SOA (Service Oriented Architecture) has become a promising paradigm by making developers to easily develop software system by just integrating existing web services. To maximize such advantages of SOA, web service composition is very important role in binding dynamically individual web services, which are distributed across the internet, at an execution time.
However, since participant web services consisting of composite web services are distributed and loosely coupled at runtime, it is very important to evaluate whether QoS (Quality of Service) of composite web services meets non-functional requirements driven from service consumers, in order to prevent web service composition from re-occurring. For this, five types of QoS prediction models such as on the basis of workflow, Markov chain, aggregation function, simulation, and failure-aware have been proposed. However, existing QoS prediction models have some common limitations as following:
Firstly, existing models do not take interactions among web services into consideration, even though it is important factor for QoS prediction since web services are distributed across the internet. Secondly, those models do not take coordination models (such as orchestration or choreography) of composite web services into consideration, even though the interactions behaviors are different according to coordination models. Thirdly, those models focus on specific one or two QoS attributes, rather than providing various QoS attributes for QoS requirements.
To address above three major limitations, we propose an architecture-based QoS prediction model which consists of quantitative and qualitative QoS prediction models for composite web services.
Quantitative prediction model is to calculate quantitatively QoS of composite web services by using extended aggregation function. On the basis of software architecture transformed from business process workflow, the interaction data are obtained from WSIM (Web Service Interaction Mining) log. On the basis of interaction data, QoS prediction can be conducted by using extended aggregation function for performance (response time), cost, reliability, and availability QoS attributes.
Qualitative prediction model is to evaluate software architecture by using existing architecture analysis methods such as ALPSM, ALMA, and SAAM for maintainability, modifiability, and scalability QoS attributes.
Our approach contributes to provide more accurate QoS prediction method for web service consumers (or developers) by additionally taking interactions among web services according to orchestration or choreography execution mode. Furthermore, our approach contributes to help web service consumers predict more various QoS attributes by providing a way of prediction method for a total of seven QoS attributes through quantitative prediction model as well as qualitative prediction model.
서비스 지향 아키텍쳐 (SOA, Service Oriented Architecture)는 기존에 개발된 웹 서비스를 간단히 조합하여 새로운 애플리케이션을 개발할 수 있다는 장점 때문에 널리 사용되고 있다. 이를 위해서는 웹 서비스 조합 (Web Service Composition)이라는 방법을 이용해야 하는데, 개별 웹 서비스는 인터넷상에 분산되어 있고, 실제 실행 시점에 바인딩 된다는 특성으로 인해, 웹 서비스 조합의 실행전에 해당 서비스의 서비스 품질(QoS, Quality of Service)를 예측하는 것이 중요하다.
이를 위해, 지금까지 다양한 형태의 서비스 품질 예측 모델 (QoS Prediction Models)들이 개발되어 왔다. 그러나, 현재의 서비스 품질 예측 모델은 1) 개별 서비스들간의 통신을 고려하지 않고 서비스 자체의 품질만을 고려하여 예측한다는 한계가 있으며, 2) 동일한 웹 서비스 조합이라 하더라도 실행모드 (Orchestration 또는 Choreography)에 따라 개별 웹 서비스들이 서로 다른 방식으로 통신하는데, 이를 고려하지 않고 있으며, 3) 특정 한가지 또는 두가지 정도의 서비스 품질만을 예측한다는 한계가 있다.
위와 같은 한계점을 개선하고자, 이 논문에서는 아키텍쳐 기반으로 웹 서비스 조합의 서비스 품질 예측 모델을 제안한다. 아키텍쳐 기반의 서비스 품질 예측 모델은 주요하게 두가지 모델 - 정량적 모델과 정성적 모델 - 로 구성된다. 1) 정량적 모델에서는 웹 서비스 조합을 위한 비즈니스 프로세스를 소프트웨어 아키텍쳐로 변환한 후, 아키텍쳐내의 관계 정보를 이용해 실제 관계에 대한 데이터를 웹 서비스 관계 마이닝 (WSIM, Web Service Interaction Mining)으로 부터 가져와서 이를 이용해 서비스 품질을 예측한다. 서비스 품질 예측에 사용되는 함수는 확장 Aggregation Function 이라고 한다. 2) 정성적 모델에서는 비즈니스 프로세스로부터 변환된 소프트웨어 아키텍쳐를 그대로 사용하는데, 서비스 품질 예측은 기존에 개발된 아키텍쳐 분석 방법론을 이용한다.
제안된 방법은 크게 두가지 측면에서 잇점이 있다. 첫째로, 웹 서비스 조합을 구성하는 개별 서비스들간의 통신을 서비스 품질 예측에서 고려함으로써 서비스 품질 예측의 정확성을 높일 수 있다. 두번째로, 정성적인 예측 뿐만 아니라 정량적인 예측을 동시에 제공함으로써 고객의 품질 요구에 따른 보다 다양한 서비스 품질을 예측할 수 있다는 잇점이 있다.
