5.3.2 实验2. 对于最小干扰的服务恢复启发式算法RHA的仿真分析

5.3.2 实验2. 对于最小干扰的服务恢复启发式算法RHA的仿真分析

该实验对本章所提出的基于服务覆盖层上最小干扰的服务恢复启发式算法RHA进行仿真验证。为有效评价该算法的性能优劣，实验将本章提出的基于服务层恢复策略SRBSL，最小延迟算法（Min Delay），随机服务组合及恢复算法（Random Selection Service Composition and Recovery，RSSCR） 与RHA算法进行比较。最小延迟法（MinDelay） 是一种基于最短路径路由寻路策略的服务发现及组合方法；随机服务组合及恢复算法（RSSCR） 是一种通过随机选择候选服务建立服务路径并在路径失效后采用全局修复策略的服务组合方法。

（1） 仿真场景设置

基于NS－2 Simulator进行仿真设置。实验将50个节点随机分布在1000× 1000m2的曼哈顿MH移动模型场景中。每个节点的传输范围为150m，最大速度为10m／s，间歇时间为10s。具体仿真参数设置见表5.3。

（2）仿真结果与分析

首先，比较四种算法在服务重建时对用户产生的干扰强度：最小干扰服务恢复算法RHA、先验式服务组合恢复策略SRBSL，最小延迟算法Min Delay、随机服务组合及恢复算法RSSCR。本环节设置服务路径上服务组件个数为2。仿真结果如图5.12所示。

可以看出， 干扰强度是一个累加值， 随时间迅速攀升。 与其他算法相比，RHA算法表现出了较小的干扰强度，因而基于该算法的服务重建将会给用户带来较小的中断影响。基于服务覆盖层的服务恢复算法RHA较SRBSL及其他两种算法来说降低了对用户的干扰，提高了系统的健壮性和稳定性。这是因为RHA算法不仅考虑了服务链路的特性也考虑了底层网络拓扑及节点移动性，服务恢复策略较其他算法更加可靠，因而用户感知的失效频率及中断时间都会有所降低。

接下来评估服务路径的长度对于用户感知干扰强度的影响。这个环节将服务路径的长度从2个组件调整到了4个，如图5.13所示。

同图5.12比较可以看出，在服务路径长度增加时，干扰强度均有增加。这是因为当服务路径增长时，服务链路的稳定性及可靠性反而降低，此外，服务路径中所包含的不可靠组件概率将大大提升，这些都将导致组合服务执行路径失败率增加，服务重建中产生的干扰强度也随之增大。但RHA算法总是优于其他三种算法，验证了本书所提出算法的优势。

经过上述分析可以看出，基于服务覆盖层RHA和基于服务层恢复策略SRBSL较其他两种算法有较好的性能，接下来我们就针对本章提出的RHA和SRBSL两种算法做一些性能比较。

本环节主要比较服务副本数量对于RHA及SRBSL两种服务恢复策略相应干扰强度的影响，评估RHA较SRBSL的服务恢复性能提高率。测试服务副本数从4依次递增至12时，RHA较SRBSL干扰强度性能提高百分比，实验设置9次，每次实验仿真时间为2000s，仿真结果如图5.14所示。

可以看出，随着服务副本数的增加，RHA算法性能较SRBSL也稳步提升。由于待选择的服务副本增加，可构建的满足用户功能及非功能属性需求的服务路径数量也增加，因而选取用户感知干扰最小的最优恢复路径的概率也就明显提升。

接下来将测评系统动态性对RHA及SRBSL算法产生的影响，基于干扰强度指标评估RHA算法较SRBSL算法的性能提高率。本环节设置节点移动最大速度分别为2m/s，4m/s，6m/s，…30m/s， 实验设置为15次， 每次实验仿真时间是2000s，仿真结果如图5.15所示。

在所有的移动场景中，算法RHA始终都优于SRBSL算法的性能，随着节点移动速度的增加，服务资源频繁的加入或离开，节点的平均失败比率增加，干扰强度均有明显提高。在低速或中速环境下， RHA算法优于SRBSL的优势最为显著。