SWES: 一种基于QoS的Web服务工作流调度性能评价系统

胡春华^{1, 2}，吴  敏²，谢  勍³，王建明¹

(1. 湖南商学院 计算机与电子工程系，湖南 长沙，410205；

2.中南大学 信息科学与工程学院，湖南 长沙，410083；

3. 湖南省财经高等专科学校 信息管理系，湖南 长沙，410205)

摘  要：针对现有服务工作流性能评价模型的兼容性和可扩展性问题，设计并实现一种面向用户需求并支持QoS调度的服务工作流性能评价系统SWES(Service workflow evaluation system)。该系统采用组件技术及面向对象编程方法设计，各个组成部分通过标准的SOAP协议通信，使得各模块的组织及建立能独立实现，同时连接网络中UDDI对服务资源进行整合，使系统具有较强的可扩展能力。该系统既提供了用户个性化定制的功能，又能对传统调度算法的QoS指标及扩展QoS指标进行性能评测。实验结果表明，该系统具有较强的兼容性和可用性。

关键词：服务工作流；评价工具；服务质量；信任演化

中图分类号：TP39         文献标识码：A         文章编号：1672-7207(2007)05-0962-08

SWES: A performance evaluation system for Web service workflow based on QoS

HU Chun-hua^{1, 2}, WU Min², XIE Qing³, WANG Jian-ming¹

(1. Department of Computer and Electronic Engineering, Hunan University of Commerce, Changsha 410205, China;

2. School of Information Science and Engineering, Central South University, Changsha 410083, China;

3. Department of Information Management, Hunan Finance and Economics College, Changsha 410205, China)

Abstract: Based on the deficiency of compatibility and expansibility for service workflow performance estimation modules, a novel service workflow evaluation system (SWES), which was to meet the user’s demand and support QoS scheduling, was designed and implemented. The technologies of component structure and OOD were adopted in the system, and every module was organized and constituted independently. The standard SOAP protocol was used for the communication between its components, and the service resource in the internet was integrated by UDDI. SWES can make the users customize individuation workflows, and estimate QoS performance of the traditional scheduling algorithms and the extend QoS performance. The experimental results show that the SWET is compatible and applicable.

Key words: service workflow; evaluating model; quality of service (QoS); trust evolvement

Web服务工作流作为实现互联网中Web服务资源协同工作的一项重要技术，其实质是依据一定的调度算法从互联网中的众多Web服务中选取一系列服务，组装成一种具有更大粒度的增值服务或系统，供上层的应用访问^[1-2]。近年来，随着服务工作流技术在商业及科学计算领域的逐步应用，基于服务质量(Quality of service, QoS)的工作流调度已成为新的研究热点^[3-4]。目前，QoS感知的服务工作流调度研究主要侧重于服务工作流中基于性能QoS的调度算法研究^[5]。近年来，一些新的工作流调度方法引入工作流调度，如基于信任演化的工作流调度中^[6]。同时，也引入了一些新的评价。

由于组成工作流的各Web服务来自网络上的分布式资源，建立一种基于广域网络的实际工作流测试环境需要巨额资金，同时，难以搭建并配置信息^[7]，因此，采用建立工作流性能评测仿真系统的方法虽会丢失部分细节信息，但其具有经济性、快速性，且更方便算法设计人员的灵活配置和共享，因此，在实际研究中多采用模拟系统来求证^[8]。

目前，国内外研究与工作流相关的性能评价系统，主要有：荷兰Eindhoven大学开发的ExSpect^[9]，该系统是一个对过程进行建模、监控和分析的仿真工具；朱海平等^[10]在此基础上研究了一种支持业务流程分析的工作流仿真系统，它应用资源约束随机工作流理论构建仿真模型，可以使算法设计人员较方便地获得业务流程的工作时间和资源利用率等指标。但由于服务工作流调度具有分布式特性，以上性能评价模型存在以下不足：

a. 缺乏对底层Web服务的有效组织与算法实施，仅集中于工作流的定义上；

b. 对工作流调度策略的支持有限，仅集中在对工作流过程的模拟；

c. 对工作流调度策略测试的可扩展性不强，不能增加系统目前还未能涉及的评测指标、最新提出的信任指标等^[6]。

针对以上不足，结合前期服务工作流的研究^[11]，设计与实现了一种高可扩展的工作流调度性能评测系统SWES。该系统采用服务标准SOAP (Simple object access protocol)交互协议进行服务资源的组织，无缝地与网络中的资源组织如UDDI (Universal description, discovery and integration)进行通信，向上层工作流调度提供服务资源，并根据工作流的调度模型进行服务资源间的演化与信任进化，使最新的服务工作流调度算法也能在SWES中进行评测。

1  服务工作流调度评价模型

1.1  系统结构

SWES系统的设计目标是具有高度可扩展的体系结构，服务工作流性能评测的主要目的不仅仅是给出不同调度策略的各项性能指标，而且能帮助算法的设计者确定“好”的方案及调度策略，而这些具有不确定性。同时，工作流是一个分布式调度系统，即存在Web服务间的调度选择问题，对某个服务来说存在如何调度工作流请求顺序问题；另外，服务自身在动态产生与消失的同时，存在一种动态演化关系，使得服务在交互过程中形成一种有序机制，有利于提高工作流执行的成功率。这些都导致工作流调度算法、策略的评价变得非常复杂，涉及多方面的因素。这里将性能评测模块的各个组成部分合理分工，做成组件的形式，可动态装载与增加，且每个模块可以独立地加载各种算法与策略，使得系统能全面模拟真实场景。整个系统的体系结构如图1所示。

图1  SWES系统体系结构

Fig.1  System SWES architecture

a. 流程定义与流程库组件。一般来说，工作流的流程是某个行业或某个业务规范所特有，需要此领域的专家或用户来制定工作流流程。用户或者专家制定好流程后存入流程库中，以便为后面的工作流请求配置相应的业务流程。工作流业务流程定义在SWES中有2种方式：1种是采用可视化图形界面设计，流程所调用的服务类用方框表示，方框内写上服务类别，形成的工作流业务逻辑模型见图3，其中，用户采用图形方式来定制业务模型；第2种方法是用XML语言描述。

b. 用户流程定制组件。其作用是用户根据自身需要来定制相关工作流流程。用户的工作流业务流程定制包含2方面的内容：一是需要定制自己的工作流流程；二是需要定制自己特殊的QoS指标。业务流程配置好后，调度组件就会依据用户的配置情况自动为用户选择“最佳”的Web服务执行。

在SWES系统中采用XML语言来定制个性化的工作流，普遍采用WSFLOW^[4]等方法。主要包含3个方面的定制工作，在XML中可以采用3个节来表示，分别为业务模式定制，执行模式定制，QoS参数定制。

c. 资源层组件。其主要作用是模拟分布式网络中的各种Web服务资源，在SWES系统中以线程实体来代表Web服务。资源层需要表示网络拓扑结构、服务实例以及服务实例所驻的网络节点等。

d. 工作流请求产生组件。产生大量的用户工作流请求来模拟工作流的访问，可以是用户已经定义好的工作流请求，也可以是系统随机为其产生的典型工作流请求。

e. 工作流调度组件。工作流调度组件是指当用户请求产生后，由其调度执行用户的请求。在SWES系统中实例调度组件是由Agent来代理执行，系统为每个用户请求产生一个Agent，由此Agent启动工作流，依据调度算法依次选择服务资源中的各个Web服务实例，来监视工作流的执行，统计此次工作流执行的各项性能指标，并在执行完后向性能分析组件报告情况，Agent在执行过程中还负责对实例资源的释放，状态信息的报告；它是SWES系统中重要的组件。

f. 日志组件。日志组件的功能较简单，主要是记录模拟实验中的实验结果，目前只能以数据的形式提供给算法设计人员来分析工作流调度算法的性能。还无法以图形动态演示的方式来进行分析。

g. 系统参数配置组件。其主要功能是帮助用户建立所需的模拟环境，用户需要一定的实验场景来进行模拟实验，主要包括：Web服务资源数量及类型、每个服务资源的服务能力和性能指标。Web服务工作流请求产生设置参数，以产生符合一定要求的工作流　请求。

h. 每个节点的调度方案。对于某Web服务，若同时有多个工作流请求需要访问此服务，则按一定规则调度相关请求。

i. 服务资源演化组件。与以往模拟系统不同，以往的模拟系统往往只关注工作流算法与策略的处理，而对工作流调度的实体即Web服务往往不加以处理；在面向服务的网格环境中，服务资源往往是协同演化的，形成一种有利的工作环境^[6]，因此，模拟系统还将对服务资源的演化作为一个组件来处理，这样更容易仿真真实的工作流场景。

j. 结果显示组件。在仿真过程中, 用户可能希望直观了解一些运行信息，如完成的实例数、正在等待的任务实例数等，在此，在仿真模型中预定义一些监控单元如图形计数器等。

k. 调度算法库。在工作流调度组件中，利用Agent来进行服务的选择与调度，而Agent是通过调用调度算法库的相应算法来选择与调度工作流的执行，在仿真模型中可以通过调度算法库来进行调度算法的编写。

1.2  性能评测指标

模拟系统的目标是获得工作流调度执行流程的关键性能指标(KPI，即Key performance indicators)。由于服务工作流是一个复杂的分布式执行系统，因此，对其性能分析的指标有多个方面，而评价对象不同，相应的评价指标又不相同。总体来说，可以从如下2方面进行分析：

a. 工作流调度算法的整体性能分析，即不考虑工作流执行路径中各个组成部分的性能，只将工作流作为一个整体来考虑其性能。

b. 考虑组成工作流的各个组成部分的性能，即为每个Web服务的性能，主要包括时间性能指标和Web服务资源利用性能指标。

1.2.1  服务工作流整体QoS指标分析

性能评测工具的主要目的是要得到工作流执行后的各项QoS指标，这些QoS指标从工作流整体来考虑，主要有如下几类：

a. 整体指标，如执行成功率等；

b. 加性QoS指标，是指这些QoS指标计算可以沿工作流的路径累计相加而得到，主要有执行时间、执行代价等；

c. 乘性QoS指标，指这些指标与工作流路径QoS指标相乘，主要有：服务可靠性、服务满意度等；

d. Max_Min性QoS指标：指多条并行路径时，系统取最大或者最小的指标，如多条并行执行工作流 时，工作流完成时间取最大值(max)，可靠性取最小  值(min)等。

工作流路径QoS指标的计算方法。与IP路由路径的计算方法不同。工作流QoS指标由于控制关系，其路径具有复杂多分支的情况，因此，其路径QoS指标的计算方法较复杂。蒋运承等^[12]进行了综合分析，得到QoS指标在不同控制结构下的计算方法。因此，可以通过以上的不同QoS指标和不同控制关系计算工作流的QoS指标，作为仿真模型的结果。

代钰等^[13]还给出了一些特定的QoS指标值。实际上，可以综合以上QoS参数，进行复合计算以得到文献[13]中的各项QoS指标。

1.2.2  QoS性能指标分析

前面给出的QoS指标是指整个工作流最终的QoS指标，对于网络中的Web服务实体来说，工作流调度算法也需确定调度算法对Web服务的利用率问题。不同的调度算法对Web服务资源的利用率各异，从而需要帮助算法设计者选用合适的工作流调度算法或者改进算法。在调度算法正式运用前，得到工作流调度性能较优的系统参数配置。从而以最经济的方法获得这些关键因素。为此，在性能评测模型SWES中，还对每个Web服务的性能指标进行统计与日志记录，主要包括以下2个方面：

a. 对于某Web服务，工作流实例在此服务资源处的平均排队等待时间为QoS(wait)、平均执行时间为QoS(working)，则工作流的有效时间比：QoS(valid)=　QoS(working)/(QoS(wait)+QoS(working))，它表明流程的运行效率高。

b. 在时间T内，服务资源类型为i的平均工作时间QoS_i(working)和平均空闲时间QoS_i(idlese)，显然QoS_i(utilize)=QoS_i(working)/(QoS_i(working)+QoS_i (idlesse))。有了该统计数据，便可以得到整个网络中服务资源的利用情况。例如，对于某工作流调度算法，若有较好的负载均衡特性，则在调度时，对业务模型中的某一服务类有多个能够完成此任务的服务资源，这些服务资源应该被调用的概率是近似相等的，从性能指标上分析这些服务的QoS_i(utilize)是相近的。若这些Web服务的QoS_i(utilize)最大值与最小值相差很大，则表明工作流调度算法的负载均衡能力不太强。

2  系统工作流程及实现

2.1  系统工作流程

SWES系统结构工作原理如图2所示。

图2  SWES系统工作流程

Fig.2  System SWES workflow

a. 主程序开始后，首先用户配置仿真环境参数。配置环境参数包括如下2个方面：

① 网络参数配置主要包括设置网络结构特征、网络拓扑结构、网络节点个数、Web服务数量及每个服务的特性如服务能力、执行时间、代价、可靠性等指标；

② 服务工作流请求特征如访问特征和强度等指标。

b. 系统读取前面的配置参数，形成网络拓扑，服务资源层。

c. 服务资源层的各个服务读取服务演化策略，在工作流的交互中形成一种有序进化的服务环境。

d. 工作流程定制。若用户对业务流程没有特殊要求，则产生的工作流流程是流程定义库中的流程模板，若用户已经过定制，则工作流流程是业务流程与用户自定义流程的结合。

e. 依据任务产生特征产生符合一定要求的工作流请求。

f. 流程管理组件Agent接受工作流请求任务后，为每一个工作流请求产生1个Agent，Agent得到流程定义后，会根据流程定义进行分解，将该流程映射到具体服务实例上。

g. 流程启动。Agent根据流程定义，向第1个活动所在引擎发送数据消息(当前流程的启动参数)和控制消息(流程实例启动命令)。

h. 活动实例执行。对每一个实例的执行，记录其性能指标的日志。

i. 当一个工作流活动执行完成后，Agent计算该活动的退出条件，若满足退出条件，则将实例销毁。

j. 活动实例销毁。根据流程定义信息，得到该活动的后续节点和相关信息，然后，向所有的后续节点发送执行当前活动执行完毕的控制消息，一旦将当前流程定义在本节点的所有活动都已执行完毕或者收到其他节点传来的流程结束消息，清除活动实例信息表的当前项目，并进行日志统计。

k. 性能结果统计，即实时统计性能指标。

2.2  系统实现

服务工作流性能评价系统SWES采用Java语言在Windows XP环境下开发实现。系统的用户界面如图3所示。

图 3  性能评价系统界面

Fig.3  Interface of performance evaluation system

工作流调度性能评测模型与国内外相关研究相比，不仅具有评价工作流调度性能的能力，而且是一个较复杂的工作流原型系统，它在如下几个方面表现较突出：

a. 提供了能够用户自定制个性化工作流的机制与方法。由工作流流程组件可知，用户可以定制非常个性化的工作流，无论是从业务模型、执行模型还是从服务质量指标的选择上，用户都可以进行个性化的定制，因此，使得SWES对性能的评测具有较深入的支持。目前还未发现有类似的性能评测系统。

b. 系统采用标准协议来进行组件间的通信，这使得SWES具有很好的可扩展性。首先，系统采用标准的XML语言来描述工作流，XML作为一种通用的协议标准，容易被广泛采用。而对服务的访问采用通用的SOAP协议，这使得SWES不但能够访问本系统所设置的服务，还能够访问互联网中的服务，如通过UDDI中心来访问服务。

c. 采用组件化的设计方法。前面的10个组件都是独立的模块，采用接口通信，这样可以在保持接口不变的情况下对组件单独进行修改细化。例如对于服务资源管理组件，它与如下组件交互：

① 它读取仿真参数设置器的参数建立网络拓扑结构，服务个数，服务特性。

② 每个服务都以一个线程来模拟，通过读取服务演化策略中的算法动态地改变其邻居关系。

③ 读取节点任务调度的算法来对自己所接收的任务进行调度。

④ 它以SOAP协议与Agent调度器通信来接收任务请求。这种动态演化和调度实施都是通过读取不同组件的策略来执行的，使系统具有较高的灵活性。

d. 系统提供友好的图形化用户界面，通过可视化的流程建模方法直观地生成界面模型和流程的XML描述。

e. 能对工作流性能进行较全面与深入的评测。不但能够对工作流执行本身进行性能评测，而且对工作流执行的每个实体即服务的各项指标如服务利用率、有效工作时间等指标也进行了评测，通过这些指标能全面、综合地反映工作流调度算法的性能。

3  性能评测实验结果

为了验证SWES系统对Web服务工作流调度算法模拟的有效性，下面给出基于QoS的服务工作流调度策略的试验结果。

3.1  实验数据产生

3.1.1  硬件环境

CPU为Intel Pentium IV 2.4 GHz，内存为512 MB，操作系统为Windows XP，语言编程采用Java实现。

3.1.2  物理网络拓扑

网络拓扑图采用编程的方法产生，共有500 个服务协作实体，协作实体编号为1~500，节点与相邻节点的物理连接的度的平均值设为3。每一个节点的边数(连接度)采用random(1~6)之间的随机函数产生，确定某个节点与哪几个相邻节点相连接的方法为：对于第i个节点，假设random(1~6)后的连接度为m，然后从random(i-km, i+km)号节点中随机选取m个节点作为邻居。这样，产生的拓扑图基本符合随机网络实际，且容易编程实现。

3.1.3  业务流程产生方式

在仿真实验中，行业的业务工作流流程不是专家定制的，而是采用计算机随机产生的方法产生，规定工作流路径中最长的路径数小于5，对路径中的每一个节点控制符是从前面介绍的5个控制符中产生，然后，为控制符生成相应的服务类，这样，就可以产生不同的业务流程模型。在本次实验产生了5种工作流流程模板。

3.1.4  Web服务的产生

鉴于目前没有相关服务工作流的标准平台和标准测试数据集，这里采用模拟服务数据作为测试用例。根据前面产生的5个业务流程模板产生各个服务；服务的产生要素包括：模板类别、输入接口、输出接口、功能要求、所在网络节点号(从1-500中选取)等，对应于QoS的各项指标由服务的属性来代表，1个属性代表1个QoS指标。产生QoS指标的方式有很多，不同的QoS指标可以采用不同的方法， 为了使研究问题简单，在本次实验中采用均匀分布uniform(t_min, t_max)，例如任务最短和最长执行时间分别为t_min和t_max。每个QoS指标用1~10间的随机数来表示服务具有的QoS性能。

3.1.5  工作流请求的产生

当前的研究结果表明，用户请求的业务量一般呈现自相似特性^[14]，因此，本次实验采用自相仿似工作流请求任务，通过叠加大量独立ON/OFF源来生成自相似业务量^[14]。

3.1.6  系统SWES构成

由于SWES采用标准的SOAP协议通信，并采用组件化的模块设计，各个功能模块可以独立实现。测试的系统构成为6台物理计算机，通过局域网互连在一起；其中，服务资源层由于需要模拟的服务资源较多，开启的线程多，因此，服务资源组件在4台物理机器上运行，用来仿真资源节点。1台计算机用于产生工作流请求，1台物理机器用于仿真SWES的其他组件，以及日志、运行结果的统计等。

3.2  工作流调度算法及服务资源演化方法

         工作流调度算法是工作流执行时选择服务的依据，在SWES中有一个调度算法库组件，它的主要作用就是调度算法设计者将自己的算法用语言实现， Agent接到工作流请求后，Agent再调用调度算法。调度算法依据调度策略通过SOAP访问服务资源组件，为当前的工作流选择合适的服务实例，报告给Agent，Agent调度给此服务实例，交监视工作流执行。下面算法就是本次实验所采用的算法。

算法1 面向用户需求的工作流调度算法。

调度算法的目的是：Agent接受到工作流访问请求，Agent调用调度算法为工作流选择合适的服务。

a. 首先读取用户的个性化需求，裁剪掉用户限定的服务模式。然后，根据服务模式为其映射到服务实例，映射的过程是依据服务类在服务资源组件中查找相对应的服务实例集合，在服务实例集中裁剪掉用户deny的服务实例，再依据QoS限定条件去掉不符合QoS限定的服务实例。这时，剩余的服务实例集合都是满足用户需求的服务实例，再根据调度的原则在此服务实例集合中选取一个“最佳”服务实例。

b. 为工作流业务模型中的所有Web服务类选择“最佳”的服务实例。

c. 在所得到的结果中，可能存在多条可选的工作流路径，对于每一条工作流中路径依据QoS的计算方法，计算出每一条可选的工作流路径的QoS指标。若在计算过程中，某条路径还未计算完，此时的QoS指标已经与用户的限定相冲突，则标定此路径无效，不再需要向下计算。

d. 算法后返回给Agent一条“最佳”的工作流执行路径，由Agent负责监视工作执行、性能统计工作。

         此外，还研究了Web服务资源的演化过程。基本思想是：在工作流执行过程中，当某服务调用另外的服务时，若能顺利完成，则将其信誉值增加，下次调用此服务的概率增加。反之，则信誉值减少。调度时尽量不调用信誉值小的服务，从而在服务交互过程中会形成一种有利于自己的进化环境^[15]。在实验中，通过计算信誉值来确定服务之间的信任关系，信任度越高的服务在网络中信誉值越高，完成任务的QoS指标较好，相反，则会被边缘化。

而某一段时间内的信誉值计算式定义如下：

若Z_AB=0，则表示A与B还没有交互行为，此时，A对B的直接信誉值是不确定的。

3.3  系统模型的评测结果

经过如上配置，应用SWES系统给出了如下性能指标评测结果。

a. 第1部分实验。本实验中时间指标的单位用秒(s)表示；代价指标因其应用复杂，采用标准单位(Standard Units, SU)来度量；同时假设用户个性化设置其服务实例为：代价指标小于0.7，时间小于0.7，可靠度大于0.5，评测系统运用算法1得到的平均QoS指标变化情况，如图4和图5所示。可以看出，随着工作流任务的增多，QoS指标(代价与执行时间) 上升，可靠度下降。这与实际情况相符合，而且增长的趋势与幅度与经过数值计算所得结果基本相同，这说明了系统评测的有效性。实验中只对代价指标小于0.7，时间小于0.7的服务实例进行选择，所以，其QoS较高，但系统能够接受的任务数下降，因为某些低性能指标的服务实例不会构成可执行的工作流。

1—时间；2—代价

图 4  时间和代价随迭代次数的变化情况

Fig.4  Relationship between time, cost and iterative time

图 5  模型可靠度与请求数的关系

Fig.5  Relationship between availability and request numbers

同时，从图5可以看出，随着请求数目增加，能够完成的任务数下降，可靠性也下降。从以上2个实验结果可以看出，评测模型能够支持用户的个性化需求。

下面从服务组织方面对本文所提出的模型进行分析。一般的工作流性能评测对服务信任演化的机制考虑得不够，使得服务的个性化映射与定制在实践中存在困难^[15]。

b. 第2部分实验。本实验评测系统主要对服务工作流执行成功率进行评测，主要从如下2方面来考虑：一是信任演化关系对工作流执行成功率的影响；二是在动态变化的网络环境中不同调度算法的执行成功率。

    图6所示为基于信任演化的调度算法与未考虑信任演化关系的调度算法随着时间增长的调度成功率对比情况。在算法刚开始运行时，由于信任关系还未建立，因此，基于信任的调度成功率并无优势，但是，随着时间的增长，信任关系逐步建立，成功率也随之上升；而未考虑信任关系的调度无此特性。

1—基于信任演化的调度；2—未基于信任演化的调度

图 6  成功率随时间变化的比较结果

Fig.6  Comparison of success ratio over time

图7所示为动态服务下的成功率比较结果。从图7可以看出，在服务动态产生与消失比较频繁的情况下，测试出基于信任调度的成功率具有较大优势。

1—5%失效节点下基于信任演化的调度；2—5%失效节点下未考虑信任演化的调度；3—10%失效节点下基于信任演化的调度；4—10%失效节点下未考虑信任演化的调度

图 7  动态服务下成功率比较

 Fig. 7  Comparison of success ratio with dynamic service

从以上基于信任演化关系的评测结果看，工作流评测模型不仅对工作流调度进行较好模拟，还能对服务资源的组织关系进行较好反映；同时，从测试结果可以看出，SWES系统较好地满足了本文的设计要求，能对工作流调度算法进行较好评测。

4  结  论

a. 通过利用面向对象的编程方法、组件技术及SOAP协议，实现了一个功能强大、内容丰富的服务工作流性能评价系统SWES。

b.系统用Java语言编程实现,具有与平台无关、安全、健壮等特点，同时通过连接Internet中的UDDI，使系统具有较强的可扩展性。

c. 该系统为用户提供了个性化定制功能的同时，又能对传统调度算法的QoS指标以及扩展QoS指标进行性能评测，为服务工作流调度算法的研究提供了很好的性能评测平台。相关实验结果表明，该系统具有较强的稳定性和可用性。

参考文献：

[1] van der Aalst W. The application of Petri nets to workflow management[J]. The Journal of Circuits Systems and Computers, 1998, 8(1): 21-66.

[2] Papazoglou M P, Georglos D. Service-oriented computing[J]. Communications of the ACM, 2003, 46(10): 25-65.

[3] Korhonen J, Pajunen L. Automatic composition of web service workflows using a semantic agent[C]//Proceedings of the IEEE/WIC International Conference on Web Intelligence (WI2003). Halifax, 2003: 566-572.

[4] Liu Y T, Anne H H, Zeng L Z. QoS computation and policing in dynamic Web service selection[C]//Proceedings of the WWW 2004. New York: ACM, 2004: 66-73.

[5] 王 勇, 胡春明, 杜宗霞. 服务质量感知的网格工作流调度[J]. 软件学报, 2006, 17(11): 2341-2351.
WANG Yong, HU Chun-ming, DU Zong-xia. QoS-aware grid workflow schedule[J]. Journal of Software, 2006, 17(11): 2341-2351.

[6] 张伟哲, 方滨兴. 基于信任QoS增强的网格服务调度算法[J]. 计算机学报, 2006, 29(7): 1157-1166.
ZHANG Wei-zhe, FANG Bin-xin. A trust-QoS enhanced grid service scheduling[J]. Chinese Journal of Computers, 2006, 29(7): 1157-1166.

[7] Estrin D. Improving simulation for network research[R]. University of Southern California Sep, 1999.

[8] 许 红, 王 茜. 基于Web Service的工作流管理系统的研究与实现[J]. 计算机应用与软件, 2006, 23(4): 44-47.
XU Hong, WANG Qian. Research and implementation of Web service based workflow management system[J]. Computer Application and Software, 2006, 23(4): 44-47.

[9] Exspect User Manual[EB/OL]. [2006-01-10]. http://www. exspect.com.

[10] 朱海平, 肖诗旺, 车 争. 支持业务流程分析的工作流仿真研究[J]. 小型微型计算机系统, 2006, 27(8): 1531-1535.
ZHU Hai-ping, XIAO Shi-wang, CHE Zheng. Research on workflow simulation supported business process analysis[J]. Mini-Micro Systems, 2006, 27(8): 1531-1535.

[11] 胡春华, 吴 敏, 刘国平, 等. 一种基于业务生成图的Web服务工作流模型构造方法[J]. 软件学报, 2007, 18(8): 1870-1882.

HU Chun-hua, WU Min, LIU Guo-ping, et al. An approach to constructing Web service workflow based on business spanning graph[J]. Journal of Software, 2007, 18(8): 1870-1882.

[12] 蒋运承, 汤 庸. 服务组合的质量估计模型[J]. 小型微型计算机系统, 2006, 27(8): 1519-1526.
JIANG Yun-cheng, TANG Yong. Quality of service estimation model for service composition[J]. Mini-Micro Systems, 2006, 27(8): 1519-1526.

[13] 代 钰, 杨 雷, 张 斌. 支持组合服务选取的QoS模型及优化求解[J]. 计算机学报, 2006, 29(7): 1167-1178.
DAI Yu, YANG Lei, ZHANG Bin. QoS for composite Web services and optimization[J]. Chinese Journal of Computers, 2006, 29(7): 1167-1178.

[14] HU Yan, ZHANG Guang-zhao. Study of the self-similar traffic stream generated by heavy-tailed ON/OFF source model[J]. Journal of Circuits and Systems, 2001, 6(3): 71-77.

[15] 胡春华, 吴 敏, 刘国平. 一种新的工作流宏观自组织演化机制研究[J]. 计算机工程, 2007, 33(1): 124-126.

HU Chun-hua, WU Min, LIU Guo-ping. A novel research on macro workflow self-organization mechanism[J]. Computer Engineering, 2007, 33(1): 124-126.

收稿日期：2007-03-18；修回日期：2007-05-08

基金项目：国家杰出青年科学基金资助项目(60425310)；湖南省自然科学基金资助项目(05JJ40118)

作者简介：胡春华(1973-)，男，湖南新化人，博士，讲师，从事Web服务工作流、电子商务等研究

通信作者：胡春华，男，博士，讲师；电话：0731-8688252；E-mail: huchunhua777@163.com