在云计算环境下,用户能够方便地按需获得满足其要求的软件资源或网络应用。然而,随着用户数量和被部署的服务数量的不断增加,云中大规模服务(简称云服务)信息维护的时间开销越来越大,结果导致其无法及时响应用户的服务请求,服务提供能力急剧下降。针对上述问题,本文基于HBase和MapReduce机制提出了一种的快速云服务发现方法。该方法包括两个阶段：首先将QoS-Tree引入到HBase中,并提出了一种基于QoS-Tree的存储表结构,从而通过将QoS-Tree中左孩子存在的传递关系看作索引节点来减少Web服务匹配的时间开销,同时能够保证HBase支持复杂的服务质量(Qulity of Service,QoS)信息查询;然后,提出一种基于MapReduce的服务聚类算法,用于提高云服务分类管理能力,同时通过将并发的单源搜索过程分解为多源搜索过程,提出了一种多源搜索算法,用于进一步降低服务发现时间。基于WSBen和WS-Challenge 2008产生的数据集上的实验结果表明,本文提出的服务发现方法不仅能够有效地降低云服务信息维护的时间开销,而且在保证服务质量的同时能够快速地响应用户的服务请求。
暂无评论