基于web服务的跨组织工作流性能预测与研究-prediction and research of cross-organizational workflow performance based on web services.docxVIP

摘要敏捷供应链和经济全球化的发展促使企业集成信息系统从组织内部扩展到组织之间。SOA 通过建立模块化服务，来支持所在组织以及外部组织共同参与到一个跨组织的业务过程中，为 企业极大改善了 B2B 交流平台。与此同时，Web 服务逐渐成为了 SOA 的最佳实践，基于 Web 服务的跨组织工作流应运而生。企业的业务过程需要满足一定的性能指标才能实现其商业目标。 有效预测工作流性能，分析工作流中的各个服务 QoS 对工作流整体性能的影响具有重要意义。在服务计算环境中，不同用户对同一个服务会有不同的体验。因此，本文从用户角度提出 一种基于 Web 服务工作流的性能预测与分析方法，主要工作有：首先，研究基于 Web 服务的跨组织工作流原理，分析其工作流性能与服务 QoS 之间的关 系，提出基于用户视角对工作性能进行监控、预测与分析的全过程。然后，通过分析用户特征和服务特征，提出基于奇异值分解的 QoS 时间序列评估方法，并 以此计算出工作流性能时间序列。接着，基于工作流性能时间序列采用神经网络模型对工作流性能进行预测，当预测的工作 流性能值超出预设定的范围时，分析导致工作流性能冲突的主要成员服务。最后，围绕 QoS 评估方法和工作流性能预测与分析方法展开模拟实验，实验结果表明本文 所提出的 QoS 时间序列评估方法与工作流性能预测方法的有效性与优越性和工作流性能分析方 法的合理性。关键词： 跨组织,工作流性能,服务质量,性能预测与分析,时间序列IABSTRACTThe development of agile supply chain and economic globalization promotes that enterprise integrated information system has been extended from internal to cross-enterprise alliance. Providing organizations with an environment to enhance B2B communications, the SOA paradigm creates modularized services supporting the business processes within their organization and also those external entities participating in these same business processes. Web services are an increasingly important and practical instance of SOAs, which makes Web service-based workflow come true. The business process needs reaching a certain performance indicator to achieve business goal. It is of significance to effectively predict the workflow performance and analyze its relation with QoS of each sub-service in the composition services.In the environment of service computing, different service users may experience quite different performance on the same Web service. Therefore, this paper proposes an approach for Web service-based workflow performance prediction and analysis from users? perspective. The main work in this paper is as following.Firstly, research the theory of Web service-based cross-organizational workflow, propose the whole process of monitoring, predicting and analyzing workflow performance from users? perspective.Secondly, through analyzing users? characteri