SaaS移植中自底向上的服务识别方法

发布时间：2024-05-16 04:17

　　软件规模的增长使得软件开发的难度越来越大,而SaaS移植因其移植过程中的灵活性和可扩展性成为在云环境中进行软件开发的重要手段。在移植过程中需要将遗留系统的可重用部分包装为服务,所以如何识别出完整且独立的服务是移植过程中首先面临的问题。论文针对已有的服务识别方法中存在的服务质量低、识别质量差等问题,对基于类关系类型信息的软件聚类方法进行了改进,优化了自底向上的服务识别过程。论文主要有以下几方面创新之处:1.改进基于类关系类型信息软件聚类方法。提出一种半随机的初始化种群生成方法,并通过引入自适应遗传算法保证遗传算法种群的多样性,解决原方法软件聚类结果不稳定的问题,提高服务识别的质量。2.针对聚类算法进行多目标优化。使用主客观综合赋权法将多目标软件聚类问题转化为单目标问题,实验结果证明优化后的单目标聚类算法在不影响服务质量的前提下,明显缩短了聚类时间,提高了服务识别的效率。3.实例验证。使用将基于工作流的云资源选择系统作为遗留系统,进行自底向上的服务识别,对软件聚类结果进行分析,验证服务识别方法的正确性。论文通过大量的对比实验验证改进后的方法无论在服务识别的准确性还是时间效率上都有了明显的提...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图3.4软件聚类算法伪代码Figure3.4paretosoftwareclusteringbyGA算法描述如下：

Class1Class2Class3class5associationimplementationdependencyextendClass4class7Class6class9Class8Class10associationimplementationassociationde....

图3.5JUnit中的类以及类之间的关系

SaaS移植中自底向上的服务识别方法第i个类被划分到了第j个群集中。

图3.6JUnit中类对应的R-MDGFigure3.6theR-MDGcorrespondingtotheclassesofJUnit

SaaS移植中自底向上的服务识别方法i个类被划分到了第j个群集中。图3.5JUnit中的类以及类之间的关系Figure3.5theclassesandtherelationshipsbetweenclassofJUnit

图5.2云资源选择系统对应GraphML文件Figure5.2GraphMLfileofcloudresourceselectionsystem

图5.2云资源选择系统对应GraphML文件Figure5.2GraphMLfileofcloudresourceselectionsystem图5.3云资源选择系统模块依赖图Figure5.3MDGofcloudresourceselec....

本文编号：3974678