一种最优轮廓服务集获取方法
【专利摘要】本发明涉及一种最优轮廓服务集获取方法，包括以下步骤：1)根据用户提交的轮廓分析指令集合AS，构建轮廓服务选择代价评估器；2)基于轮廓服务选择代价评估器，产生通讯代价最小轮廓服务集合OSSMCC；3)基于轮廓服务选择代价评估器，产生任务代价最小轮廓服务集合OSSMTC；4)构建轮廓服务收益指数计算器，对于给定的轮廓服务OS，计算器获取OS从服务提供商端传输到企业用户端后的收益值；5)根据轮廓服务收益指数计算器，在用户给定的最大允许值MaxAV的约束条件下，获取最终的最优轮廓服务集合OOSS。与现有技术相比，本发明具有等准确、快速、高效等优点。
【专利说明】一种最优轮廓服务集获取方法
【技术领域】
[0001]本发明涉及计算机【技术领域】，尤其是涉及一种最优轮廓服务集获取方法
【背景技术】
[0002]随着科学技术的进步以及计算机、网络技术的迅猛发展，企业内的数据量将呈指数级膨胀。由于待分析数据的海量性，使得用户无法将考察视线聚焦在有用的信息上，从而影响了决策和分析的质量。因此，为了能够有效捕获用户所需的数据，研究人员给出了若干种有用的方法和策略，主要包括:0LAP (On-Line Analytical Processing)分析技术、Top_k查询技术、聚类技术、分类技术、以及轮廓分析技术。目前人们对OLAP分析、Top-k查询、聚类以及分类这4种技术的研究和认识已日趋成熟，并且在市面上存在多个与这些技术相关的优秀产品；而人们对于轮廓分析技术的研究和认识仍处于初级阶段，并且据我们所知，市面上还没有出现该类的成熟产品。
[0003]轮廓分析是一种无权重的偏好查询技术。给定对象集合Ψ = {pl，，pn}，其中每个对象Pi(i e [O,η])总共具有w个属性(也叫维度)，每个维度衡量它的一个子特征(比如距离，价格等)；轮廓分析就是在Ψ中找出一类对象集合SKY，它满足如下条件:SKYevi；
且SKY中每个对象在所有w个维度上的取值不会均差于Ψ中的某一对象。显然，用户只需要考虑属于轮廓集合的那些对象，而不必关心那些被过滤掉的元素，这样用户就可以在小规模的轮廓集合上对自己感兴趣的对象进行选择。
[0004]2001年的I⑶E会议上，S.Borzsonyi等人首次将轮廓分析处理作为查询操作符引入到关系数据库领域中，并给出了嵌套SQL语句实现轮廓分析的方法，如下所示:
[0005]SELECT...FROM Base_Table T
[0006]WHERE Condit1n(T.al，...，T.as)AND NOT EXISTS(SELECT...FROM Base_TableTlffHERE Condit1n (Tl.al, ,Tl.as) AND Tl.dl <= T.dl...AND Tl.dm<= T.dm AND (Tl.dl < T.dl...0R Tl.dm < T.dm))
[0007]当S.Borzsonyi等人首次将轮廓分析处理作为查询操作符引入到关系数据库领域中之后，在接下来的几年时间，人们逐渐发现它的重要性，并着重研究它的效率，这主要是因为当输入对象个数和维度数量较大时，用嵌套的SQL语句来实现轮廓分析的时间开销是用户所不能容忍的。研究人员所使用的技术路线大都是采用某种有效的多维索引机制(如R-树及其变种等)来剪枝一部分待比较的对象，从而加快返回轮廓集合的速度。
[0008]随着互联网技术的深入发展，软件即服务模式(Software-as-a-Service:SaaS)作为一种新型软件服务形式，受到国内外中小型企业的青睐并在全球兴起。SaaS模式是指软件开发商以单个客户为基础出租他们的产品，并为客户运行这些程序。开发商们一般操纵与程序相关的数据中心，负责维护、更新底层的软件和硬件，而客户们仅仅通过一个公共的网络入口便可以操作这些软件。大多数的中小型企业在信息技术软件和硬件的购置方面存在预算瓶颈，SaaS模式则是解决这一问题的有效途径。
[0009]在SaaS模式下，我们可以将轮廓分析所涉及的预存视图看作一类web服务，即轮廓服务。为了提高轮廓分析的效率，我们可以不直接将分布在多个物理位置的详细数据作为轮廓分析的输入参数，而是将若干轮廓服务构成的集合作为其输入参数。本发明针对用户提交的不同类型的轮廓分析指令，在给定通讯代价的最大允许条件下，来获取最优轮廓服务集合。
【发明内容】
[0010]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种最优轮廓服务集获取方法
[0011]本发明的目的可以通过以下技术方案来实现:
[0012]一种最优轮廓服务集获取方法，包括以下步骤:
[0013]I)根据用户提交的轮廓分析指令集合AS，构建轮廓服务选择代价评估器；
[0014]2)基于轮廓服务选择代价评估器，产生通讯代价最小轮廓服务集合0SSMCC，通过单遍扫描分布式系统中的所有轮廓服务0SS，利用通讯代价的计算模型来获取集合
【权利要求】
1.一种最优轮廓服务集获取方法，其特征在于，包括以下步骤: 1)根据用户提交的轮廓分析指令集合AS，构建轮廓服务选择代价评估器； 2)基于轮廓服务选择代价评估器，产生通讯代价最小轮廓服务集合OSSMCC，通过单遍扫描分布式系统中的所有轮廓服务OSS，利用通讯代价的计算模型来获取集合
3)基于轮廓服务选择代价评估器，产生任务代价最小轮廓服务集合OSSMTC； 4)构建轮廓服务收益指数计算器，对于给定的轮廓服务OS，计算器获取OS从服务提供商端传输到企业用户端后的收益值； 5)根据轮廓服务收益指数计算器，在用户给定的最大允许值MaxAV的约束条件下，获取最终的最优轮廓服务集合00SS。
2.根据权利要求1所述的一种最优轮廓服务集获取方法，其特征在于，所述的步骤I)包括以下步骤: 11)计算选择轮廓服务OSS=1S1, -,OSJ的通讯代价
其中，Cost(OSi)为OSi从服务提供商端传输到企业用户端的通讯代价； 12)由OSS获取OAS分析结果集的任务时间开销
其中，0AS = {0A …，0Aj 为用户提交的轮廓分析指令，OS (OAi)为负责轮廓分析指令OAi的轮廓服务，而Cost (OS (OAj)，0A，)为由OS (OAi)获取OAi分析结果集的时间代价。
3.根据权利要求1所述的一种最优轮廓服务集获取方法，其特征在于，所述的步骤3)包括以下步骤: 31)构建第一辅助加权二部图3(Φ，Ω, Ε?ΦΩ, λ )，其中，cD=0SS，Ω = 0AS, Ε?φ Ω为OS向OA映射所形成的一条边< OS，OA >，λ为EDtci2附有的权值； 32)构建第二辅助加权二部图卯(ΦΕ,Ωε, EDe, λ ’)，通过最大基数匹配原理获取Φ的一个子集φ’，使得
最小，其中，轮廓分析指令ω e Ω, ω的轮廓服务
为第一辅助二部图3中顶点φ的度数，Ωκ= Ω，
33)获取任务代价最小轮廓服务集合0SSMTC，通过子集Φ’中边集M的顶点集V(M)，定义νΦ(Μ) =V(M) n CDRdfVO(M)中的顶点映射回第一辅助加权二部图3中，那么Φ’中的那些顶点就是所需要的任务代价最小轮廓服务集合0SSMTC。
4.根据权利要求1所述的一种最优轮廓服务集获取方法，其特征在于，所述的步骤4)包括以下步骤: 41)获取传输轮廓服务OS而增加的通讯代价add。—。3，且add。—。3=Cost (0SS U {OS})-Cost (OSS)，其中，Cost (OSS U {OS})为选择与传输 OS 的时间代价: 42)获取轮廓服务OS的收益指数bIndeX(0S)，
,其中Cost(0AS oss u {os})为由OSS U {OS}获取OAS分析结果集的任务时间开销。
5.根据权利要求1所述的一种最优轮廓服务集获取方法，其特征在于，所述的步骤5)包括以下步骤: 51)创建一个列表Lffi来存储所有由OS负责的轮廓分析指令；52)访问OSSMTC集合，并将里面收益指数最大的轮廓服务hOS插入到OSSMCC集合中； 53)为hOS创建一个列表Lms来存储所有由hOS负责的轮廓分析指令； 54)从现有列表中删除所有Lms中所包含的轮廓分析指令: 55)从OSSMCC集合中删除列表为空的轮廓服务，判断通讯代价Ctjst(OSS)是否超过用户给定的最大允许值MaxAV，若为否则返回步骤52)，若为是则进行步骤56)； 56)返回OSSMCC作为最终的最优轮廓服务集合00SS。
【文档编号】G06F17/30GK104182491SQ201410392470
【公开日】2014年12月3日 申请日期:2014年8月11日 优先权日:2014年8月11日
【发明者】黄震华, 向阳, 方强, 张佳雯, 李美子 申请人:同济大学