设计方案AI组.pptVIP

设计方案——AI组 自适应中间件支撑框架 Application Requirements System Resources Requirements User Interface Run-time System Information Statistics Prediction Optimization Planning Run-time Adjustment Service Mapping Negotiation Algorithms Knowledge Base (Rule policy) Interpreter Monitor Parameter Adjustment Backup Reservation Depolyment Policies Services Composition Intelligent Decision Engine System User Interface 结构图详解 Monitor Component： 监控和分析环境信息（系统和组件运行信息） User interface Component： 与用户的接口，接收用户的需求（目前考虑两种：基于目标和基于QoS） (QoS需求的评估?) 注：不确定，高阳 Mapping Component: 将用户宏观需求映射到系统层面的QoS资源需求 Interpreter Compoent： 在Adaptive Engine与基于BPEL的工作流引擎交互中起翻译转化作用(将基于扩展BPEL描述的用户需求转成内部表示语言) 结构图详解 Adaptive Engine： 包括算法和宏观策略 算法： Prediction、Reasoning、Decision、Planning、 Negotiation 宏观策略（ Run-time Adjustment Service ）： 参数调整 资源的复制、预约、保留、缓冲等等 Knowledge Base： 知识库：预定义了一些知识和规则，面向系统级用户； Adaptive Engine可基于Knowledge Base进行自适应。 AI组自适应的两大方面 （1）、面向上层的自适应中间件框架（针对工作流的自适应） 工作流的自适应框架 HTN规划算法的研究与实现 规则的录入、存储、语法语义检查 （2）、面向底层的自适应中间件框架（针对系统优化的自适应） 优化问题的表达 优化算法的实现 （1）面向上层的HTN规划 已有基础： HTN规划任务的描述：类LISP语言 HTN规划算法的基本原理 HTN规划的java实现参考：JShop2 （实例：Blocks world的lisp实现）注：去掉。高阳 待解决问题： 规则录入 工作流与规划任务之间的转化 与支持BPEL的工作流引擎的结合 EJB实现 目前进展与下一步工作 目前进展： 源码分析： 目前正在看JShop2的源码，下周做一个简单的汇报，争取自己实现一个实例。 下一步工作： 小型系统： 在上述基础之上（从下周开始），与过程组合作，尽快将程序在工作流引擎上跑起来，给大家演示一个快速的原型系统 难点在于：BPEL 3.0版本暂时还没能运行成功 给出使用JShop2的规范 进一步探讨规则的录入形式、存储、分工 （2）面向底层的优化 目标： Components能够安全有效地运行 满足指定的需求 基本路线： 基于QoS的优化算法 主要内容1 （1）制定QoS要素，并用QDL描述： QDL: quality definition language 用户通过用户界面输入QoS要求 搜集系统环境参数：CPU、内存、I/O 搜集构件运行情况：资源占用、实力个数 （2）分析资源约束情况： 由于Application是由若干个component构成的，而component之间形成资源约束关系 主要内容2 （3）优化策略： 根据(1)、 (2)以及系统实际运行情况，基于优化算法提出系统调整方案 （4）预测能力： 根据(1)、 (2)、 (3)以及机器学习理论预测环境的变化，并根据优化策略提出构件层的调整和优化方案 （5）与component层 要求每个component实现monitored接口 该接口主要： 提供构件运行要求 提供构件运行情况 接受我们给出的优化策略 下一步工作 确定系统的各类优化目标 每个目标需要考虑的因素以及数据收集与处理 研究优化算法 规划与优化的结合 在HTN规划可以给出多种可行方案时，根据优化模块要求的目标，进一步进行搜索，找到最优的工作流程 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *