面向服务的自适应云资源信息集成软件架构

-面向效劳的自适应云资源信息集成软件架构摘 要:面向效劳体系架构是实现云资源信息集成的软件开发关键技术。目前，常见的soa平台云效劳效率比较低，尤其是不能支持自适应云资源信息集成软件的动态变化。为改善和提高软件的云资源信息集成效果和扩展度，首先对软件资源集成的云模型表示方法、云资源信息集成软件架构的行为规约及效劳组合调度算法等方面展开研究；然后基于此改进相应算法，提出一种面向效劳的自适应云资源信息集成软件架构；最后进展了应用实验。实验结果说明，所提模型比传统架构更具有良好的云资源信息集成效果和实用价值。关键词:面向效劳体系架构；云资源；信息集成；行为规约；自适应软件架构abstract: service-oriented architecture (soa) is the key technology of software development for realizing cloud resource information integration. nowadays, mon soa platforms usually have lower cloud service efficiency, especially incapable of supporting dynamic evolution of integration software of self-adapted cloud resource information. to improve software efficiency and e*tension for cloud resource information integration, first by studying cloud model of software resource integration, behavior specification and service bination algorithms of cloud resource integration software architecture, then improving corresponding algorithms, a software architecture was proposed for service-oriented and self-adapted cloud resource information integration. finally, the application e*periments were made. the e*perimental results demonstrate the proposed model has sound resource information integration effects and utility pared with conventional architectures.key words: service-oriented architecture (soa); cloud resource; information integration; behavior specification; self-adapted software architecture0 引言面向效劳的自适应云资源信息集成软件系统是一种利用云资源信息集成效劳平台，按用户需求自组织云环境软件资源，为用户提供效劳的新模式软件系统1。面向效劳的体系架构(service-oriented architecture, soa)作为信息资源集成软件开发的重要复用手段和重点研究内容，在云资源信息集成软件设计中同样发挥着重要作用。随着信息技术的开展，面向效劳的资源信息集成软件架构突破了时空约束，越来越朝着资源“云化与集成化方向开展，其指导思想是利用云模型在信息资源定性、定量表示及其转换时的桥梁作用，把互联网信息资源虚拟化为“云后集成存储起来，面向特定用户提供效劳1。因此，面向效劳的自适应云资源信息集成软件架构是指将先进的互联网技术、软件开发技术与云计算技术相结合，基于云环境信息资源的虚拟集成和大规模应用的可伸缩性、自适应性而构建的面向用户特定效劳的软件开发模型2-3，是对云资源信息集成软件所需的软件元素如构件、软件元素属性及其之间的关系如构件之间、构件与环境之间、云滴与云滴之间等方面的综合描述4。基于此，可以为用户提供一个集网络集成、云资源信息集成和应用效劳集成为一体的软件支撑平台。1 有关研究目前，相关的软件架构主要包括云制造架构1、云布局架构21473、面向效劳的语义架构4960、面向效劳的虚拟采办架构5、可信架构6、bigraph自适应软件架构简记为bigraph架构7、uml架构8、矢量图架构9、决策架构10、多维别离架构11等。传统软件架构的研究重点在于使分散的软件资源通过大型网络连接起来，形成物理上的效劳中心，强调资源会聚，协同完成任务，进而为分布在不同地理位置上的用户提供各类效劳11,21473,31337。但传统软件架构的算法转换和数据库检索的时间复杂度偏高，稳定性和平安性偏低，尤其是缺乏效劳组合自适应规约和调度模型，行为自动建模能力缺乏。传统软件架构并不能很好地验证软件系统演化过程中的自适应性、一致性、兼容性、灵活性、完整性等动态特征，这对云资源信息集成软件的开发产生了严重影响。为更好地满足自适应云资源信息集成软件开发需求，本文针对传统架构的缺乏，从软件资源集成云模型表示、架构行为规约及效劳组合调度等角度，设计一种面向效劳的自适应云资源信息集成软件架构service-oriented self-adapted cloud resource information integration software architecture, sosacriisa。2 sosacriisa关键技术2.1 面向效劳软件资源集成的云模型表示方法云模型具有良好的数学性质，能够实现定性概念与其数值表示之间的不确定性转换算法，例如正态分布云模型、正向云模型、逆向云模型，是最重要的用于统一刻画语言值随机性、模糊性及二者之间关联性的模型12-13。设u是一个用数值表示的定量论域，c是u上的定性概念，假设定量值*u是c的一次随机实现，*对c确实定度(*)0,1是有稳定倾向的随机数，且当:u0,1，有*u,*(*)，则*在论域u上的分布称为云，记为c(*)，每一个*称为一个云滴121343,133316。假设h，i，k，rn，nn，软件构件集=i|in；软件构件属性集a=ai|in；软件资源集sr=sri|in；效劳组件集s=si|in；dom(集合)表示定量论域，其定量值为n,即、a、sr、s分别是论域dom()、dom(a)、dom(sr)、dom(s)上的定性概念；资源sri和srj是定性概念sr中的随机实现，其输入参数分别以srhi、srki表示，且互不一样，输入参数间的配对集记作p1(sr)=srh1,srk1,srhr,srkr；效劳组件sh、sk分别是定性概念s中的随机实现，其输入参数分别以shi、ski表示，且互不一样；输入参数之间的配对集合记作p2(s)=sh1,sk1,shr,skr；con(h)是第h个效劳提供给其他组件的随机活动集合，活动执行标记为f；var(k)是第k个效劳运行所需其他组件支持的随机活动集合，执行标记为g。假设f和g，都有fdom(s)gp2(s)， fdom(sr)gp1(sr)， fdom()gp1(sr)， fdom(a)gp2(s)，使得：icon(h)var(h)srivar(srk)con(srk)sivar(sk)con(sk)aivar(akcon(ak)(1)则称面向效劳组件集s的软件资源集sr基于云模式进展了资源集成行为运算，记作ssr或fg。该运算实质是资源信息被虚拟化为云模式表示的过程，它是由效劳组件sh、sk通过正向云算法121343对资源srh、srk进展连接子规约运算行为而实现的。但该运算仅描述了软件架构行为规约的共享模型，它并不能保证演化完毕后新的云资源信息集成软件架构各效劳组件之间依然保持一致，缺乏效劳组件自适应的行为规约具体算法，在云资源信息集成软件架构行为规约的自适应规则设计方面则显示出缺乏。在软件架构复用时，由于不同的软件架构其行为方式不同，设计软件架构行为规约的自适应规则并将软件架构*些局部相应地替换为实际需要的元信息描述显得非常重要。因此，需对自适应云资源信息集成软件架构的行为规约算法进展设计。2.2 云资源集成软件架构的行为规约算法软件架构行为规约是云资源信息集成软件架构研究中的重要内容，它是一个软件工程中供管理团队、架构师、开发师自动控制与规约软件架构行为的环节，贯穿了软件工程的生命周期，主要用来将软件架构行为中的元信息例如运算状态控制、交互类型、层次数及模块数自动控制、平安性、自适应环境变化等方面的信息表示成形式化的规则形式，这有助于解决软件架构行为随效劳组件动态变化而动态演化的问题。软件架构行为规约的研究模型比较多，其中bigraph理论自适应规约模型798、schema模型101198、决策网构软件模型14是性能较好的模型。尤其是bigraph理论自适应规约模型的演算语法重点规约运算状态控制，而schema模型则重点对软件架构连接子的交互程度、类型及自适应规则进展规约。它们的总体思想是识别、归并与规约软件架构集成元信息，从而使云资源信息集成软件架构中效劳组件的根本组成单元自适应初步的行为可变性控制。但它们在单独规约云资源信息集成软件架构连接子的更新行为时，更多的是将架构中效劳组件的运算行为置于一种不活泼控制状态，限制了云资源信息集成软件架构连接子交互类型确实定及效劳组件运算行为的进一步动态性演化。2.2.1 演算语法的改进算法鉴于bigraph理论自适应规约模型的优点，在2.1节介绍的相关概念表示的根底上，使用正态分布云模型，先对bigraph理论自适应规约模型的演算语法进展如下形式的算法改进：程序前b=pre.b| if a is true then b1 join b2 |chooseactive b1 or b2 orbn| if a is false then b remove b1 or b2 orbn| inactive distribution| replicate b|pre=byf send v| by f receive v程序后其中bi为运算行为i为自然数；if、then、choose、inactive为不活泼控制元素，作用是将2.1节中以定性概念表示的软件构件集、软件构件属性集a、软件资源集sr、效劳组件集s置于不活泼行为控制状态；remove、active、send、replicate、receive为活泼控制元素，作用是利用正态分布云模型所具有的不确定知识表示的普适性，将2.1节中以随机概念表示的资源sri、活动集con(h)与var(k)、输入参数shi与ski、配对集p1(sr)与p2(s)置于活泼行为控制状态。因此，相比改进前的演算语法799，作如上算法改进的好处是针对云资源信息集成软件架构连接子的增加、删除或更新行为，可将运算状态控制、层次数及模块数自动控制等元信息的控制行为置于活泼或者不活泼状态，使得2.1节中的fg运算在自适应演化完毕后新的云资源信息软件架构各效劳组件之间依然保持一致，并在变化的云环境中展示出不同的行为，这对于自适应云资源信息集成软件而言不会因为环境变化而对运算结果产生严重影响。2.2.2 自适应规则的改进算法改进后的演算语法在启动新的迭代过程之前，需要利用模型的形式化定义准确刻画云资源信息集成软件架构连接子之间的交互程度以及确定交互类型，而这是改进的bigraph理论自适应规约模型并不完全具备的功能。另一方面，基于正向云模型的schema模型重点描述了软件架构连接子的交互程度、类型及具体规则，但是缺乏多属性决策过程的优选，规则自适应能力和动态性演化能力有限。因此为了进一步对云资源信息集成软件架构的行为进展规约，可以综合利用正向云模型和改进的bigraph理论自适应规约模型的优点，把schema模型改进为如下形式的云资源信息集成软件架构行为规约的自适应规则：程序前.云资源元信息描述.?behavior id=“no.n name=“samplen?/编号与名称?inputsolutions id=“*n?/n个输入单元的解决方案?outputsolutions id=“ym?/m个输出单元的解决方案?self-adaption solutiona./自适应解决方案?service discovery and description?/效劳发现与描述?call self-adapted algorithm./自适应算法调用?service instance type?/效劳实例类型?behavior-connector type? /行为连接子类型?software system instance?/软件系统实例?算法完毕程序后其中由行为编号与名称规约2.1节中以定性概念表示的软件构件集、软件构件属性集a、软件资源集sr、效劳组件集s的运算行为，由此得到云资源信息集成的n个输入单元的解决方案以及m个输出单元的解决方案；然后设计自适应解决方案，实施效劳发现与描述；由自适应算法调用改进的bigraph理论自适应规约模型，明确处于活泼控制状态的资源sri、活动集con(h)与var(k)、输入参数shi与ski的效劳实例类型以及连接子交互类型，最终得到软件系统实例。这样改进的作用是综合利用面向效劳软件资源信息集成的云模型表示方法、正向云模型的定量概念值及其定性度之间具有二元组对应关系和改进的bigraph理论自适应规约模型可以随时启动自适应的体系架构方案选择、合成、评估的优点，通过活泼或不活泼控制，动态参加或删除自适应云资源信息集成运算行为，把自适应云资源信息集成的问题转化为fg运算多属性决策过程的优选问题。这比单独利用schema模型更能实现进一步的行为可变性控制和动态性演化，因此有效刻画了云资源信息集成软件架构连接子之间的交互程度及类型，抑制云资源信息集成软件架构行为规约在自适应规则设计方面的缺乏，实现了云资源信息集成软件架构行为的有效规约。2.3 云资源信息集成软件架构的效劳组合调度算法自适应规则通过活泼或不活泼控制动态参加或删除自适应云资源信息集成运算的行为，也实际上因此引出了自适应云资源软件架构研究中的另一个重要内容效劳组合调度。自适应云资源信息软件架构效劳组合调度就是对按一定规则组成的程序代码或进程或系统支撑环境效劳组件进展合理集成，而云资源信息集成软件架构效劳组合调度就是对假设干个满足云资源信息集成软件架构行为规约算法条件的云效劳组件进展自适应性的调度效劳组件可以是云数据、云数据的处理结果或者其他云实现模块。关于软件架构效劳组合问题的描述，文献4,6均有研究。相比较而言，可信代数模型更有优势，表达了云资源信息集成软件架构行为规约的自适应规则与效劳组合调度之间的一般关联性，但它仅仅把效劳组合解释成效劳组件“连接运算的实现或依赖“使用或“激发运算，尤其是缺乏云自动“选择运算和自动关联运算，行为自动建模能力缺乏。另一方面，逆向云模型121344有效地刻画了云资源信息集成的自动关联性。因此为了更好地表达云资源信息集成软件架构的自适应性和云资源信息集成的动态演化性此句不通顺，请作相应调整。，本节基于逆向云模型和可信代数模型提出一个云资源信息集成软件架构效劳组合调度算法。先设计一个效劳组合调度的约束条件。在2.2节自适应规则的根底上，再设e=e1,e2,en表示系统中全体效劳的元信息的集合n为自然数，ci(ei,prei,posti)表示包括效劳运行的初始条件ei为初始约束阈值、前置条件prei和后置条件posti的第i个效劳的行为约束信息集，它具有随着问题规模的变大其元素个数增加的性质即约束条件越多。假设eici(ei, prei, posti)ei+1ci(ei+1,prei+1,posti+1)，使得ei，都有ci(ei,prei,posti)ci(ei+1,prei+1,posti+1)是空集吗.请确认。，且e的元素个数n满足如下条件：n=ni=1ci(ei,prei,posti)ni=1sri(2)式(2)的表述容易引起歧义，请用分子、分母的方式(上下构造)来描述。则称面向效劳的元信息进展了效劳组合调度行为的约束运算。基于式2，不仅可以对2.1节中的fg运算进展一系列的迭代激发约束，而且可以对2.2节云资源信息集成软件架构行为规约的自适应规则实施使用约束，可以在条件成熟时调用自适应规则，这为可信代数模型自动“选择运算以及云资源效劳组合调度自动“选择过程的实现提供了必要的约束条件。在式2根底上，结合逆向云模型和2.2节云资源信息集成软件架构行为规约的自适应规则，可以将可信代数模型改进为如式3所示形式的云资源信息集成软件架构效劳组合调度公式，它是一个函数形式：dis(si,sj)=srin,srjnsi,sj(3)相比改进前的可信代数模型，式3的意义在于充分利用云资源信息集成软件架构行为规约的自适应规则所具有的不活泼控制状态if、then、choose、inactive、活泼控制状态remove、active、send、replicate、receive、连接子交互程度及类型的刻画能力以及逆向云模型在刻画云资源信息集成时的自动关联性，通过式2约束条件和的作用将云资源sri、srj输入参数之间的配对关系srin,srjn映射到效劳组件的输入参数之间的关系si,sj，效劳请求者再根据匹配到的输入参数返回基于数据绑定的效劳序列，实施效劳组合调度，抑制云资源信息的集成性和大规模应用的可伸缩性难以满足要求这两大问题这两大问题由改进前的可信代数模型仅关注于连接或激发运算而引起，有效实现云环境下的效劳组合调度自动“选择运算以及云资源信息集成软件架构的自适应性，真实反映云资源信息集成的动态演化性、复用性以及自动建模能力。3 sosacriisa的模型设计因为有关面向效劳的自适应云资源信息集成软件架构并没有现成的模型可参考，但通过2.12.3节的sosacriisa关键技术，借鉴文献1,9-10中的建模方法，本文所提的面向效劳的自适应云资源信息集成软件架构可以采用如图1所示的三层构造，主要包括三方面集成：原始信息集成物理层、云资源信息集成逻辑层和效劳组件集成应用层。根据图1所示，为了使基于面向效劳的自适应云资源信息集成软件架构开发的软件系统更为简洁和便捷，每个软件系统都首先经过问题提出、问题解决方案、方案开发等过程，主要面向特定应用领域，提供不同的应用接口以及用户注册。首先在“问题提出层面基于任务驱动，分析系统的功能模块，确定所需的任务元素，总结问题，并初步设计多种开发方案；其次是在“方案开发层面进展多种方案的分析、评估与选择，进而确定问题方案，例如确定基于云平台的企业产品制造信息集成系统的开发与运行环境、设计流程与方法等。其中输入参数为软件需求分析、问题驱动，方案评估与选择；输出参数为后续待求解的云资源信息自适应集成、软件架构自适应复用。1原始信息集成。该层处于最下层，属于物理层，该层资源以最原始的纸质表示形式存在例如调查文档、订单、出库入库单、销售清单、资金流清单等，并通过网络技术将输入到网络中，实现物理资源的全面互联。利用2.1节fg运算把软件构件集、软件构件属性集a、软件资源集sr、效劳组件集s等定性概念以及资源sri、活动集con(h)与var(k)、输入参数shi与ski、配对集p1(sr)与p2(s)等随机概念表示为云模式，以便为后续的云资源信息集成软件架构行为规约的自适应规则设计及云资源信息集成和调用阶段提供接口支持。2云资源信息集成。该层是中间层或逻辑层，主要作用是通过2.2节云资源信息集成软件架构的行为规约算法、云端接入技术等，将接入到网络中的各类原始信息会聚成虚拟云资源例如计算资源、硬件资源、软件资源、数据资源、知识资源、存储资源、带宽资源、模型资源，以web形式为上一层的效劳组件调用提供所需资源。该层通过使用2.2.1节改进的演算语法和节改进的schema模型使得云资源信息集成在自适应演化完毕后新的效劳组件之间依然保持一致，有效刻画云资源信息集成软件架构连接子间的交互程度及类型，表达“分散资源集中使用的思想，初步解决软件架构行为随效劳组件动态变化而动态演化的问题。3效劳组件集成。该层是高层应用层，面向各个领域和行业，并将虚拟的云资源封装成云效劳例如领域此题库、共享知识库、案例应用库、仿真数据库、仿真模型库、仿真环境库等，以web效劳组件形式存在，承受来自逻辑层的资源信息。该层通过使用2.3节效劳组合调度算法中的约束条件和改进可信代数模型实现云端效劳发布并提供相应效劳，不同行业用户只需通过云资源门户界面，即可和使用各类云效劳，表达“集中资源分散效劳的思想，实现云环境下的效劳组合调度自动“选择运算、云资源信息集成软件架构的自适应性以及云资源信息集成的动态演化性，提高行为自动建模能力。从抽象描述角度，图1所示的架构可以划分为树型层次构造，每个节点均表示一个云资源内容，相比改进前的模型见文献1,9-10，本模型不仅可以在架构复用过程中增加或删除由节点所表示的*些问题或方案及其属性，可以通过层次构造检索并修改*一特定属性信息，而且可随时调度自适应算法补充或修改各模块，使之自动适应环境，防止软件系统异构带来的问题。4 应用研究与性能分析本章设计产品制造云资源信息集成软件系统。系统主要用于将业务主体云请求端用户、制造厂家、原料厂家、云提供端用户、销售商、代理商、云效劳运行商、客户、银行、信誉机构、公正机构及其相关业务的信息以效劳集成的形式存储在云效劳器中，并通过2.12.3节的算法处理与传输，形成效劳组件并应用。实验所需各种均资源来自于cosim-csp云仿真原型平台16和amazon弹性计算云平台31347，以语句为资源计算单元，共有17000多条，且具有复杂、异构和动态的特点，这也是sosacriisa的主要目标。测试效果评价指标主要包括行为自适应规约完整性行为规约度、自适应效劳组合调度系数自调度、自适应资源集成度资源集成度、时间复杂度、复用的稳定系数和平安系数等参数。行为规约度是指云资源信息集成软件架构在连接子增加、删除或更新时行为活泼或不活泼程度，可以取“一般、“中等、“完整三个值，“完整说明算法越灵活，一般情况下能到达“中等以上即可；自调度是指自适应效劳组合调度程度，是根据式2、式3来求值的，当其取值*围在区间0.90，1.00时，可以认为自调度抑制了云资源信息的集成性和大规模应用的可伸缩性难以满足要求这两大问题；资源集成度是指原始信息集成、云资源信息集成和效劳组件集成这三方面集成的综合集成程度，是和行为规约度、自调度相联系的，当行为规约度到达“中等以上、自调度到达0.90以上时，资源集成度应该到达0.90以上，资源集成度越大，越能反映信息资源的自适应性；时间复杂度以算法运行时所消耗的整体时间来衡量，其单位是数量级，即指数10n的幂局部，n越大，表示速度越快，所消耗的整体时间越少,n的参考值在区间9.0，10.0；稳定系数和平安系数一般是指对云资源信息集成软件架构复用时的软件元素、元素属性及其之间的关系等方面的关联描述，当稳定系数的值在区间0.90,1.00、平安系数的值在区间0.70,0.90时，即可认为该软件架构的复用效果好。在对测试效果的评价指标及其值进展划分的情况下，为验证sosacriisa的有效性、稳定性、兼容性和可伸缩性，本节需要实施几个局部实验与全局实验。先分别按云制造架构、可信架构、bigraph架构以及决策架构设计产品制造云资源信息集成软件系统。所用数据来自于cosim-csp云仿真原型平台和amazon弹性计算云平台的17000多条云数据。实验时需要重点反映与刻画演算语法改进前、schema模型改进前、可信代数模型改进前系统性能。实验结果如表1所示。从表1可以看出，传统模型的行为规约度为一般或中等，均没有到达完整程度，而sosacriisa可以到达完整的程度，说明算法越灵活；自调度方面，改进前的演算语法是0.82、改进前的schema模型是0.88、改进前的可信代数模型是0.91，云制造架构是0.90，而sosacriisa的自调度到达了0.94；资源集成度方面，改进前的演算语法是0.68、改进前的schema模型是0.79、改进前的可信代数模型是0.85，云制造架构是0.89；而改进后的演算语法在sosacriisa资源集成度方面分别是0.93，说明系统抑制了云资源信息的集成性和大规模应用的可伸缩性难以满足要求这两大问题，能反映信息资源的自适应性；另外在时间复杂度、平安系数、稳定系数等方面，sosacriisa也比传统模型有更好的效果，平安系数和稳定系统分别到达了0.79和0.95，从宏观上说明了改进后的演算语法、schema模型、可信代数模型在云资源信息集成方面的优势。最后，为了进一步说明sosacriisa的优势，仍然采用上述数据，再按sosacriisa设计该系统，实验时不仅需要重点反映与刻画面向效劳软件资源集成的云模型表示后、演算语法改进后、schema模型改进后、可信代数模型改进后系统性能的变化，而且需要综合描述sosacriisa的设计过程，并和改进前的各种算法或模型的指标和运行效果进展比照具体结果及结果比照情况仍见表1。实验结果发现，除了sosacriisa的行为规约度到达完整之外说明软件资源集成的云模型表示是有效的，其他模型或算法仅到达了中等，说明改进前的演算语法、schema模型、可信代数模型存在一些漏洞，而sosacriisa修补了一些漏洞；sosacriisa的时间复杂度为9.7，也比改进前的演算语法、schema模型、可信代数模型高，因此sosacriisa各项指标均到达了要求，这说明改进工作是有效的。为了保证sosacriisa复用时的稳定性和平安性即保证可以为用户提供一个集网络集成、云资源信息集成和应用效劳集成为一体的软件复用支撑平台，最后从全局角度对面向效劳的自适应云资源信息集成软件架构进展实验。由于稳定系数和平安系数一般是指对云资源信息集成软件架构复用时的软件元素、元素属性及其之间的关系等方面的整体性的关联描述，当稳定系数的值在区间0.90,1.00、平安系数的值在区间0.70,0.90时，即可认为该软件架构的复用效果好。实验结果是：sosacriisa稳定系数的值恰好落在区间0.90,1.00，平安系数的值恰好落在区间0.70,0.90，这是满足系统要求的，因而sosacriisa的复用效果比较好。因此，通过屡次实验的分析结果可以看出，相比面向效劳软件资源信息集成的云模型表示之前以及演算语法、schema模型改进前的中等的行为规约度，以改进的演算语法和schema模型来实现的行为规约度到达了完整状态，这对自适应云资源信息集成架构的资源信息集成操作不会产生负面影响；在自适应云资源信息集成软件架构效劳组合调度自调度和资源集成度方面，改进后的可信代数模型更关注于自动“选择运算，从而实现了云资源信息集成软件架构的自适应性、云资源信息集成的动态演化性和大规模效劳应用的可伸缩性。因此，本文对演算语法、schema模型、可信代数模型所进展的改进工作以及用云模型表示画面向效劳软件资源集成的方法是有效的，这说明基于画面向效劳软件资源集成的云模型表示以及改进演算语法、schema模型、可信代数模型所建立起来的sosacriisa优于改进前的传统架构，具有良好的原始信息集成、云资源信息集成、效劳组件集成效果、复用价值和实用价值。5 结语本文sosacriisa是针对目前云资源信息集成软件设计效率低下的情况下提出的，表达了分散资源集中使用和集中资源分散效劳的思想。该架构的重要作用是实现了完整的行为自适应规约、更高的自适应效劳组合调度系数、自适应资源集成度和复用的稳定系数，减少了数据库转换与检索的时间。该架构的明显优势是实现了云资源信息集成和效劳组合的自适应调度与复用，说明其用于云资源信息集成软件设计领域是可行的。但是，由于目前云虚拟化技术的高度复杂性，本文所提架构在描述高度虚拟化、演化性的云资源信息集成软件系统时，并不能及时适应软件系统的动态变化。因此，本文今后还需要在这方面进展改进。参考文献:1李伯虎，*霖，王时龙,等.云制造面向效劳的网络化制造新模式j.计算机集成制造系统,2010,16(1):1-7.2*湃，*立真，王海洋，等.云计算环境下面向数据密集型应用的数据布局策略与方法j.计算机学报,2010,33(8):1472-1479.3陈康，*纬民.云计算：系统实例与研究现状j.软件学报,2009,20(5):1337-1348.4余朋飞,宋晓,*霖.基于语义面向效劳架构的信息集成系统体系构造研究j.计算机集成制造系统,2009,15(5):959-966.5陈学勤，朱耀琴，吴慧中.面向效劳的虚拟采办软件体系构造j.系统仿真学报,2007,19(22):5154-5159.6赵会群，*晶.面向效劳的可信软件体系构造代数模型j.计算机学报，2010,33(5):890-898.7常志明，毛新军，齐治昌.bigraph理论在自适应软件体系构造上的应用j.计算机学报,2009,32(1):97-105.8dai l, cooper k, wong w e. modeling and analysis of performance aspects for software architecture: a uml-based approach j. software engineering and knowledge engineering, 2006, 16(3): 347-378.9袁家政,须德,鲍泓.基于*ml矢量图形svg应用的软件体系构造研究j.中国图象图形学报,2007,12(4):718-724.10*晓峰，*艳春，梅宏.以决策为中心的软件体系构造设计方法j.软件学报，2010，216：1196-1207.11zhang lin-lin, ying shi, ni you-cong, et al. an approach for multi-dimensional separation concern at architecture level c/ proceedings of the 2008 workshop on power electronics and intelligent transportation system. washington, dc: ieee puter society, 2008: 541-545.12王守信，*莉，李鹤松.一种基于云模式的主观信任评价方法j.软件学报，2010，216：1341-1351.13孟祥怡，*光卫，*常昱,等.基于云模型的主观信任管理模型研究j.系统仿真学报,2007,19(14):3310-3317.14万年红,王雪蓉.一个决策驱动的网构软件动态模型j.计算机应用研究，2011,28(2):629-631.收稿日期:2011-07-14;修回日期:2011-09-14。作者简介:万年红(1977-),男，*新建人，讲师，硕士，主要研究方向：软件工程、网络信息管理系统集成。. z