计算机研究与发展 ＩＳＳＮ ｌＯＯＯ一１２３９／ＣＮ １１－１７７７门ｒＰ ｊ ｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ４９（６）：１３５７—１３６２，２０１２ 图形工作流驱动的空间信息服务链研究 张建博 刘纪平。 王 蓓。 （武汉大学资源环境与科学学院 武汉４３００７９） （中国测绘科学研究院 北京 １００８３Ｏ） 。（中国科学院地理科学与资源研究所北京 １００１０１） （ｆｉｎｅｃｈｏ＠１６３．ｃｏｒｎ） Ｓｐａｔｉａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｒｖｉｃｅｓ Ｃｈａｉｎｉｎｇ Ｂａｓｅｄ ｏｎ Ｇｒａｐｈｉｃ。Ｗｏｒｋｆｌｏｗ Ｚｈａｎｇ Ｊｉａｎｂｏ ，Ｌｉｕ Ｊｉｐｉｎｇ ，ａｎｄ Ｗａｎｇ Ｂｅｉ。 （Ｓｃｈｏｏｌ ｏｆ Ｒｅｓｏｕｒｃｅ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００７９） （Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ，Ｂｅｉｊｉｎｇ １００８３０） 。（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｇｅｏｇｒａｐｈｉｃ Ｓｃｉｅｎｃｅｓ ａｎｄ Ｎａｔｕｒａｌ Ｒｅｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １００１０１） Ａｂｓｔｒａｃｔ Ｔｒａｄｉｔｉｏｎａｌ ｗｏｒｋｆｌｏｗ ｔｅｃｈｎｏｌｏｇｙ ｃａｎ’ｔ ｍｅｅｔ ｔｈｅ ｒｅｑｕｉｅｒｍｅｎｔｓ ｏｆ ｓｐａｔｉａｌ＂ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅｓ ｃｈａｉｎｉｎｇ ａｇｇｒｅｇａｔｉｏｎ ｂｅｃａｕｓｅ ｏｆ ｔｈｅ ｐａｒｔｉｃｕｌａｒｉｔｙ ｏｆ ｔｈｅ ｌｏｎｇ ｔｉｍｅ ｃｏｓｔ ｏｆ ｓｐａｔｉａｌ ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｔｈｅ ｉｎｔｅｒｆａｃｅ ｔｈａｔ ｗｏｒｋｆｌｏｗ ｃａｌｌｓ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅｓ ｃｈａｉｎｉｎｇ．Ｔｈｅ ｍａｉｎ ｐｒｏｂｌｅｍｓ ｌｉｅ ｉｎ ｔｈｅ ｍｉｓｍａｔｃｈ ｏｆ ｉｎｔｅｒｆａｃｅ，ａｎｄ １ＯＷ ｅｆｆｉｃｉｅｎｃｙ．Ｔｈｅｎｃｅ，ｔｈｅ ｍｏｄｅｌ ｏｆ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅ ｃｈａｉｎｉｎｇ ａｇｇｒｅｇａｔｉｏｎ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ。ｅｘｐｅｎｄｉｎｇ ｔｈｅ ｍｏｄｅｌ ｏｆ ｔｒａｄｉｔｉｏｎａｌ ＷＰＳ ｃｈａｉｎｉｎｇ ｗｈｏｓｅ ｉｎｓｕｆｆｉｃｉｅｎｔ ｉｓ ｃｏｎｓｉｄｅｒｅｄ．Ｂｙ ａｎａｌｙｚｉｎｇ ｔｈｅ ｍａｉｎ ｐｒｏｂｌｅｍｓ ｂｅｔｗｅｅｎ ｔｈｅ ｉｎｔｅｒｆａｃｅ ａｎｄ ｓｐａｔｉａｌ ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ ａｂｏｕｔ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅｓ ｄｕｒｉｎｇ ｔｈｅ ｗｏｒｋｆｌｏｗ ｓｃｈｅｄｕｌｉｎｇ，ｗｅ ｐｒｅｓｅｎｔ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｍｅｔｈｏｄｓ ｏｆ ｔｈｅ ｉｎｔｅｒｆａｃｅ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｔｏ ｍａｋｅ ｔｈｅ ｗｏｒｋｆｌｏｗ ｃａｌｌ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅｓ ｃｈａｉｎｉｎｇ ｗｅｌｌ，ａｎｄ ａｄｏｐｔ ａ ｓｔｒａｔｅｇｙ ｏｆ ＧＭＬ—ｃｏｍｐｒｅｓｓｅｄ ｓｃｈｅｄｕｌｉｎｇ ｔｏ ｇｕａｒａｎｔｅｅ ｔｈｅ ｓｐａｔｉａｌ ｄａｔａ ｆｌｏｗ ｂｅ ｌｏｗｌｙ ｔｒａｎｓｍｉｔｔｅｄ ｏｎ ｔｈｅ ｎｅｔｗｏｒｋ．Ｆｉｎａｌｌｙ，ｔｈｅ ｃｏｎｃｒｅｔｅ ｓｏｌｕｔｉｏｎｓ ｏｆ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅｓ ｃｈａｉｎｉｎｇ ｐｒｏｃｅｓｓｉｎｇ ａｒｅ ｐｒｅｓｅｎｔｅｄ ｉｎ ｔｈｅ ｐａｐｅｒ ｃｏｍｂｉｎｅｄ Ｋｅｐｌｅｒ ｗｏｒｋｆｌｏｗ ｅｎｇｉｎｅ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｓｃｈｅｄｕｌｉｎｇ ｍｅｔｈｏｄ ｎｏｔ ｏｎｌｙ ｂｒｅａｋｔｈｒｏｕｇｈｓ ｉｎｔｅｒｆａｃｅ ｂｏｔｔｌｅｎｅｃｋｓ ｔｈｒｏｕｇｈ ｔｈｅ ｉｎｔｅｒｆａｃｅ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｕｓｅｄ ｉｎ ｔｈｅ ｗｏｒｋｆｌｏｗ ｂｅｆｏｒｅ，ｂｕｔ ａｌｓｏ ｉｍｐｒｏｖｅｓ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅ ｃｈａｉｎ ｅｘｅｃｕｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ ｔｈｒｏｕｇｈ ｔｈｅ ｓｔｒａｔｅｇｙ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｏｆ ｓｐａｔｉａｌ ｄａｔａ ｆｌｏｗ． Ｋｅｙ ｗｏｒｄｓ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅｓ；ｓｅｒｖｉｃｅｓ ｃｈａｉｎｉｎｇ；ｃｏｍｂｉｎｉｎｇ；ＧＭＬ ｄａｔａ ｆｌｏｗ ｓｔｒａｔｅｇｙ； ｇｒａｐｈｉｃ—ｗｏｒｋｆｌｏｗ；Ｋｅｐｌｅｒ 摘要空间信息服务链由于其空间数据操作对时间的要求以及其应用于工作流对接口要求的特殊性， 使得传统的工作流很难调度空间信息服务链，主要的问题在于接口不匹配以及运行效率低下．在传统 ＷＰＳ服务链的基础上，针对其不足提出了基于图形工作流的空间信息服务链聚合模型．通过分析工作 流调度空间信息服务链存在的主要问题，提出相应的接口改进方法，以及基于地址引用、压缩ＧＭＬ的 数据调度策略．并结合Ｋｅｐｌｅｒ工作流引擎，给出了空间信息服务链聚合的具体过程．经过实验证明：基 于图形工作流环境，不但突破了以往空间信息服务应用于工作流的接口瓶颈，而且改进的数据流调度策 略有助于空间信息服务链执行效率的提高． 关键词空间信息服务；服务链；聚合；ＧＭＬ调度；图形工作流；Ｋｅｐｌｅｒ 中图法分类号ＴＰ３１１ 收稿日期：２０１卜０３ １７；修回日期：２０１２ ０２ ０６ 基金项目：国家自然科学基金项目（４０９０１１９５） 基于工作流技术聚合标准的空间信息服务为网 络环境下分布式空间信息的共享和互操作提供了有 效的解决方案 ］．但是ＯＷＳ（ＯＧＣ ｗｅｂ ｓｅｒｖｉｃｅ）服 务链应用于工作流主要存在两个方面的问题： １）接口层面．面向服务的工作流引擎采用 ＯＡＳＩＳ＿２ 标准，而空间信息服务则采用ＯＧＣ（ｏｐｅｎ ｇｅｏｓｐａｔｉａｌ ｃｏｎｓｏｒｔｉｕｍ）标准，导致空间信息服务在 工作流中不能被聚合． ２）数据层面．ＯＧＣ标准化的ＷＦＳ（Ｗｅｂ ｆｅａｔｕｒｅ ｓｅｒｖｉｃｅ）和ＷＰＳ（Ｗｅｂ ｐｒｏｃｅｓｓｉｎｇ ｓｅｒｖｉｃｅ）服务以ＧＭＬ 为共享交换格式，密集的ＧＭＬ操作使得工作流执 行空间信息服务链效率较低． 目前，对基于工作流的空间信息服务链聚合研 究主要集中在２个方面：从抽象空间信息服务描述 中自动派生ＢＰＥＬ（工作流描述语言），送入工作流 引擎执行ｌ＿３ ］，以及采用语义、本体的方法构建服务 链从而驱动工作流 ］．这些方法主要是从概念层次 上讨论工作流，并没有针对空间信息服务在工作流 中如何建模作深入的探讨．因此，本文主要研究如何 改进ＯＷＳ服务接口，以及服务链执行策略，使 ＯＷＳ服务链无缝地应用于图形工作流． １ ＯＷＳ服务链与图形工作流 １．１空间信息服务选择 ＯＧＣ标准化了多种的空间信息服务：地图服务 （ＷＭＳ，ｗＣＳ）、要素服务（ＷＦＳ）、处理服务（ＷＰＳ） 等．本文以ＷＦＳ要素服务为数据源、ＷＰＳ处理服务 为节点，构建ＯＷＳ服务链． １．２图形工作流 工作流引擎按照过程建模的不同可分为ＢＰＥＬ 过程建模工作流和图形建模工作流．基于ＢＰＥＬ过 程建模的工作流原理是采用ＢＰＥＬ语言定义服务 链，然后交给工作流引擎执行，由于缺乏可视化工具 支持，造成ＢＰＥＬ谱写困难． 图形建模工作流是通过手动拖拽图形代理的方 式定制服务链．相比ＢＰＥＬ过程建模工作流具有以 下优点：１）提供了过程建模的可视化工具，用户不需 要通过手工谱写过程建模语言；２）客户端应用程序 只需要实现ＷＭＳ、ＷＦＳ要素服务的可视化，执行 过程交由图形工作流执行，实现应用程序客户端、图 形工作流客户端以及工作流引擎最大程度上的松耦 合架构；３）面向服务的图元代理能够动态发现、聚合 经过接口改造的ＯＷＳ服务，易于实现ＧＭＬ数据调 计算机研究与发展２０１２，４９（６） 度策略． 比较典型的是美国加利福尼亚大学的Ｋｅｐｌｅｒ 开源工作流．因此，本文选择Ｋｅｐｌｅｒ聚合ＯＷＳ服 务链． ２ 图形工作流驱动ＯＷＳ服务链模型 ２．１传统ＷＰＳ服务链模式 ＷＰＳ＿１ 标准定义了简单的服务链．要求服务链 中参与聚合的ＷＰＳ服务实例以ＫＶＰ编码的方式 提交ＧＥＴ请求．可以描述为 Ｇｇ ＵＲＬ—ｒｅｑ（ｒｅｑ１（ｒｅｑ ２（ｒｅｑ （…））））， （１） 其中，ｒｅｑ为当前ＷＰＳ服务请求，ｒｅｑ 为参与服务链 的０ＷＳ服务请求，包括ＷＦＳ的ＧｅｔＦｅａｔｕｒｅ以及 其他ＷＰＳ的Ｅｘｅｃｕｔｅ．从式（１）中可看出，ＷＰＳ标 准定义的服务链以嵌套ＵＲＬ的方式聚合服务请 求，由于ＵＲＬ编码的字符，这种服务链仅仅适 合少数ＯＷＳ服务的聚合，并且嵌套的服务聚合给 服务监控以及异常捕捉带来很大的困难． ２．２ 图形工作流驱动ＯＷＳ服务链模型描述 图形工作流引擎聚合ＯＷＳ服务，不再采用 ＫＶＰ编码接口．如图１所示．假设存在ＷＦＳ ， ＷＦＳ。，ＷＰＳ ，ＷＰＳ。四个ＯＷＳ服务．首先对其添 加ＷＳＤＬ描述，对消息响应采用ＳＯＡＰ绑定；接着 改进ＷＦＳ接口，使之能够输出ＧＭＬ地址引用，同 时为ＷＰＳ接口添加接口解析器，便于ＷＰＳ非 ＧＭＬ数据类型的参数传递（ＺＩＰ）；然后采用工作流 引擎的可视化界面构建ＯＷＳ服务链流程，由图形 工作流引擎完成执行、监测、输出工作． Ｒｅｑｕｅｓｔ Ｒｅｓｐｏｎｓｅ Ｆｉｇ．１ Ｔｈｅ ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ＯＷＳ ｃｈａｉｎｉｎｇ ｍｏｄｅｌ ｗｉｔｈ ｗｏｒｋｆｌｏｗ． 图１ 工作流驱动服务链概念模型描述 张建博等：图形工作流驱动的空间信息服务链研究 从图１可以看出，图形工作流引擎作为调度中 心控制每个ＯＷＳ服务，其服务聚合遵循式（２）： Ｖ—ＷＤｒ忌Ｆｌｏｗ（ＯＷＳｌ，ＯＷＳ ２，…，ＯＷＳ ）．（２） 不再以ＷＰＳ为单独的服务链入口，而是将嵌 套的服务拆分为多个ＷＦＳ，ＷＰＳ服务．工作流中的 ＯＷＳ服务通过多点服务增值的方式聚合，而不是式 （１）描述单点ＷＰＳ服务聚合；语义层面的ＵＲＬ聚 合变为ＧＭＬ格式的数据体聚合． ３ 图形工作流驱动ＯＷＳ服务链实现 本文根据Ｋｅｐｌｅｒ工作流以及标准空间信息服 务的特点，通过分析ＯＷＳ服务链面向图形工作流 的接口以及数据调度问题，提出了图形工作流引擎 聚合ｏＷＳ服务链的执行策略． ３．１ ＯＷＳ服务接口封装 ＯＷＳ服务与图形工作流在内部接口和外部接 口层面都存在较大的差异． １）外部接口．①Ｋｅｐｌｅｒ工作流面向标准ｗｅｂ 服务．节点映射的服务以标准的ＷＳＤＬ描述、节点 之间以ＳＯＡＰ为通信协议进行互操作．但是ＯＧＣ 并没有给出相关规范；②虽然ＯＧＣ在ＯＷＳ一５中提 出了ＷＰＳ要支持ＷＳＤＬ，ＳＯＡＰ协议的需求，但是 没有明确提出支持ＷＦＳ的ＷＳＤＬ封装，因此图形 工作流不能协调ＷＦＳ，ＷＰＳ的服务聚合． 针对这种外部接口层面的不一致问题，需要针 对ＷＦＳ，ＷＰＳ进行接口封装．以ＷＰＳ为例，包含３ 种接口ＧｅｔＣａｐａｂｍｔｉｅｓ，Ｅｘｅｃｕｔｅ，ＤｅｓｃｒｉｂｅＰｒｏｃｅｓｓ． 仅需要将Ｇｅｔｃａｐａｂｍｔｉｅｓ请求通过ＷＳＤＬ封装，同 时改造Ｅｘｅｃｕｔｅ请求，使之支持ＳＯＡＰ协议，如图２ 所示．Ｋｅｐｌｅｒ引擎驱动ＷＰＳ服务能够从封装后的 ＧｅｔＣａｐａｂｉｌｉｔｉｅｓ中获取Ｅｘｅｃｕｔｅ的ｓＯＡＰ请求． ２）内部接口．①虽然为ＷＰＳ添加了ＷＳＤＬ描 述，但是ＷＰＳ的输入参数类型并不在ＧｅｔＣａｐａｂｉｌｉｔｉｅｓ 接口中描述，而是在Ｄｅｓｃｒ ｅＰｒＯｃｅｓｓ（ＷＦＳ为 ｄｅｓｃｒｉｂｅＦｅａｔｕｒｅＴｙｐｅ）接口中定义，Ｋｅｐｌｅｒ工作流 不能够从Ｇｅｔｃａｐａｂｉ１ｉｔｉｅｓ接口中提取ＳｏＡＰ请求 所必备的参数类型；②ＯＧＣ标准没有针对ＷＰＳ的 输入输出参数做强制规范，可以是单独参数也可以 是复杂类型ｃｏｍｐｌｅｘＴｙｐｅ的多参数输入输出，ＷＰＳ 人口无法动态识别复杂类型参数． 例如图１描述的ＯＷＳ服务，ＷＰＳ 的输出接口 Ｒｅｓｐｏｎｓｅ 可能为ＧＭＬ实体数据类型，也可能是包 含在ＧＭＬ中的ＵＲＬ地址引用类型．在Ｋｅｐｌｅｒ驱 动的这个ＯＷＳ服务链中，ＷＰＳ 输入接口无法确认 是ＧＭＬ实体数据，还是ＵＲＬ地址引用，因为两者 的参数类型都是ＡｎｙＵＲＬ这一弱类型语言．这一问 题的实质是图形Ｋｅｐｌｅｒ工作流无法自动解析非实 体化ＧＭＬ数据． Ｆｉｇ．２ ＷＰＳ ｗｉｔｈ ＷＳＤＬ． 图２ ＷＰＳＷＳＤＬ描述 解决这个问题需要在ＷＦＳ，ＷＰＳ服务的输出 端添加ＧＭＬ解析器．如图３所示：假设ＷＰＳ 输出 ＧＭＬ，非ＬｉｎｅＳｔｒｉｎｇ类型，而是包含遥感图片的 ＵＲＬ地址，那么ＧＭＬ解析器就为下一节点ＷＰＳ 解析出正确的ＵＲＬ地址及其类型，而不是ＧＭＬ数 据体．需要指出的是，ＯＷＳ服务链构建者不需要另 行编码设计，Ｋｅｐｌｅｒ提供了ＸＭＬ解析组件，用户需 要利用这种组件提取所需的参数以及类型． ＿－＿－—－ ＵＲＬＬ悃Ｊ Ｆｉｇ．３ ＷＰＳ ｏｕｔｐｕｔ ｉｎｔｅｒｆａｃｅ ｄｅｆｉｎｅ． 图３ ｗＰＳ输出接Ｅｌ解析器 ３．２ 图形工作流调度ＯＷＳ服务链策略 标准ＯＷＳ服务链以ＧＭＬ为共享数据交换格 式，密集的ＧＭＬ输入输出给工作流驱动ＯＷＳ服务 链带来效率上的问题，需要额外的网络传输时间开 销，而且网络传输大数据量的ＧＭＬ速度慢． 图４表达了数据调度的两种策略．细实线为 Ｋｅｐｌｅｒ代理的服务请求，虚线和粗实线表示数据传 输的２种方式，数据请求、传输由各个图元节点控制． 传统的数据调度方法如虚线所示，所有的ＯＷＳ 服务都返回ＧＭＬ数据，是一种高密度ＧＭＬ调度模 张建博等：图形工作流驱动的空间信息服务链研究 ＷＦＳ以及ＷＰＳ的ＧｅｔＣａｐａｂｍｔｉｅｓ接口作为Ｋｅｐｌｅｒ 节点映射服务的ＵＲＬ地址，如：ｈｔｔｐ．／／ＳｅｒｖｅｒＵｒｌ？ ｗｓｄ１．②改造ＷＦＳ的输出接口，输出的ＧＭＬ文件不 再表达矢量对象，而是包含ＡｎｙＵＲＬ类型的ＵＲＬ地 址引用．实质上是将ＷＦＳ逻辑对象转换成地址引用， 减少ＧＭＬ操作．③为ＷＰＳ接Ｉ２１添加接ＶＩ解析器，解 析ＷＦＳ的输出文件中包含的ＧｅｔＦｅａｔｕｒｅ请求返回的 ＵＲＬ引用地址．然后交给下一节点的ＷＰＳ执行． ２）服务发现．Ｋｅｐｌｅｒ引擎提供Ｗｅｂ服务搜索 工具一——图元代理Ａｃｔｏｒ，可通过拖拽的方式将参 与ＯＷＳ服务的Ａｃｔｏｒ代理工具置于工作流，ａｃｔｏｒ 代理按照ＷＳＤＬ描述自动发送ＳＯＡＰ协议，并捕获 输出以及异常． ３）服务聚合．①配置图元代理Ａｃｔｏｒ１，Ａｃｔｏｒ２， 以发现ＷＦＳ１，ＷＦＳ２要素服务，发送ＧｅｔＦｅａｔｕｒｅ请 求（ＳＯＡＰ协议），返回ＧＭＬ。，ＧＭＬ２，但包含的是 ＧＭＬ数据的ＵＲＬ地址引用；②将ＧＭＬ通过解析 器解析出要素地址引用；③图元代理Ａｃｔｏｒ。接收 ＵＲＬ引用，并发送Ｅｘｅｃｕｔｅ请求，内部调用ＷＦＳ的 ＧｅｔＦｅａｔｕｒｅ请求，获取参与求交运算的ＧＭＬ数据； 然后通过矢量求交运算处理，获取求交后的多边形 混合数据ＧＭＬ ；最后交由面状要素化简处理服务 化简数据，得到ＧＭＬ ，交由客户端验证显示． ４实验与分析 实验展示了Ｋｅｌｐｅｒ工作流聚合ＯＷＳ服务链 的效果，并对聚合策略进行了性能测试，将采用地址 引用、压缩ＧＭＬ的策略和密集ＧＭＬ操作的策略作 了比较分析． ４．１实验数据与环境 首先提出参与实验的ＯＷＳ服务链实例：获取 全国某机构办事处的点状要素，与所在省份的多边 形要素求交，经过Ｄｏｕｇｌａｓ—Ｐｃｕｃｋｅｒ化简算法多边 形，返回客户端显示．涉及的空间信息服务均为 ＯＧＣ标准的空间信息服务，具体如下： １）中国省级行政区划要素服务（ＷＦＳ ）； ２）某机构办事处的点状要素服务（ＷＦＳ。）； ３）要素求交服务（ＷＰＳ ）； ４）要素化简服务（ＷＰＳ。）． 在实验中，参与聚合的要素服务（ＷＦＳ）采用 Ｇｅｏｓｅｒｖｅｒ（开源地图服务引擎）发布，处理服务 （ＷＰＳ）由开源软件５２。Ｎｏｒｔｈ的空间信息处理组件 １３６１ 发布．聚合生成的ＧＭＬ数据由客户端Ｏｐｅｎｌａｙｅｒｓ 展示．采用Ｋｅｐｌｅｒ图形工作流引擎聚合ＯＷＳ服务． ４．２结果与分析 实际的工作流执行过程如图５所示．图６为聚 合的最终结果．图６（ａ）（ｂ）（ｃ）分别为Ｏｐｅｎｌａｙｅｒｓ客 户端展示的原子级别的服务，图６（ｄ）为Ｋｅｐｌｅｒ工 作流调用ＷＰＳ（ｄｏｕｇｌａｓ—ｐｃｕｃｋｅｒ化简算法）化简多 边形，输出ＧＭＬ的最终展示结果． （ｄ）ＷＰＳ２ Ｆｉｇ．６ ＯＷＳ ｓｅｒｖｉｃｅｓ． 图６ ＯＷＳ服务 为了验证地址引用、压缩ＧＭＬ策略和密集 ＧＭＬ策略针对不同的ＧＭＬ数据量的执行效果，提 供３种比例尺的省级行政区划数据：１：４００００００， １：１００００００和１：２５００００矢量数据（主要是对行政区 划进行化简）．由Ｇｅｏｓｅｒｖｅｒ发布后的ＧＭＬ数据量 分别为１．４７ ＭＢ，１１．２ ＭＢ和２３．５ ＭＢ．表１、表２分 别为不同策略在不同数据量环境下的时间费用．实 验结果表明，当ＧＭＬ数据量较小时，优化的调度策 略的时间优势不明显；但是当服务链处理的ＧＭＬ 数据量越大时，对聚合调度的优化效果越明显． Ｔａｂｌｅ １ Ｔｉｍｅ Ｃｏｓｔ ｏｆ Ｓｔｒａｔｅｇｉｅｓ ｗｉｔｈ Ｌａｒ￣ｒ ＧＭＬ 表１密集ＧＭＬ调度策略时间消耗 Ｓ Ｔａｂｌｅ ２ Ｔｉｍｅ Ｃｏｓｔ ｏｆ Ｏｐｔｉｍｉｚｉｎｇ Ｓｔｒａｔｅｇｉｅｓ 表２优化的调度策略时间消耗 ｌ３６２ 整个服务链聚合执行的时间费用可以分为３个 部分：①ＷＦＳ 产生的ＧＭＬ传输费用；②ＷＰＳ 解 析、处理ＧＭＬ费用；③ＷＰＳｚ解析、处理ＧＭＬ费用． 其中，空间处理算法依赖于服务端算法的性能优略， 两种策略使用相同的ＷＰＳ处理算法，在该部分所 耗费的时间没有差异．因此，整体的性能取决于 ＧＭＬ的传输以及对ＧＭＬ的序列化和解析的能力． 如果传输的ＧＭＬ数据量小，网路传输和解析 ＧＭＬ的费用没有太大的区别．然而当数据量大时， 网络传输ＧＭＬ的费用成倍增加，对比式（６）和式 （１０）可以发现，采用地址引用、压缩ＧＭＬ的策略首 先避免了ＧＭＬ下载到本地造成的时间消耗，同时 采用压缩ＧＭＬ的方式降低了网络传输费用，整体 时间消耗接近密集ＧＭＬ策略的一半． ５ 结 论 本文利用图形工作流为聚合标准ＯＷＳ服务提 供了新的解决方案，并且通过实验证明了这种方案 不仅突破了（）ｗＳ服务应用于工作流的接口瓶颈， 而且通过改进的数据流调度策略提高了ＯＷＳ服务 链的执行效率． 参 考 文 献 ［１］ Ａｌａｍｅｈ Ｎ．Ｃｈａｉｎｉｎｇ ｇｅｏｇｒａｐｈｉｃ ｉｎｆｏｒｍａｔｉｏｎ Ｗｅｂ ｓｅｒｖｉｃｅｓ ［Ｊ］．ＩＥＥＥ Ｉｎｔｅｒｎｅｔ Ｃｏｍｐｕｔｉｎｇ，２００３，７（５）：２２—２９ ［２］ Ｎｉｃｋｕｌｌ Ｄ．Ｒｅｆｅｒｅｎｃｅ ｍｏｄｅｌ ｆｏｒ ｓｅｒｖｉｃｅ ｏｒｉｅｎｔｅｄ ａｒｃｈｉｔｅｃｔｕｒｅ， ｖｅｒｓｉｏｎ ２．２［ｓ］．Ｂｉｌｌｅｒｉｃａ：Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ ｔｈｅ Ａｄｖａｎｃｅｍｅｎｔ ｏｆ Ｓｔｒｕｃｔｕｒｅｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｔａｎｄａｒｄｓ（ＯＡＳＩＳ），２００６ ［３］ Ｊｉａ Ｗｅｎｙｕ，Ｌｉ Ｂｉｎ，Ｇｏｎｇ Ｊｉａｎｙａ．Ｒｅｓｅａｒｃｈ ｏｎ ｄｙｎａｍｉｃ ＧＩＳ ｃｈａｉｎ ｂａｓｅｄ ｏｎ ｗｏｒｋｆｌｏｗ ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，２００５，３０（１ １）： ９８２—９８５（ｉｎ Ｃｈｉｎｅｓｅ） （贾文珏，李斌，龚健雅．基于工作流技术的动态ＧＩＳ服务 链研究［Ｊ］．武汉大学学报：信息科学版，２００５，３０（１１）： ９８２－９８５） ［４］ Ｇｒａｎｅｌｌ Ｃ，Ｇｏｕｌｄ Ｍ，Ｒａｍｏｓ Ｆ．Ｓｅｒｖｉｃｅ ｃｏｍｐｏｓｉｔｉｏｎ ｆｏｒ ＳＤＩｓ：Ｉｎｔｅｇｒａｔｅｄ ｃｏｍｐｏｎｅｎｔｓ ｃｒｅａｔｉｏｎ［Ｃ］／／Ｐｒｏｃ ｏｆ ｔｈｅ ２ｎｄ Ｉｎｔ Ｗｏｒｋｓｈｏｐ ｏｎ Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ （ＧＩＭ’０５）．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ，２００５：４７５—４７９ ［５］ Ｋｉｅｈｌｅ Ｃ， Ｇｒｅｖｅ Ｋ，Ｈｅｉｅｒ Ｃ． Ｓｔａｎｄａｒｄｉｚｅｄ ｇｅ０ｐｒ０ｃｅｓｓｉｎｇ— ｔａｋｉｎｇ ｓｐａｔｉａｌ ｄａｔａ ｉｎｆｒａｓｔｒｕｃｔｕｒｅｓ ｏｎｅ ｓｔｅｐ ｆｕｒｔｈｅｒ ＥＣ］／／Ｐｒｏｃ 计算机研究与发展２０１２，４９（６） ｏｆ ｔｈｅ ９ｔｈ ＡＧＩＬＥ Ｉｎｔ Ｃｏｎｆ ｏｎ Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ，２００６：２３９—２５１ ［６］ Ｋｉｅｈｌｅ Ｃ，Ｇｒｅｖｅ Ｋ，Ｈｅｉｅｒ Ｃ． Ｒｅｑｕｉｒｅｍｅｎｔｓ ｆｏｒ ｎｅｘｔ ｇｅｎｅｒａｔｉｏｎ ｓｐａｔｉａｌ ｄａｔａ ｉｎｆｒａｓｔｒｕｃｔｕｒｅｓ—ｓｔａｎｄａｒｄｉｚｅｄ Ｗｅｂ ｂａｓｅｄ ｇｅｏｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｗｅｂ ｓｅｒｖｉｃｅ ｏｒｃｈｅｓｔｒａｔｉｏｎ［Ｊ］． Ｔｒａｎｓａｃｔｉｏｎｓ ｉｎ ＧＩＳ，２００７，１１（６）：８１９－８３４ ［７］ Ｇｒａｎｅｌｌ Ｃ，Ｌｅｍｍｅｎｓ Ｒ，Ｇｏｕｌｄ Ｍ，ｅｔ ａ１． Ｉｎｔｅｇｒａｔｉｎｇ ｓｅｍａｎｔｉｃ ａｎｄ ｓｙｎｔａｃｔｉｃ ｄｅｓｃｒｉｐｔｉｏｎｓ ｔＯ ｃｈａｉｎ ｇｅｏｇｒａｐｈｉｃ ｓｅｒｖｉｃｅｓ＿Ｊ］．ＩＥＥＥ Ｉｎｔｅｒｎｅｔ Ｃｏｍｐｕｔｉｎｇ，２００６，１０（５）：４２—５２ Ｅｓ］ Ｆｒｉｉｓ—Ｃｈｒｉｓｔｅｎｓｅｎ Ａ，Ｏｓｔｌａｎｄｅｒ Ｎ，Ｌｕｔｚ Ｍ，ｅｔ ａ１．Ｄｅｓｉｇｎｉｎｇ ｓｅｒｖｉｃｅ ａｒｃｈｉｔｅｃｔｕｒｅｓ ｆｏｒ ｄｉｓｔｒｉｂｕｔｅｄ ｇｅｏｐｒＯｃｅｓｓｉｎｇ：Ｃｈａｌｌｅｎｇｅｓ ａｎｄ ｆｕｔｕｒｅ ｄｉｒｅｃｔｉｏｎｓ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓ ｉｎ ＧＩＳ，２００７，１１ （６）：７９９—８１８ Ｅ９］ Ｈｕ Ｎａｉｊｉｎｇ，Ｇｕ Ｎｉｎｇ，Ｓｈｉ Ｂａｉｌｅ．Ｃｏｒｒｅｃｔｎｅｓｓ ｏｆ ｃｏｎｃｕｒ－ｒｅｎｃｙ ｂａｓｅｄ ｏｎ ｓｅｍａｎｔｉｃ ｃｏｎｓｔｒａｉｎｔ ｒｅｓｏｕｒｃｅ ｗｏｒｋｆｌｏｗ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ，２００３，４０（５）：７１２— ７１９（ｉｎ Ｃｈｉｎｅｓｅ） （胡乃静，顾宁，施伯乐．基于语义约束资源工作流并发正确 性保证［Ｊ］．计算机研究与发展，２００３，４０（５）：７１２—７１９） ［１Ｏ］ Ｌｕｄ／ｉｓｃｈｅｒ Ｂ，Ａｈｉｎｔａｓ Ｉ，Ｂｅｒｋｌｅｙ Ｃ，ｅｔ ａ１．Ｓｃｉｅｎｔｉｆｉｃ ｗｏｒｋｆｌｏｗ ｍａｎａｇｅｍｅｎｔ ａｎｄ ｔｈｅ ｋｅｐｌｅｒ ｓｙｓｔｅｍ口］． Ｃｏｎｃｕｒｒｅｎｃｙ ａｎｄ Ｃｏｍｐｕｔａｔｉｏｎ：Ｐｒａｃｔｉｃｅ ａｎｄ Ｅｘｐｅｒｉｅｎｃｅ， ２００６，１８（１０）：１Ｏ３９—１０６５ ［１１］ Ｓｃｈｕｔ Ｐ．ＯｐｅｎＧＩＳ Ｗｅｂ Ｐｒｏｃｅｓｓｉｎｇ Ｓｅｒｖｉｃｅ［Ｍ／ＯＬ］．Ｏｐｅｎ Ｇｅｏｓｐａｔｉａｌ Ｃｏｎｓｏｒｔｉｕｍ Ｉｎｃ（ＯＧＣ），２００７．［２００７—０６—０８］． ｈｔｔｐ：／／ｗｗｗ．ｏｐｅｎｇｅ０ｓｐａｔｉａ１．ｏｒｇ ｒｅｇｉｏｎａｌ ｐｌａｎｎｉｎｇ（ｗａｎｇｂ．０９ｂ＠ｉｇｓｎｒｒ．ａｅ．ｃｎ）．
