面向服務的P2P模型研究與設計

劉 鎮，尚艷羽

(江蘇科技大學計算機科學與工程學院，江蘇鎮江212003)

隨著網絡應用的日益廣泛，C/S模式存在中心化、負載不均衡等問題，已不能滿足人們的要求.P2P模式具有節點對等，去中心化，資源利用率高，負載均衡，健壯性良好等優點，很好地解決了C/S模式的瓶頸.目前P2P模式已廣泛應用于多類服務中，文獻［1］中提出一種P2P模式下的結構化存儲系統;文獻［2］中采用P2P方式實現無線網格網絡中的資源共享;文獻［3］中提出了在流媒體中的應用;SUN公司開發了用于開發面向分布式服務的P2P應用平臺JXTA［4］.這些面向服務的P2P模式的發展順應了網絡應用服務化的發展方向，但其在互操作性、服務重用性、耦合度以及服務組合控制上有待進一步研究.

面向服務架構(service oriented architecture，SOA)以其互操作、服務可重用、可組合、松耦合等設計理念越來越受到研究人員以及企業的青睞［5］.近年來，在國內由銳易特、東方通、金蝶等推出的ESB中間件產品更推動了SOA的廣泛應用［6］.然而，其服務的注冊、發布、發現以及管理和組合過程都是基于中心ESB控制方式，極大地限制了系統的靈活性.

Petri-net［7］是簡單的過程模型，適合于描述異步的、并發的計算機系統模型.良好的流程描述和控制優勢使其廣泛應用到工作流管理［8］、并行程序設計［9］等方面.

文中在P2P模式下設計分布式的SOA，對基于JXTA的注冊、管理進行研究，為實現分布式服務提供模型;對服務組合策略進行研究，結合P2P模式的分布式、負載均衡的特點，借鑒Petri-net中對工作流的描述和控制的思想，設計適合分布式SOA模式的分布式協同控制方式的服務組合策略;在該控制模式下，針對同一功能的原子服務可多個節點存在的特點，文中采用改進的遺傳算法［10－11］對這些不同性能、不同特點的節點進行選擇，使得組合最優，改善傳統的隨機選擇方法對服務質量的影響，在提供最優組合服務的同時響應時間也最短.

1 基于P2P的分布式SOA模型

文中在P2P模式下，以分布式方式實現ESB的集中注冊、管理，系統結構部署如圖1.其基本思想是在JXTA支持下，將整個系統中的節點劃分成組，每個組(peer group)內至少有一個中心(super peers)來完成組內節點及服務的注冊、搜索、監測、管理等功能，并保證與其他super peer間的連通性.系統中的每個節點可以同時屬于多個組，提供多種服務.

圖1 系統結構部署Fig.1 System architecture deployment diagram

系統中的節點按照其在提供服務中扮演的角色，主要分為超級節點super peer和普通節點peer兩類，主要結構如圖2所示.每個新加入系統的節點首先與super peer建立連接，進行身份驗證，確保注冊節點的真實性和有效性，然后注冊節點信息(PeerInformation)，包括節點名稱、IP地址等.super peer會為該節點分配一個ID，保存該節點信息.最后節點發布自身提供的服務信息(ServiceInformation)，包括模塊類ID、服務類型、參數要求以及其他信息，并注冊到注冊中心.此外，注冊中心還維護服務的質量信息(QualityInformation)，如響應時間、是否在線、成功率等.管理服務主要通過監測模塊監測節點、服務的狀態來管理注冊表中的信息.組合服務可以被遞歸定義為原子服務和組合服務的集合，根據設計者設計的服務組合，搜索相關的原子服務，并選擇出最優的，將工作流狀態轉化為一個可稱為路由表的表格，提供增殖服務.

路由控制器用于監控路由表狀態，參數處理器用于處理、分配參數.原子服務是一個獨立的可訪問的應用，它并不顯式依賴其他原子服務，它是已經存在的服務，其執行完全由服務提供者負責.

圖2 super peer與普通peer主要結構Fig.2 Main structure of super peer and ordinary peer

2 分布式協同組合服務控制

在傳統的服務組合中，集中式的工作流控制模式大多被采用，其中心壓力比較大，嚴重阻礙分布式系統的性能提升.Petri-net采用過程模型來表示和控制工作流，監視整個過程的狀態和執行.借鑒該思想，在文中提出的分布式面向服務模型中，將工作流以狀態路由形式表示，利用同步機制實現路由的實時更新和監控.

路由表中包括前置信息和后置信息.前置信息為進入下一個狀態所需要的條件集，包括前節點ID(p_peerid)、原子服務的模塊類ID(p_mcid)、原子服務描述(desc)、服務輸出參數信息(p_parm)、服務狀態(state);后置信息為下一步要進入的狀態集，包括節點ID(n_peerid)、原子服務模塊類ID(n_mcid)、調用管道信息(pipe)、輸入參數信息(n_parm).

當所有的前置信息服務狀態全為true時才能進入到對應的后置信息中的狀態.用組合服務模塊類標識來標識不同組合服務的路由表(cs－id).該表在參與提供服務的節點之間同步共享，由路由控制器來控制.處理過程如下:

1)根據接收到的路由標識，由路由控制器找到對應的路由表，確定當前狀態;

2)由參數處理器對接收到的參數進行處理，滿足下一跳路由參數要求;

3)將處理結果以及路由標識發送給下一個節點，修改路由表中對應的狀態，設為true，并同步到其他節點所對應的路由表中.這樣就避免了在分支、重復調用或循環的情況下因不知該執行哪條路由而進入僵持狀態或產生錯誤執行;

4)下一個節點做同樣的處理，直至執行到路由表中的最后一條路由.

3 基于遺傳算法的服務組合優化

文中的分布式服務提供和控制模型中，允許多個不同性能的節點提供相同功能的原子服務，如何對這些節點選擇，使得組合能夠在提供最優服務的同時響應時間也最短，文中采用改進的遺傳算法予以解決.

假設一個組合服務由n個原子服務組成，通過搜索，得到m(n≤m)個可提供這n個服務功能的原子服務，按照搜索到的原子服務的功能，將m個原子服務劃分為n組，每組形成1個基因片段，在每一次算法操作中，保證每個基因片段中有且只有1位為“1”，保證每類原子服務都會被選到，避免出現非法解.

改進的算法如下:

1)個體編碼:將這m個原子服務表示成二進制符號串，形式為:a1a2a3…ai…am.

用以下輔助數據結構來表示得到的n個片段:

則a1a2a3…ai…am串中應有n個1，每個片段中有且只有1位為“1”.

2)生成初始化群體:設置進化代數計數器t=0，設置最大進化代數T.結合數組Gene_Seg，采用隨機的方法，在保證每個基因片段中僅初始化1位為“1”的情況下產生初始化種群.

3)適應度計算:文中將目標函數定義為帶寬、吞吐量、響應時間.個體適應度設置為目標函數中帶寬、吞吐量、響應時間的倒數的和.

4)選擇:采用與適應度成正比的概率來確定各個體復制到下一代群體中的數量，其具體操作過程為:①計算出群體中所有個體的適應度的總和，Σfi(i=1，2，…，m);②計算出每個個體的相對適應度的大小fi/Σfi，即每個個體被遺傳到下一代群體中的概率;③每個概率值組成一個區域，全部概率值之和為1;④最后再產生一個0到1之間的隨機數，依據該隨機數出現在上述哪一個概率區域內來確定各個體被選中的次數，選擇的總次數等于種群大小.

5)交叉運算:文中采用單點交叉的方法，但是為了保證每類原子服務的數目不變，交叉點的選擇不能破壞功能塊的完整性.其具體操作過程為:①對群體進行隨機配對;②根據二進制串的長度n，隨機設置交叉位置j，j為［1，n－1］上的一個整數;③最后再相互交換配對染色體之間的部分基因.假設交叉點位于第k個基因片段內，則前k個基因片段保持不變，在第k+1個片段內開始交換.交叉前為:

a1a2a3…aiai+1…ai+Length… anb1b2b3…bibi+1…bi+Length…bn

交叉后為:a1a2a3…aibi+1…bi+Length… anb1b2b3…biai+1…ai+Length…bn

ai+1…ai+Length，bi+1…bi+Length代表兩個串的第 k+1個基因片段.

6)變異運算:文中采用基本位變異的方法來進行變異運算，其具體操作過程為:①確定各個體的基因變異位置，可采用隨機方法產生變異點位置;②依照某一概率(突變概率Pm)將變異點的原有基因值取反，Pm的取值如果選的太大，則進化過程無意義可言，接近于隨機選擇過程;如果選的太小，則收斂太早，容易陷入局部最優，本文中實驗的Pm取0.1;③為了保證在變異過程中整個種群所有的基因片段中“1”的數目不變，每個個體變異后要檢查、修正字符串中“1”的數目，保證不發生變化.

7)終止判斷:記錄進化代數，并判斷是否滿足終止條件，若滿足，則輸出結果，否則轉向3)繼續執行.終止條件如下:①某個體適應度值達到目標函數的要求;②達到指定的進化代數;③當前種群中最大適應度值與以前各代中最大適應度值相差不大，進化效果不明顯.

4 性能分析

在文中設計的分布式服務模型中，分別采用隨機選擇方法和文中設計的遺傳算法，進行組合服務性能測試，比較二者之間的差異，驗證本文方法的可行性.

設組成組合服務的原子服務個數n的范圍為10～50，每個原子服務的候選原子服務個數為10時，隨著n的變化，用文中設計的分布式模型求響應時間的平均值，得曲線圖(圖3).

圖3 不同n下的響應時間曲線Fig.3 Curve of response time under different n

設n=10，m變化，得到平均響應時間曲線圖(圖4).

圖4 不同m下的響應時間曲線Fig.4 Curve of response time under different m

從圖3，4中曲線的升高幅度可以看出，當規模不斷增大時，遺傳算法的時間開銷增加遠遠小于隨機算法的時間代價.

用n個原子服務的目標函數的總和來衡量服務的質量，在不同的規模中(一組(n，m)的范圍是(5，10)，(10，20)，(10，30)，(15，50)，(20，100))，兩種方法的服務組合的效率如圖5.采用遺傳算法求解的服務組合效率明顯高于隨機方法的服務組合.

圖5 不同規模下服務組合效率曲線Fig.5 Efficiency curve of service combination under different scale

5 結論

文中在P2P模式下，借鑒SOA思想設計服務提供模式，實現服務可重用、可組合，系統松耦合、互操作;借鑒Petri-net對工作流的描述和控制思想，結合P2P分布式的特點設計分布式協同控制模式，實現組合服務監控，擺脫中心控制的缺陷;最后采用遺傳算法對組合優化，提高組合服務質量.整體上對提高分布式服務系統性能有著深遠的意義.

References)

［1］ Avinash L，Malik P.Cassandra:structured storage system on a P2P network［C］∥Proceedings of the 28th ACM Symposium on Principles of Distributed Computing.［S.l.］:ACM，2009.

［2］ Canali C，Renda M E，Santi P，et al.Enabling efficient peer-to-peer resource sharing in wireless mesh networks［J］.IEEE Transactions on Mobile Computing，2010，9(3):333－347.

［3］ Wu C，Li B，Zhao S.Diagnosing network-wide P2P live streaming inefficiencies［J］.ACM Transactions on Multimedia Computing，Communications，and Applications，2012，8(1S):13.

［4］ Barolli L，Xhafa F.Jxta-overlay:A P2P platform for distributed，collaborative，and ubiquitous computing［J］.IEEE Transactions on Industrial Electronics，2011，58(6):2163－2172.

［5］ 張朝暉，徐立臻，董逸生，等.一種基于SOA的企業集成平臺［J］.計算機工程，2011，37(5):258－260.Zhang Zhaohui，Xu Lizhen，Dong Yisheng，et al.SOA-based enterprise integration platform［J］.Computer Engineering，2011，37(5):258 －260.(in Chinese)

［6］ 管紅杰，王珂，江海峰，等.SOA架構的工作流管理系統的研究與應用［J］.計算機工程與設計，2011，32(5):1654－1657.Guan Hongjie，Wang Ke，Jiang Haifeng，et al.Research and application of workflow management system based on SOA［J］.Computer Engineering and Design，2011，32(5):1654－1657.(in Chinese)

［7］ 陳慧靈，王憲增，鄒寬城.基于 Petri網的工作流過程建模［J］.計算機工程與科學，2008，30(5):92－94.Chen Huiling， Wang Xianzeng， Zou Kuancheng.Workflow process modeling based on Petri nets［J］.Computer Engineering and Science，2008，30(5):92－94.(in Chinese)

［8］ Du Q.The research of Petri net-based workflow［C］∥International Conference on Electrical and Control Engineering.［S.l.］:IEEE，2011:4171 －4172.

［9］ 李文敬，廖偉志，元昌安，等.高級Petri網并行化預處理方法的研究［J］.廣西大學學報:自然科學版，2013，38(5):1100－1107.Li Wenjing，Liao Weizhi，Yan Changan，et al.Pretreatment method of senior Petri nets parallelization［J］.Journal of Guangxi University:Natural Science E-dition，2013，38(5):1100 －1107.(in Chinese)

［10］ 邊霞，米良.遺傳算法理論及其應用研究進展［J］.計算機應用研究，2010，27(7):2425－2429.Bian Xia，Mi Liang.Development on genetic algorithm theory and its applications［J］.Application Research of Computers，2010，27(7):2425 －2429.(in Chinese)

［11］ 張成文，蘇森，陳俊亮.基于遺傳算法的 QoS感知的 Web服務選擇［J］.計算機學報，2006，29(7):1029－1037.Zhang Chengwen，Su Sen，Chen Junliang.Genetic algorithm on Web services selection supporting QoS［J］.Chinese Journal of Computers，2006，29(7):1029 －1037.(in Chinese)