·1216· 北京科技大学学报 第34卷 所示.其详细执行过程为：视频上传T和视频图像 模板分支1 处理T,合并为图7中T,图片上传T和图片处理T4 合并为图7中T,且这两部分工作优化为并行执 0lo0→01 行，片头素材上传T,和片头制作T,合并为图7中 T·相应地，图7中的T3、T、T6、T,、T和T,分别对 应图6中的TTgT,T、T2和T3·当素材格式不 模板分支： 正确时，进行任务回滚优化，如图7中的3· 图5服务工作流模板拆分 表1优化前Ptmi网模型主要变迁描述 Fig.5 Splitting of the service workflow template Table 1 Transition description of the Petri net model before optimization 变迁 描述 变迁 描述 To T 3服务工作流的应用 登录网站 视频上传 T2 视频格式转换 Ts 图片上传 3.1网络流媒体课件制作流程建模 Ta 图片处理 T 图片插入视频 片头素材上传 T1 片头制作 本文以网络流媒体课件制作过程为实例，对网 Ts 导出片头 Ta 导出片头声音 络流媒体课件制作服务工作流进行Petri网建模分 Tio 素材上传 素材格式不正确 析，通过对比优化前后服务工作流的吞吐量和响应 素材格式正确 统一调节 Te 渲染合成 T 生成账单 时间来证明优化算法的有效性 网络流媒体课件制作服务工作流主要流程为：首 先，利用软件将MOD格式的录像转换为MPEG格式； 其次，利用辅助工具Photoshop制作视频背景图片，将 制作好的背景图片插入视频；再次，利用FLASH对片 头进行制作，导出片头(SWF格式)及片头声音(WAV 格式)：最后，利用绘声绘影软件对片头、片头声音、视 频背景图片及视频进行渲染合成 对于用户提交的制作网络流媒体课件服务工作 流的请求，服务工作流引擎经过推理分析得到了包 含视频格式转换、图片处理、图片插入视频、片头制 作和渲染合成几个历史服务工作流模板的模板集 合，推理机根据语义组建的服务工作流的Petri网模 图7优化后服务工作流的Pti网模型 型如图6所示.表1给出了上图Petri网模型主要变 Fig.7 Petri net model of the service workflow after optimization 迁的描述. 3.2性能分析 00000o00 SPNPD@是由美国Duke大学Kishor S Trivedi教 授所领导的研究小组研究和开发的，目前己经成为一 个较成熟的随机Petri网分析求解软件.在SPNP中， 稳定状态下每个变迁的吞吐量和每个位置的平均标 记数量都是可由软件自动算出.本文将Petri网模型 的起始位置含有的标志数设为10，每个变迁速率设 为1.当服务工作流请求到达速率在1~6个·s时， 通过对SPNP仿真结果的统计和计算，得出优化前后 服务工作流吞吐量和响应时间的对比图如图8所示 对比发现，服务工作流的吞吐量变化不大. 图6优化前服务工作流的Petri网模型 图9对比了服务工作流优化前后的响应时间， Fig.6 Petri net model of the service workflow before optimization 对比发现当服务工作流请求到达速率在1~ 使用基于模板的服务工作流优化组合算法对图 6个·s范围内变化时，服务工作流的系统响应时 6所示Petri网模型进行优化后，得到的模型如图7 间有较大的变化.优化后服务工作流响应时间可大北 京 科 技 大 学 学 报 第 34 卷 图 5 服务工作流模板拆分 Fig． 5 Splitting of the service workflow template 3 服务工作流的应用 3. 1 网络流媒体课件制作流程建模 本文以网络流媒体课件制作过程为实例，对网 络流媒体课件制作服务工作流进行 Petri 网建模分 析，通过对比优化前后服务工作流的吞吐量和响应 时间来证明优化算法的有效性． 网络流媒体课件制作服务工作流主要流程为: 首 先，利用软件将 MOD 格式的录像转换为 MPEG 格式; 其次，利用辅助工具 Photoshop 制作视频背景图片，将 制作好的背景图片插入视频; 再次，利用 FLASH 对片 头进行制作，导出片头( SWF 格式) 及片头声音( WAV 格式) ; 最后，利用绘声绘影软件对片头、片头声音、视 频背景图片及视频进行渲染合成． 对于用户提交的制作网络流媒体课件服务工作 流的请求，服务工作流引擎经过推理分析得到了包 含视频格式转换、图片处理、图片插入视频、片头制 作和渲染合成几个历史服务工作流模板的模板集 合，推理机根据语义组建的服务工作流的 Petri 网模 型如图 6 所示． 表 1 给出了上图 Petri 网模型主要变 迁的描述． 图 6 优化前服务工作流的 Petri 网模型 Fig． 6 Petri net model of the service workflow before optimization 使用基于模板的服务工作流优化组合算法对图 6 所示 Petri 网模型进行优化后，得到的模型如图 7 所示． 其详细执行过程为: 视频上传 T1和视频图像 处理 T2合并为图7 中 T1，图片上传 T3和图片处理 T4 合并为图 7 中 T2，且这两部分工作优化为并行执 行，片头素材上传 T6 和片头制作 T7 合并为图 7 中 T4 ． 相应地，图 7 中的 T3、T5、T6、T7、T8和 T9分别对 应图 6 中的 T5、T8、T9、T11、T12和 T13 ． 当素材格式不 正确时，进行任务回滚优化，如图 7 中的 t3 ． 表 1 优化前 Petri 网模型主要变迁描述 Table 1 Transition description of the Petri net model before optimization 变迁 描述 变迁 描述 T0 登录网站 T1 视频上传 T2 视频格式转换 T3 图片上传 T4 图片处理 T5 图片插入视频 T6 片头素材上传 T7 片头制作 T8 导出片头 T9 导出片头声音 T10 素材上传 t2 素材格式不正确 t3 素材格式正确 T11 统一调节 T12 渲染合成 T13 生成账单 图 7 优化后服务工作流的 Petri 网模型 Fig． 7 Petri net model of the service workflow after optimization 3. 2 性能分析 SPNP ［10］是由美国 Duke 大学 Kishor S Trivedi 教 授所领导的研究小组研究和开发的，目前已经成为一 个较成熟的随机 Petri 网分析求解软件． 在 SPNP 中， 稳定状态下每个变迁的吞吐量和每个位置的平均标 记数量都是可由软件自动算出． 本文将 Petri 网模型 的起始位置含有的标志数设为 10，每个变迁速率设 为 1． 当服务工作流请求到达速率在 1 ～ 6 个·s － 1 时， 通过对 SPNP 仿真结果的统计和计算，得出优化前后 服务工作流吞吐量和响应时间的对比图如图 8 所示． 对比发现，服务工作流的吞吐量变化不大． 图 9 对比了服务工作流优化前后的响应时间， 对比发现当服务工作流请求到达速率在 1 ～ 6 个·s － 1 范围内变化时，服务工作流的系统响应时 间有较大的变化． 优化后服务工作流响应时间可大 ·1216·