一、一种基于Web服务的分布式工作流系统的研究与实现(论文文献综述)
梁莹[1](2021)在《基于Spring Boot的教师企业实践管理系统的设计与实现》文中研究表明企业顶岗实践是高职院校一项非常重要的“双师型”教师培养举措。现有的教师企业实践管理采用纸质+Excel电子表格的传统方式,存在业务数据查找统计难、顶岗资格审批签字难、在岗人员监督检查难和成果信息收集难等问题。因此,教师日益高涨的企业实践锻炼需求与传统管理方式的矛盾需要解决,有必要建立一个流程规范高效、监管得力和信息通畅的信息化管理系统。本文分析企业实践管理工作的需求,设计与实现一个基于Spring Boot框架的教师企业实践管理系统。主要工作内容包括:(1)使用前后端分离的模式进行系统设计与实现,Web后端基于Spring Boot等系列框架实现,前端采用Vue框架实现;(2)采用原生开发方式,开发Android端的客户端应用;(3)Web前端与Android端应用程序通过RESTful接口与Web后端交换数据,通过整合JWT认证和Spring Security安全管理,保护系统和数据的安全;(4)基于分布式工作流服务,实现教师企业实践审批工作流程自动化,并通过开放的Web API接口同时为PC端与移动手机端提供审批服务;(5)结合百度地图开放平台API与手机定位服务,比对并记录顶岗人员的在岗信息,实现对顶岗人员的在岗监督;(6)使用消息中间件Rabbit MQ和JPush实现消息推送,及时提醒有关人员登录系统完成业务操作。本文阐述了教师企业实践管理系统的需求分析建模、总体设计、主要功能模块设计、数据库设计等,介绍了系统的实现和测试情况。通过综合运用多种信息化技术手段,实现了教师企业实践审批工作的流程自动化、在岗监督记录、企业实践成果管理。系统功能实用,运行稳定,提高企业实践审批速度的同时,提升教师企业顶岗实践的培训质量。
张海洋[2](2021)在《基于智能合约与分布式多维数据的服务推荐系统》文中进行了进一步梳理随着互联网技术的发展,Web服务的数量飞速增长,各种类型的服务推荐系统层出不穷。尽管各大服务推荐系统都展现了高效的数据处理、服务推荐等性能,但现有的服务推荐系统大都基于中心化平台开发,功能与数据集中于中心服务器,这种过于中心化的权限存在着诸多问题,例如数据被篡改、数据泄露等。针对上述问题,本文利用区块链技术在去中心化、数据不可篡改等方面的优势,结合智能合约技术,开发了一种基于区块链智能合约技术的服务推荐系统。论文的主要工作包括:(1)服务推荐系统的需求分析及开发环境搭建。本文对服务推荐系统进行了详细的需求分析,并搭建以太坊联盟链作为系统的开发环境。(2)服务推荐系统设计。系统设计实现两个核心推荐功能:服务评价推荐功能与服务质量推荐功能。服务评价推荐功能采用威尔逊区间算法,基于Web服务的评价数据对具体服务集进行排名,将排名结果展示给用户,为用户做出推荐;服务质量推荐功能实现了Web服务组合推荐,使用Web服务组合的全局QoS值衡量Web服务组合质量的优劣,本文基于Web服务的QoS多维数据,采用遗传算法求解Web服务组合问题,并将计算得到的最优Web服务组合推荐给用户。(3)服务推荐系统实现与测试。系统实现:使用以太坊联盟链作为底层环境,将数据通过智能合约存储到区块链中,确保系统数据不被篡改。系统业务逻辑由智能合约实现,合约编译、测试通过Remix完成,并部署到区块链上。最后编写前端页面,借助Web3.js通过RPC方式调用合约函数实现交互完成系统开发;系统测试:首先对智能合约进行测试,验证各合约代码的正确性以及高效性,接着对系统进行功能测试,验证系统功能的可用性,最后对系统进行性能测试,验证系统的安全性与可靠性。本文设计实现了基于智能合约与分布式多维数据的服务推荐系统,将系统数据存储在区块链中,有效地防止了数据被篡改,同时系统运行环境为以太坊联盟链去中心化环境,克服了传统服务推荐系统的中心化弊端,为解决服务推荐领域现存问题提供了一种新的方案。
伏修远[3](2021)在《基于容器的云工作流引擎的设计与部署》文中认为针对传统工作流系统不能有效处理海量数据的问题,将工作流引擎与云计算相结合是行之有效的解决方案。然而,目前的云工作流引擎系统还存在着云资源利用率低、可移植性和可重用性差以及系统开发运营成本高等问题。为了解决这些问题,论文对IC-Flow Engine(Inner Mongolia University Cloud Workflow Engine)2.0系统的集成架构和底层云资源利用率进行改进和优化,并提出IC-Flow Engine 3.0版本。论文主要有以下几个方面的贡献:(1)结合底层云环境的特点设计出新的云工作流引擎系统体系结构。IC-Flow Engine 3.0可以简便有效地进行云事务建模和执行,同时支持异步调用使云工作流系统具有高效的执行能力。(2)根据Hadoop集群环境实现模块的架构方式,论文提出了一种基于集群节点性能的自适应负载均衡算法。该算法使集群负载逐渐趋于平衡,并将云工作流引擎系统的云计算集群性能维持在一个平稳较优的水平。(3)构建基于Docker容器的标准化软件环境,并运用Docker容器对论文所设计的云工作流引擎系统进行部署。这种部署方式使系统更容易实现可持续集成,同时也使系统具有可移植性和跨平台性。论文通过对比实验和实例验证了IC-Flow Engine 3.0系统拥有更高的资源利用率和任务执行效率,缩短了流程执行时间,节约运营成本。同时,使用容器部署的系统还具有开发部署成本低的优势。因此,IC-Flow Engine3.0在实际应用中具有较高的实用价值。
何淑庆[4](2021)在《CED-SOA服务动态协同模型和算法研究》文中研究说明随着物联网、大数据、云计算、人工智能和服务计算等新一代信息技术的发展和深度融合,逐步催生出大规模和智能化的物联网应用。物联网应用中的服务提供朝着精细化、层次化、复杂化和智能化等方向发展,这导致服务动态协同面临诸多新挑战,如复杂计算环境下的服务数据的高效和准确处理、网络边缘服务数据的存储和可控以及服务精准智能化动态协同等。针对上述问题,本文提出CED-SOA服务动态协同技术,对该技术模型和算法进行深入研究。本文的研究工作和创新点如下:(1)提出了基于CEP的物联网服务数据处理优化模型和算法,该模型和算法包括多层级复杂事件模式分治和聚类优化模型和算法及检测策略和基于自适应阈值的不确定流数据处理模型和算法。仿真实验结果表明本文提出的模型和算法在多层级和不确定环境下应用于服务数据处理能够有效降低多层级事件处理的时间延迟和提高不确定流数据处理的综合性能。(2)提出了基于复杂事件的数据存储和可控模型及基于CES的在线离线复杂事件处理算法,该模型和算法主要应用于边缘网络服务数据的存储、可控和处理。仿真实验结果表明在可控环境下,该模型和算法对边缘网络服务数据具有较好的读取性能、存储的资源开销在可承受范围内以及可有效提高在线离线混合处理的性能。(3)提出了基于深度-广度学习的服务动态协同模型和算法,该模型和算法适用于大规模智能化物联网服务提供场景。仿真实验结果表明该模型和算法在协同的精准性和综合性方面取得了较好的效果。
李钰坤[5](2021)在《基于微服务的工作流引擎的研究与应用》文中提出随着计算机与信息技术的高速发展,网络上的应用服务越来越多,系统的体量与复杂度越来越来大。当服务的访问量逐渐增大即QPS增大,单个服务通过垂直扩容即增加硬件带来的性能提升越来越小,为了应对这种情况采用垂直应用架构,将系统拆成联系较小的几个服务进行解耦。当垂直服务越来越多,服务之间耦合度会不断加大,这时采用分布式服务架构,按功能划分将功能抽取出来作为独立的微服务,以微服务架构提供云服务时,当系统越来越大导致微服务越来越多的情况下,会有很多微服务用到流程管理引擎,如果每个微服务服务中都需要集成流程管理引擎的话会有很多缺点,比如从系统层面来说,会导致资源的浪费,不同服务间的流程上的交互困难,从开发者角度来说,开发者的学习成本提高等问题。鉴于当前主流的流程控制功能的实现上中存在的诸多问题,本文的设计把每个服务中集成的流程引擎模块抽离出来,提取构建一个单独的微服务来提供流程控制的功能,当其他的服务需要流程控制的功能时,通过服务的接口调用此流程控制服务。这样就能实现流程控制功能的复用,并更好的进行统一的管理,使得各个服务可以在流程层面上方便地交互。从开发者的的角度降低学习成本。从服务质量角度来说提高代码的重用度,使得业务模块与流程关联性降低,降低业务与业务之间耦合,很大的提升了信息的维护和资源分配的效率,提高服务的响应时间。从系统角度来说,减少资源的浪费,节约系统资源。除此之外,本文设计和实现的系统是基于微服务架构设计的,系统包括核心的流程控制服务、用户认证授权服务、网关服务和服务治理等服务共同组成,其他的实际的业务服务可接入本文的系统,直接使用本文设计和实现的流程控制功能,省去开发的相应的功能。本篇论文的灵感的来自于我在IBM工作的时候,在实际的生产开发中遇到的问题,并思考解决方案后设计和实现出本文的系统。
何中秋[6](2021)在《面向大数据应用的分布式服务组合引擎设计与实现》文中研究表明随着大数据时代的到来,诸多行业都提出了众多大数据应用需求。其中,有很多的大数据应用需求相对简单、功能类似,通常可表达为一系列可复用大数据计算单元的组合。针对这种情况,具有较好灵活性和简便性的服务组合技术被应用到具有流程化、功能可复用特点的大数据应用开发工作中。这种思路下,大数据应用可以被表达为以大数据处理相关服务为核心构成的服务组合模型,并通过服务组合引擎对模型的解释执行来实现应用功能。服务组合引擎就成为服务组合技术在大数据领域应用的一个关键。然而,传统的服务组合引擎往往是局限于集中式或准分布式的方式,难以适应当前以分布式为主的大数据技术环境要求,特别是在服务组合中涉及的大规模数据流执行控制和优化调度方面需要特定的支持,也缺乏与Hadoop等典型大数据技术环境的集成。为此,针对上述问题,本文围绕面向大数据应用的分布式服务组合引擎展开了如下主要工作:1.针对大数据服务组合应用执行中的数据流执行控制和大数据环境集成问题,设计了分布式执行环境下的服务组合引擎架构。首先,在模型层面围绕数据流执行控制对现有大数据服务组合模型进行了扩展并给出了其详细定义;其次,在分析分布式环境下大数据服务组合模型的执行需求和关键问题基础上,设计了考虑大数据执行环境及其处理代价的分布式服务组合引擎体系架构和核心模块。2.针对大数据服务组合应用执行中的数据流优化调度问题,设计并实现了基于数据感知的服务组合执行调度算法(Data-aware Service Scheduling Algorithm简称DSSA)。该算法首先将大数据应用任务实例根据业务和数据特征划分为四组,分别为有业务约束且数据密集型、无业务约束且数据密集型、有业务约束且数据非密集型、无业务约束且数据非密集型,并基于改进粒子群算法实现对每组中的任务实例与分布的计算资源的动态匹配,以减少数据在网络中的传输及缩短大数据应用总体执行时间。通过基于Workflow Sim的相关仿真实验表明,算法相对于相关的调度算法具有更好的性能。3.在上述研究内容基础上,基于开源业务流程引擎Flowable设计并实现了一个面向大数据应用的分布式服务组合引擎。首先,设计了分布式服务组合引擎核心机制与流程;接着给出了执行引擎核心数据库定义;最后对Flowable引擎进行了分布式扩展和MR任务、Flink任务等大数据特定任务的实现。此外,还结合高速公路收费大数据统计分析应用案例对分布式服务组合引擎进行了验证,表明了其应用效果。
杨婉玥[7](2021)在《基于适配机制的Web服务匹配研究》文中进行了进一步梳理面向服务是当前软件工程的主要发展趋势之一,基于Web服务的分布式计算机模型是面向服务的软件应用程序的主要标志。面向服务的计算提供了一种新的计算范式,通过将可重用的Web服务用作基本结构单元来解决分布式应用程序系统的集成。由于单一服务功能的有限性,在复杂业务逻辑的实现过程中无法满足现实的需要,因此将服务进行组合成为当前最好的解决方案。在服务进行组合之前如何根据业务需要找到合用的服务、如何使不能完全满足需要的现有的服务通过适配手段满足需要、在服务适配时适配器如何构造等问题是Web服务组合中亟需解决的重要问题。本文基于上述需求为研究背景,针对Web服务的匹配和适配问题,展开相关技术研究。研究工作包括:首先全面介绍Web服务匹配和适配技术现有的研究现状,指出当前研究存在的不足与问题;其次构建Web服务形式化模型描述Web服务各层次信息,并基于此模型构建匹配性判断框架;再次提出适配器构造方法来满足匹配已有服务的需求;最后开发系统原型,验证理论实现可行性。具体内容如下:(1)对于现有Web服务建模方法对服务形式化描述的不足,构造包含语法、语义和行为协议的Sx STS模型来全面刻画Web服务。本文提出基于扩展语义信息的Sx STS作为服务描述模型,分析WSDL、OWL-S和BPEL各自的XML文档结构和其中元素之间的映射关系,分别从WSDL的操作类型、OWL-S的服务概要、B PEL的通信活动中提取语法、语义和行为协议信息,构造Sx STS模型形成对Web服务全面准确的刻画,作为后续研究的模型基础。(2)对于当前匹配类型无法自动判断问题,构建Web服务匹配性自动判定框架。为了适应不同的使用场景,提出包含强、弱、迹三种内部变迁处理策略和完全匹配、包含匹配、单路径匹配和完全不匹配四种匹配类型的匹配性判断框架,利用Sx STS模型模拟积理论,通过静态匹配和动态匹配相结合的方式判定匹配类型,并设计了算法实现了Web服务匹配类型的自动判定。(3)对于已有服务不能完全满足需要的情况,提出了适配器自动构造方法。首先分析了失配情形,针对不同适配情形提出对应的适配策略,其次提出了基于共享本体的动作自动映射,形成了适配基础,最后设计算法实现了适配器的自动构造并利用模拟积和同步积验证了适配契约的正确性。(4)对于上述理论方法,开发了系统原型,原型分为模型自动生成实现、匹配框架实现和适配器生成实现三个模块,通过实例验证了方法的可行性和有效性。
刘美娇[8](2021)在《基于物联网服务与智能合约的业务流程管理系统的研究与实现》文中研究指明物联网技术的飞速发展给人类社会带来极大便利。物联网技术与区块链技术的结合将推动物联网进行第三次迭代,进入物联网3.0时代。本课题将物联网背景下事件驱动特性以及区块链智能合约技术与传统工作流系统相结合,提出一种基于物联网服务与智能合约的业务流程管理系统构建方案,具体工作如下:(1)对事件驱动流程引擎关键技术进行研究:本部分对事件驱动引擎的设计原理、复杂逻辑事件关系的构建及计算以及引擎与智能合约的集成进行研究。其中,在事件驱动流程引擎的设计原理中研究了基于事件驱动的相关流程模型的分解、事件消息驱动机制和流程实例节点状态及状态之间的转化。(2)在对事件驱动流程引擎关键技术的相关研究基础之上,设计与实现了基于物联网服务与智能合约的业务流程管理系统。该系统主要包括三部分:基于EPC(Event-Driven Process Chain,事件驱动过程链)规范的流程模型建模:本文采用EPC事件过程驱动链建模规范对现实世界的业务流程进行抽象建模,构建出具有事件驱动语义的流程模型。集成智能合约的工作流引擎:本文自主设计并实现了一个集成智能合约的工作流引擎。该引擎可对采用EPC规范建模的流程模型进行形式化验证,包括语法验证和结构验证,避免不符合规范的流程模型脏数据进入系统。引擎实现了对完成建模的流程模型的解析与部署。针对驱动流程执行的事件消息,引擎提供针对特定schema格式进行解析及计算的能力,引擎通过特定算法抽取函数与复杂逻辑事件之间的映射关系,通过构建复杂逻辑事件表达式完成对复杂事件消息的逻辑计算。引擎通过任务调度模块实现对任务的正确调度执行。同时,本工作流引擎通过引入智能合约技术,拓展了传统工作流引擎的特性,将智能合约用作中介程序控制业务流程实例执行过程中决策点的执行。引擎还将流程实例的执行操作记录上链,由区块链特性保证流程实例执行操作记录可跟踪、透明、不可攥改。本工作流引擎通过与智能合约相结合,解决业务流程协作过程中普遍存在的信任不足问题。可视化后台管理系统:本部分设计与实现了对系统资源、流程模型进行可视化操作管理以及对流程执行过程中的任务进行管理与监控跟踪的后台管理系统。本业务流程管理系统目前已部署、应用于国家发改委项目--祁连山生态保护监测能力建设项目以及国家重大科技基础设施项目--高精度地基授时系统。
邓硕哲[9](2021)在《面向密集库的自动化仓储工作流技术研究》文中认为在电商飞速发展和货物贸易迅速繁荣的大背景下,密集库仓储由于存储密度大、占地面积小等特点得到了广泛应用。自动化密集库仓储具有密度大、仓储设备多、仓储设备异构、仓储作业流程长、仓储作业流程复杂、可视化程度低等特点。如何解决仓储作业高效有序、设备资源协同高效的使用、高并发多作业环境下作业之间能互不干扰等难题,更便捷、更高效地实时监测作业与控制作业,对自动化密集库管控系统的网络化和可视化提出了更高的需求。针对自动化密集库仓储作业中的一系列问题,基于工作流技术能在工作流程中,将工作根据规则与业务逻辑在计算机中以恰当模型进行表达与计算,可多目标参与文档、信息、任务传递的技术条件,本文提出将仓储作业与工作流技术相结合的技术方案来解决仓储作业监控难题。开展仓储工作流技术分析,研究仓储工作流运行机制,设计仓储工作流控制算法,实现仓储作业流程可视化监控,对推进数字化与网络化仓储技术研究及应用具有重要意义。主要研究内容如下:(1)面向自动化密集库的仓储工作流分析与设计针对自动化密集库仓储设备多且设备异构明显、仓储作业流程长且复杂、仓储作业需要满足高并发等作业需求问题,开展仓储管控系统需求分析。根据实际密集库作业环境和作业流程分析,提出面向密集仓储管控的工作流问题及其难点。明晰工作流技术原理,结合仓储设备作业特点,并基于仓储工作流组件模型设计了出入库工作流。为解决仓储作业过程中数据存储与访问问题,建立仓储数据库实体关系模型,基于对象关系映射建立仓储工作流对象模型。(2)设计了支持仓储设备协同作业的工作流算法针对仓储作业流程长且复杂,流程执行需要多设备协同的情况,为更好的管控仓储工作流程,设计仓储作业的串行、并行作业调度算法,管理仓储作业中的活动队列,使仓储作业协调有序进行。并设计出入库作业启动算法,用于作业任务的快速捕获和触发。提出通过建立仓储资源分配表结构、资源竞用的锁机制、动态的资源分配算法,使得仓储资源在作业执行中有序使用。(3)进行了基于服务的仓储作业流程可视化技术实现为提升仓储作业的可操作性,提高仓储作业的可视化和远程监控的能力,使用HTML/CSS/JS/SVG等WEB前端技术建立仓储设备监控的可视化操作网页、仓储作业日志、仓储作业场景监控界面、仓储作业进度表等。使用Signal R技术,向仓储监控WEB终端实时推送作业状态数据,保证数据信息的实时性。基于面向服务的方法,设计工作流驱动的仓储作业微服务,为出入库作业提供需求订阅与状态实时推送,解决仓储作业过程的日志跟踪、进度显示、场景监控问题。综上,以企业提供的自动化密集库仓库环境为试验平台,开发管控系统的各项服务。企业现场应用测试表明,课题研发的仓储工作流技术达到预期目标,为支持协同、高效的自动化仓储管控提供了可借鉴的技术基础。
陈卓然[10](2021)在《基于Hadoop的票务分析系统设计与实现》文中认为近几年,我国高度重视大数据对于社会经济发展的地位和作用,充足的政策支撑使得大数据技术与应用得到了显着的发展。与此同时,在线票务得益于移动互联网的普及,业务规模稳定增长,对产生的海量数据进行二次开发分析,为决策提供数据支撑,激发商业模式创新,催生新的业务增长点,最终占据更多的市场份额,成为各大互联网公司的重要驱动力。本文以某公司实际项目为背景,设计并实现了基于Hadoop的票务分析系统。该系统为在线票务各业务线提供了全流程的分析能力,有效支撑日常运营与决策。本文按照软件工程的思路,首先叙述票务分析系统的背景和重要意义,针对分析工作面对的多维业务、异构海量数据以及不同时效性要求,给出以Hadoop生态为主体的技术解决方案。其次,结合角色和用例图,给出了系统的功能性需求和非功能性需求,包括用户行为日志与票务业务数据的数据采集功能、首页驾驶舱、电影票、演出票、广告和会员营销的实时与离线分析功能、结果可视化展示功能以及用户管理功能。随后通过总体设计,分层确定系统架构,自底向上划分为数据存储层、数据采集层、数据分析层和Web服务层。数据存储层以HDFS、MySQL和Redis完成系统的数据存储与疏通,数据采集层包含用户行为日志数据采集和票务业务MySQL数据采集,数据分析层使用Spark进行票务指标实时与离线计算,Web服务层作为系统访问交互界面,进行结果可视化展示,并提供用户管理的能力。针对票务多维度的业务,设计了五层的数据仓库,提高数据治理能力。最后对票务分析系统进行了详细的设计,确定各功能时序图、流程图、数据模型关系并进行编码工作,完成票务分析系统的建设。本论文最终完成了票务分析系统的全部工作,其独立运行为业务人员提供了全流程的业务数据管理与直观的多维分析能力,有效提高了工作效率,是票务业务实施和大文娱体系建设的得力保障。
二、一种基于Web服务的分布式工作流系统的研究与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于Web服务的分布式工作流系统的研究与实现(论文提纲范文)
(1)基于Spring Boot的教师企业实践管理系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 工作背景 |
1.2 国内与国外研究现状 |
1.2.1 教育行业的管理系统发展现状 |
1.2.2 相关技术发展现状 |
1.3 研究内容 |
1.4 论文的组织结构 |
第二章 相关技术概述 |
2.1 Web开发框架简介 |
2.1.1 Spring Boot框架 |
2.1.2 Vue框架 |
2.1.3 RESTful接口 |
2.2 位置定位服务技术 |
2.3 即时消息推送 |
2.4 本章小结 |
第三章 系统需求分析 |
3.1 系统的主要业务流程 |
3.1.1 企业实践申请流程 |
3.1.2 企业实践锻炼流程 |
3.1.3 企业实践总结流程 |
3.2 功能需求分析 |
3.2.1 用例建模 |
3.2.2 系统动态建模 |
3.3 非功能性需求 |
3.4 本章小结 |
第四章 系统设计 |
4.1 系统总体设计 |
4.2 前后端通信接口 |
4.2.1 Web服务接口 |
4.2.2 接口的安全管理 |
4.3 主要功能模块设计 |
4.3.1 工作流核心模型设计 |
4.3.2 申请功能设计 |
4.3.3 审批功能设计 |
4.3.4 在岗签到功能设计 |
4.3.5 在岗监督功能设计 |
4.3.6 考评功能设计 |
4.4 第三方服务接口设计 |
4.4.1 文件服务接口 |
4.4.2 消息服务接口 |
4.4.3 定位服务接口 |
4.5 数据库设计 |
4.5.1 E-R关系模型 |
4.5.2 数据表结构设计 |
4.6 本章小结 |
第五章 系统实现与测试 |
5.1 开发环境与工具 |
5.2 系统功能实现 |
5.3 系统测试 |
5.3.1 功能测试 |
5.3.2 性能测试 |
5.3.3 测试结果与分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(2)基于智能合约与分布式多维数据的服务推荐系统(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第二章 相关理论与技术 |
2.1 区块链技术 |
2.1.1 区块链概念 |
2.1.2 区块链核心技术 |
2.1.3 区块链基础架构 |
2.2 智能合约技术 |
2.2.1 智能合约概念 |
2.2.2 以太坊 |
2.2.3 ABDK Libraries for Solidity |
2.2.4 去中心化应用 |
2.3 威尔逊区间算法 |
2.4 遗传算法 |
2.4.1 Web服务组合问题 |
2.4.2 遗传算法 |
2.5 本章小结 |
第三章 服务推荐系统需求分析 |
3.1 系统建设目标 |
3.2 系统需求分析概述 |
3.2.1 功能性需求 |
3.2.2 非功能性需求 |
3.3 基于QoS的 Web服务组合模型 |
3.3.1 Web服务组合模型 |
3.3.2 分布式多维数据模型 |
3.4 本章小结 |
第四章 服务推荐系统设计 |
4.1 系统架构设计 |
4.2 系统功能模块设计 |
4.2.1 用户模块 |
4.2.2 企业模块 |
4.2.3 管理员模块 |
4.3 服务评价推荐功能设计 |
4.3.1 威尔逊区间算法概述与分析 |
4.3.2 服务评价推荐功能设计 |
4.4 服务质量推荐功能设计 |
4.4.1 遗传算法概述与分析 |
4.4.2 服务质量推荐功能设计 |
4.5 Solidity随机数函数设计 |
4.6 智能合约设计 |
4.6.1 结构体设计 |
4.6.2 合约函数设计 |
4.7 本章小结 |
第五章 系统实现与测试 |
5.1 开发环境搭建 |
5.1.1 开发环境 |
5.1.2 多节点联盟链部署 |
5.2 系统功能实现 |
5.2.1 用户模块 |
5.2.2 企业模块 |
5.2.3 管理员模块 |
5.3 智能合约测试 |
5.4 系统功能测试 |
5.4.1 测试环境 |
5.4.2 用户功能测试 |
5.4.3 企业功能测试 |
5.4.4 管理员功能测试 |
5.5 系统性能测试 |
5.5.1 以太坊网络检测 |
5.5.2 系统安全性与可靠性测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
(3)基于容器的云工作流引擎的设计与部署(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第二章 相关技术及工作基础介绍 |
2.1 云工作流技术 |
2.1.1 云计算概述 |
2.1.2 云工作流概述 |
2.2 Hadoop技术 |
2.2.1 Hadoop平台概述 |
2.2.2 MapReduce与 HDFS |
2.2.3 Hadoop调度技术 |
2.3 Docker容器技术 |
2.3.1 Docker虚拟化 |
2.3.2 Dockerfile介绍 |
2.4 工作基础 |
2.5 本章小结 |
第三章 云工作流引擎系统体系结构设计 |
3.1 云环境下的工作流分析 |
3.2 云工作流系统体系结构 |
3.2.1 系统整体结构 |
3.2.2 Hadoop模块组成结构 |
3.3 云工作流系统与底层云环境集成 |
3.3.1 云事务执行流程 |
3.3.2 云事务模型创建 |
3.3.3 MapReduce函数生成 |
3.3.4 Hadoop集群调用 |
3.4 本章小结 |
第四章 自适应云资源负载均衡策略研究 |
4.1 同构负载均衡策略 |
4.2 异构负载均衡策略 |
4.2.1 负载均衡模型 |
4.2.2 负载均衡算法 |
4.3 实验及结果分析 |
4.4 本章小结 |
第五章 云工作流引擎容器化部署 |
5.1 实验环境 |
5.2 云工作流引擎实现 |
5.3 系统部署与实例验证 |
5.3.1 使用Docker搭建Hadoop集群 |
5.3.2 使用Docker部署云工作流系统 |
5.3.3 实例验证 |
5.3.4 结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 下一步工作 |
参考文献 |
致谢 |
附:硕士研究生期间参加的研究项目 |
(4)CED-SOA服务动态协同模型和算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究问题与挑战 |
1.3 主要研究内容及创新点 |
1.4 本文的组织结构 |
第二章 CEP与服务协同及相关研究综述 |
2.1 复杂事件处理综述 |
2.1.1 分布式并行CEP研究 |
2.1.2 CEP与云雾计算融合研究 |
2.1.3 CEP事件模式研究 |
2.2 不确定流数据处理概述 |
2.2.1 不确定事件处理 |
2.2.2 乱序事件处理 |
2.3 事件存储和可控访问概述 |
2.3.1 事件存储概述 |
2.3.2 数据可信访问控制概述 |
2.4 服务协同概述 |
2.5 本章小结 |
第三章 基于CEP的服务流数据处理模型和算法研究 |
3.1 引言 |
3.2 CED-SOA物联网服务提供架构 |
3.3 基于分治聚类的流数据处理模型 |
3.3.1 多层级云雾CEP的事件模型表示 |
3.3.2 事件模式的分治和聚类优化算法 |
3.3.3 事件模式的调度和检测策略 |
3.4 面向不确定流数据的自适应阈值模型 |
3.4.1 云雾边多级CEP |
3.4.2 自适应阈值事件模型 |
3.4.3 事件多源识别和重构算法 |
3.4.4 偏序事件检测 |
3.4.5 阈值自适配算法 |
3.4.6 分层事件处理策略 |
3.5 实验结果与分析 |
3.5.1 智慧医疗个性化服务 |
3.5.2 实验环境 |
3.5.3 分治聚类算法实验结果与分析 |
3.5.4 自适应阈值模型实验结果与分析 |
3.6 本章小结 |
第四章 复杂事件混合检测及可信存储模型 |
4.1 引言 |
4.2 事件存储模型 |
4.2.1 研究问题 |
4.2.2 多级联动事件存储模型和算法 |
4.3 CEP混合事件处理模型 |
4.3.1 研究问题 |
4.3.2 基于CES的在线离线混合检测 |
4.3.3 基于CES的在线离线混合检测算法 |
4.4 可信访问控制模型 |
4.4.1 研究问题 |
4.4.2 雾计算可信存储模型 |
4.4.3 协同数据安全管理算法 |
4.5 实验结果与分析 |
4.5.1 实验环境 |
4.5.2 混合检测实验结果与分析 |
4.5.3 可控模型实验结果与分析 |
4.6 本章小结 |
第五章 CED-SOA服务动态协同模型和算法研究 |
5.1 引言 |
5.2 服务动态协同模型和算法研究问题 |
5.2.1 时空特征 |
5.2.2 精细化特征 |
5.2.3 智能化特征 |
5.3 CED-SOA物联网服务动态协同模型描述 |
5.3.1 事件和服务模型关系 |
5.3.2 基于事件的服务关联模型 |
5.4 基于深度-广度学习的服务动态协同模型和算法 |
5.4.1 深度-广度学习模型 |
5.4.2 模型及问题的形式化定义 |
5.4.3 基于深度-广度学习的服务动态协同模型 |
5.5 实验结果与分析 |
5.6 本章小结 |
第六章 结束语 |
6.1 论文总结 |
6.2 进一步工作 |
参考文献 |
主要缩略语及中英文对照 |
致谢 |
攻读博士学位期间发表的学术论文 |
(5)基于微服务的工作流引擎的研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 工作流引擎的云服务化的难点 |
1.3 本文研究目标 |
1.4 本文组织结构 |
1.5 本章小结 |
第二章 相关技术介绍 |
2.1 微服务的理念 |
2.1.1 微服务的概念和架构 |
2.1.2 微服务实现方案 |
2.2 REST资源表达接口规范 |
2.3 工作流引擎 |
2.3.1 工作流引擎的介绍 |
2.3.2 工作流引擎的对比 |
2.4 安全访问控制 |
2.5 数据库技术 |
2.6 分布式系统 |
2.7 本章小结 |
第三章 基于传统工作流引擎的云服务化改造的研究 |
3.1 对传统工作流改造的研究 |
3.1.1 核心模块 |
3.1.2 历史信息 |
3.1.3 安全访问控制模块 |
3.1.4 拓展功能 |
3.2 接口设计研究 |
3.2.1 按功能进行模块划分 |
3.2.2 REST的资源表达接口设计 |
3.2.3 全局变量设计 |
3.3 分布式的设计研究 |
3.4 性能指标的研究 |
3.5 实验设计的研究 |
3.5.1 实验的硬件配置 |
3.5.2 实验过程与分析 |
3.6 本章小结 |
第四章 基于微服务架构的流程控制服务系统的设计与实现 |
4.1 流程控制服务系统的需求分析 |
4.2 流程控制服务及其系统的概要设计 |
4.3 流程控制服务系统详细设计 |
4.3.1 核心流程控制服务的设计 |
4.3.2 服务治理服务的设计 |
4.3.3 用户认证授权服务的设计 |
4.3.4 网关服务的设计 |
4.3.5 大数据平台的设计 |
4.4 流程控制服务系统的实现 |
4.4.1 系统环境搭建 |
4.4.2 核心流程控制服务的实现 |
4.4.3 服务治理服务的实现 |
4.4.4 用户认证授权服务的实现 |
4.4.5 网关服务的实现 |
4.4.6 大数据平台的实现 |
4.5 系统测试与结果分析 |
4.5.1 系统功能性测试 |
4.5.2 系统可靠性测试 |
4.5.3 系统时效性测试 |
4.5.4 系统容错性测试 |
4.5.5 结果分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 本文研究总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
(6)面向大数据应用的分布式服务组合引擎设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究问题及意义 |
1.3 研究内容 |
1.4 论文组织结构 |
第二章 相关理论及技术 |
2.1 大数据相关技术 |
2.2 服务组合相关技术 |
2.2.1 服务组合模型 |
2.2.2 服务组合建模语言 |
2.2.3 服务组合引擎的应用 |
2.3 服务组合引擎执行调度相关工作 |
2.4 大数据服务相关工作 |
2.5 本章小结 |
第三章 大数据服务组合模型与分布式引擎架构 |
3.1 大数据服务组合模型 |
3.2 大数据服务组合执行分析 |
3.3 分布式服务组合引擎架构设计 |
3.3.1 总体架构 |
3.3.2 分布式服务组合引擎容错处理 |
3.4 大数据服务组合应用执行环境 |
3.5 本章小结 |
第四章 基于数据感知的服务组合执行调度 |
4.1 面向大规模数据流的服务组合调度问题 |
4.1.1 服务执行时间模型 |
4.1.2 数据传输量模型 |
4.1.3 执行优化函数建模 |
4.1.4 服务完成时间 |
4.2 基于数据感知的服务组合执行调度算法 |
4.2.1 算法设计 |
4.2.2 基于改进粒子群算法的任务实例调度 |
4.3 算法验证 |
4.3.1 仿真模拟工具Workflow Sim |
4.3.2 实验环境和实验对比算法的选择与验证 |
4.3.3 仿真实验对比及结果分析 |
4.4 本章小结 |
第五章 分布式服务组合引擎实现及验证 |
5.1 分布式服务组合引擎核心模块及实现机制 |
5.2 分布式服务组合引擎核心数据设计与任务扩展 |
5.3 高速公路大数据统计分析应用案例 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 进一步研究方向 |
参考文献 |
在学期间的研究成果 |
致谢 |
(7)基于适配机制的Web服务匹配研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 Web服务形式化模型研究现状 |
1.2.2 Web服务匹配技术研究现状 |
1.2.3 Web服务适配研究现状 |
1.3 研究内容及目的 |
1.3.1 研究内容 |
1.3.2 研究目的 |
1.4 论文结构 |
2 Web服务形式化模型构 |
2.1 Web服务技术 |
2.1.1 Web服务组合技术 |
2.1.2 Web服务发现技术 |
2.1.3 Web服务组成架构 |
2.2 Web服务描述语言 |
2.2.1 WSDL |
2.2.2 OWL-S |
2.2.3 BPEL |
2.3 三者元素映射关系 |
2.3.1 BPEL与 WSDL映射关系 |
2.3.2 WSDL与 OWL-S映射 |
2.3.3 OWL-S与 BPEL映射 |
2.4 基于语义扩展的SxSTS模型构建 |
2.4.1 WSDL语法信息提取 |
2.4.2 OWL-S语义本体信息提取 |
2.4.3 BPEL行为协议 |
2.4.4 SxSTS模型构建算法 |
2.5 实例分析 |
2.6 本章小结 |
3 基于SxSTS模型的匹配框架 |
3.1 基于SxSTS模型的匹配框架设计 |
3.1.1 模型定义 |
3.1.2 静态匹配定义 |
3.1.3 变迁处理策略定义 |
3.2 匹配类型及算法框架 |
3.3 实例分析 |
3.4 本章小结 |
4 Web服务匹配的适配器构造 |
4.1 失配类型分析 |
4.1.1 语法层失配情形 |
4.1.2 语义层失配情形 |
4.1.3 行为层失配情形 |
4.2 基于语义的动作自动映射 |
4.3 适配策略设计 |
4.3.1 双向发送 |
4.3.2 单向发送 |
4.3.3 单向接收 |
4.4 Web服务匹配适配器自动生成 |
4.5 适配器正确性的验证 |
4.6 实例分析 |
4.7 本章小结 |
5 系统实现 |
5.1 实验环境准备及主要功能 |
5.2 模型自动生成实现 |
5.3 匹配框架实现 |
5.4 适配器生成实现 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(8)基于物联网服务与智能合约的业务流程管理系统的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究内容 |
1.3 论文组织结构 |
1.4 本章小结 |
第二章 相关技术介绍 |
2.1 工作流相关技术概述 |
2.1.1 工作流技术 |
2.1.2 工作流参考模型 |
2.1.3 工作流管理系统 |
2.2 基于EPC的流程模型建模方法概述 |
2.3 区块链技术概述 |
2.3.1 链式区块存储 |
2.3.2 Merkle树 |
2.3.3 共识机制 |
2.3.4 智能合约 |
2.4 超级账本Hyperledger技术概述 |
2.4.1 Hyperledger Fabric |
2.4.2 Hyperledger Fabric CA |
2.5 发布订阅系统 |
2.6 本章小结 |
第三章 事件驱动流程引擎关键技术研究 |
3.1 事件驱动流程引擎设计原理 |
3.1.1 研究动机 |
3.1.2 基于事件驱动的流程模型分解 |
3.1.3 事件消息驱动机制 |
3.1.4 流程实例节点状态设计 |
3.1.5 流程实例节点状态变迁 |
3.2 复杂逻辑事件关系的构建及计算 |
3.2.1 逻辑事件表达式构建 |
3.2.2 逻辑事件表达式更新计算 |
3.3 集成智能合约 |
3.4 本章小结 |
第四章 系统设计与实现 |
4.1 系统需求分析 |
4.1.1 系统整体需求分析 |
4.1.2 流程模型建模需求分析 |
4.1.3 工作流引擎需求分析 |
4.1.4 后台管理系统需求分析 |
4.2 系统设计 |
4.2.1 流程模型建模模块设计 |
4.2.2 工作流引擎模块设计 |
4.2.3 后台管理系统模块设计 |
4.2.4 系统数据库表设计 |
4.3 系统实现 |
4.3.1 流程模型建模实现 |
4.3.2 工作流引擎实现 |
4.3.3 后台管理系统实现 |
4.4 本章小结 |
第五章 系统测试与验证 |
5.1 测试环境 |
5.2 系统测试 |
5.2.1 流程模型建模测试 |
5.2.2 工作流引擎测试 |
5.2.3 后台管理系统测试 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(9)面向密集库的自动化仓储工作流技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 仓储系统管控研究现状 |
1.2.2 工作流技术研究现状 |
1.2.3 工作流技术在仓储中的研究现状 |
1.3 研究目标与内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 论文结构安排 |
第二章 面向自动化仓储管控的工作流分析与设计 |
2.1 仓储作业管控系统需求分析 |
2.1.1 自动化密集库概述 |
2.1.2 仓储作业流程分析 |
2.1.3 工程技术问题与难点 |
2.2 仓储工作流技术与总体设计 |
2.2.1 仓储工作流技术基础 |
2.2.2 仓储工作流组件设计 |
2.2.3 基于工作流组件的出入库工作流设计 |
2.3 系统数据库与对象建模 |
2.3.1 数据库实体关系建模 |
2.3.2 自动化密集库数据库设计 |
2.3.3 自动化密集库工作流对象建模 |
2.4 本章小结 |
第三章 自动化仓储工作流关键算法设计 |
3.1 仓储工作流管控 |
3.1.1 串行作业的调度算法 |
3.1.2 并行作业的调度算法 |
3.1.3 仓储作业活动的控制 |
3.2 出入库流程的启动算法 |
3.2.1 入库作业的触发机制 |
3.2.2 出库与转库的作业启动 |
3.3 仓储作业资源分配算法 |
3.3.1 资源分配表结构 |
3.3.2 资源竞用的锁机制 |
3.3.3 资源动态分配算法 |
3.4 本章小结 |
第四章 基于WEB的仓储作业流程可视化技术 |
4.1 WEB可视化的通信技术 |
4.2 仓储工作流服务技术 |
4.3 仓储工作流的WEB可视化 |
4.3.1 仓储工作流日志 |
4.3.2 仓储作业进度跟踪 |
4.3.3 仓储作业场景监控 |
4.4 本章小结 |
第五章 基于工作流的仓储管控系统实现与应用 |
5.1 系统概述 |
5.1.1 系统结构 |
5.1.2 系统开发技术 |
5.1.3 仓储工作流技术指标 |
5.2 基于工作流的系统功能展示 |
5.2.1 作业管理 |
5.2.2 作业监控 |
5.2.3 作业流程控制 |
5.3 系统应用验证 |
5.3.1 系统应用测试 |
5.3.2 应用效果 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 研究成果 |
6.2 特色 |
6.3 展望 |
参考文献 |
致谢 |
(10)基于Hadoop的票务分析系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 论文背景与意义 |
1.2 国内外相关应用现状 |
1.3 课题主要研究内容 |
1.4 论文结构 |
第二章 票务分析系统关键技术介绍 |
2.1 Hadoop及相关技术 |
2.1.1 Hadoop |
2.1.2 Flume |
2.1.3 Kafka |
2.1.4 Hive |
2.2 Spark技术 |
2.3 前后端开发技术 |
2.3.1 SpringBoot技术 |
2.3.2 Vue技术 |
2.3.3 v-charts组件 |
2.4 本章小节 |
第三章 票务分析系统的需求分析 |
3.1 需求概述 |
3.2 功能性需求分析 |
3.2.1 数据采集功能 |
3.2.2 数据分析功能 |
3.2.3 数据展示功能 |
3.2.4 用户管理功能 |
3.3 非功能性需求分析 |
3.4 本章小结 |
第四章 票务分析系统的总体设计 |
4.1 系统总体架构设计 |
4.2 系统功能模块设计 |
4.2.1 数据采集功能 |
4.2.2 数据分析功能 |
4.2.3 数据展示功能 |
4.2.4 用户管理功能 |
4.3 票务分析系统数据仓库设计 |
4.3.1 原始数据层ODS |
4.3.2 明细数据层DWD |
4.3.3 服务数据层DWS |
4.3.4 数据主题层DWT |
4.3.5 数据应用层ADS |
4.4 本章小结 |
第五章 票务分析系统功能模块的详细设计与实现 |
5.1 数据采集功能的实现 |
5.1.1 票务日志采集 |
5.1.2 票务业务数据采集 |
5.2 数据分析功能的实现 |
5.2.1 票务实时数据分析 |
5.2.2 票务离线数据分析 |
5.3 数据展示功能的实现 |
5.4 用户管理功能的实现 |
5.5 本章小结 |
第六章 系统测试 |
6.1 测试环境 |
6.2 系统功能测试 |
6.3 系统性能测试 |
6.4 本章小结 |
第七章 结束语 |
7.1 论文工作总结 |
7.2 问题和展望 |
参考文献 |
致谢 |
四、一种基于Web服务的分布式工作流系统的研究与实现(论文参考文献)
- [1]基于Spring Boot的教师企业实践管理系统的设计与实现[D]. 梁莹. 广西大学, 2021(12)
- [2]基于智能合约与分布式多维数据的服务推荐系统[D]. 张海洋. 内蒙古大学, 2021(12)
- [3]基于容器的云工作流引擎的设计与部署[D]. 伏修远. 内蒙古大学, 2021(12)
- [4]CED-SOA服务动态协同模型和算法研究[D]. 何淑庆. 北京邮电大学, 2021
- [5]基于微服务的工作流引擎的研究与应用[D]. 李钰坤. 北京邮电大学, 2021(01)
- [6]面向大数据应用的分布式服务组合引擎设计与实现[D]. 何中秋. 北方工业大学, 2021(01)
- [7]基于适配机制的Web服务匹配研究[D]. 杨婉玥. 江西财经大学, 2021(09)
- [8]基于物联网服务与智能合约的业务流程管理系统的研究与实现[D]. 刘美娇. 北京邮电大学, 2021(01)
- [9]面向密集库的自动化仓储工作流技术研究[D]. 邓硕哲. 东华大学, 2021
- [10]基于Hadoop的票务分析系统设计与实现[D]. 陈卓然. 北京邮电大学, 2021(01)