基于信誉的服务组合——面向服务的架构中的可靠性预测和模型转换

可在www.sciencedirect.com在线获取理论计算机科学电子笔记279（2）（2011）3-16www.elsevier.com/locate/entcs基于信誉的服务组合Galina Besova1，Heike Wehrheim2帕德博恩大学计算机科学系德国安妮卡·瓦格纳3德国富尔达应用科技大学计算机科学系摘要今天，面向服务的体系结构的概念提供了一种从现有服务中构建集成解决方案的方法。为此，来自不同提供者的服务使用高级编排和编排技术进行组合。 然而，虽然该原理允许以较小的成本获得更大的可伸缩性，使用第三方服务也有风险：部署的服务可能无法像其提供商所声称的那样工作。在本文中，我们提出了一种技术，用于分析预期的可靠性的服务composi- tions评级的基础上（以前）的服务用户。因此，每个服务都有一个信誉，分析从其组成服务的信誉计算服务组合的整体可靠性。所提出的模型驱动的方法的收益，通过转换状态图模型的服务compo-itions到输入的概率模型检查器（PRISM）使用国家的最先进的模型转换技术。该方法已经实现为Eclipse插件，并且完全符合UML。关键词：可靠性预测，面向服务的架构，概率模型检查，模型转换。1介绍今天，复杂的系统可以通过组合服务来构建，以提供集成的解决方案，允许更大的灵活性，重用现有的功能，可扩展性等。与基于组件的系统一样，可以通过搜索现有的存储库来获得所需的功能，从不同的软件提供商那里获得服务。然而，使用第三方服务也存在风险：通常，1电子邮件：besova@mail.upb.de2电子邮件：wehrheim@uni-paderborn.de3电邮地址：annika. informatik.hs-fulda.de1571-0661 © 2011 Elsevier B. V.在CC BY-NC-ND许可下开放访问。doi：10.1016/j.entcs.2011.11.0084G. Besova等人理论计算机科学电子笔记279（2）（2011）3新系统不允许对外部服务进行广泛的测试因此，因此，服务的实际行为与其规范的偏差只有在执行所构建的软件时才变得明显在本文中，我们提出了一种替代耗时的测试或昂贵的形式化分析，这是基于使用软件提供商或服务的声誉声誉可以（例如）通过对服务的用户评级（如对酒店和餐馆的评级）来获得，或者通过每次执行服务并记录其行为是否符合规定来获得。因此，信誉基于用户对服务正确性的先前经验。根据单个服务的信誉，可以计算服务组合的总体预期可靠性可靠性是指服务组合的无故障、正确操作的概率（我们将软件提供商的声誉视为其服务可靠性的指标。因此，服务组合的总体预期可靠性不仅仅是其组成服务的声誉的平均值或总和。根据单个服务对整体行为的影响，声誉不好的服务可能会对整个组合的可靠性产生很大影响。在本文中，我们提出了一种技术，系统地计算的可靠性的服务组合的基础上，其模型与声誉的单个服务。在我们的方法中，我们遵循了大量技术用于分析基于组件的系统的非功能属性特别是对于性能分析，近年来已经开发了大量采用模型驱动方法的工作[22，10，14]。基于组件的系统模型被增强了单个实体的性能属性信息，这些增强的然后使用在这种分析模型上操作的标准工具进行实际性能分析。在我们的设置中，单个服务将使用UML状态机建模[6]。单个服务的信誉以范围[0.的数值形式给出。1]，描述服务正确执行的比率。一个服务组合就是一个由信誉注释的状态机组成的编排。这种服务组合模型被转化为马尔可夫决策过程，其中执行转换的概率根据声誉和事件的类型（发送，接收或内部事件）设置。我们以概率模型检查器PRISM的输入形式生成马尔可夫决策过程（MDP）[18]。然后使用PRISM来查询MDP未达到错误状态的概率，并且该查询的答案是服务组合的总体预期可靠性。为了生成作为PRISM输入的MDP，我们遵循最先进的模型转换技术：使用ATL语言[1]我们定义了基于元模型的UML状态机模型转换规则PRISM模型所需的状态机元模型直接取自UML，并且必须创建PRISM元模型。模型转换G. Besova等人理论计算机科学电子笔记279（2）（2011）35是一个更大的基于Excel的工具的一部分，该工具提供了我们方法的自动化。本文的其余部分组织如下：在第2节中，我们描述了整个论文中使用的建模和分析形式主义。第3节描述了这些格式中描述的设计和分析模型之间的转换。第4节讨论了所提议方法的工具支持。第5节概述了相关工作，第6节总结了本文，并提出了未来工作的一些方向2概念2.1编舞的建模服务编排由执行活动并通过消息交换相互协调的通信服务组成。组合中的服务可以执行的三个基本活动包括发送和接收消息以及内部活动。通信可以具有同步或异步特性，这取决于特定的组成。在我们的设置中，服务之间的通信是同步的4-只有当两个通信进程能够同时执行发送和接收事件对的转换时这可能需要通信方之一等待。在这项工作中选择的描述通信服务组合的建模方法是基于UML [6]状态机和类似CSP [19]的通信。或者，可以选择其他方法，如Stocharts [21]或组件交互自动机[11]作为组合建模的基础。一个模型由一个或多个UML状态机组成，这些状态机包含任意数量的表示服务的并行组合状态图（由区域分隔）。每个状态图由其状态和转换描述，可以由内部、接收或发送事件触发，这些事件通过标签a、a？，和a！分别为了对这些事件进 行 建 模 ， 我 们 使 用 UML 为 进 程 间 通 信 提 供 的 特 定 类 型 的 事 件 ：ExecutionEvent、ReceiveSignalEvent和SendSignalEvent。图1以两个服务--供应商和购买者--为例说明了上述讨论。每个服务都由其自己的状态机和区域中的状态图表示。他们在两种情况下进行沟通：首先，将订单从买方传递给供应商，然后通知买方订单状态。请注意，该图还包含与各个服务相关联的信誉。这是通过一个UML概要文件来实现的，它使我们的编排模型与UML保持兼容。4异步类型可以通过一个额外的表示通信通道的状态图来建模。6G. Besova等人理论计算机科学电子笔记279（2）（2011）3Fig. 1.供应商和买方编排建模示例2.2可靠性分析模型在本工作中选择的建模符号和上面描述的是相当直接的，并且为大多数软件架构师所熟悉。然而，它大多不支持现有的形式化分析技术，包括模型检测。因此，为了使用模型检查分析编排，必须首先将其模型转换为相应的分析模型。在这项工作中使用的模型检查器是概率符号模型检验器（PRISM）[3]，因此，它的建模语言必须首先介绍。PRISM建模语言基于反应模块形式主义[7]。它允许将系统描述为离散时间马尔可夫链（DTMC）、连续时间马尔可夫链（CTMC）或马尔可夫决策过程（MDP）模型。分析模型的主要元素是模块和变量。模块包含有限范围的局部变量和命令。PRISM命令具有以下功能形式：[a]g -> p1：（upd11）.& amp;（upd1m1）+.+ pn：（updn1）.&int n（n）;该命令由两部分组成，由过渡符号→分隔。左侧包含方括号内的操作标签a，用于进程同步，后面是转换保护g。当保护g为真时，如果动作a不为空，则强制同时执行模型中标记为a的所有命令。该命令每个集合包含同时发生的mi个变量更新updij在提供PRISM模块的示例之前，需要讨论可以同时执行多个命令时的设置。在这种情况下，选择其中一个替代方案取决于PRISM模型类型。DTMC和CTMC模型为所有备选方案分配相等的概率，而MDP模型模拟非确定性选择。在这项工作中，我们专注于MDP模型的服务组合，因为相比DTMC和CTMC，他们还提供了一种机制，用于描述的情况下，服务的替代执行路径之间的选择不是由一个固定的概率分布。这允许在系统上表达外部环境的变化、这种环境内的参数的变化等。G. Besova等人理论计算机科学电子笔记279（2）（2011）37模块Mx：[0.. 1]初始化1;y：[0.. 1]init 0; z：[0.. 1]int 0;[]x=1 -> 0.2：（&&&[a2]z=1 ->（&端模图二. PRISM模块示例图2提供了一个PRISM模块M的示例，该模块具有三个有限范围变量x、y和z，以及包含更新的命令。具有保护x= 1且没有任何同步的内部命令首先发生，因为局部变量x最初被设置为1。这个命令有两个可选的更新集：第一个将变量y赋值为1，x赋值为0，第二个将变量z赋值为1，x赋值为0。第一个集合的概率为0。第二个是0。8.由于变量x已被设置为0，第一个命令不能再次执行。相反，现在可以执行具有保护y= 1或z= 1的命令之一，这取决于先前选择的更新集。这些命令与动作标签a1或a2上的某个模块同步，并将变量x设置为1，因此可以重复循环。在模型中代表不同交互过程的模块可以用过程代数表达式组合在一起。这个表达式应该只对每个模块进行一次功能，并包含基于CSP的操作符，包括：在共享操作上完全或部分同步的并行组合，异步并行组合，以及用于隐藏和重命名模块内操作的操作符。用PRISM建模语言描述的分析模型随后由模型检查器翻译成马尔可夫模型。所描述的语言允许定义分析模型，这些模型可用于模型检查各种系统属性，包括其可靠性。接下来要讨论的问题是将编排的设计模型（第2.1节）转换为PRISM语言中的模型3化虚意境3.1声誉解释为了能够分析设计模型中描述的服务组合，必须将其转换为所选格式的分析模型为了描述这种转换，有必要定义元素映射并分析设计模型中的转移概率。在这项工作中，我们确定转移概率的基础上的声誉数据的各个服务和过渡类型。给定服务的整体声誉，可以在关于各个转换的概率的该信息的各种解释之间进行选择。在这项工作中，我们使用以下解释：• 服务的内部操作对于其他通信方是不可观察的8G. Besova等人理论计算机科学电子笔记279（2）（2011）3并且因此不直接影响其观察到的可靠性。因此，假设由于内部动作引起的转换总是发生，即，概率为1。• 由服务接收的消息被其他方观察到假设服务总是接受消息，稍后可能会根据这一假设，这样的转变总是发生，并且也不直接影响观察到的可靠性，即，概率为1。• 当其他通信方发起通信时，服务发送的消息会被它们观察到它们的成功概率与所观察到的包含服务的可靠性有关。因此，这样的转换发生的概率等于所观察到的包含服务的信誉此外，还假设消息发送失败导致服务中断，无法修复。对于前面图1中给出的例子，这种解释意味着除了确认和拒绝发送的概率为0之外，所有转换的执行概率都为1。88.这种解释与设计和分析模型格式的知识相结合，现在可以用来定义所需的转换规则。3.2转换规则建议的转换规则背后的思想是创建一个分析模型，其中每个服务都由其自己的同名PRISM模块表示。这些模块包含描述其相应服务的不同状态所需的局部变量，以及描述这些状态之间的转换的命令这样一个模块的一组局部变量总是包含一个起始变量和服务唯一最终状态的变量。初始化为1的start变量表示服务的启动状态我们使用以下规则将转换转换为一个或多个PRISM命令。根据触发事件的类型，选择图3中的一个选项图3.第三章。具有不同触发事件类型的转换的转换概念请注意，这些规则的定义是基于3.1节中讨论的对个体转移概率的声誉的解释。在所有三种情况下，过渡都是在状态s和t之间进行的。转换为PRISM命令，第一个事实由布尔表达式v s = 1表示为保护。服务已离开状态s并进入G. Besova等人理论计算机科学电子笔记279（2）（2011）39状态t分别由两个更新日期vs，J=0和vt，J=1表示，其中vs和vt表示对应于服务状态s和t的局部变量。转换规则的更多事件类型特定详细信息可在相应子项下组合：a) 由内部动作a触发的转换被转换成包含所述更新日期vsJ=0和vtJ=1的命令，而无需同步。b) 由接收事件触发的转换？被转换成类似于情况a）的命令，然而，a.这样做是为了确保接收和发送（情况c））命令对（表示两个服务之间通过消息a进行的通信）仅同步执行。c) 通过发送事件触发转换！被转换成两个连续的命令对。第一个命令表示两种选择：消息将以与包含服务的可靠性声誉相等的概率发送，或者以互补概率发送失败。如果选择第一个备选项，则执行可变更新日期vs_enda=1，表示消息将被发送。如果选择了第二个替代方案，则执行更新日期vfJail=1，表示发送失败，这使得模块内的进一步命令执行不可能。第二个命令仅在第一个概率选择指示消息a将被发送时执行此命令标记有同步操作a，以确保其与接收命令a同时执行？（情况b））。图4展示了MDP片段上的转换规则。.该片段由三个转换组成：从状态s到添加的中间状态senda或fail之一，以及从状态senda到状态t。具有互补概率reliability和1 - reliability的前两个转换表示第一个命令中的两个备选，而最后一个转换表示第二个命令和实际发送概率为1的消息a图四、将转换转换发送到MDP片段由于设计模型中的状态是未命名的，我们必须为变量vs，vt，vsenda和vfail定义一个命名机制。使用了以下命名约定• 变量vs的命名取决于状态s在状态图中的位置，如下所示：· start，如果s是初始状态。· 变量，表示传入转换的成功完成（s，J，s），10G. Besova等人理论计算机科学电子笔记279（2）（2011）3如果S是中间状态，接下来在变量vt的上下文中讨论这些变量的计算。• 变量vt的命名取决于状态t和具有触发事件a的转换（s，t）的类型，如下所示：· 对应的最终状态变量，如果t是最终状态。· a，如果t是中间状态，并且（s，t）是内部或接收转换。· aSent，如果t是中间状态，（s，t）是发送转换。• 变量v senda命名为a，其中a是原始发送转换a的触发事件的名称！.• 变量vfail与vsenda不同，它由模块中的所有命令共享，因此简单地命名为fail。注意，如果相应服务的信誉小于100%，则变量集可以包含失败变量。为了符合PRISM语言的要求，所有变量名都由包含模块的名称扩展。图5展示了供应商和购买者设计模型示例的转换结果。它包含两个模块-买方和供应商，由其本地变量和命令描述，并在共享操作上同步：订单，确认和拒绝。模块Buyer具有变量startBuyer、orderBuyer和orderBuyerSent用于表示订单发送转换的命令，以及变量finishBuyer用于最终状态5。除了start变量startSupplier之外，模块Supplier还包含一个failSupplier变量，因为它的信誉度小于100%。该模块 还 有 一 个 用 于 订 单 接 收 命 令 的 orderSupplier 变 量 和 一 个 用 于 处 理 命 令 的processingSupplier 变 量 。 为 confirmation 和 rejection 发 送 命 令 添 加 了 两 个 变 量confirmationSupplier和rejectionSupplier。这两个模块中的命令可以通过将讨论的转换规则应用于转换以及使用适当的变量和同步操作来导出。现在可以在PRISM中分析生成的模型，以检查组合物的各种属性这些属性必须用PRISM属性规范语言形式化。在这项工作中，为了获得预期的可靠性，我们将其表示为在系统的寿命期间未达到故障状态的概率，或者对于包含k个故障状态的MDP系统模型Pmin=？[！（F（fai l1=1||...||（fai lk=1）]Pma x=？[！（F（fai l1=1||...||（fai lk=1）]对于上面的示例，这些属性的值等于0。88.建议的规则，使一步一步地创建可理解的分析模型的服务组合，进一步分析与PRISM模型检查器。然而，为了便于应用所提出的可靠性预测方法，5当final state没有名字时，对应的变量命名为finish。G. Besova等人理论计算机科学电子笔记279（2）（2011）311图五、供应商和买方实例的分析模型提供所需的工具支持。因此，接下来将讨论作为这项工作的一部分4工具支持如前所述，本工作中提出的可靠性预测方法包含几个步骤，如图6所示。首先，按照2.1节中的描述对服务组合进行建模，并使用信誉进行注释。然后，通过应用第1.1节中非正式解释的转换规则，3.2.最后，使用PRISM模型检查器分析所得到的模型以及模型特定的可靠性属性规范。这种分析的结果提供了初始设计模型中描述的服务组合的可靠性值对其中一些步骤（如UML建模和使用PRISM进行模型检查）的工具支持已经存在。其他步骤，如模型注释和转换，需要开发适当的支持机制。12G. Besova等人理论计算机科学电子笔记279（2）（2011）3Eclipse平台具有灵活的基于插件的体系结构和大量有用的第三方插件，被选为我们方法的开发和应用平台。这种选择允许重用已经存在的UML2符合建模工具（例如UML2 Tools [5]，TOPCASED [4]），这些工具实现为Eclipse插件，以支持设计模型定义。Eclipse不直接支持我们方法的以下步骤，但是，各种插件极大地简化了我们转换工具的开发过程见图6。 可靠性预测方法步骤首先，我们依靠Eclipse建模框架（EMF）来存储和检索我们的模型。此外，ATL转换语言[1]（由第三方插件支持）用于定义和应用模型转换规则。最后，我们使用了JET模板模型到文本引擎[2]，它允许我们生成转换模型的文本表示。不幸的是，PRISM模型检查器没有集成在Eclipse平台中，因此，我们的工具生成的分析模型必须手动导入。模型到模型转换和模型到文本转换的最后两个步骤已经集成到我们的工具中。图7说明了转换原理和实现它所需的工件。它表明，ATL转换规则和JET模板的定义需要UML和PRISM语言元模型。后者也是在这项工作中发展起来的最后要提到的一点是设计模型的注释我们的方法利用了现有的轻量级UML扩展机制，通过profiles。 为了能够用信誉来注释UML状态图，我们定义了 一个UML概要文件，包含状态机区域的原型，允许这些区域携带存储可靠性值的所谓标记值。由于区域用于在一个状态机内分隔服务，因此每个区域都需要一个信誉值。G. Besova等人理论计算机科学电子笔记279（2）（2011）313图第七章基于元模型的模型转换原理5相关工作可靠性预测一直是研究的热点。已经提出了许多方法来解决基于组件的系统[28，15，23，16，24，25]和面向服务的系统[17，13，29，31，20，8，14，26，32，30，27，12]日益增长的复杂性。这些方法中的大多数都依赖于用特定语言表达的系统架构模型，如UML（[14]，我们的方法），UML（[31，8]），WSCI（[27]）等。在编排服务的情况下，通常使用工作流程图（例如UML活动图[14]）另一方面，服务编排是通过各方之间的通信规范来建模的（例如，WSCI规范[27]，在我们的情况下是通信状态机）。具体规范语言的进一步选择取决于所需的抽象级别。此外，大多数方法需要关于单个服务/组件的可靠性的信息。在某些方法中，需要实际的可靠性，而其他方法，包括我们的依赖于声誉。根据所提供的技术，系统模型要么使用归约规则直接分析以计算QoS [13，20，30]，要么转换为某种随机模型[29，31，8，14，26，27，12]以进行进一步分析，就像我们的情况一样。为此目的，最广泛使用的随机模型包括马尔可夫模型和随机Petri网与相应的分析算法。例如，Zhong和Qi [31]考虑了随机Petri网，并将其转换为随机Petri网进行分析。Gallotti等人。[14]考虑用QoS属性扩展组织的UML活动图，并将其转换为马尔可夫模型。我们的方法类似于[14]，因为它也使用马尔可夫模型和PRISM模型检查器进行可靠性分析，但是，它专注于服务编排，因此，考虑用于通信服务的不同UML图。Xia等人[27]提出唯一的其他方法，我们知道除了我们的，考虑编排。它基于WSCI的成分规范，将其转换为用于可靠性预测的一般随机Petri网。与我们的方法相比，作者专注于不同抽象的模型14G. Besova等人理论计算机科学电子笔记279（2）（2011）3水平和应用其他分析技术。这允许在不同的系统开发阶段互补使用这两种方法一些作者[30，24]还解决了获得单个服务/组件所需的可靠性信息的问题。Zheng和Lyu [30]提出了一种协作机制，用于基于从使用该服务的类似用户收集的数据来预测用户的服务可靠性。根据作者，这种机制表现出更好的可靠性预测精度比其他方法，但是，它只能在服务的故障数据是可用的。这需要实现和部署服务。Roshandel等人[24]提出了一种基于架构的机制，用于使用马尔可夫模型进行组件的可靠性预测，这使得它类似于一些系统级方法，并且不需要实现组件。这是由于隐马尔可夫模型用于解决缺乏操作配置文件而实现的。我们的方法，像其他提到的技术，除了[30，25]，假设服务声誉由一些声誉提供者提供。这样的提供者可以基于这些机制。后来，在[25]中，作者将[24]扩展到估计系统可靠性。这种方法是基于一个系统模型非常类似于我们的。它将通信组件描述为一组包含组件交互协议的并发状态机。该模型被转换成一个动态贝叶斯网络，其中包括单个组件的可靠性。与[25]相比，我们的方法没有将服务可靠性与其开始概率相关联，而是假设发送转换具有可靠性相关的概率。与[25]不同的是，我们考虑基于组件的系统，我们假设服务没有故障依赖性。相对于现有的方法，我们的方法代表了第一次尝试开发方法和工具支持，用于基于正式方法在早期设计阶段预测服务编排的可靠性6结论在本文中，我们提出了一种技术，用于计算预期的可靠性服务编排的基础上声誉的单个服务。该技术涉及将UML状态机的元模型实例转换为PRISM输入形式的马尔可夫决策过程概率模型检验器PRISM可以用来确定预期的可靠性。该方法已经实现了国家的最先进的模型转换技术的基础上，是UML兼容。在未来，我们打算调查如何不同形式的信息的正确性服务，一些通过监测，一些通过正式的分析，可以结合可靠性预测。此外，我们将评估我们的方法对现实的案例研究。这将特别表明，我们将声誉解释为发送转换的概率是否是编排的正确选择，或者其他选择是否可能取决于应用程序G. Besova等人理论计算机科学电子笔记279（2）（2011）315域，也是有效的。引用[1] Atlas转换语言（ATL）。http://www.eclipse.org/atl网站。[2] Java扩展模板（JET）。www.eclipse.org/emft/projects/jet网站。[3] 概率符号模型（PRISM）。http://www.prismmodelchecker.org网站。[4] 顶格工具包。http://www.topcased.org/网站。[5] UML2工具.http://www.eclipse.org/modeling/mdt/uml2tools网站。[6] 统一建模语言（UML）2.1.1版。http://www.omg.org/spec/UML/2.1.1，2007年8月。[7] R. Alzheimer和 T. A.亨 辛格 Reactive模 块。 在Proceedings of the 11th Annual IEEE Symposium onLogic in Computer Science，LICS'96，pages 207-218，Washington，DC，USA，1996中。IEEE计算机协会。[8] D.阿尔达尼亚角Ghezzi和R.米兰多拉模型驱动的组合Web服务QoS分析。在PetriMa？honen，KlausPohl，andThierryPriol ， editors ， ServiceWave ， volumet5377ofLectureNotesinComputer Science ， pages299-311中Springer，2008.[9] A. Avizienis ， J. C.拉 布 里 湾 Randell和 C. E.国 防 军 可 靠 安 全 计 算 的 基 本 概 念 和 分 类 。 IEEE Trans.Departments Sec.Comput. ，1（1）：11[10] S. Becker ， H. Koziolek 和 R. 罗 伊 斯 纳 基 于 模 型 的 性 能 预 测 与 palladiocom pone nt 模 型 。InVittorioCortellessa，Sebastia'nU chitel，andDanielYan k elevi ch，editors，WOSP，pages 54-65.ACM，2007年。[11] L. 布里姆岛 切埃纳山口 Vare kov′a和B. Zimmer ova. Compone nt-i ninteractionautomataasaverification-oriented component-based system specification. 在2005年基于组件的系统的规范和验证会议论文集，SAVCBSACM。[12] R.卡利内斯库湖Grunske，M.夸特科夫斯卡河Mirandola和G.坦伯雷利基于服务系统的动态QoS管理和优化。 IEEE软件工程学报，99（预印本），2010年。[13] J. Cardoso，A. Sheth，J. Miller，J. Arnold和K.科楚特工作流和Web的服务质量服务流程。WebSemantics：Science，Services and Agents on the World Wide Web，1（3）：281[14] S.加洛蒂 角盖济河Mirandola和G.坦伯雷 利基于概率模 型检验的服务 组合质量预 测。在Ste Becker，Frantisek Plasil和Ralf Reussner，编辑，Proceedings of the 4th International Conference on Qualityof Software-Architectures：Models and Architectures，QoSA'08第5281卷，第119-134页，柏林，海德堡，2008年史普林格出版社[15] S. S. Gokhale和K. S.特里维迪基于软件体系结构的可靠性预计与灵敏度分析。见ISSRE，第64IEEE计算机学会，2002年。[16] K. Goseva-Popstojanova和S.卡玛瓦兰不确定性下的软件可靠性估计：矩量法的推广在HASE中，第209IEEE计算机学会，2004年。[17] 诉 格拉西面向服务计算的基于架构的可靠性预测。在Ro g'eriode Lemos，Cristina Gacek和Alexander B.Romanovsky，编辑，WADS，计算机科学讲义第3549卷，第279Springer，2004.[18] A. Hinton ，M. Z.夸特科夫斯卡湾Norman 和D.帕克PRISM ：概率系统的自动验证工具。HolgerHermanns和Jens Palsberg编辑，TACAS，计算机科学讲义第3920卷，第441-444页。Springer，2006.[19] C. A. R.霍尔 通信顺序进程。普伦蒂斯-霍尔，1985年。[20] S.黄，H. Wang，J. Tang，and J. Srivastava. 建模和估计的概率方法基于Web服务的工作流的QoS INF.Sci. ，177（23）：5484[21] D. N. Jansen 和H.赫尔 曼使用UML 状态 图进行QoS 建模 和分析： Stocharts方法 。ACM SIGMETRICSPerformance Evaluation Review，32：28[22] H. Koziolek和R.罗伊斯纳从Palladio组件模型到分层嵌入网络的模型转换。在Samuel Kounev，Ian Gorton和Kai Sachs的编辑中，SIPEW，计算机科学讲义第5119卷，第58Springer，2008.16G. Besova等人理论计算机科学电子笔记279（2）（2011）3[23] R. H. Reussner，H. W.施密特和我H. Poernomo。基于构件的软件体系结构的可靠性预测。 J. 系统软件。，66：241[24] R. Roshandel，S.班纳吉湖Cheung，N. Medvidovic和L.戈卢布奇克利用架构模型评估软件组件的可靠性。在Leon J. Osterweil ，H. Dieter Rombach ，and Mary Lou So Pasta ，editors ，ICSE，pages853ACM，2006年。[25] R. Roshandel，N.Medvidovic和L.戈卢布奇克在体系结构层次上预测软件系统可靠性的一个贝叶斯模型在Sven Overhage，Clemens A. Szyperski，Ralf Reussner，and Judith A. Sta Rumeord，编辑，QoSA，计算机科学讲义第4880卷，第108- 109126. Springer，2007年。[26] N. Sato和K. S.特里维迪组合网络服务的随机建模及其性能和可靠性分析。 在BerndJ. Kr？amer，Kwei-JayLin ， andPri yaNarasimhan ， editors ， ICSOC ， volume4749 of Lecture Notes in ComputerScience，pages 107-118. Springer，2007年。[27] Y. Xia，J. Chen，M. Zhou和Y.煌一种基于Petri网的Web服务编排QoS估计方法。陈磊，刘成飞，张晓，王珊，Darijus Strasunskas，Stein Tomassen，饶靖海，李文贤，K。Candan，Dickson Chiu，Yi Zhuang，Clarence Ellis和Kwang-Hoon Kim，编辑，Web和网络技术的进展，以及信息管理，计算机科学讲义第5731卷，第113Springer Berlin/Heidelberg，2009.[28] S. M.雅各布湾Cukic和H. H.阿马尔一种基于CORBA的构件软件可靠性分析方法。IEEE Transactions onReliability，53（4）：465[29] A. Zarras，P. Vassiliadis，and V. Issarny. 模型驱动的web服务可靠性分析。 在Robert Meersman和ZahirTari的编辑，CoopIS/DOA/ODBASE（2），讲座笔记第3291卷中计算机科学，第1608-1625页。Springer，2004.[30] Z. Zheng和M.R.吕。面向服务系统的协同可靠性预测。作者：Je Kramer，JudithBishop，PremkumarT.De v an bu，and Sebast i′an U chitel，editors，ICSE（1），pages35-44. ACM，2010年。[31] D. Zhong和Z.气基于petri网的web服务可靠性预测方法。在Robert Meersman，Zahir Tari和Pilar Herrero编辑，OTM研讨会（1），计算机科学讲义第4277卷，第116Springer，2006.[32] B. Zhou，K. Yin，S. Zhang，H. Jiang，和A. J·卡夫斯基于树的共因失效组合web服务可靠性模型。在Paolo Bellavista、Ruay-Shiung Chang、Han-Chieh Chao、Shin- Feng Lin和Peter M. A. Sloot，编辑，GPC，计算机科学讲义卷6104，第418-429页。Springer，2010.