云环境下空间处理服务组合的即时自治愈研究

It is difficult to ensure the availability of geoprocessing service compositions (GPSC) in cloud environment because of high dynamics of cloud resource, QoS diversity of cloud services and error-prone feature of geoprocessing workflow. Self-healing means self-monitoring, self-diagnosing and self-recovering, which is an effective way to resolve the availability problem of GPSC in cloud computing. However, the existing GPSC models cannot describe self-healing constraint perfectly. Besides, the running faults in GPSC are difficult to be discovered. What’s more, an instant self-healing mechanism is lacked in GPSC in cloud environment. Thus, around the GPSC’s self-healing life cycle which includes the design, monitor and recovery stages, this project will make researches in the following aspects. 1) Based on the characteristics of geoprocessing workflow, an abstract GPSC meta-model will be set up with high-level business logic, semantic descriptions and self-healing constraints. 2) Considering the procedure and behavior characteristics of geoprocessing services, a monitoring method towards asynchronous geoprocess is proposed. 3) Aiming at the real-time requirement for self-healing in cloud environment, a research on instant recovery mechanism including part execution-part compiling-part recovery will be made. A prototype of Self-healing GPSC framework on Window Azure cloud will be implemented. Results of this project will be helpful in improving the availability of GPSC in cloud and reducing the consumption of cloud resources.

云资源的高度动态性、云服务质量的差异性及空间处理流程的易错性等导致了云环境下空间处理服务组合的可用性难以保证。自治愈是复杂系统自我监测、诊断及恢复的机制，是解决可用性问题的有效途径。然而，现有研究不能完整支持空间处理服务组合的自治愈描述，难以准确感知空间服务组合的异常失效，缺乏即时有效的修复机制。因此，本项目将在深入分析空间处理特点基础上，围绕服务组合的设计、监测及修复的自治愈生命周期，1）采用工作流及形式化相关知识，建立高层业务逻辑、语义描述及自治愈约束完整表达的抽象服务组合元模型；2）针对空间处理服务的过程特点及行为特点，提出基于异步服务过程的监测方法；3）考虑云环境对自治愈的实时性要求，研究局部执行-局部编译-局部修复的即时修复机制。最后，项目将在Windows Azure云环境下实现原型验证系统。项目的研究成果将有助于提高云环境下空间处理服务组合的可用性，降低云计算资源的耗费。

云环境下空间处理服务的动态协同处理是空间信息科学研究与工作模式的必然发展趋势。云资源的高度动态性、云服务质量的差异性及空间信息处理的易出错性等导致了云环境下空间处理服务组合的可用性难以保证。因此，云环境下如何实现空间处理服务组合的即时自治愈是当前云计算趋势下空间信息服务领域亟待解决的关键问题。围绕空间处理服务组合的设计、运行（监测）、修复的自治愈生命周期，本项目深入分析和归纳了云环境下空间服务组合的失效机理和失效类型，并系统地归纳了现有修复策略，提出了一套完整的独立于高层业务逻辑的空间服务组合自治愈策略描述元模型。其次，针对其数据密集计算密集且耗时漫长的特点，包括交互模式、消息传递及状态表现等特点，提出了面向异步空间处理服务组合的状态监测方法。接着，在前两部分研究基础上，结合面向异步处理服务过程的监测方法及自治愈策略描述模型，基于空间服务的QoGIS性能指标，研究提出了基于时空特征协同过滤的QoGIS预测模型用于替换空间处理服务的优选策略；针对空间服务组合的局部失效流程，提出了基于遗传-Skyline的重规划策略STOR算法，以达到局部修复的目的。最后，本项目在Windows Azure云环境下实现了一个空间处理服务组合的自治愈框架原型，对修复机制予以了验证。.云环境下空间处理服务组合的即时自治愈研究，为云环境下空间处理服务组合的可用性问题提供一个全新的解决方案，也为空间处理模型的使用者提供了一个高效可靠的服务组合运行框架，同时，提高了云环境下空间处理服务组合的可用性，降低了云计算资源的耗费，促进了云计算趋势下的空间数据到知识的快速转换。