本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，具體涉及一種基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法。

背景技術(shù)：

近些年，科學(xué)工作流管理的概念被應(yīng)用到許多企業(yè)信息系統(tǒng)中。類似于Staffware，IBM MQSeries，COSA等的工作流管理系統(tǒng)提供了通用模型和制定結(jié)構(gòu)化業(yè)務(wù)流的能力。通過圖形化的方式對業(yè)務(wù)事件先后執(zhí)行順序的描述，刻畫出更為直觀、可理解的業(yè)務(wù)生命周期模型，也就是所謂的科學(xué)工作流模型，對企業(yè)事務(wù)進(jìn)行更為高效、合理的管理運(yùn)營?，F(xiàn)如今，科學(xué)工作流的概念被運(yùn)用到各個領(lǐng)域，不僅是企業(yè)的業(yè)務(wù)流程框架，更包括諸如高能物理學(xué)、生物信息學(xué)、大氣科學(xué)等的學(xué)術(shù)研究，這些研究過程包含了海量的數(shù)據(jù)分析和處理步驟，科學(xué)家需要通過高層次的工具，將問題抽象化，搭建設(shè)計合理、高效的業(yè)務(wù)流程，以解決復(fù)雜、繁瑣的高層次問題。而科學(xué)工作流提供了這樣的環(huán)境，通過數(shù)據(jù)管理、分析、仿真和可視化的相互結(jié)合，以協(xié)助科學(xué)發(fā)現(xiàn)的過程。

日志，作為計算機(jī)網(wǎng)絡(luò)安全的重要組成部分，記錄著計算機(jī)每次運(yùn)行事件的日期、時間、使用者、動作等相關(guān)操作。事件日志作為信息寶庫，蘊(yùn)藏著無窮的價值。通過對事件日志的分析研究，而獲得整個項(xiàng)目或平臺的結(jié)構(gòu)化業(yè)務(wù)流，也就是科學(xué)工作流，將大大的方便科學(xué)家對現(xiàn)有工作平臺，業(yè)務(wù)事件工作順序的把控。通過計算機(jī)記錄的事件日志而挖掘生成的科學(xué)工作流更具有真實(shí)性，更貼近、符合實(shí)際業(yè)務(wù)事件執(zhí)行的先后次序。其價值之高在于一方面方便業(yè)務(wù)架構(gòu)師在原有業(yè)務(wù)模型的基礎(chǔ)上，對業(yè)務(wù)流程進(jìn)行重構(gòu)、優(yōu)化，另一方面也有助于通過可視化圖形對實(shí)際業(yè)務(wù)流中存的問題、缺陷進(jìn)行進(jìn)一步的優(yōu)化和完善，以提高整個業(yè)務(wù)流的運(yùn)行效率與質(zhì)量。

隨著科技的發(fā)展，各個學(xué)術(shù)領(lǐng)域中所研究的問題規(guī)模日益增大。大型科學(xué)工作流通常需要在復(fù)雜的分布式計算機(jī)系統(tǒng)上執(zhí)行，例如超級計算機(jī)、分布式集群系統(tǒng)以及網(wǎng)絡(luò)系統(tǒng)等。然而，構(gòu)造這樣的系統(tǒng)往往需要付出異常昂貴的代價，申請訪問這些系統(tǒng)也需要復(fù)雜耗時的過程。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法，該方法能夠解決在分布式云平臺環(huán)境下的科學(xué)工作流挖掘問題，具有高效性、完備性和靈活性的特點(diǎn)。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案為：一種基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法，通過事件日志信息，挖掘跨云平臺下的科學(xué)工作流，以XES格式描述的事件日志為輸入，以SVG為格式的云間科學(xué)工作流為輸出結(jié)果，該方法具體包括以下步驟：

步驟1，輸入以XES格式描述的事件日志，解析事件日志獲得事件，生成對應(yīng)的事件序列集合，根據(jù)事件序列集合獲得事件直接先于關(guān)系，完成云內(nèi)科學(xué)工作流的挖掘；

步驟2，各個云平臺分別挖掘完成各自云平臺內(nèi)的科學(xué)工作流后，兩兩云平臺之間同時進(jìn)行消息傳遞，完成初步跨云間的科學(xué)工作流的挖掘；

步驟3，通過步驟2的跨云間科學(xué)工作流的挖掘，對整個云平臺聯(lián)盟下的總體科學(xué)工作流進(jìn)行歸約、合并和簡化處理，得到跨云間的科學(xué)工作流。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)：(1)在各個云計算平臺下進(jìn)行子科學(xué)工作流的挖掘時，在同等大小的本地日志規(guī)模下，本發(fā)明的挖掘效果較傳統(tǒng)科學(xué)工作流挖掘方法具有明顯優(yōu)勢，其挖出的工作流圖更具有完備性、準(zhǔn)確性、可靠性，更接近實(shí)際的科學(xué)工作流過程；(2)本發(fā)明在科學(xué)工作流的挖掘時間上也具有一定優(yōu)勢，采用云計算，通過多個云平臺同時挖掘的技術(shù)，較以往單平臺下的挖掘，大大節(jié)約了時間成本，減輕了單平臺數(shù)據(jù)挖掘的負(fù)擔(dān)，減少了單平臺下挖掘可能產(chǎn)生的內(nèi)存溢出、系統(tǒng)崩潰等一系列問題。

附圖說明

圖1是本發(fā)明基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法流程圖。

圖2是跨云間科學(xué)工作流的挖掘過程圖。

圖3是日志挖掘完成后生成的單一平臺下的完整的子科學(xué)工作流圖。

圖4(a)是各云平臺均完成各云平臺下的子科學(xué)工作流的挖掘的圖。

圖4(b)是各云平臺相互發(fā)送消息的科學(xué)工作流圖。

圖4(c)是基于事件直接先于關(guān)系的挖掘完成的云間科學(xué)工作流圖。

圖5(a)是未進(jìn)行傳遞歸約操作的科學(xué)工作流圖。

圖5(b)是進(jìn)行傳遞歸約操作后的科學(xué)工作流圖。

具體實(shí)施方式

結(jié)合圖1，本發(fā)明的一種基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法，通過事件日志信息，挖掘跨云平臺下的科學(xué)工作流，以XES格式描述的事件日志為輸入，以SVG為格式的云間科學(xué)工作流為輸出結(jié)果，該方法具體包括以下步驟：

步驟1，輸入以XES格式描述的事件日志，解析事件日志獲得事件，生成對應(yīng)的事件序列集合，根據(jù)事件序列集合獲得事件直接先于關(guān)系，完成云內(nèi)科學(xué)工作流的挖掘；具體為：

步驟1-1，完成事件日志的解析，將格式為XES的日志文件轉(zhuǎn)化為對應(yīng)的事件序列集合，所述事件序列集合是指日志中事件可能發(fā)生的先后順序的排序組合；

步驟1-2，遍歷事件序列集合，根據(jù)事件序列集合獲得事件直接先于關(guān)系；具體包括：

步驟1-2-1，任意一條事件序列{a₁a₂a₃a₄……a_N-1a_N}包含N個事件，a₁……a_N代表事件，這N個事件按照事件先后發(fā)生順序，獲得N-1組的事件直接先于關(guān)系：a₁→_L a₂、a₂→_L a₃、a₃→_L a₄……a_N-1→_L a_N；a₁→_L a₂表示事件a₁發(fā)生順序直接先于事件a₂；

步驟1-2-2，遍歷事件序列集合，獲得所有可能的事件直接先于關(guān)系，刪除所有重復(fù)的事件直接先于關(guān)系；

步驟1-2-3，在步驟1-2-2中所得到的所有的直接先于關(guān)系的集合中刪除存在并發(fā)關(guān)系的直接先于關(guān)系，并按照最終剩余的事件直接先于關(guān)系，連結(jié)事件生成云內(nèi)科學(xué)工作流。

步驟2，各個云平臺分別挖掘完成各自云平臺內(nèi)的科學(xué)工作流后，兩兩云平臺之間同時進(jìn)行消息傳遞，完成初步跨云間的科學(xué)工作流的挖掘；

步驟3，通過步驟2的跨云間科學(xué)工作流的挖掘，對整個云平臺聯(lián)盟下的總體科學(xué)工作流進(jìn)行歸約、合并和簡化處理，得到跨云間的科學(xué)工作流。

進(jìn)一步的，步驟2中各云平臺相互發(fā)送消息，各個不同云平臺下的事件相互響應(yīng)，完成所有云間科學(xué)工作流的消息傳遞，通過這些響應(yīng)，將各個子云平臺連結(jié)成為一個完整的云平臺聯(lián)盟，完成初步云間科學(xué)工作流的挖掘。

進(jìn)一步的，步驟3中對整個云平臺聯(lián)盟下的總體科學(xué)工作流進(jìn)行歸約、合并和簡化處理的具體過程為：

對初步跨云間科學(xué)工作流進(jìn)行合并，當(dāng)兩個事件之間存在多條相同的路徑時，刪除重復(fù)的路徑，僅保留一條路徑；

對合并后的初步跨云間科學(xué)工作流進(jìn)行傳遞歸約，即在保證一副圖中可達(dá)關(guān)系不變情況下刪除冗余的路徑，得到跨云間的科學(xué)工作流。

下面結(jié)合具體實(shí)施例對本發(fā)明作進(jìn)一步說明。

實(shí)施例

本發(fā)明基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法，是一個基于云計算平臺下的，通過事件日志進(jìn)行跨云間的科學(xué)工作流的挖掘的方法，具體挖掘過程如圖2所示。

首先，根據(jù)各云平臺下本地事件日志文件進(jìn)行云內(nèi)挖掘，獲得本地子科學(xué)工作流，接著，各云平臺下的子科學(xué)工作流兩兩之間進(jìn)行消息傳遞，連結(jié)各個云平臺下的子科學(xué)工作流，最后云平臺聯(lián)盟進(jìn)一步整合、優(yōu)化生成總的科學(xué)工作流，這個過程稱之為跨云間科學(xué)工作流的挖掘。

本發(fā)明基于事件直接先于關(guān)系的云間科學(xué)工作流挖掘方法，是一個依賴于事件日志中事件發(fā)生的先后次序的、跨平臺的科學(xué)工作流的挖掘方法。首先，各云平臺獨(dú)自完成各平臺下的子科學(xué)工作流的挖掘，這個過程也稱之為云內(nèi)挖掘。云內(nèi)挖掘具體包括解析本地日志文件、根據(jù)日志中所有事件發(fā)生的先后次序所組成的序列分析獲取事件直接先于關(guān)系，根據(jù)事件直接先于關(guān)系構(gòu)建完整的子科學(xué)工作流圖，這個序列在下文中稱之為Trace，Trace條數(shù)不唯一；接著，各平臺完成本地科學(xué)工作流挖掘后，也就是完成云內(nèi)挖掘后，進(jìn)行跨云間的挖掘，各個云平臺之間相互發(fā)送消息日志，根據(jù)消息日志，連結(jié)各個云平臺的子科學(xué)工作流圖，進(jìn)一步挖掘出跨云間各個事件的響應(yīng)先后次序；最后，對于整個云平臺聯(lián)盟下的總體科學(xué)工作流進(jìn)行整理、合并、簡化，挖掘完成總體的科學(xué)工作流。

該方法包括：

步驟1，云內(nèi)挖掘：完成本地日志的解析、根據(jù)事件日志中事件發(fā)生的先后次序序列獲得事件直接先于關(guān)系、挖掘獲取完整的本地子科學(xué)工作流圖，具體步驟如下：

步驟1.1，完成本地日志的解析

輸入以.XES為輸入的本地日志文件，該XES文件存儲了事件日志的信息，包括每個事件發(fā)生的時間、狀態(tài)等等。讀取事件日志，按照日志中Trace條目，依次讀取各個事件，按序讀取的事件組成一條Trace，而一個事件日志中，包含著多條Trace，每一條Trace代表著多個事件可能發(fā)生的先后順序。任意一條Trace記錄的事件排序?yàn)閧a₁a₂a₃a₄……a_N-1a_N}，其中a₁……a_N代表N個不同的事件，根據(jù)該條Trace的事件排序，獲得N-1個事件直接先于關(guān)系：a₁→_L a₂、a₂→_L a₃、a₃→_L a₄……a_N-1→_L a_N，代表在該條Trace中，事件a₁直接發(fā)生在事件a₂之前、事件a₂直接發(fā)生于事件a₃之前，以此類推，a_N-1直接發(fā)生在事件a_N之前。

步驟1.2，遍歷Trace集合，每一條Trace都獲得N-1組事件直接先于關(guān)系，刪除這些事件先于關(guān)系中重復(fù)的組合，留下單一、不重復(fù)的事件先于關(guān)系組合。

步驟1.3，挖掘出本地、完備、全面的子科學(xué)工作流。根據(jù)步驟1.2中剩余的事件先于關(guān)系組合中，可能存在a_p→_L a_q和a_q→_L a_p這樣的事件直接先于關(guān)系組合，a_p≠a_q，這代表這事件a_p可能發(fā)生在事件a_q之前，也可能發(fā)生在事件a_q之后，這也意味著事件a_p和事件a_q存在并發(fā)關(guān)系；刪除步驟1.2中存在的具有并發(fā)關(guān)系的事件直接先于關(guān)系組合，并根據(jù)剩余的事件直接先于關(guān)系組合，生成云內(nèi)的科學(xué)工作流。

結(jié)合實(shí)例，具體的操作步驟為：假設(shè)讀取某一事件日志，該日志包含四條Trace：GABCDEF、AGBCDEF、ABGCDEF、ABCGDEF。根據(jù)日志中的每一條Trace獲得各事件的直接先于關(guān)系：如根據(jù)第一條Trace：GABCDEF，可以獲得6組直接先于關(guān)系有G到A(簡化為G→_L A)、A→_LB、B→_L C、C→_L D、D→_L E、E→_L F，分析全部四條Trace，并去掉冗余的直接先于關(guān)系，得到12組的事件直接先于關(guān)系：G→_L A、A→_L B、B→_L C、C→_L D、D→_L E、E→_L F、A→_L G、G→_L B、B→_L G、G→_L C、C→_L G、G→_L D。值得注意的是，這12組的事件直接先于關(guān)系中，包含了類似G→_L A和A→_L G這樣的直接先于關(guān)系，這兩組先于關(guān)系代表了事件G可以發(fā)生在事件A之前，而事件A又可以發(fā)生在事件G之前，這種情況表明了事件A和事件G存在并發(fā)關(guān)系，所以不符合事件直接先于關(guān)系的定義，所以在這12組的事件直接先于關(guān)系中刪除并發(fā)的關(guān)系A(chǔ)→_L G和G→_L A、B→_L G和G→_L B以及C→_L G和G→_L C。所以最終獲得了6組事件直接先于關(guān)系：A→_L B、B→_L C、C→_L D、D→_L E、E→_L F、G→_L D。根據(jù)6組事件直接先于關(guān)系挖掘生成圖3，即單一平臺下的完整的子科學(xué)工作流。

步驟2，各平臺均完成本地子科學(xué)工作流的挖掘后，各平臺之間相互發(fā)送消息，根據(jù)消息日志，連結(jié)各個云平臺的子科學(xué)工作流圖，完成云平臺聯(lián)盟下總體科學(xué)工作流的初步挖掘。

如圖4(a)所示，根據(jù)各個云平臺下的本地日志，云A挖掘出了子科學(xué)工作流A，云B挖掘出了子科學(xué)工作流B，云C挖掘出了子科學(xué)工作流C。各個云平臺之間兩兩存在消息日志，可以是云A發(fā)送消息日志到云B，也可以是云B發(fā)送消息日志到云A，如云A至云B的消息日志包括A→_L H，云B到云A的消息日志包括I→_L D、I→_L E，具體表現(xiàn)如圖4(b)所示，圖中虛線表示各個云平臺之間消息日志的傳遞。

步驟3，對于步驟2挖掘出的初步的云間科學(xué)工作流，根據(jù)本方法需要進(jìn)一步對整個云平臺聯(lián)盟下的總體科學(xué)工作流進(jìn)行整理、合并、簡化。步驟2中初步建立的云間科學(xué)工作流圖，是冗余的科學(xué)工作流，是存在傳遞閉包的科學(xué)工作流，在本方法中需要對該科學(xué)工作流進(jìn)行傳遞歸約操作，刪除這些冗余的邊。所謂傳遞歸約操作就是通過最少的邊，保證一幅圖中可達(dá)關(guān)系不變，而刪除的這些冗余的邊，不影響云間科學(xué)工作流中所有事件的可達(dá)關(guān)系，最終達(dá)到簡化云間科學(xué)工作流的目的，完成挖掘，獲得完整、精簡、優(yōu)化的云間科學(xué)工作流。

各云平臺兩兩進(jìn)行消息傳遞后，生成的圖4(b)中存在類似于I→_L D、I→_L E、D→_LE這樣結(jié)構(gòu)的圖，將圖放大至圖5(a)，在科學(xué)工作流中，這種存在冗余關(guān)系的邊的科學(xué)工作流，即I到E的可達(dá)關(guān)系中，存在兩種可達(dá)方式，一種方法為I通過D再到E，另一種方式為I直接到E，在本方法中，這種科學(xué)工作流需要進(jìn)行傳遞歸約的操作，已達(dá)到簡化工作流的目的，所以對圖5(a)進(jìn)過傳遞歸約后，獲得了圖5(b)。而總的科學(xué)工作流需要完成該科學(xué)工作流中所有的需要進(jìn)行傳遞歸約的操作，使整個科學(xué)工作流精簡而又不失其完整性和完備性。最終基于直接先于關(guān)系的云間科學(xué)工作流圖得挖掘如圖4(c)所示，是一個完整的、跨云間的、符合事件現(xiàn)實(shí)依賴關(guān)系的科學(xué)工作流圖。