云环境下商务工作流的时序正确性研究

发布时间：2020-11-10 07:08

　　 近二十年来,电子商务和电子政务不断发展和成熟。为了满足各个领域对业务过程自动化和执行效率的要求,商务工作流的应用越来越广泛,各类商务工作流系统也不断涌现。商务应用场景中最显著的特征是工作流实例的并发性——通常有大量并发的工作流实例以分布的形式被执行,每个实例对应一个用户或者系统请求。为了保障大规模并发实例执行所需的计算能力和足够的可扩展性,越来越多的商务工作流管理平台迁移到云环境当中,利用云计算技术提供的高效和可扩展的计算能力保障工作流实例的执行。典型的云工作流系统包括 Amazon Simple Workflow、IBM BPM on Cloud 和 SwinFlow-Cloud 等。商务应用中最重要也是最基本的属性是逻辑正确性,接收到处理请求之后必须通过正确的处理逻辑给系统或者用户返回正确的计算结果。而商务工作流系统作为一类典型的实时性系统,其计算的正确性不仅在于工作流实例执行过程中的逻辑正确性,还需要考虑工作流实例的时序正确性,即工作流实例的响应时间是否与预先设定的时间约束或者时序规约保持一致。如果工作流实例的响应时间约束条件得不到满足,大量的用户请求不能在时间约束内得到响应,不仅会使用户满意度下降,还可能导致返回的结果因为过期而失效,甚至会造成巨大的经济损失。因此,大规模并发执行的商务工作流实例能否达到预期的按时完成率(在时间约束内执行完成的比例)是衡量商务工作流系统服务质量的一个重要方面。然而,由于云计算环境的动态性以及工作流实例在执行过程中出现的不确定性等因素的影响,局部工作流活动在执行过程中可能出现不同程度的响应时延,从而影响整个工作流实例的按时完成。此外,并发执行的工作流活动之间对处理资源的竞争以及工作流实例中前后活动的逻辑依赖关系会加剧工作流局部延时的扩散和传播,并最终对工作流实例的按时完成率造成严重的影响。保障云环境下商务工作流实例的时序正确性主要面临以下几方面的困难。(1)工作流实例的大规模并发的特性使得每个实例的时序状态难以监控;(2)工作流实例执行过程中的动态性以及工作流活动的响应时延的传播特性使得工作流实例的时序状态难以度量和验证;(3)由于商务工作流实例的执行时间较短,检测到时序异常之后需要迅速、有效的进行异常处理,以保障其在时间约束内按时完成。对于上述问题,现有的工作流监控和验证等相关方面的研究都无法提供有效的解决方法。为此,本文针对云环境下商务工作流(以下简称“商务云工作流”)的时序正确性进行了一系列的研究,研究目标是保障商务云工作流实例的实际按时完成率不低于预先设定的目标值。特别说明的是,本文中提到的工作流“时序”是指在流程构建阶段由流程设计者预先设定的时间信息,比如工作流活动的平均执行时间和工作流实例的总体响应时间等。如果一个工作流实例或者活动违反时间约束,则称其时序行为出现异常,简称时序异常。时序一致性是指工作流执行过程中时间约束的满足性,即工作流运行时状态与工作流构建阶段设定的时序服务质量规约(本文具体指目标按时完成率)之间的一致性关系。如果两者的关系保持一致,则称商务工作流实例具有时序正确性。围绕上述目标,本文进行了以下三项主要的研究工作:(1)工作流时序异常数量的静态预测工作流的生命周期由工作流构建阶段和运行阶段两部分组成。本文提出了一种基于传染病模型的工作流时序异常的静态预测方法,在工作流构建阶段对运行过程中可能违反时间约束的工作流活动的数量进行预测,估算出每一类工作流活动中可能违反其对应的时间约束的活动数量。静态预测得到的结果可以为工作流相关配置(如时间约束和执行环境)的优化以及工作流实例执行过程中时序异常处理提供参考。据文献查证,本文提出的方法是首次在工作流实例运行之前对运行过程中可能出现的时序异常进行预测。实验结果表明,当商务工作流实例的并发量为10000时,预测结果的平均相对误差小于10%。(2)传播敏感的工作流时序一致性验证为了监控和验证商务云工作流的运行时时序一致性状态,本文提出了一种传播敏感的工作流时序一致性验证策略,相比较于现有的时序验证方法,本文提出的策略在验证效率和效果两方面都表现出更好的性能。首先,采用工作流吞吐量来度量工作流实例的运行时状态,提出了一种基于吞吐量的时序一致性验证模型。与现有的基于工作流响应时间的时序一致性验证方法相比,基于吞吐量的验证方法能大幅提高工作流时序监控和验证效率。此外,该模型充分考虑了响应时延在工作流系统中的传播效应,能获得更精确的时序一致性状态。在此基础上,结合现有的时序一致性检测点选择方法,本文提出了一种新的工作流时序一致性验证策略,该策略能够及时检测出工作流实例执行过程中的出现的时序不一致状态。(3)适应性的工作流时序异常处理为了保证工作流实例的按时完成率,工作流时序一致性策略检测到时序不一致之后,需要对已经发生的时序异常进行处理。为此,本文提出了一种适应性的工作流时序异常处理策略。该策略通过添加额外的处理资源来加快工作流实例的执行,增加整个系统的吞吐量,最终使工作流实例的按时完成率达到目标值。本文提出的工作流时序异常处理策略从新增资源的三个方面入手,首先定位到发生时序异常的云服务,再确定用于时序异常处理所新增的资源数量,最后通过一种适应性的方法确定新增资源的生命周期。该方法能够以尽可能少的资源消耗处理检测到的工作流时序异常,保证按时完成率。总的来说,针对云环境下商务工作流实例的时序正确性问题,本文进行了三部分研究工作,第一部分是在工作流构建阶段进行静态预测,后面两部分内容是在工作流实例的运行时阶段进行时序状态的监控、验证和处理。为“如何保证大规模并发执行的商务工作流实例在时间约束内按时完成”这一问题提供了有效的解决方案。本文采用云工作流原型系统SwinFlow-Cloud作为实验环境来验证上述策略的效果和有效性。
【学位单位】：武汉大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP311.52
【部分图文】：

图３－１证券交易流程??每个交易日有上百万的用户同时在线，在峰值时期的交易量最高可以达到几??百万笔每秒，平均每秒的交易量大概几千笔。图３－１中的第一步是客户委托，上??百万个客户在交易市场关闭之前随时可能发生委托，全国４０００多个营业部需要??同时受理客户提交的委托。在接收到客户委托之后需，证券公司首先验证委托数??据的有效性（步骤２），之后在证券交易所，被验证有效的委托根据交易规则进行??拟合交易（步骤３）。生成交易数据和费用等各项指标（步骤４－５）。在交易市场??关闭之后，证券公司要对当天的所有交易进行存档、汇总并完成清算。同时需要??计算各个证券公司的资金变化和股票交易量，然后把计算结果分发到结算公司以??及证券存托机构（步骤６－８）。这样整个清算过程可以以分布的形式并发进行。当??证券公司收到清算数据文件时，经过预处理之后在清算系统中完成清算，在大约??两个小时的时间内处理完一个大小约５０ＭＢ，包含高达５０万笔交易的数据文件??（步骤９）。对于每笔交易

之间的相互作用和依赖关系同样值得关注。??３．?３预测策略概述??图３－２综合提炼了本章节的重点研宄内容，它主要包括两部分。第一部分是??本文提出的时序异常预测策略，它在工作流构建阶段预测执行过程中可能出现的??时序异常活动数量。第二部作为理论基础，对同一个工作流活动不同粒度的多重??时序约束之间的依赖关系进行分析。??Ｓ?．２?Ｔｅｍｐｏｒａｌ??Ｉ．?Ｔｅｍｐｏｒａｌ?ｃｏｎｓｔｒａｉｎｔｓ?ＩＩ．?Ｔｅｍｐｏｒａｌ??ｇ?２?Ｃｏｎｓｔｒａｉｎｔｓ?Ｓｅｔｔｉｎｇ?＾?Ｄｅｐｅｎｄｅｎｃｙ?Ａｎａｌｙｓｉｓ??＾Ｔｅｍｐｏｒａｌ?；Ｇｕｉｄｃ??：Ｆｅａｔｕｒｅｓ＾?：??：?ＳＰ丨丨Ｕ丨叩?ｎ?＠?Ａｎａｌｙｚｉｎａ??Ｐａｒａｌｌｅｌ?①?Ｇｅｎｅｒａｔｉｎｇ?二＝Ａｃｔｉｖｉｔｙ?Ｓｔａｔｕｓ??Ｗｏｒｋｆｌｏｗ?ｉｎｓｔａｎｃｅｓ?Ｑｕｅｕｉｎｇ?Ｓｙｓｔｅｍｓ?ｂｙ?－?＞?ｉｎ?Ｑｕｅｕｉｎｇ??＾?Ｉｎｓｔａｎｃｅｓ?［ＡｃｔｉｖｉｔｙＴｙｐｅ??Ｓｙｓｔｅｍ?—??！?一一?ｙ??＾?Ｑｕｅｕｉｎｇ?／?Ｓｔａｔｕｓ??．２?Ｐａｒａｍｅｔｅｒｓ?／?ｔｒａｎｓｉｔｉｏｎ??ｕ????Ｙ?，??｜?￣?Ｔｒａ＿ｉｓｓｉ〇ｎ?③?ｎｍｐｏｄ?＾???Ｗ?Ａｃｑｕｉｒｉｎｇ?＾?ｐａｒａｍｅｔｅｒｓ??１??Ｐｒｅｄｉｃｔｉｏｎ?Ｒｅｓｕｌｔｓ?Ｖ

每一类工作流活动与其对应的云服务构成一个排队系统，而通过业务逻辑连接的??排队系统则形成了一个排队网络。??如图３－３所示，某个流程由若干个业务节点按照业务逻辑连接而成，在短时??间内该业务流程实例化生成大量相同类型的商务工作流实例。同类型的工作流活??动在图中用同种颜色表示，它们依次进入同一个排队系统当中等待执行。某个工??作流实例的活动执行完之后离开当前排队系统，进入下一个排队系统中等待执行，??以此类推，直到整个实例执行完成。排队系统中的云服务属于对应类型的工作流??活动的专用资源，即每一个云服务只能响应同一类型的工作流活动。由于每种类??型的活动的时间属性不同，每一个排队系统的排队特征（包括队列长度、平均等??待时间和云服务数量等）也各不相同。??３１??
【相似文献】

相关期刊论文 前10条

1 谢毅;贺田塔;倪倩芸;吴汗青;;面向能耗的云工作流调度优化[J];系统工程理论与实践;2017年04期

2 吕博文;杨怀洲;;工作流技术综述[J];智能计算机与应用;2018年01期

3 王福田;李月婷;章程;张以文;刘晓;杨耘;;实例密集型商务工作流检测点选择策略[J];计算机集成制造系统;2018年07期

4 聂竹青;陈智明;周湘超;陈义明;;评估机构分公司管理工作流系统的研究与设计[J];中国资产评估;2017年04期

5 侯敏;;基于工作流的实验室设备管理系统的架构设计[J];数码世界;2017年06期

6 王亚林;;基于微软平台的工作流技术开发实践与研究[J];数码世界;2017年09期

7 李洪波;;基于状态的可嵌入工作流系统设计[J];计算机与现代化;2011年02期

8 殷慧文;易俗;;工作流系统中一种基于任务-角色的委托模型[J];辽宁大学学报(自然科学版);2011年02期

9 张宁;岳耀志;;工作流系统在济宁联通的应用[J];科协论坛(下半月);2010年01期

10 桑莉莉;;工作流系统适应性检查点机制的研究[J];计算机应用与软件;2010年03期

相关博士学位论文 前10条

1 栗娟;面向移动云工作流的资源调度研究[D];武汉大学;2018年

2 罗浩宇;云环境下商务工作流的时序正确性研究[D];武汉大学;2018年

3 龚晓庆;基于Web服务的分布式工作流管理系统研究[D];西北大学;2004年

4 董云卫;工作流管理系统的事务建模研究[D];西北大学;2004年

5 吴士亮;面向行业的商品化管理信息系统框架构建与方法研究[D];南京理工大学;2005年

6 杜栓柱;分布式协同工作环境中时间工作流建模技术研究[D];浙江大学;2004年

7 张柯;联邦全过程全系统管理方法及技术研究[D];国防科学技术大学;2005年

8 肖郑进;面向企业应用的工作流精简建模研究[D];浙江大学;2006年

9 任怡;分布异构环境中事务工作流技术的研究[D];国防科学技术大学;2005年

10 陆剑江;支持工作流系统动态变化的柔性及适应性技术研究[D];苏州大学;2004年

相关硕士学位论文 前10条

1 孙小雅;科学工作流建模方法研究[D];吉林大学;2019年

2 王业国;云计算下商务工作流的时序管理研究[D];安徽大学;2019年

3 王嘉祺;基于星环大数据平台的工作流管理系统的设计与实现[D];南京大学;2019年

4 姚升钢;基于工作流的财务预算管理系统研究[D];浙江工业大学;2018年

5 李月婷;基于预测的商务工作流运行状态处理研究[D];安徽大学;2019年

6 张涛;基于工作流的边检技术保障管理系统设计与实现[D];西安电子科技大学;2018年

7 张淑云;基于蜂群与遗传混合算法的多目标云工作流任务调度机制研究[D];内蒙古大学;2019年

8 黄凯锋;基于工作流的高校外事管理系统的研究与设计[D];上海交通大学;2017年

9 陈兵;基于微软工作流的运维管理系统的设计和实现[D];上海交通大学;2017年

10 金延庆;企业移动化工作流系统的研究与实现[D];上海交通大学;2016年

本文编号：2877640