隨著互聯(lián)網(wǎng)的不斷發(fā)展,服務(wù)計(jì)算以及云計(jì)算的廣泛應(yīng)用,具有相同功能屬性、不同非功能屬性的Web服務(wù)出現(xiàn)了爆炸式的增長(zhǎng)。在對(duì)Web服務(wù)進(jìn)行服務(wù)選擇時(shí),傳統(tǒng)的服務(wù)選擇方法面對(duì)海量服務(wù)數(shù)據(jù),無(wú)論在效率方面還是準(zhǔn)確性方面,都面臨著很大的挑戰(zhàn)。網(wǎng)絡(luò)上層出不窮的服務(wù)數(shù)據(jù)對(duì)服務(wù)選擇提出了更嚴(yán)格的要求——如何從海量服務(wù)數(shù)據(jù)中快速、準(zhǔn)確地選擇出滿(mǎn)足企業(yè)或用戶(hù)需求的服務(wù)將成為一個(gè)亟待解決的問(wèn)題。本文將數(shù)據(jù)庫(kù)領(lǐng)域中的Skyline技術(shù)應(yīng)用到Web服務(wù)選擇中,提取出Web服務(wù)中的SP（Skyline Point）服務(wù);然后,將數(shù)理統(tǒng)計(jì)中的離散系數(shù)法應(yīng)用到服務(wù)過(guò)濾階段,提出了一種基于Qo S的服務(wù)過(guò)濾模型,該模型可以提前過(guò)濾掉那些服務(wù)質(zhì)量不穩(wěn)定的無(wú)效服務(wù),為后面進(jìn)行服務(wù)選擇縮小了范圍;并對(duì)Skyline算法進(jìn)一步改進(jìn),提出了一種改進(jìn)的Skyline服務(wù)選擇方法。該算法把整個(gè)服務(wù)集合進(jìn)行一次區(qū)域劃分,大量減少了不具有支配關(guān)系的數(shù)據(jù)點(diǎn),節(jié)省了內(nèi)存的占用。改進(jìn)后的Skyline服務(wù)選擇方法可有效的過(guò)濾和減少那些不具有支配關(guān)系區(qū)域間的支配檢查,節(jié)省了內(nèi)存空間的占用,大大提高了服務(wù)選擇的執(zhí)行效率。并在真實(shí)數(shù)據(jù)集（QWS）和... 

【文章來(lái)源】：齊魯工業(yè)大學(xué)山東省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

WebService架構(gòu)

齊魯工業(yè)大學(xué)碩士學(xué)位論文13應(yīng)地價(jià)格低的酒店距離海邊相對(duì)比較遠(yuǎn)；所以不會(huì)有一個(gè)非常明確的結(jié)果，只能返回給游客一些酒店的結(jié)果集供游客進(jìn)行選擇。這些酒店的距離和價(jià)格都不比其他酒店“差”，也就是返回值的點(diǎn)在同一價(jià)格上沒(méi)有比這個(gè)酒店在距離海邊更近的點(diǎn)了。表2.1酒店距離與價(jià)格酒店(Hotel)Price(￥)Distance(km)a5001.2b5501.8c4005.2d3004.4e2206.6f1008.8g4502.5從表2.1可見(jiàn)，該酒店有兩個(gè)屬性，一個(gè)是距離海邊的距離(Distance)，另一個(gè)是酒店的價(jià)格(Price)。我們將其對(duì)應(yīng)到如下圖2.3所示的坐標(biāo)系中，橫坐標(biāo)表示顧客與酒店的距離，縱坐標(biāo)表示酒店的價(jià)格。圖2.3酒店距離價(jià)格在這個(gè)例子當(dāng)中，待選服務(wù)集共有7個(gè)服務(wù)，每個(gè)服務(wù)都有價(jià)格(Price)和距

第3章基于QoS的服務(wù)選擇方法30圖3.2算法流程圖通過(guò)以上分析可以總結(jié)出，提出的基于QoS的服務(wù)過(guò)濾模型可以有效的過(guò)濾淘汰那些無(wú)效服務(wù)，大大減少了服務(wù)選擇的搜索范圍。其次，通過(guò)Skyline計(jì)算后，可以過(guò)濾掉大部分被支配的非Skyline服務(wù)，降低了候選服務(wù)集中服務(wù)的數(shù)量，從而提高了服務(wù)選擇的效率。3.4本章小結(jié)本章主要研究了Web服務(wù)的選擇方法，在簡(jiǎn)述QoS定義的基礎(chǔ)上，對(duì)QoS的屬性以及效用函數(shù)進(jìn)行了詳細(xì)的分析；然后對(duì)現(xiàn)有服務(wù)選擇方法的優(yōu)缺點(diǎn)進(jìn)行總結(jié)，提出了一種基于QoS的服務(wù)過(guò)濾模型，該模型首先利用數(shù)理統(tǒng)計(jì)中的離散系數(shù)法求出各屬性的權(quán)重；再針對(duì)離散系數(shù)權(quán)重的大小，過(guò)濾掉那些QoS屬性不穩(wěn)定的無(wú)效服務(wù)，降低了候選服務(wù)的規(guī)模，進(jìn)而降低服務(wù)選擇的效率。

【參考文獻(xiàn)】：
期刊論文
[1]Hadoop大數(shù)據(jù)開(kāi)發(fā)課程實(shí)踐教學(xué)研究[J]. 梁晶,胡新榮.  計(jì)算機(jī)教育. 2020(02)
[2]HDFS存儲(chǔ)和優(yōu)化技術(shù)研究綜述[J]. 金國(guó)棟,卞昊穹,陳躍國(guó),杜小勇.  軟件學(xué)報(bào). 2020(01)
[3]云計(jì)算環(huán)境下的數(shù)據(jù)挖掘算法探究[J]. 張珍.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2019(05)
[4]QoS約束的代表性Skyline Web服務(wù)選擇[J]. 黃迎春,左甜甜.  火力與指揮控制. 2019(01)
[5]一種多參數(shù)的Web服務(wù)選擇方法[J]. 賈志淳,盧元,李想,邢星.  計(jì)算機(jī)工程與應(yīng)用. 2019(21)
[6]Spark性能優(yōu)化技術(shù)研究綜述[J]. 廖湖聲,黃珊珊,徐俊剛,劉仁峰.  計(jì)算機(jī)科學(xué). 2018(07)
[7]Hadoop綜述[J]. 李元亨,鄒學(xué)玉.  電腦知識(shí)與技術(shù). 2018(09)
[8]一種Hadoop YARN的資源調(diào)度機(jī)制[J]. 李程,柴小麗,謝彬,唐鵬.  計(jì)算機(jī)與現(xiàn)代化. 2017(11)
[9]基于改進(jìn)協(xié)同過(guò)濾的個(gè)性化Web服務(wù)推薦方法研究[J]. 徐堃,朱小柯,荊曉遠(yuǎn).  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(01)
[10]基于Hadoop生態(tài)系統(tǒng)的大數(shù)據(jù)解決方案綜述[J]. 魏冉.  數(shù)字通信世界. 2017(08)

博士論文
[1]基于MapReduce大數(shù)據(jù)并行處理的若干關(guān)鍵技術(shù)研究[D]. 張濱.東華大學(xué) 2017
[2]云計(jì)算環(huán)境下的并行Skyline算法及其應(yīng)用研究[D]. 李媛媛.大連海事大學(xué) 2016

碩士論文
[1]基于云計(jì)算的數(shù)據(jù)挖掘算法并行化研究與實(shí)現(xiàn)[D]. 李星.南京郵電大學(xué) 2018
[2]SOA服務(wù)構(gòu)件在用戶(hù)管理系統(tǒng)中的應(yīng)用研究[D]. 汪潤(rùn).北方工業(yè)大學(xué) 2018
[3]基于QoS的Web服務(wù)的選擇與組合問(wèn)題研究[D]. 程源.重慶郵電大學(xué) 2019
[4]基于QoS的Web服務(wù)選擇方法研究與實(shí)現(xiàn)[D]. 綦麟.北京郵電大學(xué) 2018
[5]協(xié)同過(guò)濾算法的改進(jìn)與應(yīng)用研究[D]. 王璇.南京郵電大學(xué) 2017
[6]基于Hadoop平臺(tái)的數(shù)據(jù)挖掘分類(lèi)算法分析與研究[D]. 李正杰.南京郵電大學(xué) 2016
[7]支持QoS關(guān)聯(lián)的組合服務(wù)Skyline研究[D]. 杜宇.南京大學(xué) 2015
[8]基于Skyline的分布式服務(wù)選擇與動(dòng)態(tài)維護(hù)方法研究[D]. 王雪梅.哈爾濱工程大學(xué) 2014



本文編號(hào)：3593399