用于注入人工干扰，模拟节点过载情况。
  • 多源监控框架的组件分布部署在专用节点上，包括 DSB、CEP 和 BSM。
  • 场景中包含一组 Glimpse 探针，用于通知业务服务层的 SLA 违规或云环境中节点的状态信息。
  • BSM 配置为拦截数据平面上的事件，CEP 和 Glimpse 探针绑定到控制平面。
  • 在 BSM 中加载并激活了一个调节机场和安全公司之间交互延迟的 SLA。

• 执行与适应

  • 假设 CEP 的规则知识库中包含一个元规则，用于指定当 SLA 违规消息出现时应采取的行动。行动取决于违规发生的具体机器，并且对于两种不同的监控通知配置有所不同：SLA 违规且节点过载；SLA 违规且节点未过载。
  • 当 BSM 检测到 SLA 违规时，其关联的 Glimpse 探针向 CEP 发送警告。
  • CEP 首先与 DSB 数据平面的内部注册表交互，以确定违规服务实例所在机器的 IP 地址。
  • 规则生成器根据此 IP 地址合成并启用一个新规则，用于查找该节点上的问题。

以下是服务安全公司 SLA 违规后自动生成的规则示例：

// 自动生成的规则
...
7: $aEvent : SLAAlert(timestamp, isConsumed, "SLAAlert")
8: InfrastructureEvent(getMachineIP == "xxx.xxx.xxx.xxx", ...)
...

该规则分为两部分：第一部分（从第 7 行开始）表示 BSM 发送给 CEP 的 SLA 警报事件，通过时间戳、是否已处理标志和事件名称进行标识；第二部分（从第 8 行开始）表示多源监控框架要匹配的基础设施事件，指定了一个包含节点 IP 地址的参数，该地址与 SLA 通知中检索到的 IP 地址匹配，同时还涉及一个窗口帧过滤器。

通过这个演示场景可以看出，自适应多源监控框架能够根据运行时的 SLA 违规情况动态生成和调整监控规则，有效检测和关联不同层次的事件，帮助解决服务编排中的问题。

综上所述，服务组合自动优化方法和 SLA 自适应监控技术为服务编排和管理提供了有效的解决方案，能够适应动态变化的服务环境，提高服务的质量和可靠性。

服务组合自动优化与SLA自适应监控技术解析

服务组合自动优化实验的深入分析

在前面提到的服务组合自动优化实验中，我们已经了解了其基本的实验设置和结果。接下来，我们进一步深入分析这些实验所反映出的技术特点和潜在应用。

• 时间复杂度与优化效果 ：实验中提到方法的第二阶段在考虑PCD所有组合时具有指数级的时间复杂度，这是组合问题的固有特性。而通过优化程序，运行时间呈现出线性增长，这表明优化措施有效地避免了组合爆炸问题。例如在实验一的情况C中，采用优化程序后，即使具体服务数量增加，运行时间也没有出现指数级的飙升。
• 质量约束的影响 ：从实验一的情况A和情况B对比可以看出，质量约束会引入一定的开销。当每个具体服务定义添加五个质量约束时，开销在11%到23%之间。这说明在实际应用中，需要权衡质量约束带来的服务质量提升和额外的时间开销。

服务组合自动优化方法的应用前景

服务组合自动优化方法具有广泛的应用前景，以下是一些可能的应用场景：

• 企业级服务集成 ：在企业内部，不同部门可能使用不同的服务系统。通过服务组合自动优化方法，可以将这些服务进行有效的组合，提高企业的运营效率。例如，将财务部门的财务服务和销售部门的销售服务进行组合，实现业务流程的自动化。
• 云计算环境 ：在云计算环境中，服务的动态性很强。该方法可以根据用户的需求和当前可用的服务资源，自动组合出最优的服务方案，提高资源利用率。

服务编排中 SLA 自适应监控的技术挑战与解决方案

虽然服务编排中 SLA 自适应监控技术具有很多优势，但也面临一些技术挑战。

• 技术挑战
  • 规则动态生成的准确性 ：在运行时动态生成监控规则需要准确地根据当前的环境和事件信息进行。如果规则生成不准确，可能会导致误判或漏判 SLA 违规情况。
  • 系统的可扩展性 ：随着服务数量和复杂度的增加，监控系统需要具备良好的可扩展性，以处理大量的事件和规则。
• 解决方案
  • 规则生成的验证机制 ：在规则生成后，增加验证机制，确保规则的准确性。例如，可以通过模拟测试或历史数据验证来验证规则的有效性。
  • 分布式架构设计 ：采用分布式架构设计监控系统，将事件处理和规则管理分布到多个节点上，提高系统的可扩展性。

服务编排中 SLA 自适应监控的未来发展方向

服务编排中 SLA 自适应监控技术在未来还有很大的发展空间，以下是一些可能的发展方向：

• 智能化监控 ：引入人工智能和机器学习技术，实现对事件的智能分析和预测。例如，通过机器学习算法预测可能的 SLA 违规情况，并提前采取措施。
• 跨领域监控 ：不仅仅局限于服务编排内部的监控，还可以扩展到跨领域的监控。例如，将服务编排与物联网结合，监控物理设备的运行状态，确保整个系统的稳定性。

总结与展望

服务组合自动优化和服务编排中 SLA 自适应监控技术是当前服务领域的重要研究方向。服务组合自动优化方法通过优化程序和考虑质量约束，提高了服务组合的效率和质量；而服务编排中 SLA 自适应监控技术则通过动态生成监控规则，适应了服务的动态演化特性。

在未来，随着服务技术的不断发展，这两种技术将不断完善和创新。它们将为企业和用户提供更加高效、可靠的服务，推动服务领域的进一步发展。同时，我们也需要不断关注技术的发展趋势，积极探索新的应用场景和解决方案，以应对不断变化的服务环境。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(服务组合自动优化):::process --> B(提高效率和质量):::process
    C(服务编排SLA自适应监控):::process --> D(适应动态演化):::process
    B --> E(企业级服务集成):::process
    B --> F(云计算环境应用):::process
    D --> G(智能化监控):::process
    D --> H(跨领域监控):::process
    E --> I(推动服务发展):::process
    F --> I
    G --> I
    H --> I

通过本文的介绍，我们希望读者能够对服务组合自动优化和服务编排中 SLA 自适应监控技术有更深入的了解，并能够在实际应用中充分发挥这些技术的优势。