摘 要： 在Web應用日益普及的今天,，Web服務器承擔的任務越來越繁重,，特別是進行大數(shù)據(jù)量的計算時，服務器的硬件資源成了計算效率的瓶頸,。為了解決這一問題,，結合云計算和中間件的技術特點，提出了一種基于多Agent的云服務中間件的體系架構,，該框架分為用戶接口層,、SOA層和資源管理層3個層次，內(nèi)部采用多Agent技術,。節(jié)點間通過ACL消息進行通信,，負載均衡采用靜態(tài)計算能力與動態(tài)負載相結合，內(nèi)置的日志服務和容錯服務保障系統(tǒng)穩(wěn)定運行,。將此框架應用到實際Web應用中可以大大提高Web服務器的計算效率,。
關鍵詞： 云服務；中間件,；多Agent系統(tǒng),；分布式計算；負載平衡
隨著當今網(wǎng)絡體系和Web技術的發(fā)展,，Web應用被廣泛使用,，Web服務器所承載的負荷越來越大，使得對于大數(shù)據(jù)量的計算不能及時響應,。因此,，需要有一種技術，不僅能將大任務分配給多臺機器共同計算,，分擔服務器的工作,，提高計算效率和穩(wěn)定性，還能利用閑置計算資源,，避免資源浪費,，這就是云計算。
云計算(Cloud Computing)[1]是一種基于互聯(lián)網(wǎng)的計算方式，通過這種方式,，共享的軟硬件資源和信息可以按需提供給計算機和其他設備,。
中間件（Middleware）[2]是一種獨立的系統(tǒng)軟件或服務程序，分布式應用軟件借助這種軟件在不同的技術之間共享資源,。
Agent是一種在某個環(huán)境中自主行動以實現(xiàn)其設計目標的智能化軟件實體[3-4],。其應用主要是以一種松散耦合的Agent網(wǎng)絡，即MAS出現(xiàn),，在多個Agent之間以結構化的ACL[5](Agent Communication Language)進行交互,、協(xié)作,以完成某一項任務。
臺風預報系統(tǒng)是一個典型的Web應用,，它是一個會商式的群決策支持系統(tǒng)（GDSS）[6-7],，其中的專家預報路徑就涉及了大數(shù)據(jù)量計算，本文將云服務中間件的技術應用到臺風預報系統(tǒng)上,，以提高相似路徑計算的效率,。
1 云服務中間件的體系架構
1.1 云服務中間件的工作原理
云服務中間件的設計可以將大任務分解成若干小任務，再通過分配給閑置計算節(jié)點來分擔服務器的工作,，計算結果由所有計算節(jié)點產(chǎn)生的子結果匯集而成,。云服務中間件的工作原理如圖1所示。
用戶接口層定義了外部程序調用云服務所需的接口,，請求端的Agent將計算任務通過接口發(fā)給云服務中間件,。
SOA層管理著云服務中間件結構所需的基本服務，包括主控服務,、計算服務,、日志服務和容錯服務。目錄服務是SOA層各類服務的目錄,，提供查找已注冊在目錄上的服務,，并調用它。計算任務通過用戶接口傳進SOA層后,，被發(fā)送到目錄下的主控服務上,。
資源管理層是操作計算機資源的各種Agent組成，每一種Agent負責對應的工作,。在主控服務下有一個主控Agent,，帶有一個負載均衡器。計算服務下有多個計算Agent,，日志服務下有多個日志Agent,，有一個日志收集器和多個日志記錄器。容錯服務下有多個容錯Agent,。主控Agent對應一個日志收集器和一個容錯Agent,，每個計算Agent對應一個日志記錄器和一個容錯Agent。
主控Agent是云服務中間件的核心Agent，它管理著所有計算Agent節(jié)點,，負責接收請求端發(fā)來的計算任務,，根據(jù)業(yè)務邏輯對任務進行分解，并通過負載均衡器將子任務分配給輕載的計算節(jié)點,。主控Agent所帶的日志收集器Agent負責收集日志記錄器Agent發(fā)送的日志消息,，記錄在平臺和日志文件中。計算Agent在云服務中間件起著重要的作用,，它是計算的核心,，接收來自主控Agent發(fā)來的子任務，計算并返回部分結果,。每個計算Agent都帶有一個日志記錄器Agent，用以記錄Agent工作的日志并轉發(fā)給日志收集器Agent,。同時,，主控Agent和計算Agent都帶有一個容錯Agent，容錯Agent負責處理Agent異常并恢復出錯的Agent,。
1.3 云服務中間件的消息機制
云服務中間件是通過Agent間的發(fā)送接收消息來完成內(nèi)部通信的,，ACL消息是Agent的通信語言，兩個重要的屬性分別是對象內(nèi)容和接收者,，對象內(nèi)容是指發(fā)送消息的對象,，可以是一個java類對象，接收者是接收Agent的ID,。通信過程是：發(fā)送Agent將消息對象封裝到ACL消息中,，通過send方法發(fā)送消息給指定的接收Agent；接收Agent通過receive方法接收ACL消息并解開消息對象,，讀取消息內(nèi)容,。通信過程如圖3所示。
消息對象是存儲消息內(nèi)容的對象,，云服務中間件根據(jù)不同的需求定義不同的消息格式,，它們共同繼承自一個消息基類，消息基類管理所有消息的類型,。云服務中間件涉及的消息對象有注冊相關消息,、業(yè)務相關消息、登錄相關消息,、負載相關消息和日志相關消息,。
2 負載均衡策略
負載平衡[8]是分布式系統(tǒng)的資源管理模塊，它的主要功能是合理和透明地在處理器之間分配系統(tǒng)負載,，以達到系統(tǒng)的綜合性能最優(yōu),。負載均衡器設計的目的是在眾多閑置的計算節(jié)點中選擇閑置計算能力最大的作為任務分配的節(jié)點，以達到計算效率最優(yōu)。
本文所采用的負載平衡是結合靜態(tài)計算能力和動態(tài)負載加權組成,，同時考慮了節(jié)點的靜態(tài)能力和動態(tài)負載,，兩者加權得出閑置計算能力，使得分配任務更合理,，充分利用了計算資源,。設計算節(jié)點為C，閑置計算能力的計算方法如式(1)所示：
Abilityfree(C)=Abilitytotal(C)×(1-LoadValue(C)/100)(1)
其中Abilitytotal(C)為計算節(jié)點C的全部計算能力,，即靜態(tài)計算能力,。LoadValue(C)為計算節(jié)點C的負載值，即動態(tài)負載,，單位是百分比,。
(1)專家編輯方案，系統(tǒng)將預測路徑通過云服務模式交給請求Agent,；
(2)請求Agent將預報路徑封裝成預報消息,，發(fā)送給云服務中間件的主控Agent；
(3)主控Agent接收到預報消息后,，將任務分解成若干子任務,，分發(fā)給計算Agent；
(4)計算Agent計算最相似歷史臺風路徑,，返回結果給主控Agent,；
(5)主控Agent匯總結果，將結果封裝成結果消息發(fā)送回請求Agent,；
(6)請求Agent解開結果消息,，把最相似路徑在地圖上顯示給專家。
期間,，請求Agent,、計算Agent將工作日志發(fā)送給日志記錄Agent，主控Agent將工作日志發(fā)送給日志收集Agent,，日志記錄Agent將接收到的日志轉發(fā)給日志收集Agent,。容錯Agent負責對主控Agent和計算Agent集群中的每個計算Agent進行監(jiān)控。
4 實驗結果及分析
4.1 實驗準備
將云服務中間件應用到臺風預報系統(tǒng)中,，分別對單機和云服務兩個模式進行實驗,，測試計算時間。實驗所用到的計算機集群有：1臺主控服務器,，1臺Web服務器,，若干臺計算服務器和若干臺數(shù)據(jù)庫服務器。
實驗數(shù)據(jù)有多組,，每組均來自隨機產(chǎn)生的臺風路徑,，每個臺風的路徑點數(shù)為66個,，對不同數(shù)量臺風的臺風預測計算時間，對單機與云服務進行效率比較,。
4.2 實驗結果
單機模式與云服務模式的計算的平均時間如表1所示,。
從表中可以看出，云服務的整體計算性能明顯高于單機,，當臺風個數(shù)為1 200時,，云服務計算時間僅為單機的31.84%，速度提高了214.11%,， 說明云服務中間件應用到臺風預報系統(tǒng)中可以大大提高Web服務器的計算效率,。
4.3 結果分析
實驗結果表明，單機與云服務下計算時間隨臺風個數(shù)成正比,，兩者的計算時間都是線性增加的,。圖5為單機與云服務計算時間對比圖。從圖5可以看出,，單機下的計算時間趨勢線斜率高于云服務的計算時間趨勢線,，計算時間差隨著臺風個數(shù)的增加而拉大，說明基于多Agent的云服務中間件可以大大縮短Web服務器的計算時間,，提高計算效率。
本文分析了Web應用的現(xiàn)狀和Web服務器的瓶頸問題,，結合云計算和中間件技術,，提出了一種基于多Agent的云服務中間件的體系架構。介紹了云服務中間件的工作原理,，即將復雜的任務分解成小任務,，再將結果匯總。從層次上看,，云服務中間件分為3個層次,，分別是用戶接口層、SOA層和資源管理層,。內(nèi)部的Agent使用ACL消息進行通信,，介紹了各類消息。負載均衡采用靜態(tài)計算能力與動態(tài)負載相結合,，保證了整體性能,。
本文將設計的云服務中間件框架應用到一個典型的Web應用臺風預報系統(tǒng)中，以實驗數(shù)據(jù)進行單機與云服務模式的計算時間對比,，可以看到云服務中間件對提高Web服務器計算時間的作用,。云服務中間件的研究是未來Web應用的一個很有價值的應用前景，對推動云計算的發(fā)展有著至關重要的作用,。
參考文獻
[1] 趙立新．云計算：信息時代的新主宰[J]．科技創(chuàng)新導報,，2010(12)：213-214.
[2] 吳禮裕,，盧珊．中間件的研究綜述[J]．科技與生活，2009(21)：24-24,，67.
[3] 賴如潔,，曹健，李明祿,，等．服務Agent的設計與實現(xiàn)[J]．計算機工程與科學,，2010，32(5)：113-117．
[4] WILDE G J.The theory of risk homeostasis：implications for safety and healt[J].Risk Analysis,，1982,，2(4)：209-225．
[5] WILDE G J.Social interaction patterns in driver behavior：an introductory review[J].Human Factors，1976,，18(5)：447-492．
[6] 陳偉江,，郭朝珍．分布式ETL中協(xié)同機制的研究與設計[J]．通信學報，2006,，27(11)：177-182.
[7] 閆鈞華,，張煥春，經(jīng)亞枝．基于Multi2agent的分布式系統(tǒng)負載平衡[J].華南理工大學學報：自然科學版,，2004,，32(12)：74-79．
[8] 陳濤，陳啟買．分布式計算機系統(tǒng)負載平衡研究[J]．計算機技術與發(fā)展,，2006,，16 (5)：33-35．