服務(wù)計(jì)算 (Service Computing 或者Service-oriented Computing) 是一門(mén)研究和發(fā)展支持廣義 服務(wù)的計(jì)算抽象、架構(gòu)、技術(shù)和工具的學(xué)科，它是軟件工程與分布式計(jì)算的前沿發(fā)展方向，具有重要的科學(xué)意義和應(yīng)用價(jià)值[1]。云計(jì)算、物聯(lián)網(wǎng)、微服務(wù)等技術(shù)的廣泛應(yīng)用使得軟件功能、硬件資源和設(shè)備能力被大規(guī)模地服務(wù)化，這給服務(wù)計(jì)算帶來(lái)了廣闊的應(yīng)用前景。

縱觀服務(wù)計(jì)算的十余年的發(fā)展與應(yīng)用，我們可以大致將其發(fā)展過(guò)程劃分為三個(gè)階段，即模型建立階段、方法設(shè)計(jì)階段和技術(shù)應(yīng)用階段[2]。（1）模型建立階段：該階段屬于服務(wù)計(jì)算發(fā)展初期，其核心問(wèn)題是服務(wù)的認(rèn)知、服務(wù)模型的建立和服務(wù)語(yǔ)言的設(shè)計(jì)等。學(xué)術(shù)界與工業(yè)界圍繞Web Service、SOA展開(kāi)討論，提出了WSDL、SOAP、UDDI、OWL-S、SCA/SDO等標(biāo)準(zhǔn)；在此期間，IEEE 計(jì)算機(jī)學(xué)會(huì)成立了服務(wù)計(jì)算技術(shù)委員會(huì)；ACM發(fā)布了服務(wù)計(jì)算知識(shí)體系，明確了服務(wù)計(jì)算研究的主題和邊界。（2）方法設(shè)計(jì)階段：該階段屬于服務(wù)計(jì)算技術(shù)快速發(fā)展的階段，其核心問(wèn)題是如何快速、高效的使用服務(wù)，國(guó)內(nèi)外一大批學(xué)者圍繞服務(wù)使能問(wèn)題展開(kāi)了如火如荼的研究，在服務(wù)發(fā)現(xiàn)、推薦、選擇、組合、驗(yàn)證等方面出現(xiàn)了大量研究成果。這些成果在推動(dòng)服務(wù)技術(shù)在現(xiàn)代服務(wù)業(yè)各行業(yè)應(yīng)用中的實(shí)踐起到了至關(guān)重要的作用。（3）技術(shù)應(yīng)用階段：該階段屬于服務(wù)計(jì)算應(yīng)用深化和推廣的重要階段，其核心問(wèn)題在于如何跨越業(yè)務(wù)服務(wù)與IT服務(wù)的鴻溝，基于前一階段形成的各種服務(wù)使能技術(shù)，為各種創(chuàng)新的服務(wù)模式和應(yīng)用場(chǎng)景提供技術(shù)和方法，使得服務(wù)過(guò)程更為便捷和高效，從而快速實(shí)現(xiàn)服務(wù)價(jià)值共創(chuàng)和傳遞。

目前，云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)為代表的新一代信息技術(shù)與傳統(tǒng)服務(wù)業(yè)的融合創(chuàng)新，催生了以共享經(jīng)濟(jì)、跨界經(jīng)濟(jì)、平臺(tái)經(jīng)濟(jì)、體驗(yàn)經(jīng)濟(jì)為代表的多種創(chuàng)新模式。這些創(chuàng)新模式的推廣與應(yīng)用使得服務(wù)形式更為多樣、服務(wù)應(yīng)用更加泛化、服務(wù)的內(nèi)涵和外延也隨之被不斷拓展，并給服務(wù)計(jì)算帶了新的挑戰(zhàn)和要求[3]，這也成為第三階段服務(wù)計(jì)算研究的熱點(diǎn)。本文結(jié)合大數(shù)據(jù)、移動(dòng)計(jì)算、物聯(lián)網(wǎng)等新型服務(wù)計(jì)算，探討服務(wù)計(jì)算發(fā)展的最新現(xiàn)狀與趨勢(shì)。

在云計(jì)算時(shí)代，隨著可植入設(shè)備、可穿戴設(shè)備、便攜設(shè)備和網(wǎng)絡(luò)化物理系統(tǒng) (Cyber-Physical Systems, CPS) 持續(xù)增多，設(shè)備數(shù)據(jù)和行為數(shù)據(jù)正經(jīng)歷著前所未有的增長(zhǎng)，無(wú)論是數(shù)據(jù)的尺度規(guī)模還是涉及IT系統(tǒng)的廣度均導(dǎo)致了數(shù)據(jù)管理的復(fù)雜程度不斷增加。如何在正確的時(shí)間將正確的數(shù)據(jù)傳輸?shù)秸_的位置？如何將困在應(yīng)用系統(tǒng)中的數(shù)據(jù)進(jìn)行聚合以便揭示更深層的業(yè)務(wù)價(jià)值？如何在數(shù)據(jù)復(fù)雜度以及數(shù)據(jù)量不斷增長(zhǎng)的情況下，依然能夠在擁有高可靠性和安全性要求的前提下保持較低的運(yùn)維成本？這些問(wèn)題促進(jìn)了數(shù)據(jù)即服務(wù)(Data-as-a-Service，DaaS)[4-7]這一概念的發(fā)展。

通過(guò)對(duì)數(shù)據(jù)資源的集中化存儲(chǔ)、清洗、聚合、質(zhì)量管理、分析挖掘，以云服務(wù)模式交付給不同的系統(tǒng)或用戶而無(wú)需考慮這些數(shù)據(jù)來(lái)自于哪些數(shù)據(jù)源，DaaS在提高資源利用率和業(yè)務(wù)響應(yīng)速度、減低運(yùn)營(yíng)成本和管理難度方面起到積極地作用[7,8]。將數(shù)據(jù)以服務(wù)的形式提供給外部應(yīng)用使用起源于Web混搭[9, 10], 隨著各種物聯(lián)網(wǎng)設(shè)備和無(wú)線傳感網(wǎng)絡(luò)采集的海量異構(gòu)傳感數(shù)據(jù)爆炸式增長(zhǎng)，通過(guò)云計(jì)算的方式對(duì)復(fù)雜的大規(guī)模數(shù)據(jù)集進(jìn)行存儲(chǔ)和利用已成為當(dāng)前的主流做法。

通過(guò)將數(shù)據(jù)庫(kù)資源池化并以服務(wù)的形式借助網(wǎng)絡(luò)交付給，使得不具有數(shù)據(jù)庫(kù)運(yùn)維技術(shù)能力的用戶都可以輕易地創(chuàng)建、使用、擴(kuò)容和銷(xiāo)毀數(shù)據(jù)庫(kù)實(shí)例，數(shù)據(jù)庫(kù)即服務(wù)(Database-as-a-Service，DBaaS)[11-13]，也稱(chēng)云數(shù)據(jù)庫(kù)[14]，向用戶提供與其他云服務(wù)相類(lèi)似的優(yōu)勢(shì)：一個(gè)靈活的、可擴(kuò)展的、低成本的按需服務(wù)平臺(tái)。該平臺(tái)以自助服務(wù)和便捷管理為導(dǎo)向，不需要關(guān)注數(shù)據(jù)庫(kù)的部署、配置、監(jiān)控和管理等繁瑣工作，讓用戶能夠?qū)⒕劢沟剿麄兊暮诵臉I(yè)務(wù)上去，或者極大的提升傳統(tǒng)IT部門(mén)和業(yè)務(wù)部門(mén)的生產(chǎn)力。

基于自身在數(shù)據(jù)中心等基礎(chǔ)設(shè)施方面的實(shí)力，亞馬遜、Microsoft、Oracle、阿里、騰訊等均推出多種定價(jià)策略，涵蓋容災(zāi)、備份、恢復(fù)、監(jiān)控、遷移等方面的云數(shù)據(jù)庫(kù)解決方案；在金融服務(wù)、電信以及公共部門(mén)、醫(yī)療、保險(xiǎn)、零售、制造、電子商務(wù)以及媒體娛樂(lè)等行業(yè)涌現(xiàn)出眾多的DaaS應(yīng)用案例[15, 16]。Sorokine等人[17]基于大數(shù)據(jù)即服務(wù)的思想構(gòu)建了一個(gè)城市信息系統(tǒng)(Urban Information System, UrbIS),針對(duì)異構(gòu)離散的海量城市信息提供數(shù)據(jù)管理、元數(shù)據(jù)搜索、空間搜索、集成建模與分析、地學(xué)可視化等功能，進(jìn)而對(duì)跨越多個(gè)城市的大數(shù)據(jù)進(jìn)行深度的挖掘和分析以便探究城市地區(qū)和周?chē)沫h(huán)境氣候變化間的相互影響。Chang等[18]以數(shù)據(jù)庫(kù)即服務(wù)的方式存儲(chǔ)醫(yī)療保健系統(tǒng)中可穿戴設(shè)備收集的海量生理信號(hào)數(shù)據(jù)，并提供數(shù)據(jù)隱私鑒權(quán)和訪問(wèn)控制。

大數(shù)據(jù)的價(jià)值不在于簡(jiǎn)單的存儲(chǔ)和訪問(wèn)，而是取決于以智能的、富有洞察的方式分析數(shù)據(jù)，以便為業(yè)務(wù)運(yùn)營(yíng)、產(chǎn)品和觀點(diǎn)提供數(shù)據(jù)支持。分析即服務(wù)(Analytics as a service，AaaS)可看做是大數(shù)據(jù)、云計(jì)算和軟件即服務(wù)的自然匯集[19-21]，通過(guò)Web接口向用戶提供面向大數(shù)據(jù)的分析軟件及操作，如在智慧城市CityPulse1項(xiàng)目中數(shù)據(jù)分析工具被封裝為Web服務(wù)，使用者利用簡(jiǎn)單的HTTP請(qǐng)求就可以實(shí)現(xiàn)數(shù)據(jù)處理和分析[22]，而在MERRA2(Modern-Era Retrospective Analysis for Research and Applications) 數(shù)據(jù)集基礎(chǔ)上，MERRA 分析服務(wù) (MERRA/AS)[23]向研究者提供氣候變化方面的數(shù)據(jù)支持。在商業(yè)領(lǐng)域，眾多公司已推出了自己的大數(shù)據(jù)分析平臺(tái)，如IBM Bluemix數(shù)據(jù)分析、 騰訊移動(dòng)分析等等。

總之，可靠存儲(chǔ)和獲取物聯(lián)網(wǎng)（Internet of Things，IoT）設(shè)備所產(chǎn)生大數(shù)據(jù)的通用平臺(tái)，將是大數(shù)據(jù)應(yīng)用的基礎(chǔ)；而基于大數(shù)據(jù)的分析及服務(wù)則簡(jiǎn)便高效的向用戶展示大數(shù)據(jù)內(nèi)在價(jià)值，是更好的理解業(yè)務(wù)和決策支持的關(guān)鍵。跟目前其他云服務(wù)的局限類(lèi)似，當(dāng)用戶將數(shù)據(jù)放入云端時(shí)會(huì)遭遇到無(wú)法控制的網(wǎng)絡(luò)性能問(wèn)題，除此之外，還存在數(shù)據(jù)隱私和安全保護(hù)方面的嚴(yán)重挑戰(zhàn)[24]。

隨著物聯(lián)網(wǎng)技術(shù)特別是交通相關(guān)的感知、監(jiān)測(cè)技術(shù)的發(fā)展，各類(lèi)智能交通系統(tǒng)在實(shí)踐應(yīng)用中不斷產(chǎn)生并積累了大量的交通數(shù)據(jù)，這些通過(guò)各種交通傳感設(shè)備（如全球定位系統(tǒng)傳感器、車(chē)牌識(shí)別傳感器、交通流量傳感器、路況傳感器、車(chē)況傳感器等）實(shí)時(shí)采集并集中匯聚的交通大數(shù)據(jù)逐漸成為智能交通系統(tǒng)中一類(lèi)新的、關(guān)鍵的數(shù)據(jù)內(nèi)容，基于交通大數(shù)據(jù)提供更加精確、全面、智能的交通管理及信息服務(wù)（如交通信號(hào)智能控制、城市車(chē)輛管理、復(fù)雜路網(wǎng)空間及交通流分析等）成為當(dāng)前智能交通系統(tǒng)中的研發(fā)熱點(diǎn)。交通大數(shù)據(jù)以及相關(guān)的處理需求表現(xiàn)出了多源性和多樣性、面向?qū)ο蠛蜁r(shí)空相關(guān)、海量性和實(shí)時(shí)性、復(fù)雜性和動(dòng)態(tài)性等特性。具有這些特性的交通大數(shù)據(jù)及其處理需求對(duì)智能交通系統(tǒng)的建設(shè)帶來(lái)了巨大的挑戰(zhàn)，如何面向交通大數(shù)據(jù)提供可擴(kuò)展、實(shí)時(shí)、連續(xù)的計(jì)算支持以滿足復(fù)雜、多樣、動(dòng)態(tài)變化的交通數(shù)據(jù)處理需求成為其中的一個(gè)核心問(wèn)題[25, 26]。

針對(duì)該問(wèn)題，近些年興起的以MapReduce[27]為代表的大數(shù)據(jù)批處理計(jì)算、以Storm[28]及Spark Streaming[29]為代表的流式計(jì)算可以在一定程度上滿足具有前文所述需求特征的交通大數(shù)據(jù)實(shí)時(shí)處理的需求，它們也被眾多研究者應(yīng)用到交通大數(shù)據(jù)處理的研究工作中[30, 31]。然而這些計(jì)算模型和相應(yīng)的系統(tǒng)由于抽象層次過(guò)高，缺乏對(duì)具有對(duì)交通大數(shù)據(jù)的有效抽象和直接支持，在編寫(xiě)交通大數(shù)據(jù)處理應(yīng)用時(shí)不能提供對(duì)具有上述特征的交通大數(shù)據(jù)的有效刻畫(huà)和組織，也難以在多樣化的交通大數(shù)據(jù)處理應(yīng)用間實(shí)現(xiàn)數(shù)據(jù)及處理功能的共享以?xún)?yōu)化應(yīng)用的構(gòu)造和執(zhí)行，因此它們?cè)趹?yīng)對(duì)具有前文所述特征的交通大數(shù)據(jù)流式計(jì)算時(shí)尚存在諸多不足。另一方面，服務(wù)、面向服務(wù)的架構(gòu)及“軟件即服務(wù)”作為一種面向復(fù)雜系統(tǒng)集成與協(xié)同的抽象模型、技術(shù)架構(gòu)及云計(jì)算環(huán)境下靈活、性?xún)r(jià)比較高的軟件交付模型，可以用來(lái)提高交通大數(shù)據(jù)計(jì)算應(yīng)用開(kāi)發(fā)的靈活性，一定程度上彌補(bǔ)上述不足。近年來(lái)，國(guó)內(nèi)外很多研究機(jī)構(gòu)和學(xué)者，結(jié)合交通大數(shù)據(jù)及其處理需求的特征分析，從服務(wù)計(jì)算的角度對(duì)交通大數(shù)據(jù)處理的相關(guān)理論、技術(shù)展開(kāi)研究，并取得了一些突破。

（1）面向交通大數(shù)據(jù)的“軟件即服務(wù)”

“軟件即服務(wù)”是經(jīng)典服務(wù)計(jì)算在云計(jì)算環(huán)境中的延伸。采用“軟件即服務(wù)”的服務(wù)提供方式，將對(duì)交通大數(shù)據(jù)進(jìn)行處理和分析的功能進(jìn)行管理、部署和運(yùn)營(yíng)的任務(wù)托管給云基礎(chǔ)設(shè)施進(jìn)行，并將相關(guān)的數(shù)據(jù)管理與分析功能作為云數(shù)據(jù)服務(wù)交付給用戶使用。近幾年，出現(xiàn)了許多“軟件即服務(wù)”模式的交通大數(shù)據(jù)服務(wù)研究工作，主要包括存儲(chǔ)即服務(wù)、預(yù)處理及計(jì)算服務(wù)和分析服務(wù)三類(lèi)。在存儲(chǔ)即服務(wù)方面，GoogleDrive的STACEE系統(tǒng)[32]采用P2P模型及C/S模型結(jié)合的方式提供交通數(shù)據(jù)的存儲(chǔ)服務(wù)； WhereStore[33]則將用戶任務(wù)調(diào)度到本地存儲(chǔ)副本附近來(lái)優(yōu)化數(shù)據(jù)存儲(chǔ)和訪問(wèn)性能。StreamLoader支持用戶通過(guò)Web方式進(jìn)行流式數(shù)據(jù)的抽取轉(zhuǎn)換和加載預(yù)處理服務(wù)[34]；CaaaS則提供一種對(duì)交通流式大數(shù)據(jù)進(jìn)行持續(xù)查詢(xún)的云服務(wù)[35]；微軟亞洲研究院的鄭宇團(tuán)隊(duì)采用“云+端”的服務(wù)模式實(shí)現(xiàn)了一種基于浮動(dòng)車(chē)數(shù)據(jù)進(jìn)行快速車(chē)路線設(shè)計(jì)的方法[36]。在分析服務(wù)方面，法國(guó)國(guó)立電信學(xué)院的張大慶團(tuán)隊(duì)提出移動(dòng)預(yù)測(cè)即服務(wù)模型（mobility prediction as a service, MPaaS），支持大規(guī)模的移動(dòng)位置預(yù)測(cè)[37]；天津大學(xué)馮志勇團(tuán)隊(duì)根據(jù)移動(dòng)對(duì)象的軌跡數(shù)據(jù)發(fā)現(xiàn)出租車(chē)乘客熱點(diǎn)區(qū)域，并提供離線的預(yù)測(cè)及在線的載客地點(diǎn)推薦服務(wù)[38]。

（2）交通數(shù)據(jù)服務(wù)抽象

數(shù)據(jù)服務(wù)是服務(wù)計(jì)算領(lǐng)域封裝數(shù)據(jù)資源和構(gòu)造數(shù)據(jù)集成類(lèi)應(yīng)用的一種有效抽象形式，其適于應(yīng)用集成背景下多源、多樣化數(shù)據(jù)的抽象與共享。國(guó)內(nèi)外有研究者在數(shù)據(jù)服務(wù)模型方面開(kāi)展了不同程度的研究工作和實(shí)踐[39, 40]，包括“數(shù)據(jù)服務(wù)”（Data Services）以及“數(shù)據(jù)密集型服務(wù)”（Data-intensive Services）的工作。而針對(duì)流式計(jì)算中涉及的流數(shù)據(jù)，其模型和數(shù)據(jù)服務(wù)模型類(lèi)似，都將數(shù)據(jù)作為服務(wù)描述的“一級(jí)實(shí)體”。已有研究工作提出了流數(shù)據(jù)服務(wù)模型支持規(guī)模大、實(shí)時(shí)、持續(xù)不間斷的流數(shù)據(jù)訪問(wèn)和查詢(xún)等。Stream Feeds工作建立了基于RESTful 服務(wù)模型的流數(shù)據(jù)服務(wù)，將來(lái)自傳感器的流數(shù)據(jù)變?yōu)閃eb 上可直接訪問(wèn)的資源[41]。Victor W. Chu等人還特別針對(duì)時(shí)空軌跡流數(shù)據(jù)，在傳統(tǒng)實(shí)體-關(guān)系模型的基礎(chǔ)上提出了一種能夠刻畫(huà)時(shí)空變化及它們與移動(dòng)對(duì)象之間關(guān)系的數(shù)據(jù)模型，并基于此數(shù)據(jù)模型設(shè)計(jì)了交通流數(shù)據(jù)分析服務(wù)以捕捉交通流在不同情境下的變化[42]。北方工業(yè)大學(xué)韓燕波團(tuán)隊(duì)提出一種流數(shù)據(jù)服務(wù)模型，支持基于車(chē)牌識(shí)別數(shù)據(jù)的流數(shù)據(jù)服務(wù)定義及實(shí)現(xiàn)方法，用于在社區(qū)中發(fā)現(xiàn)潛在的拼車(chē)伙伴等場(chǎng)景[43]。

（3）交通數(shù)據(jù)服務(wù)組合

交通數(shù)據(jù)服務(wù)的目標(biāo)是面向不同類(lèi)型應(yīng)用的需求，在以服務(wù)方式提供對(duì)移動(dòng)對(duì)象數(shù)據(jù)連續(xù)查詢(xún)、分析等的能力的基礎(chǔ)上，支持用戶通過(guò)組合大粒度服務(wù)及應(yīng)用的編程和構(gòu)造來(lái)實(shí)現(xiàn)交通大數(shù)據(jù)處理與分析的靈活定制。在近年來(lái)交通數(shù)據(jù)應(yīng)用構(gòu)造的研究中，基于服務(wù)組合的編程模型得到廣泛采用。其主要思想是將現(xiàn)實(shí)世界中的交通感知數(shù)據(jù)抽象為服務(wù)，并將其與交通環(huán)境及參與者的情景信息相關(guān)聯(lián)，從而實(shí)現(xiàn)靈活的智能服務(wù)，能夠感知現(xiàn)實(shí)交通情況并主動(dòng)做出響應(yīng)。與傳統(tǒng)的服務(wù)不同，原始采集的交通數(shù)據(jù)是基于計(jì)算能力有限的傳感器設(shè)備提供的，其數(shù)量多、變化快，因此在其服務(wù)編程方法中，需盡可能減小服務(wù)執(zhí)行和注冊(cè)的開(kāi)銷(xiāo)，同時(shí)對(duì)根據(jù)情境信息動(dòng)態(tài)發(fā)現(xiàn)服務(wù)并主動(dòng)按需向用戶提供服務(wù)的能力具有更突出的要求。當(dāng)前與此相關(guān)的研究主要針對(duì)流數(shù)據(jù)進(jìn)行服務(wù)的發(fā)現(xiàn)、組合與編程，SOCRADES提出了一種流數(shù)據(jù)服務(wù)發(fā)現(xiàn)、選取及按需提供的方法[44]。Thing-REST提出了一種mashup基本結(jié)構(gòu)來(lái)生成智能mashup應(yīng)用[45]。當(dāng)前該方面的研究還比較初步，未來(lái)應(yīng)回答如何對(duì)傳統(tǒng)服務(wù)編程的方法加以改進(jìn)，使其符合交通數(shù)據(jù)服務(wù)自身的特點(diǎn)并滿足相關(guān)應(yīng)用特有的需求。

（4）交通數(shù)據(jù)服務(wù)執(zhí)行優(yōu)化

不同于傳統(tǒng)服務(wù)計(jì)算的應(yīng)用領(lǐng)域，由于交通數(shù)據(jù)的海量性和處理需求的復(fù)雜性，對(duì)封裝交通數(shù)據(jù)的服務(wù)及應(yīng)對(duì)不同處理需求的組合服務(wù)在實(shí)現(xiàn)層面提出了更高的性能要求，為此特別需要對(duì)交通數(shù)據(jù)服務(wù)（包括組合服務(wù)）的執(zhí)行提供不同方面的優(yōu)化手段。軌跡數(shù)據(jù)的查詢(xún)服務(wù)是一種重要的交通數(shù)據(jù)服務(wù)，特別是一些高級(jí)查詢(xún)操作，例如skyline查詢(xún)、K最近鄰查詢(xún)、相似軌跡查詢(xún)等。已有研究工作針對(duì)這些查詢(xún)服務(wù)采用劃分的方法將高速到達(dá)的大規(guī)模流數(shù)據(jù)進(jìn)行有效劃分以分配到各個(gè)并行計(jì)算節(jié)點(diǎn)上，并利用各節(jié)點(diǎn)的并行來(lái)提高服務(wù)的性能[46]。此外，在組合服務(wù)執(zhí)行方面，Chuan Lei等人將分布式流處理建模為可參數(shù)化的查詢(xún)服務(wù)優(yōu)化問(wèn)題（通過(guò)多維參數(shù)空間模型對(duì)流數(shù)據(jù)的不確定性進(jìn)行表示，包括流數(shù)據(jù)速率、操作選擇度等），在此基礎(chǔ)上可通過(guò)服務(wù)化實(shí)現(xiàn)計(jì)算任務(wù)負(fù)載的動(dòng)態(tài)分布[47]；Silva等人通過(guò)提供一組服務(wù)接口允許用戶對(duì)流處理應(yīng)用進(jìn)行運(yùn)行時(shí)調(diào)整，用戶可以通過(guò)編寫(xiě)對(duì)注冊(cè)事件（如系統(tǒng)狀態(tài)、內(nèi)置的系統(tǒng)指標(biāo)、用戶定制的指標(biāo)等的變化）的處置程序來(lái)實(shí)現(xiàn)動(dòng)態(tài)執(zhí)行優(yōu)化能力[48]。

面向交通大數(shù)據(jù)的服務(wù)計(jì)算作為一個(gè)新興的交叉方向正隨著智能交通系統(tǒng)的發(fā)展而得到越來(lái)越多的關(guān)注，但其仍面臨著交通大數(shù)據(jù)環(huán)境下的數(shù)據(jù)服務(wù)識(shí)別、數(shù)據(jù)服務(wù)建模、數(shù)據(jù)服務(wù)組合以及數(shù)據(jù)服務(wù)執(zhí)行優(yōu)化等新問(wèn)題和挑戰(zhàn)，需要結(jié)合交通大數(shù)據(jù)的特征和應(yīng)用需求開(kāi)展深入研究，其中值得關(guān)注的研究?jī)?nèi)容包括：支持多尺度表達(dá)的數(shù)據(jù)服務(wù)模型，以實(shí)現(xiàn)對(duì)交通大數(shù)據(jù)自身在空間、時(shí)間、對(duì)象、使用者等方面的特征以及交通大數(shù)據(jù)在分布式流式計(jì)算系統(tǒng)中空間分布（跨節(jié)點(diǎn)存儲(chǔ)情況）、共享情況、訪問(wèn)負(fù)載等方面的特征的刻畫(huà)；面向不確定性交通分析的交互式服務(wù)組合，通過(guò)支持反復(fù)迭代的人機(jī)交互，以適應(yīng)交通大數(shù)據(jù)分析時(shí)從數(shù)據(jù)中發(fā)現(xiàn)、抽象“未知”信息的過(guò)程，實(shí)現(xiàn)一種支持探索式構(gòu)造的服務(wù)組合編程模型；基于數(shù)據(jù)服務(wù)的交通數(shù)據(jù)處理執(zhí)行優(yōu)化，從交通數(shù)據(jù)服務(wù)內(nèi)（數(shù)據(jù)服務(wù)自身）和數(shù)據(jù)服務(wù)間（數(shù)據(jù)服務(wù)組合）兩個(gè)層次對(duì)基于數(shù)據(jù)服務(wù)的交通數(shù)據(jù)處理應(yīng)用進(jìn)行執(zhí)行優(yōu)化，以保證交通大數(shù)據(jù)處理的實(shí)時(shí)性。

隨著先進(jìn)儀器裝備與信息技術(shù)等越來(lái)越廣泛和深入的整合到生物技術(shù)中來(lái)，生物醫(yī)學(xué)研究中越來(lái)越頻繁的涉及到大數(shù)據(jù)存儲(chǔ)和分析等信息技術(shù)。大數(shù)據(jù)時(shí)代下，生物醫(yī)學(xué)研究正面臨著一個(gè)重要的發(fā)展趨勢(shì)——有假設(shè)驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)的轉(zhuǎn)變。在這樣的趨勢(shì)下，生物醫(yī)學(xué)數(shù)據(jù)迅速積累（如圖1 GenBank SRA數(shù)據(jù)庫(kù)的數(shù)據(jù)量增長(zhǎng)情況所示），并涌現(xiàn)出了大量的醫(yī)學(xué)數(shù)據(jù)共享服務(wù)資源（數(shù)據(jù)API）和醫(yī)學(xué)計(jì)算平臺(tái)資源（平臺(tái)服務(wù)）。

圖1.  GenBank SRA數(shù)據(jù)庫(kù)的數(shù)據(jù)量增長(zhǎng)情況

在大數(shù)據(jù)共享平臺(tái)建設(shè)方面，以生命組學(xué)數(shù)據(jù)為核心的數(shù)據(jù)平臺(tái)建設(shè)推動(dòng)了數(shù)據(jù)共享服務(wù)發(fā)展，美國(guó)NCBI、歐洲EMBL-EBI、日本DDBJ等發(fā)展成為代表性的生命科學(xué)數(shù)據(jù)庫(kù)；在組學(xué)數(shù)據(jù)標(biāo)準(zhǔn)化方面，上述幾個(gè)數(shù)據(jù)共享平臺(tái)分別制定了各類(lèi)組學(xué)數(shù)據(jù)文件格式、序列表示和特征描述標(biāo)準(zhǔn)，以支持?jǐn)?shù)據(jù)的存儲(chǔ)、提交、解讀與檢索；在臨床數(shù)據(jù)標(biāo)準(zhǔn)描述方面，初步建立了臨床數(shù)據(jù)標(biāo)準(zhǔn)與信息結(jié)構(gòu)標(biāo)準(zhǔn)，如國(guó)際疾病分類(lèi)標(biāo)準(zhǔn) (ICD-11)、醫(yī)學(xué)語(yǔ)言系統(tǒng)(UMLS)和臨床術(shù)語(yǔ)(SNOMED CT) 、電子病歷信息模型(HL7 RIM)等；在數(shù)據(jù)處理分析方面，DNANexus生物信息處理平臺(tái)為數(shù)據(jù)管理及分析提供了解決方案，GenomeSpace平臺(tái)整合了多種生物信息學(xué)軟件工具和資源；在數(shù)據(jù)融合集成應(yīng)用方面，臨床數(shù)據(jù)與組學(xué)數(shù)據(jù)的結(jié)合分析已經(jīng)在醫(yī)學(xué)診療中初見(jiàn)成效，Kaplan-Meier通過(guò)測(cè)序數(shù)據(jù)和臨床數(shù)據(jù)相結(jié)合篩選出了多種生物標(biāo)志物，腫瘤的云數(shù)據(jù)存儲(chǔ)和分析平臺(tái)OncologyCloud可找出對(duì)腫瘤治療有價(jià)值的數(shù)據(jù)。

“十二五”期間我國(guó)啟動(dòng)了生物大數(shù)據(jù)開(kāi)發(fā)與利用關(guān)鍵技術(shù)研究計(jì)劃，如組學(xué)大數(shù)據(jù)中心和知識(shí)庫(kù)建設(shè)、疾病大數(shù)據(jù)處理分析與應(yīng)用和基于區(qū)域醫(yī)療與健康大數(shù)據(jù)處理分析與應(yīng)用等，取得了一些成果。解放軍總醫(yī)院與協(xié)和醫(yī)院聯(lián)合承擔(dān)了國(guó)家臨床數(shù)據(jù)中心共享平臺(tái)建設(shè)，成為國(guó)內(nèi)最大的臨床共享數(shù)據(jù)資源庫(kù)；華大基因籌建了首個(gè)國(guó)家基因庫(kù)，并與阿里云合作建立基因組數(shù)據(jù)分析云計(jì)算平臺(tái)BGI Online；藥明康德與華為攜手打造精準(zhǔn)醫(yī)療云平臺(tái)；博奧生物開(kāi)發(fā)了健康大數(shù)據(jù)標(biāo)準(zhǔn)和健康大數(shù)據(jù)知識(shí)庫(kù)，建立了多個(gè)應(yīng)用于慢病預(yù)測(cè)、預(yù)警和診斷的計(jì)算模型。表1列舉出了近年來(lái)國(guó)內(nèi)外進(jìn)行了醫(yī)學(xué)大數(shù)據(jù)存儲(chǔ)、分析挖掘的相關(guān)平臺(tái)和信息系統(tǒng)，以及它們的應(yīng)用情況。

表1 近年來(lái)國(guó)內(nèi)外醫(yī)學(xué)大數(shù)據(jù)相關(guān)平臺(tái)和信息系統(tǒng)

縱觀現(xiàn)有的醫(yī)學(xué)大數(shù)據(jù)相關(guān)的研究來(lái)看，服務(wù)于新一代生物醫(yī)學(xué)研究的信息化技術(shù)，需要對(duì)極端高通量、多來(lái)源、異質(zhì)性的數(shù)據(jù)進(jìn)行高效準(zhǔn)確的處理，如數(shù)據(jù)質(zhì)量評(píng)價(jià)、新舊數(shù)據(jù)比較、數(shù)據(jù)多角度多層次的多元分析、異質(zhì)性數(shù)據(jù)的深度融合等。這就要求相關(guān)的平臺(tái)具有強(qiáng)大的存儲(chǔ)能力、計(jì)算能力、協(xié)同能力、無(wú)限拓展能力。另外，面向醫(yī)學(xué)大數(shù)據(jù)的服務(wù)計(jì)算還需要做到對(duì)于生物醫(yī)學(xué)數(shù)據(jù)的實(shí)時(shí)分析和臨床處理、醫(yī)學(xué)問(wèn)題的挖掘和知識(shí)發(fā)現(xiàn)、生物個(gè)體數(shù)據(jù)的個(gè)性化分析、預(yù)測(cè)和安全保存、服務(wù)于公共衛(wèi)生和公共安全（構(gòu)造醫(yī)藥大數(shù)據(jù)生態(tài)系統(tǒng)，包含人體基因、人體微生物群落等數(shù)據(jù)，以及人體飲食、環(huán)境等元數(shù)據(jù)）。圖2展示了大數(shù)據(jù)驅(qū)動(dòng)下面向生物醫(yī)學(xué)的服務(wù)計(jì)算的研究方向。

圖2 大數(shù)據(jù)驅(qū)動(dòng)下面向生物醫(yī)學(xué)的服務(wù)計(jì)算的研究方向

綜上所述，目前，我國(guó)的醫(yī)學(xué)和生物數(shù)據(jù)共享服務(wù)在資源規(guī)模、種類(lèi)多樣性和深度的數(shù)據(jù)分析處理方面仍存在較大差距，主要表現(xiàn)在：異構(gòu)異質(zhì)數(shù)據(jù)融合缺少統(tǒng)一的信息標(biāo)準(zhǔn)，各類(lèi)生命科學(xué)數(shù)據(jù)分析技術(shù)工具尚待研發(fā)，臨床表型和生命組學(xué)數(shù)據(jù)及其復(fù)雜關(guān)聯(lián)語(yǔ)義的檢索和分析方法等難以滿足精準(zhǔn)醫(yī)療需求，生命組學(xué)與臨床數(shù)據(jù)缺少一體化共享平臺(tái)。

大數(shù)據(jù)只有轉(zhuǎn)變?yōu)榉?wù)才能充分顯示其價(jià)值。隨著大數(shù)據(jù)的發(fā)展與應(yīng)用，大數(shù)據(jù)服務(wù)將成為未來(lái)最為重要的服務(wù)形態(tài)和使能技術(shù)，支撐面向用戶的大數(shù)據(jù)存儲(chǔ)、分析和應(yīng)用，實(shí)現(xiàn)數(shù)據(jù)產(chǎn)業(yè)價(jià)值的放大和增值。以交通、醫(yī)學(xué)和生物數(shù)據(jù)為代表的大數(shù)據(jù)驅(qū)動(dòng)的服務(wù)計(jì)算將呈現(xiàn)如下趨勢(shì)：

1）可持續(xù)性服務(wù)計(jì)算技術(shù)

隨著未來(lái)無(wú)論是底層大數(shù)據(jù)規(guī)模尺度還是上層業(yè)務(wù)應(yīng)用復(fù)雜性方面不斷增加，需要研究并構(gòu)建支持業(yè)務(wù)持續(xù)性發(fā)展的服務(wù)計(jì)算技術(shù)，促進(jìn)業(yè)務(wù)層面的流程演化和持續(xù)性發(fā)展，進(jìn)一步發(fā)揮大數(shù)據(jù)蘊(yùn)含的價(jià)值。如面向不確定性交通分析的交互式服務(wù)組合，通過(guò)支持反復(fù)迭代的人機(jī)交互，以適應(yīng)交通大數(shù)據(jù)分析時(shí)從數(shù)據(jù)中發(fā)現(xiàn)、抽象“未知”信息的過(guò)程，實(shí)現(xiàn)一種支持探索式構(gòu)造的服務(wù)組合編程模型；基于數(shù)據(jù)服務(wù)的交通數(shù)據(jù)處理執(zhí)行優(yōu)化，從交通數(shù)據(jù)服務(wù)內(nèi)（數(shù)據(jù)服務(wù)自身）和數(shù)據(jù)服務(wù)間（數(shù)據(jù)服務(wù)組合）兩個(gè)層次對(duì)基于數(shù)據(jù)服務(wù)的交通數(shù)據(jù)處理應(yīng)用進(jìn)行執(zhí)行優(yōu)化，以保證交通大數(shù)據(jù)處理的實(shí)時(shí)性。

2）個(gè)性化、可定制的數(shù)據(jù)分析及應(yīng)用服務(wù)

用于上層業(yè)務(wù)應(yīng)用需求的不確定性和多樣性，大數(shù)據(jù)驅(qū)動(dòng)的服務(wù)計(jì)算需進(jìn)一步研究并支持多尺度表達(dá)的數(shù)據(jù)服務(wù)模型，以實(shí)現(xiàn)對(duì)大數(shù)據(jù)自身在空間、時(shí)間、對(duì)象、使用者等方面的特征以及大數(shù)據(jù)在分布式流式計(jì)算系統(tǒng)中空間分布（跨節(jié)點(diǎn)存儲(chǔ)情況）、共享情況、訪問(wèn)負(fù)載等方面的特征的刻畫(huà)。

3）基于服務(wù)的資源集成與動(dòng)態(tài)協(xié)同技術(shù)

針對(duì)服務(wù)平臺(tái)的多樣性、數(shù)據(jù)規(guī)模的高速增長(zhǎng)帶來(lái)的擴(kuò)展性、服務(wù)集成的對(duì)象不同帶來(lái)的兼容性、以及上層復(fù)雜業(yè)務(wù)需要底層異構(gòu)多源數(shù)據(jù)支持等問(wèn)題，基于服務(wù)的資源池化和動(dòng)態(tài)集成技術(shù)成為克服上述挑戰(zhàn)的關(guān)鍵。例如在醫(yī)療大數(shù)據(jù)方面進(jìn)一步支持生命組學(xué)與臨床表型數(shù)據(jù)深度融合，建立綜合化數(shù)據(jù)共享服務(wù)平臺(tái)，集成各類(lèi)處理分析和數(shù)據(jù)挖掘工具，實(shí)現(xiàn)高效便捷的跨庫(kù)檢索與智能搜索，實(shí)現(xiàn)醫(yī)療機(jī)構(gòu)與生物信息分析機(jī)構(gòu)數(shù)據(jù)互聯(lián)互通。

近年來(lái)，移動(dòng)通信技術(shù)得到了飛躍式發(fā)展，移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)也隨之成為繼寬帶技術(shù)之后互聯(lián)網(wǎng)發(fā)展的又一個(gè)重大推動(dòng)力量。國(guó)際知名信息技術(shù)戰(zhàn)略咨詢(xún)公司Gartner公布的 十大戰(zhàn)略技術(shù)中，移動(dòng)計(jì)算技術(shù)高居首位。

云計(jì)算與移動(dòng)互聯(lián)網(wǎng)的結(jié)合使得人們通過(guò)智能手機(jī)等移動(dòng)終端設(shè)備訪問(wèn)各類(lèi)云端服務(wù)成為主流趨勢(shì)。而以iOS和Android系統(tǒng)為代表的智能手機(jī)平臺(tái)上，各類(lèi)移動(dòng)應(yīng)用和服務(wù)數(shù)量呈爆炸式增長(zhǎng)。移動(dòng)應(yīng)用與服務(wù)數(shù)量的劇增給用戶的服務(wù)選擇帶來(lái)了巨大挑戰(zhàn)。如何針對(duì)用戶個(gè)性化需求，從門(mén)類(lèi)繁多、屬性各異、數(shù)量巨大的服務(wù)海洋中選擇服務(wù)，并進(jìn)一步實(shí)現(xiàn)服務(wù)組合以完成較為復(fù)雜的業(yè)務(wù)，成為當(dāng)前服務(wù)計(jì)算領(lǐng)域的熱點(diǎn)問(wèn)題。另一方面，隨著移動(dòng)設(shè)備自身的計(jì)算能力和計(jì)算資源的提高，移動(dòng)設(shè)備可以通過(guò)無(wú)線通信技術(shù)（WLAN、藍(lán)牙、紅外、近場(chǎng)通訊）以服務(wù)的方式發(fā)布、共享自身的計(jì)算能力、資源、應(yīng)用、數(shù)據(jù)、外接設(shè)備和傳感器等。移動(dòng)設(shè)備提供服務(wù)的方式具有方便、快捷、不受地域和網(wǎng)絡(luò)限制等優(yōu)點(diǎn)，目前已在GPS共享、熱點(diǎn)共享、傳感器數(shù)據(jù)應(yīng)用、群體計(jì)算等方面得到廣泛應(yīng)用。而移動(dòng)邊際計(jì)算模式的出現(xiàn)，使得移動(dòng)設(shè)備可以調(diào)用邊際設(shè)備（網(wǎng)絡(luò)基站、Wi-Fi接入點(diǎn)、路由器等）上的服務(wù)，而無(wú)需通過(guò)網(wǎng)絡(luò)與云服務(wù)器交互，實(shí)現(xiàn)高性能、低延遲與高帶寬的服務(wù)交互體驗(yàn)。

移動(dòng)服務(wù)是以移動(dòng)通信技術(shù)為基礎(chǔ)，以移動(dòng)設(shè)備為載體，通過(guò)移動(dòng)網(wǎng)絡(luò)互聯(lián)，向移動(dòng)終端用戶交付內(nèi)容并完成服務(wù)交互過(guò)程的應(yīng)用模式，具備計(jì)算主體移動(dòng)、計(jì)算資源受限、計(jì)算情景位置感知等特點(diǎn)。移動(dòng)網(wǎng)絡(luò)中的服務(wù)選擇和組合主要涉及“云-管-端”，其中“云”是指提供移動(dòng)服務(wù)的云端服務(wù)器；“管”指用于完成服務(wù)信息傳輸?shù)囊苿?dòng)通信網(wǎng)絡(luò)；“端”指任何可以接入并完成服務(wù)交互的移動(dòng)智能終端設(shè)備。根據(jù)移動(dòng)服務(wù)的不同組織與交互方式，將移動(dòng)網(wǎng)絡(luò)中的服務(wù)應(yīng)用總結(jié)為如圖3所示的三種典型模式，即“云-端”模式、“端-端”模式和混合模式[49]：1）“云-端”模式：在該模式中，服務(wù)被部署在固定的云端服務(wù)器上，移動(dòng)用戶通過(guò)手機(jī)等移動(dòng)終端對(duì)服務(wù)進(jìn)行調(diào)用。服務(wù)請(qǐng)求通過(guò)移動(dòng)網(wǎng)絡(luò)傳輸?shù)皆贫朔?wù)器，云端服務(wù)器在收到用戶請(qǐng)求后進(jìn)行相應(yīng)的服務(wù)處理并將計(jì)算結(jié)果返回給終端用戶。移動(dòng)邊際計(jì)算的出現(xiàn)使得服務(wù)調(diào)用所需的數(shù)據(jù)、數(shù)據(jù)處理和應(yīng)用程序可以部署在網(wǎng)絡(luò)邊際設(shè)備中，移動(dòng)用戶可以直接與邊際服務(wù)器交互進(jìn)行服務(wù)調(diào)用。邊際服務(wù)器收到用戶請(qǐng)求后直接執(zhí)行服務(wù)并將結(jié)果返回給移動(dòng)終端用戶，實(shí)現(xiàn)高性能、低延遲與高帶寬的服務(wù)交互體驗(yàn)。2）“端-端”模式：隨著移動(dòng)設(shè)備的計(jì)算、存儲(chǔ)、通訊等能力的大幅提升，用戶利用移動(dòng)設(shè)備完成復(fù)雜和連續(xù)的任務(wù)成為可能?！岸?端”模式就是移動(dòng)用戶為協(xié)作完成特定任務(wù)，共享各自的應(yīng)用服務(wù)、計(jì)算能力和存儲(chǔ)能力等。每個(gè)用戶既可以提供服務(wù)，也可以請(qǐng)求服務(wù)，用戶通過(guò)設(shè)備間直接的服務(wù)交互協(xié)作完成任務(wù)。3）混合模式：該模式將上述兩種應(yīng)用模式結(jié)合在一起，移動(dòng)用戶既可以調(diào)用云端提供的服務(wù)，也可以調(diào)用局部范圍內(nèi)其他移動(dòng)用戶在移動(dòng)設(shè)備上開(kāi)放的服務(wù)。根據(jù)用戶的不同需求將兩種模式有機(jī)的結(jié)合起來(lái)能為用戶提供更加高效可靠的個(gè)性化服務(wù)。

圖3. 移動(dòng)網(wǎng)絡(luò)中的三種服務(wù)應(yīng)用模式[49]

移動(dòng)應(yīng)用與服務(wù)數(shù)量的劇增給用戶的服務(wù)選擇帶來(lái)了巨大挑戰(zhàn)。如何針對(duì)用戶個(gè)性化需求，從門(mén)類(lèi)繁多、屬性各異、數(shù)量巨大的服務(wù)海洋中選擇服務(wù)，并進(jìn)一步實(shí)現(xiàn)服務(wù)組合以完成較為復(fù)雜的業(yè)務(wù)，一直以來(lái)都是服務(wù)計(jì)算領(lǐng)域的熱點(diǎn)問(wèn)題。傳統(tǒng)的服務(wù)選擇的研究主要集中在QoS 感知的服務(wù)選擇、服務(wù)組合效率、語(yǔ)義Web服務(wù)等方面。 移動(dòng)環(huán)境下，移動(dòng)網(wǎng)絡(luò)動(dòng)態(tài)變化、用戶位置頻繁移動(dòng)、移動(dòng)設(shè)備能力受限等因素使得移動(dòng)環(huán)境中的服務(wù)選擇的優(yōu)化目標(biāo)發(fā)生變化。移動(dòng)網(wǎng)絡(luò)的動(dòng)態(tài)變化和用戶位置的頻繁變動(dòng)大大降低了移動(dòng)環(huán)境下服務(wù)交互的可靠性，而移動(dòng)設(shè)備能力受限使得設(shè)備的能耗成為移動(dòng)環(huán)境下服務(wù)選擇的又一重要指標(biāo)。因此，移動(dòng)環(huán)境下的服務(wù)選擇和與組合的研究主要集中在QoS驅(qū)動(dòng)的服務(wù)選擇與組合、可靠性驅(qū)動(dòng)的服務(wù)選擇與組合和能耗驅(qū)動(dòng)的服務(wù)選擇與組合三個(gè)方面。

QoS一直以來(lái)都是服務(wù)選擇與組合的重要指標(biāo)。隨著服務(wù)數(shù)量的不斷增多，用戶對(duì)QoS的關(guān)注程度日趨增高。移動(dòng)環(huán)境下，網(wǎng)絡(luò)的動(dòng)態(tài)變化和用戶位置的頻繁變動(dòng)對(duì)服務(wù)的響應(yīng)時(shí)間等QoS屬性造成了極大的不確定性，這使得移動(dòng)環(huán)境下QoS驅(qū)動(dòng)的服務(wù)選擇與組合不同于傳統(tǒng)固網(wǎng)環(huán)境下的QoS驅(qū)動(dòng)的服務(wù)選擇與組合，如何描述這些不確定性因素（特別是網(wǎng)絡(luò)的不確定性）對(duì)QoS的影響、如何度量和分析不確定環(huán)境下的QoS、如何根據(jù)用戶體驗(yàn)質(zhì)量來(lái)選擇與組合服務(wù)均成為移動(dòng)環(huán)境下服務(wù)計(jì)算的難點(diǎn)。

加州大學(xué)爾灣分校研究團(tuán)隊(duì)提出了一種新的框架[50]將移動(dòng)環(huán)境中的服務(wù)建模為位置-時(shí)間任務(wù)工作流，將其描述為NP-難問(wèn)題，并提出了一種有效的啟發(fā)式算法來(lái)解決此問(wèn)題，該方法既能在用戶數(shù)量多時(shí)展現(xiàn)出良好的可擴(kuò)展性，又可以保證用戶調(diào)用服務(wù)時(shí)可以得到較高的QoS。德國(guó)雷根斯堡大學(xué)研究團(tuán)隊(duì)研究移動(dòng)環(huán)境中服務(wù)組合中的服務(wù)環(huán)境對(duì)服務(wù)QoS的影響，引入狀態(tài)的概念描述服務(wù)選擇的環(huán)境信息，對(duì)服務(wù)的環(huán)境參數(shù)進(jìn)行了定量描述，并據(jù)此對(duì)組合服務(wù)的QoS進(jìn)行計(jì)算以獲取 QoS最優(yōu)的服務(wù)組合[51] 。

在國(guó)內(nèi)，華中科技大學(xué)研究團(tuán)隊(duì)從移動(dòng)用戶的角度對(duì)服務(wù)的體驗(yàn)服務(wù)質(zhì)量進(jìn)行了建模描述，提出了一種基于眾包的QoS感知的移動(dòng)云服務(wù)框架對(duì)云服務(wù)進(jìn)行選擇和組合來(lái)滿足不同移動(dòng)用戶的不同QoS需求[52]。他們采用眾包的方式對(duì)與服務(wù)進(jìn)行智能、高效和可靠的選擇，并開(kāi)發(fā)了原型系統(tǒng)對(duì)方法進(jìn)行驗(yàn)證。南京大學(xué)研究團(tuán)隊(duì)針對(duì)“云-端”模式提出了新的QoS模型[53]，該模型綜合所有用戶的交互記錄，而不是僅針對(duì)某一個(gè)體得出。在該模型的基礎(chǔ)上，他們提出了兩個(gè)啟發(fā)式算法對(duì)該問(wèn)題進(jìn)行求解。浙江大學(xué)研究團(tuán)隊(duì) 針對(duì)用戶移動(dòng)特性以及隨著用戶位置變化而變化的移動(dòng)網(wǎng)絡(luò)質(zhì)量，建立了一個(gè)可計(jì)算的移動(dòng)模型[54]。基于該移動(dòng)模型，他們提出了移動(dòng)感知的服務(wù)質(zhì)量計(jì)算規(guī)則，將移動(dòng)服務(wù)組合問(wèn)題轉(zhuǎn)化為以移動(dòng)感知服務(wù)質(zhì)量為目標(biāo)的優(yōu)化問(wèn)題， 基于“教”與“學(xué)”優(yōu)化方法的服務(wù)組合選擇方法獲取近似最優(yōu)的服務(wù)組合結(jié)果，以此提高移動(dòng)環(huán)境下服務(wù)組合的QoS。 

3.1.2 可靠性驅(qū)動(dòng)的服務(wù)選擇與組合

傳統(tǒng)固網(wǎng)環(huán)境下的服務(wù)組合多部署在處理能力強(qiáng)、計(jì)算資源充足的服務(wù)器上執(zhí)行，而移動(dòng)環(huán)境下的服務(wù)組合要在移動(dòng)終端上執(zhí)行。由于移動(dòng)終端自身存在能力受限的缺陷，加之移動(dòng)網(wǎng)絡(luò)的動(dòng)態(tài)變化，如何進(jìn)行服務(wù)的選擇與組合以實(shí)現(xiàn)服務(wù)組合的優(yōu)化部署和調(diào)度，保障移動(dòng)服務(wù)組合的可靠執(zhí)行，成為面向移動(dòng)環(huán)境的服務(wù)選擇與組合的一個(gè)的重要研究問(wèn)題。 

悉尼大學(xué)研究團(tuán)隊(duì)針對(duì)移動(dòng)ad-hoc網(wǎng)絡(luò)環(huán)境下的服務(wù)選擇設(shè)計(jì)了一種新的中間件[55]。該中間件在用戶端執(zhí)行，通過(guò)設(shè)備之間的連接性收集用戶的環(huán)境信息，并根據(jù)這些信息對(duì)用戶的請(qǐng)求進(jìn)行安全等級(jí)分類(lèi)。當(dāng)網(wǎng)絡(luò)可用時(shí)，基于用戶請(qǐng)求的不同安全分類(lèi)采用不同的服務(wù)選擇方法對(duì)服務(wù)進(jìn)行選擇。弗吉尼亞理工學(xué)院研究團(tuán)隊(duì)將移動(dòng)環(huán)境中可靠性驅(qū)動(dòng)的服務(wù)選擇問(wèn)題描述為一個(gè)多目標(biāo)優(yōu)化問(wèn)題[56]，以最大化服務(wù)的可靠性為組合目標(biāo)，提出了一種多維信賴(lài)算法，該方法可以有效檢測(cè)有攻擊行為的惡意服務(wù)，并通過(guò)降低其信用有效地將這些惡意服務(wù)淘汰。 佐治亞理工大學(xué)研究團(tuán)隊(duì)[57]研究移動(dòng)設(shè)備計(jì)算卸載服務(wù)的選擇問(wèn)題，設(shè)計(jì)了COSMOS系統(tǒng)，可以在提高移動(dòng)設(shè)備的性能的同時(shí)降低服務(wù)提供者的開(kāi)銷(xiāo)，除此之外，服務(wù)選擇過(guò)程中重點(diǎn)考慮了移動(dòng)環(huán)境中動(dòng)態(tài)網(wǎng)絡(luò)連接和程序執(zhí)行的不確定性。

在國(guó)內(nèi)， 香港城市大學(xué)研究團(tuán)隊(duì)提出了一種利用移動(dòng)預(yù)測(cè)的服務(wù)組合方法[58]。該方法考慮了服務(wù)提供者的移動(dòng)性并對(duì)其進(jìn)行建模，旨在為移動(dòng)用戶選擇最可靠的一套組合服務(wù)。北京郵電大學(xué)研究團(tuán)隊(duì)在服務(wù)選擇時(shí)將服務(wù)載體的狀態(tài)和歷史數(shù)據(jù)考慮在內(nèi)，提出了一種移動(dòng)服務(wù)的狀態(tài)和穩(wěn)定性驅(qū)動(dòng)的服務(wù)選擇方法，采用優(yōu)化的云模型對(duì)服務(wù)載體的穩(wěn)定性進(jìn)行評(píng)價(jià)，并提出了一種最優(yōu)移動(dòng)服務(wù)的選擇算法[59]。浙江大學(xué)研究團(tuán)隊(duì)針對(duì)移動(dòng)設(shè)備的計(jì)算能力受限、能耗敏感帶來(lái)的運(yùn)行風(fēng)險(xiǎn)，提出了移動(dòng)環(huán)境下服務(wù)交互的質(zhì)量模型和能耗模型，并基于該模型設(shè)計(jì)了組合服務(wù)的服務(wù)選擇策略[60]；在選擇過(guò)程中，針對(duì)服務(wù)調(diào)用失效點(diǎn)、交互失敗點(diǎn)，設(shè)計(jì)了容錯(cuò)方案和恢復(fù)機(jī)制，該機(jī)制可以降低組合服務(wù)執(zhí)行的風(fēng)險(xiǎn)，提升移動(dòng)設(shè)備上的組合服務(wù)運(yùn)行效率。 針對(duì)移動(dòng)環(huán)境下服務(wù)對(duì)象與服務(wù)載體的頻繁移動(dòng)，引發(fā)服務(wù)失效的運(yùn)行風(fēng)險(xiǎn)，建立了移動(dòng)服務(wù)調(diào)用的風(fēng)險(xiǎn)模型和計(jì)算方法，并優(yōu)先確保運(yùn)行風(fēng)險(xiǎn)最小的前提下，動(dòng)態(tài)構(gòu)造性能最佳的組合服務(wù)[61]；并進(jìn)一步提出了面向移動(dòng)服務(wù)社區(qū)的服務(wù)提供框架與組合策略[62]，從組合服務(wù)構(gòu)造的角度顯著降低了潛在的運(yùn)行風(fēng)險(xiǎn)。 

移動(dòng)環(huán)境中，服務(wù)的消費(fèi)載體是移動(dòng)設(shè)備，能耗是移動(dòng)設(shè)備待機(jī)時(shí)長(zhǎng)的決定因素，因此，能耗是移動(dòng)環(huán)境中用戶關(guān)注的重要指標(biāo)。在服務(wù)交互的過(guò)程中，移動(dòng)終端的能耗來(lái)自數(shù)據(jù)通信會(huì)產(chǎn)生的能耗和設(shè)備待機(jī)產(chǎn)生的能耗，如何對(duì)這兩部分能耗進(jìn)行建模運(yùn)算，并據(jù)此對(duì)服務(wù)進(jìn)行選擇以降低移動(dòng)終端的能耗開(kāi)銷(xiāo)成為移動(dòng)環(huán)境中服務(wù)選擇與組合的重要問(wèn)題。

墨爾本大學(xué)研究團(tuán)隊(duì)提出了一種環(huán)境感知的服務(wù)選擇算法為移動(dòng)設(shè)備選擇卸載服務(wù)，其中考慮了環(huán)境因素對(duì)服務(wù)選擇的影響，提出了一種通用的計(jì)算模型對(duì)任務(wù)執(zhí)行的能耗進(jìn)行計(jì)算[63]。佩斯大學(xué)研究團(tuán)隊(duì)為了減少移動(dòng)設(shè)備的能耗浪費(fèi)，提出了一種動(dòng)態(tài)能耗感知的移動(dòng)云計(jì)算模型，基于云片的模型動(dòng)態(tài)地為移動(dòng)設(shè)備選擇就近而高效的云服務(wù)，以此減少通訊過(guò)程中額外的能耗開(kāi)銷(xiāo)[64]。

國(guó)內(nèi)方面，東南大學(xué)的研究團(tuán)隊(duì)針對(duì)當(dāng)前服務(wù)組合方法只考慮組合服務(wù)QoS的優(yōu)化而不考慮組合服務(wù)的能耗優(yōu)化提出了兩種服務(wù)能耗模型[65]，并在基于工作流的服務(wù)組合環(huán)境下，提出了一種能耗感知的多路徑服務(wù)組合方法。浙江大學(xué)研究團(tuán)隊(duì)發(fā)將服務(wù)的能耗分為服務(wù)交互過(guò)程中的輸入?yún)?shù)傳輸、輸出參數(shù)傳輸和設(shè)備待機(jī)所產(chǎn)生的能耗，分別給出了其簡(jiǎn)化計(jì)算模型，其中綜合考慮了設(shè)備的移動(dòng)速度、服務(wù)交互地點(diǎn)的網(wǎng)絡(luò)信號(hào)強(qiáng)度、調(diào)用服務(wù)的參數(shù)大小、響應(yīng)時(shí)間以及設(shè)備待機(jī)功率等參數(shù)。針對(duì)組合服務(wù)的不同結(jié)構(gòu)，給出了組合服務(wù)的簡(jiǎn)化能耗計(jì)算模型。并將遺傳算法應(yīng)用到節(jié)能驅(qū)動(dòng)的服務(wù)選擇中，實(shí)現(xiàn)了一種節(jié)能驅(qū)動(dòng)的服務(wù)選優(yōu)方法[66]。

隨著移動(dòng)設(shè)備的快速化發(fā)展，越來(lái)越多的移動(dòng)應(yīng)用嘗試完成更加復(fù)雜的邏輯功能，諸如人工智能、增強(qiáng)現(xiàn)實(shí)、大型游戲等。然而，電池技術(shù)的停滯不前限制了移動(dòng)設(shè)備的應(yīng)用場(chǎng)景和能力，成為影響用戶體驗(yàn)的重要因素[67]。針對(duì)這一問(wèn)題，除了對(duì)電池技術(shù)本身的研究之外，軟件技術(shù)層面的研究也嘗試對(duì)移動(dòng)設(shè)備能耗進(jìn)行優(yōu)化，如代碼優(yōu)化[68]、漏洞檢測(cè)和消除[69]等。但是，這僅能在一定程度上緩解移動(dòng)終端設(shè)備的能耗問(wèn)題[70]。

計(jì)算分載為移動(dòng)終端設(shè)備能耗問(wèn)題提供了一個(gè)全新的解決方案。在計(jì)算分載中，移動(dòng)設(shè)備通過(guò)把移動(dòng)應(yīng)用中的工作負(fù)載分載到云端，利用云端收集、存儲(chǔ)和處理數(shù)據(jù)，實(shí)現(xiàn)對(duì)云端計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)資源的利用，減輕了移動(dòng)設(shè)備本身的資源負(fù)擔(dān)，減少了移動(dòng)設(shè)備的程序執(zhí)行時(shí)間，提高了應(yīng)用性能，并降低了移動(dòng)設(shè)備能耗[71]。下面將介紹計(jì)算分載的國(guó)內(nèi)外研究進(jìn)展。

杜克大學(xué)研究團(tuán)隊(duì)[72]在2010年提出的MAUI是最早的計(jì)算分載實(shí)現(xiàn)模型。MAUI在微軟公司.NET公共語(yǔ)言運(yùn)行時(shí)（.NET CLR）上實(shí)現(xiàn)代碼和計(jì)算的運(yùn)行時(shí)分載，支持在應(yīng)用運(yùn)行時(shí)細(xì)粒度地決定將哪些代碼分載至云端執(zhí)行。MAUI設(shè)計(jì)了一個(gè)簡(jiǎn)單的開(kāi)發(fā)框架，開(kāi)發(fā)人員在該框架下將那些可以分載到云端運(yùn)行的方法標(biāo)注為“Remoteable”。在應(yīng)用運(yùn)行時(shí)，通過(guò)自省技術(shù)對(duì)標(biāo)注為“Remoteable”的方法進(jìn)行辨識(shí)，當(dāng)某個(gè)“Remoteable”方法被調(diào)用并且有可用的云資源時(shí)，MAUI的決策引擎通過(guò)分析分載的成本與收益、評(píng)估帶寬和延遲等，決定是否要分載該“Remoteable”方法到云端執(zhí)行。MAUI移動(dòng)設(shè)備端主要包括三個(gè)組件：客戶端代理，負(fù)責(zé)傳輸待分載方法的狀態(tài)信息；分析器，負(fù)責(zé)分析分載的成本和收益；決策引擎，為了降低能耗，它實(shí)際運(yùn)行在MAUI服務(wù)器上。MAUI服務(wù)器主要包括四個(gè)組件：服務(wù)端代理和分析器，與移動(dòng)設(shè)備上相應(yīng)的組件功能一致；決策引擎，定期對(duì)方法是否需要分載進(jìn)行決策；MAUI控制器，用于對(duì)方法分載請(qǐng)求進(jìn)行身份驗(yàn)證和資源分配。

由于MAUI對(duì)代碼可分載性的判斷依賴(lài)于開(kāi)發(fā)人員手工進(jìn)行，一方面為開(kāi)發(fā)人員帶來(lái)了額外負(fù)擔(dān)，另一方面開(kāi)發(fā)人員可能錯(cuò)誤地將不可分載的代碼指定為可分載，為了解決這些問(wèn)題，英特爾伯克利實(shí)驗(yàn)室提出CloneCloud[73]計(jì)算分載模型。CloneCloud通過(guò)使用靜態(tài)代碼分析和動(dòng)態(tài)環(huán)境分析相結(jié)合的方法，對(duì)應(yīng)用代碼進(jìn)行劃分。CloneCloud先在云端為移動(dòng)設(shè)備創(chuàng)建克隆的虛擬機(jī)實(shí)例，在應(yīng)用運(yùn)行過(guò)程中，如果遇到一個(gè)分載節(jié)點(diǎn)，那么正在運(yùn)行的線程會(huì)被暫時(shí)掛起，它的相關(guān)狀態(tài)信息被發(fā)送到云端的克隆虛擬機(jī)中，由云端繼續(xù)運(yùn)行該線程。本地應(yīng)用的其他線程不會(huì)受到影響，但如果它們?cè)噲D訪問(wèn)分載到云端的線程的相關(guān)狀態(tài)信息，就會(huì)進(jìn)入暫時(shí)掛起狀態(tài)。當(dāng)分載到云端的線程執(zhí)行完畢時(shí)，相關(guān)的狀態(tài)信息被發(fā)送回本地，合并到本地被掛起的線程中去，本地被掛起的線程被喚醒并繼續(xù)執(zhí)行。

佐治亞理工學(xué)院研究團(tuán)隊(duì)提出的COSMOS是以風(fēng)險(xiǎn)控制方式進(jìn)行分載決策[74]。在COSMOS中，移動(dòng)設(shè)備的擴(kuò)展資源來(lái)自傳統(tǒng)的遠(yuǎn)端云，執(zhí)行流程與以往的分載方案類(lèi)似。COSMOS可以有效地分配分載請(qǐng)求，以解決云資源爭(zhēng)用問(wèn)題；以風(fēng)險(xiǎn)控制的方式進(jìn)行分載決策，以解決由可變網(wǎng)絡(luò)連接和程序執(zhí)行所引起的不確定性問(wèn)題。云資源通常以虛擬機(jī)實(shí)例的形式提供，為了使用虛擬機(jī)實(shí)例，用戶需要在虛擬機(jī)上安裝操作系統(tǒng)并啟動(dòng)它，這兩者都會(huì)導(dǎo)致延遲。用戶可以基于一個(gè)時(shí)間量租賃虛擬機(jī)實(shí)例，一個(gè)云提供商通常會(huì)提供具有不同屬性和價(jià)格的各種類(lèi)型的虛擬機(jī)實(shí)例。

卡耐基梅隆大學(xué)研究團(tuán)隊(duì)[75]在2009年提出利用Cloudlet擴(kuò)展移動(dòng)設(shè)備的能力，Cloudlet是在移動(dòng)用戶附近的、可信的、資源豐富的計(jì)算機(jī)集群。Cloudlet是廣泛分布的互聯(lián)網(wǎng)基礎(chǔ)設(shè)施，一個(gè)Cloudlet可以被視為一個(gè)云端。Cloudlet能夠?qū)崿F(xiàn)自我管理，功率小，能夠連接到Internet，能夠進(jìn)行訪問(wèn)控制設(shè)置，與移動(dòng)設(shè)備之間僅有一跳的距離。這種資源管理模式使Cloudlet可以很方便地被部署在諸如咖啡店、圖書(shū)館、商場(chǎng)、醫(yī)院等場(chǎng)所。為了保證部署的安全性，可以通過(guò)第三方遠(yuǎn)程監(jiān)控把Cloudlet封裝在一個(gè)防篡改或防拆封的機(jī)柜中。在利用Cloudlet時(shí)，移動(dòng)設(shè)備充當(dāng)瘦客戶端，所有重要且復(fù)雜的計(jì)算都分載到附近的Cloudlet中。如果移動(dòng)設(shè)備附近沒(méi)有可用的Cloudlet，則移動(dòng)設(shè)備可以使用傳統(tǒng)的遠(yuǎn)端云或者僅使用移動(dòng)設(shè)備本身的資源。

另外，德國(guó)電信實(shí)驗(yàn)室研究團(tuán)隊(duì)[76]提出的ThinkAir在云端提供完整的安卓虛擬機(jī)環(huán)境，以執(zhí)行從移動(dòng)設(shè)備分載而來(lái)的計(jì)算任務(wù)。密歇根大學(xué)研究團(tuán)隊(duì)[77]提出的COMET允許線程根據(jù)工作負(fù)載在機(jī)器之間進(jìn)行分載，同時(shí)實(shí)現(xiàn)分布式內(nèi)存模型，從而提高應(yīng)用程序的執(zhí)行速度。里昂大學(xué)研究團(tuán)隊(duì)[78]提出一組臨近的移動(dòng)設(shè)備可以通過(guò)自組織協(xié)作的方式進(jìn)行任務(wù)分載，移動(dòng)設(shè)備之間可以通過(guò)中間件進(jìn)行交互。

CloneCloud支持自動(dòng)地對(duì)代碼進(jìn)行劃分并在運(yùn)行時(shí)完成方法粒度的計(jì)算分載，這一技術(shù)需要修改應(yīng)用運(yùn)行底層的虛擬機(jī)，將計(jì)算線程掛起，獲取狀態(tài)信息，在運(yùn)行時(shí)恢復(fù)合并。CloneCloud由于對(duì)底層機(jī)制進(jìn)行了修改，從而限制了其適用場(chǎng)景，降低了用戶接受度，同時(shí)帶來(lái)了一些安全性問(wèn)題和可維護(hù)性問(wèn)題[79]。為了解決這些問(wèn)題，北京大學(xué)研究團(tuán)隊(duì)[80]提出基于應(yīng)用自動(dòng)化重構(gòu)工具DPartner實(shí)現(xiàn)計(jì)算分載。安卓應(yīng)用本質(zhì)上是由許多類(lèi)組成的Java程序，一項(xiàng)計(jì)算任務(wù)被實(shí)現(xiàn)為類(lèi)中的某個(gè)方法，可以被本類(lèi)或其他類(lèi)中的方法調(diào)用，因此安卓應(yīng)用計(jì)算任務(wù)分載可以實(shí)現(xiàn)為包含該計(jì)算任務(wù)的某個(gè)類(lèi)的遠(yuǎn)程部署和調(diào)用。該工作首先提出一種支持安卓應(yīng)用計(jì)算任務(wù)按需遠(yuǎn)程執(zhí)行的程序結(jié)構(gòu)，它主要包含兩個(gè)核心元素：NProxy和Endpoint。它將調(diào)用者X和被調(diào)用者N之間的直接內(nèi)存調(diào)用以及通過(guò)遠(yuǎn)程通信服務(wù)的遠(yuǎn)程調(diào)用都轉(zhuǎn)換成了經(jīng)由NProxy和Endpoint進(jìn)行的間接調(diào)用。NProxy本身不執(zhí)行任何實(shí)際的計(jì)算操作，只負(fù)責(zé)將方法調(diào)用轉(zhuǎn)發(fā)到N執(zhí)行。Endpoint負(fù)責(zé)獲取N當(dāng)前的位置并提供N的引用供X使用。然后，利用Dpartner自動(dòng)地對(duì)安卓應(yīng)用進(jìn)行重構(gòu)以符合程序結(jié)構(gòu)。最后，對(duì)安卓應(yīng)用中的類(lèi)進(jìn)行分類(lèi)、聚類(lèi)和封裝，生成兩部分制品，一部分是轉(zhuǎn)換后留在本地運(yùn)行的應(yīng)用，另一部分是轉(zhuǎn)換后的Movable類(lèi)組成的集合，部署到云端以供遠(yuǎn)程調(diào)用。

為了解決云端和終端運(yùn)行環(huán)境的異構(gòu)問(wèn)題，南京大學(xué)研究團(tuán)隊(duì)提出CoseDroid框架[81]，采用比以往更激進(jìn)的方式實(shí)現(xiàn)計(jì)算分載：讓計(jì)算分載發(fā)生在臨近的移動(dòng)終端之間。由于不同終端可能存在完全相同或部分相同的運(yùn)行環(huán)境，因此可分載部分顯得更為寬松。在CoseDroid框架下，一個(gè)計(jì)算過(guò)程是否可被分載需要滿足兩點(diǎn)：代碼在執(zhí)行過(guò)程中無(wú)須在兩個(gè)設(shè)備之間進(jìn)行消息傳遞；方法在本地和遠(yuǎn)程設(shè)備上執(zhí)行結(jié)果狀態(tài)保持一致。CoseDroid通過(guò)Soot工具靜態(tài)分析代碼并尋找滿足這兩個(gè)條件的方法，通過(guò)代碼插樁將這部分代碼和序列化的對(duì)象狀態(tài)從當(dāng)前設(shè)備發(fā)送到另一個(gè)終端設(shè)備以實(shí)現(xiàn)計(jì)算分載。

計(jì)算分載通過(guò)將復(fù)雜計(jì)算分載到云端服務(wù)器，能夠有效減小移動(dòng)終端的計(jì)算負(fù)荷，而且基本不會(huì)帶來(lái)附加的時(shí)延，因此可以有效節(jié)省移動(dòng)終端的能耗。計(jì)算分載為移動(dòng)終端節(jié)能提供了更好的解決方案，也帶來(lái)了新的挑戰(zhàn)：（1）分載點(diǎn)的異構(gòu)性：多個(gè)用戶的計(jì)算分載可能導(dǎo)致負(fù)載均衡和調(diào)度問(wèn)題，需要考慮多個(gè)分載點(diǎn)的不同特征。（2）最優(yōu)劃分：為了提高遠(yuǎn)程執(zhí)行效率，僅僅分載被請(qǐng)求的數(shù)據(jù)，應(yīng)當(dāng)最小化冗余數(shù)據(jù)傳輸。（3）時(shí)延：按需進(jìn)行資源分配，但是由于虛擬機(jī)的啟動(dòng)、重新恢復(fù)和同步等操作會(huì)導(dǎo)致額外的時(shí)延。（4）復(fù)雜性：為了增強(qiáng)計(jì)算分載的性能，分析、分割等處理過(guò)程可能變得更復(fù)雜而難以實(shí)現(xiàn)，從而導(dǎo)致額外開(kāi)銷(xiāo)。

目前，通過(guò)對(duì)RESTful Web API的復(fù)用和組裝來(lái)開(kāi)發(fā)Web應(yīng)用已經(jīng)成為互聯(lián)網(wǎng)軟件主流開(kāi)發(fā)方式之一。特別地， HTML5、CSS和JavaScript等Web應(yīng)用前端開(kāi)發(fā)技術(shù)的發(fā)展，基于服務(wù)的Web應(yīng)用已經(jīng)能夠?yàn)橛脩籼峁└迂S富的功能和體驗(yàn)。近年來(lái)，隨著移動(dòng)終端成為用戶接入互聯(lián)網(wǎng)的主要設(shè)備，移動(dòng)Web應(yīng)用得到了廣泛關(guān)注，不僅可以通過(guò)瀏覽器直接訪問(wèn)，很多原生應(yīng)用（Native App）也嵌入瀏覽器提供內(nèi)容服務(wù)。但是，由于終端設(shè)備的軟硬件資源能力存在很大的異構(gòu)性（例如市面上在售的Android設(shè)備超過(guò)2萬(wàn)種），以及用戶所處的網(wǎng)絡(luò)環(huán)境高度動(dòng)態(tài)可變等，移動(dòng)用戶在進(jìn)行Web瀏覽時(shí)，經(jīng)常會(huì)遇到加載時(shí)間過(guò)長(zhǎng)、無(wú)法打開(kāi)頁(yè)面和非預(yù)期流量和電量消耗問(wèn)題。

由于開(kāi)發(fā)者很難預(yù)知Web應(yīng)用的客戶端運(yùn)行環(huán)境并保障所有用戶總能夠享受到一致和良好的交互體驗(yàn)，在移動(dòng)終端瀏覽器上優(yōu)化Web應(yīng)用的交互體驗(yàn)就成為一個(gè)自然的解決途徑，成為近年來(lái)網(wǎng)絡(luò)系統(tǒng)和移動(dòng)計(jì)算領(lǐng)域的研究熱點(diǎn)問(wèn)題之一。近年來(lái)，包括斯坦福大學(xué)、密歇根大學(xué)、伊利諾伊香檳分校、華盛頓大學(xué)在內(nèi)的多個(gè)知名學(xué)術(shù)團(tuán)隊(duì)在頂級(jí)學(xué)術(shù)期刊TMC、TWEB等和會(huì)議SOSP、OSDI、NSDI、MobiCom、MobiSys、WWW、ICWS等均有相關(guān)工作發(fā)表?？傮w而言，從萬(wàn)維網(wǎng)應(yīng)用體系結(jié)構(gòu)來(lái)看，現(xiàn)有工作從客戶端、云端/服務(wù)器端和邊緣端三個(gè)方面來(lái)嘗試解決移動(dòng)互聯(lián)網(wǎng)環(huán)境下Web服務(wù)體驗(yàn)優(yōu)化問(wèn)題。

Web瀏覽器是Web服務(wù)的主要客戶端運(yùn)行環(huán)境瀏覽器，負(fù)責(zé)提供網(wǎng)絡(luò)連接的建立管理、服務(wù)調(diào)用請(qǐng)求的解析、終端用戶界面的渲染生成等。但是，現(xiàn)在的主流的瀏覽器，如Chrome，F(xiàn)ireFox等，結(jié)構(gòu)極其復(fù)雜，運(yùn)行時(shí)涉及到多類(lèi)操作系統(tǒng)級(jí)的資源調(diào)度，如何精確地度量瀏覽器上服務(wù)交互體驗(yàn)、定位到性能瓶頸并開(kāi)展優(yōu)化是公認(rèn)極具挑戰(zhàn)性的技術(shù)難題[82]。

萊斯大學(xué)研究團(tuán)隊(duì)發(fā)表在WWW’12的工作[83]，在Webkit的基礎(chǔ)上實(shí)現(xiàn)了支持推測(cè)式加載機(jī)制的瀏覽器——Tempo。對(duì)于各個(gè)網(wǎng)站，Tempo構(gòu)造維護(hù)一個(gè)資源關(guān)系圖，每個(gè)頁(yè)面是其中一個(gè)節(jié)點(diǎn)。使用這種結(jié)構(gòu)的原因是由于在同一個(gè)網(wǎng)站里，多個(gè)網(wǎng)頁(yè)會(huì)共享相同的資源。當(dāng)用戶再次訪問(wèn)相同的頁(yè)面時(shí)，Tempo可以直接預(yù)取圖中的子資源；如果訪問(wèn)新頁(yè)面，則會(huì)查找對(duì)應(yīng)的子資源。同時(shí)，通過(guò)定時(shí)更新機(jī)制，在一個(gè)頁(yè)面打開(kāi)之后會(huì)更新一些子節(jié)點(diǎn)，同時(shí)也會(huì)去除一些很久不用的資源。通過(guò)仿真實(shí)驗(yàn)，發(fā)現(xiàn)Tempo對(duì)速度的提升達(dá)到了理論上限的70%左右。

威廉瑪麗大學(xué)研究團(tuán)隊(duì)發(fā)表于UbiComp’13的文章[84]設(shè)計(jì)了一個(gè)Android系統(tǒng)服務(wù)——CacheKeeper。通過(guò)對(duì)1000個(gè)安卓應(yīng)用的網(wǎng)絡(luò)數(shù)據(jù)分析，該工作總結(jié)了頁(yè)面內(nèi)緩存的實(shí)現(xiàn)問(wèn)題和頁(yè)面間資源的冗余傳輸。是CacheKeeper的架構(gòu)，在系統(tǒng)內(nèi)核層設(shè)置專(zhuān)門(mén)的緩存管理模塊來(lái)處理HTTP請(qǐng)求。實(shí)驗(yàn)數(shù)據(jù)表明，CacheKeeper能夠減少42%的網(wǎng)絡(luò)流量，在3G環(huán)境下提速2倍。

北京大學(xué)研究團(tuán)隊(duì)通過(guò)數(shù)百萬(wàn)行瀏覽器內(nèi)核源代碼分析、大量網(wǎng)絡(luò)度量和用戶實(shí)驗(yàn)，深入剖析了移動(dòng)Web瀏覽的工作機(jī)理，在WWW‘15[85]的工作中提出了一種跨層（Cross-Layer）的RESTful服務(wù)調(diào)用性能剖面模型，設(shè)計(jì)了基于主動(dòng)傳播路徑的細(xì)粒度資源計(jì)量（Accounting）方法，精確地度量了瀏覽器上端到端（End-to-End）的交互體驗(yàn)；基于該模型，發(fā)表在TMC上工作[86]揭示了目前主流WebKit瀏覽器內(nèi)核上RESTful服務(wù)調(diào)用機(jī)制中影響交互體驗(yàn)的多個(gè)設(shè)計(jì)缺陷（如緩存設(shè)置時(shí)間失配導(dǎo)致冗余數(shù)據(jù)傳輸、JavaScript的動(dòng)態(tài)數(shù)據(jù)獲取導(dǎo)致同一內(nèi)容的重復(fù)請(qǐng)求等），并在WebKit源代碼中精確定位到相關(guān)實(shí)現(xiàn)。在此基礎(chǔ)上，借鑒原生應(yīng)用（Native App）的資源管理與更新特點(diǎn)，該團(tuán)隊(duì)在TMC上的工作提出了新的Web編程模型和部署框架ReWAP[87]，實(shí)現(xiàn)了終端設(shè)備計(jì)算能力驅(qū)動(dòng)的預(yù)測(cè)式服務(wù)數(shù)據(jù)打包推送方法，在細(xì)粒度上準(zhǔn)確預(yù)測(cè)Web網(wǎng)頁(yè)的數(shù)據(jù)更新并進(jìn)行優(yōu)先級(jí)排序，將冗余數(shù)據(jù)流量減少51%。

移動(dòng)設(shè)備通過(guò)狀態(tài)機(jī)模型來(lái)維持通信信號(hào)：在設(shè)備沒(méi)有網(wǎng)絡(luò)行為時(shí)，處于idle狀態(tài)，功率很低；在網(wǎng)絡(luò)傳輸時(shí)，功率會(huì)急劇升高到某個(gè)比較穩(wěn)定的值；如果超過(guò)了某個(gè)特定的閾值，又會(huì)進(jìn)入另一個(gè)狀態(tài)，功率會(huì)繼續(xù)升高。針對(duì)當(dāng)前Web頁(yè)面資源的復(fù)雜性，芬蘭阿爾托大學(xué)研究團(tuán)隊(duì)發(fā)表于Computer Networks的工作[88]提出通過(guò)代理預(yù)取所需資源，然后打包發(fā)送到移動(dòng)設(shè)備上，進(jìn)而加速頁(yè)面加載，節(jié)省電量。該系統(tǒng)包括兩個(gè)機(jī)制：1）對(duì)請(qǐng)求和響應(yīng)的壓縮，壓縮請(qǐng)求的重要原因是希望不會(huì)超過(guò)閾值，從而讓移動(dòng)設(shè)備穩(wěn)定在一個(gè)較低的功耗狀態(tài)；2）打包，將所有返回的資源放在一起返回給瀏覽器，這樣移動(dòng)設(shè)備就不用多次請(qǐng)求，也就可以在更多的時(shí)間停留在低功耗狀態(tài)。同時(shí)，在發(fā)出和接受請(qǐng)求這段時(shí)間里，移動(dòng)設(shè)備也是處于低功耗的。EEP系統(tǒng)包含本地和服務(wù)器的兩個(gè)代理，移動(dòng)端和服務(wù)器代理端用來(lái)解析HTML和JavaScript的瀏覽器則是用Qt實(shí)現(xiàn)。瀏覽器與本地代理通過(guò)HTTP連接，本地代理和服務(wù)器代理用自定義的協(xié)議連接（實(shí)現(xiàn)了打包和壓縮）和傳輸，服務(wù)器代理和原服務(wù)器采用標(biāo)準(zhǔn)HTTP協(xié)議通信。通過(guò)在不同的RTT條件下對(duì)比普通的預(yù)期機(jī)制和EEP系統(tǒng)，發(fā)現(xiàn)EEP系統(tǒng)可以節(jié)省電量和加載時(shí)間，并且RTT越大節(jié)省越多。

加州大學(xué)河濱分校研究團(tuán)隊(duì)發(fā)表于MobiCom’15的工作[89]研究了Web架構(gòu)中的內(nèi)容壓縮代理對(duì)移動(dòng)Web瀏覽體驗(yàn)的影響。內(nèi)容壓縮代理通過(guò)對(duì)文本內(nèi)容的壓縮和圖片壓縮，以減少Web資源的網(wǎng)絡(luò)傳輸量，從而提高頁(yè)面加載速度。目前的許多瀏覽器（如Android Chrome）都具備這樣的功能。但是，現(xiàn)有的內(nèi)容壓縮代理是一種“all or nothing”的策略，即要么所有請(qǐng)求都通過(guò)代理，要么都不通過(guò)代理。文章通過(guò)一組測(cè)量實(shí)驗(yàn)，發(fā)現(xiàn)網(wǎng)絡(luò)情況良好的時(shí)候通過(guò)內(nèi)容壓縮代理獲取Web資源實(shí)際上對(duì)瀏覽體驗(yàn)是有損害的：由于路由跳數(shù)的增加和代理服務(wù)器的處理開(kāi)銷(xiāo)導(dǎo)致頁(yè)面加載時(shí)間變長(zhǎng)。根據(jù)這一發(fā)現(xiàn)，論文提出了一種網(wǎng)絡(luò)感知（Network aware）的內(nèi)容壓縮代理技術(shù)FlexiWeb。網(wǎng)絡(luò)感知具體體現(xiàn)在兩個(gè)方面：一是根據(jù)網(wǎng)絡(luò)情況來(lái)選擇某個(gè)資源請(qǐng)求是否通過(guò)代理服務(wù)器，二是權(quán)衡網(wǎng)絡(luò)傳輸開(kāi)銷(xiāo)和用戶體驗(yàn)損耗來(lái)選擇最優(yōu)的圖片壓縮率。論文修改了Android Chrome瀏覽器進(jìn)行了初步實(shí)現(xiàn)，修改了Chrome提供的Mod_Speed Apache模塊實(shí)現(xiàn)了內(nèi)容壓縮代理，通過(guò)抓取Alexa Top 500的網(wǎng)頁(yè)作為測(cè)試數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明，F(xiàn)lexiWeb能夠減少35%-42%的頁(yè)面加載時(shí)間。

除了學(xué)術(shù)界的研究工作，為了提升移動(dòng)Web的瀏覽體驗(yàn)，一些商業(yè)移動(dòng)瀏覽器通過(guò)在服務(wù)器端對(duì)網(wǎng)頁(yè)進(jìn)行預(yù)處理，從而優(yōu)化Web資源的調(diào)度。

Opera Mini是一款為移動(dòng)設(shè)備開(kāi)發(fā)的瀏覽器[90]。用戶使用Opera Mini瀏覽網(wǎng)頁(yè)時(shí)，Opera公司的服務(wù)器首先對(duì)所訪問(wèn)的網(wǎng)頁(yè)進(jìn)行壓縮和優(yōu)化，縮小文件大小，以便于傳遞，使之適合于手機(jī)瀏覽，再于手機(jī)上顯示，傳輸中信息使用SSL協(xié)議進(jìn)行加密?？梢钥吹剑脩羰謾C(jī)發(fā)送請(qǐng)求，通過(guò)移動(dòng)通信網(wǎng)絡(luò)網(wǎng)關(guān)轉(zhuǎn)到Opera的代理服務(wù)器，然后Opera代理服務(wù)器將轉(zhuǎn)發(fā)請(qǐng)求到原網(wǎng)站的服務(wù)器。服務(wù)器正常響應(yīng)后，Opera代理服務(wù)器解析標(biāo)記和樣式表，執(zhí)行 JavaScript，然后把數(shù)據(jù)轉(zhuǎn)碼成Opera Binary Markup Language（OBML），再返回給客戶端。OBML數(shù)據(jù)在用戶的設(shè)備上通過(guò)Opera Mini逐步加載。OBML 對(duì)用戶和載體非常有好處，它能夠節(jié)省90%的數(shù)據(jù)傳輸。

Google為Android開(kāi)發(fā)的Chrome Beta瀏覽器[91]中加入了服務(wù)器端數(shù)據(jù)壓縮代理機(jī)制（Data Compression Proxy，DCP）。當(dāng)用戶使用Chrome Beta瀏覽頁(yè)面時(shí)，瀏覽器會(huì)與運(yùn)行在Google數(shù)據(jù)中心的代理服務(wù)器建立連接，將所有的非加密HTTP請(qǐng)求都通過(guò)這個(gè)連接發(fā)送，因而DCP可以獲取對(duì)傳輸?shù)臄?shù)據(jù)進(jìn)行優(yōu)化，主要包括圖片轉(zhuǎn)碼（轉(zhuǎn)化為WebP格式比JPG和PNG格式的圖片小很多從而節(jié)省流量）、內(nèi)容感知的壓縮（將HTML、CSS和JavaScript資源中與頁(yè)面渲染無(wú)關(guān)的的空格和注釋刪除）等。

云計(jì)算已經(jīng)成為以互聯(lián)網(wǎng)為主干，移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等深度融合形成的復(fù)雜網(wǎng)絡(luò)環(huán)境下的最為主要的計(jì)算模式。作為云計(jì)算的重要延伸和拓展--邊緣計(jì)算，近年來(lái)得到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注?；谶吘売?jì)算模式的移動(dòng)Web服務(wù)交互體驗(yàn)優(yōu)化也取得了一些進(jìn)展。微軟研究團(tuán)隊(duì)發(fā)表于ASPLOS’11的工作[92]，研究了在移動(dòng)操作系統(tǒng)上支持Cloudlet的可能性，提出了Pocket Cloudlet架構(gòu)。通過(guò)移動(dòng)設(shè)備訪問(wèn)云服務(wù)的延遲很大，并且受到電池電量的限制。移動(dòng)設(shè)備的非易失性存儲(chǔ)（NVM）的增長(zhǎng)非常迅速，可以用來(lái)解決云服務(wù)訪問(wèn)的問(wèn)題。這篇文章提出了通過(guò)NVM來(lái)搭建Cloudlet，展示Pocket Cloudlet架構(gòu)。在底層，每個(gè)云服務(wù)都有一個(gè)專(zhuān)門(mén)的存儲(chǔ)空間，將服務(wù)的訪問(wèn)結(jié)果存儲(chǔ)在其中，由于數(shù)據(jù)量巨大，而且在斷電后應(yīng)該保留在設(shè)備上，所以可存儲(chǔ)在NAND閃存中。同時(shí)，每個(gè)云服務(wù)還需要在快速存儲(chǔ)介質(zhì)（如DRAM）中存儲(chǔ)一個(gè)索引，該索引可以支持快速查找數(shù)據(jù)結(jié)果。該團(tuán)隊(duì)后續(xù)發(fā)表于ASPLOS’12的文章[93]中，作者研究了如何將Pocket Cloudlet應(yīng)用到移動(dòng)Web瀏覽，提出了PocketWeb系統(tǒng)。Web訪問(wèn)的動(dòng)態(tài)性增加了緩存的難度，于是這篇文章主要研究用戶訪問(wèn)Web的行為，進(jìn)而提出了一個(gè)預(yù)測(cè)模型來(lái)預(yù)測(cè)合理的預(yù)取時(shí)間。通過(guò)對(duì)8000個(gè)用戶Web訪問(wèn)歷史數(shù)據(jù)的分析，文章發(fā)現(xiàn)Web訪問(wèn)呈現(xiàn)出一種與用戶相關(guān)的時(shí)空特性。進(jìn)而提出使用機(jī)器學(xué)習(xí)的方法來(lái)建立基于用戶的預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明，該模型對(duì)于80%-90%的用戶能在其訪問(wèn)2分鐘前抓取60%的資源。

加州大學(xué)河濱分校研究團(tuán)隊(duì)發(fā)表于NSDI’15的文章[94]提出了根據(jù)用戶偏好來(lái)優(yōu)先加載資源的系統(tǒng)KLOSKI，作為移動(dòng)Web加速的云服務(wù)而存在，不需要對(duì)客戶端做任何改動(dòng)。KLOSKI后端利用測(cè)量終端離線地獲取頁(yè)面依賴(lài)關(guān)系和動(dòng)態(tài)信息。對(duì)于每一個(gè)獲取的頁(yè)面，測(cè)量終端記錄資源獲取的依賴(lài)關(guān)系、資源大小、加載順序和資源在顯示界面上的位置；進(jìn)而通過(guò)匯總同樣頁(yè)面的不同測(cè)量數(shù)據(jù)（不同設(shè)備的長(zhǎng)時(shí)間記錄）來(lái)生成一個(gè)指紋記錄。指紋記錄是一個(gè)有向無(wú)環(huán)圖，記錄資源之間的關(guān)系信息。KLOSKI前端作為一個(gè)代理存在，它會(huì)將用戶可能優(yōu)先需要的資源優(yōu)先返回。它采用現(xiàn)有的HTTP協(xié)議與原服務(wù)器進(jìn)行通信，采用SPDY協(xié)議與客戶端通信。當(dāng)前端收到頁(yè)面請(qǐng)求時(shí)，KLOSKI會(huì)根據(jù)指紋記錄計(jì)算出需要優(yōu)先加載的資源并通過(guò)SPDY的推送機(jī)制返回。實(shí)驗(yàn)結(jié)果表明KLOSKI能夠?qū)?秒內(nèi)使用的資源率從25%提高到約60%。

采用類(lèi)似的邊緣計(jì)算思想，北京大學(xué)研究團(tuán)隊(duì)引入基于個(gè)人云的中間層（MiddleBox），分別從計(jì)算和數(shù)據(jù)兩個(gè)角度進(jìn)行Web服務(wù)調(diào)用優(yōu)化。發(fā)表在TOIT上工作，針對(duì)計(jì)算密集型Web任務(wù)優(yōu)化設(shè)計(jì)實(shí)現(xiàn)了i-Jacob系統(tǒng)[95]，通過(guò)動(dòng)態(tài)程序切片和云端分載（Offloading）執(zhí)行的方式提高頁(yè)面計(jì)算和渲染速度，可將單元計(jì)算速度最高提高近50倍，電量平均節(jié)省約40%。發(fā)表在TMC上的工作，針對(duì)數(shù)據(jù)密集型Web應(yīng)用優(yōu)化設(shè)計(jì)實(shí)現(xiàn)了SWAROVsky系統(tǒng)[96]，通過(guò)用戶瀏覽行為學(xué)習(xí)、頁(yè)面預(yù)取壓縮、同服務(wù)域數(shù)據(jù)多路鏈接復(fù)用等技術(shù)，減少數(shù)據(jù)冗余傳輸，可將加載時(shí)間平均提升57%，數(shù)據(jù)流量傳輸減少58%。

工業(yè)界也出現(xiàn)了基于類(lèi)似思想的產(chǎn)品。Amazon Silk是Amazon Kindle Fire電子書(shū)閱讀器上的瀏覽器。與傳統(tǒng)瀏覽器不同，Silk的各個(gè)子系統(tǒng)——包括網(wǎng)絡(luò)處理、HTML、CSS、呈現(xiàn)等——的執(zhí)行在平板和云之間分離開(kāi)來(lái)，瀏覽器動(dòng)態(tài)判斷哪些在AWS上執(zhí)行，哪些在本地執(zhí)行。AWS被看做無(wú)限大的緩存，用來(lái)存儲(chǔ)用戶將會(huì)使用Silk加載的頁(yè)面圖像、JavaScript和CSS文件。AWS服務(wù)把頁(yè)面?zhèn)骰豐ilk之前，會(huì)準(zhǔn)備頁(yè)面的內(nèi)容。以圖像為例，AWS會(huì)根據(jù)將要展示的屏幕大小，自動(dòng)縮減圖片尺寸，因此文件變小，傳送和加載更快。瀏覽器保持與Amazon服務(wù)器的單一打開(kāi)連接，隨時(shí)準(zhǔn)備請(qǐng)求更多內(nèi)容。

因特網(wǎng)從PC終端互聯(lián)網(wǎng)發(fā)展到了移動(dòng)互聯(lián)網(wǎng)，目前已經(jīng)開(kāi)始逐步地發(fā)展和拓展到物聯(lián)網(wǎng)領(lǐng)域。根據(jù)IDC預(yù)測(cè)，2020年全球物聯(lián)網(wǎng)設(shè)備數(shù)將達(dá)到281億，全球物聯(lián)網(wǎng)市場(chǎng)總量將達(dá)7.1萬(wàn)億美元；Garter預(yù)測(cè)2020年物聯(lián)網(wǎng)設(shè)備數(shù)將達(dá)260億，全球經(jīng)濟(jì)價(jià)值將達(dá)1.9萬(wàn)億；Machina Research 則預(yù)測(cè)2020年全球M2M（machine to machine）連接數(shù)將達(dá)250億，全球產(chǎn)業(yè)機(jī)會(huì)將達(dá)1.2萬(wàn)億美元。物聯(lián)網(wǎng)不僅僅是一堆連接上互聯(lián)網(wǎng)的物理設(shè)備，隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展與成熟，各種物聯(lián)網(wǎng)應(yīng)用不斷涌現(xiàn)，以滿足不同的特定需求，“物聯(lián)網(wǎng)即服務(wù)”正成為共識(shí)。當(dāng)物聯(lián)網(wǎng)成為一種服務(wù)，消費(fèi)者就不會(huì)再擔(dān)心各種零部件和技術(shù)問(wèn)題，而商家對(duì)其產(chǎn)品和服務(wù)的定位也會(huì)更加明確。

服務(wù)化是產(chǎn)生商業(yè)價(jià)值的必由之路，對(duì)于物聯(lián)網(wǎng)。物聯(lián)網(wǎng)架構(gòu)應(yīng)該指導(dǎo)使用者如何組織具有實(shí)際服務(wù)能力的物聯(lián)網(wǎng)體系、并具有根據(jù)實(shí)際反饋進(jìn)行迭代和演進(jìn)的能力。這一方面最重要的兩個(gè)特征如下：

（a）開(kāi)放性。開(kāi)放性指物聯(lián)網(wǎng)架構(gòu)與其他技術(shù)體系的兼容程度。具有高開(kāi)放性的架構(gòu)能夠允許其他信息技術(shù)與物聯(lián)網(wǎng)技術(shù)結(jié)合形成新的服務(wù)。新的服務(wù)將會(huì)具備綜合性高、功能性強(qiáng)以及演化可能性多等特點(diǎn)。比如架構(gòu)中提供人工智能的接入解決方案，則可能形成智能化的獨(dú)特服務(wù)，產(chǎn)生新的價(jià)值點(diǎn)。并且這一價(jià)值點(diǎn)還會(huì)隨著技術(shù)演進(jìn)而獲得進(jìn)一步升值。

（b）場(chǎng)景化。物聯(lián)網(wǎng)架構(gòu)本身不應(yīng)受制于場(chǎng)景，但必須允許場(chǎng)景化的實(shí)際應(yīng)用實(shí)現(xiàn)。或者說(shuō)，物聯(lián)網(wǎng)架構(gòu)本身一旦被實(shí)現(xiàn)，就應(yīng)該是天然具有產(chǎn)品化、服務(wù)化傾向的實(shí)體系統(tǒng)，而不僅僅簡(jiǎn)單只是技術(shù)范疇內(nèi)的產(chǎn)物。比如架構(gòu)中如果提供業(yè)務(wù)流程的整合方案，盡管可能不同業(yè)務(wù)將表現(xiàn)出不同的屬性和特征，但這已經(jīng)說(shuō)明該系統(tǒng)將具備支撐某方面業(yè)務(wù)的屬性，甚至可以提前評(píng)估優(yōu)劣，最終對(duì)物聯(lián)網(wǎng)服務(wù)化提供推動(dòng)作用。

架構(gòu)層次化指通過(guò)不同視角描述系統(tǒng)體系。每個(gè)視角將獲得物聯(lián)網(wǎng)系統(tǒng)的一個(gè)完整的層的描述。實(shí)際上，一個(gè)視角就是一個(gè)具體的業(yè)務(wù)切入方向，尤其對(duì)于物聯(lián)網(wǎng)體系而言，其組織結(jié)構(gòu)龐大復(fù)雜，從單一視角入手是實(shí)際落地的良好選擇。比如，從網(wǎng)絡(luò)結(jié)構(gòu)的視角出發(fā)，可以獲得物聯(lián)網(wǎng)網(wǎng)絡(luò)組織層的描述，這一描述可能包括了其組網(wǎng)方式、網(wǎng)絡(luò)拓?fù)?、網(wǎng)絡(luò)規(guī)模、動(dòng)態(tài)演化、SDN等等相關(guān)方向，擅長(zhǎng)這些方向的使用者可以從這個(gè)層出發(fā)建立屬于自己的商業(yè)物聯(lián)網(wǎng)模型。

架構(gòu)模塊化則使得使用者可按需組裝實(shí)際系統(tǒng)。每一層實(shí)際上由多個(gè)模塊組成。一般而言，好的架構(gòu)模塊具有獨(dú)立性、完備性和冗余性。獨(dú)立性指模塊間不存在交集，相互之間單獨(dú)運(yùn)行、互不干擾；完備性指每一層一定被劃分成足夠完整形成該層的所有模塊；冗余性則指該層有些模塊可能可以相互取代，或者暫時(shí)去除而不影響層的功能，或者說(shuō)不影響使用者需要保障的某部分能力。

對(duì)物聯(lián)網(wǎng)架構(gòu)而言，每層的下屬模塊通常具備高獨(dú)立性和完備性，而冗余性較低。這是由于物聯(lián)網(wǎng)作為網(wǎng)絡(luò)組織，基本結(jié)構(gòu)和范式已經(jīng)確定，因此每層下的模塊行為較為確定。但這并不代表物聯(lián)網(wǎng)架構(gòu)變化程度單一：其模塊內(nèi)部實(shí)際上可以使用多種具體不同的解決方案實(shí)現(xiàn)。比如，考慮一個(gè)協(xié)議層的視角，可能會(huì)存在一個(gè)獨(dú)立模塊稱(chēng)為通信協(xié)議。通信協(xié)議本身是不可取代的，但其實(shí)現(xiàn)方式可能多種多樣：有線或無(wú)線、局域或廣域、低功耗或高帶寬等。

一般來(lái)說(shuō)，作為基礎(chǔ)平臺(tái)，物聯(lián)網(wǎng)系統(tǒng)只需設(shè)備和組件就足夠完備了。但盡管如此，真正價(jià)值化的物聯(lián)網(wǎng)必定需要安裝應(yīng)用程序，以提供各類(lèi)有價(jià)值的服務(wù)?？紤]到應(yīng)用的可重用性和可維護(hù)性，構(gòu)建所謂的“輕型服務(wù)”的小型一般應(yīng)用是必要的。它們的目的不在于直接實(shí)現(xiàn)業(yè)務(wù)價(jià)值，而是通過(guò)完成某些簡(jiǎn)單的任務(wù)來(lái)形成構(gòu)建應(yīng)用程序的基石。確切的說(shuō)，物聯(lián)網(wǎng)輕服務(wù)是基于物聯(lián)網(wǎng)網(wǎng)絡(luò)的、最多只有一個(gè)邏輯判斷和開(kāi)放接口、并執(zhí)行通用應(yīng)用中常見(jiàn)的一種功能或者在操作系統(tǒng)中重復(fù)使用的服務(wù)

這類(lèi)服務(wù)允許應(yīng)用直接訪問(wèn)物聯(lián)網(wǎng)設(shè)備并利用其能力。一般來(lái)說(shuō)，它們是物聯(lián)網(wǎng)的基本服務(wù)，與硬件緊密相關(guān)。

檢測(cè)服務(wù)實(shí)現(xiàn)了物聯(lián)網(wǎng)感知世界及其本身或其他設(shè)備和網(wǎng)絡(luò)的方式。它們包括傳感器驅(qū)動(dòng)服務(wù)、終端監(jiān)控服務(wù)和物聯(lián)網(wǎng)自檢服務(wù)。傳感器驅(qū)動(dòng)服務(wù)喚醒終端的特定傳感器，并以標(biāo)準(zhǔn)形式獲取感測(cè)數(shù)據(jù)。終端監(jiān)控服務(wù)讀取某一終端設(shè)備的實(shí)時(shí)描述，主要涉及其功率、基本功能和工作狀態(tài)。 物聯(lián)網(wǎng)自檢服務(wù)報(bào)告物聯(lián)網(wǎng)的狀態(tài)，包括設(shè)備規(guī)模、網(wǎng)絡(luò)負(fù)載、云服務(wù)器狀態(tài)、通信協(xié)議、可用接口等。

執(zhí)行服務(wù)控制執(zhí)行器和虛擬執(zhí)行資源，包括執(zhí)行器驅(qū)動(dòng)服務(wù)、終端刷新服務(wù)和虛擬執(zhí)行服務(wù)。執(zhí)行器驅(qū)動(dòng)服務(wù)控制特定的執(zhí)行器，以實(shí)現(xiàn)對(duì)世界的真正影響。終端刷新服務(wù)允許終端重置或刷新其結(jié)構(gòu)或存儲(chǔ)器。虛擬執(zhí)行服務(wù)命令物聯(lián)網(wǎng)的虛擬執(zhí)行器部分，例如一組用戶自定義的攝像頭組合的聯(lián)合驅(qū)動(dòng)服務(wù)。

這些服務(wù)提供了控制終端和邏輯網(wǎng)絡(luò)的方法。根據(jù)權(quán)限等級(jí)，控制服務(wù)可以劃分為系統(tǒng)服務(wù)、應(yīng)用服務(wù)和用戶服務(wù)。

系統(tǒng)服務(wù)面向操作系統(tǒng)或物聯(lián)網(wǎng)管理員進(jìn)行物聯(lián)網(wǎng)管理，如設(shè)備管理服務(wù)、資源管理服務(wù)、安全服務(wù)等。應(yīng)用服務(wù)為應(yīng)用程序提供相對(duì)低權(quán)限的功能，如設(shè)備調(diào)用服務(wù)、資源請(qǐng)求服務(wù)等。用戶服務(wù)是權(quán)限最低的，它們相關(guān)的具體功能主要通過(guò)應(yīng)用程序的定制服務(wù)或物聯(lián)網(wǎng)的一些互動(dòng)服務(wù)來(lái)實(shí)現(xiàn)。

基于協(xié)議中設(shè)置的通信規(guī)則，通信服務(wù)允許用戶、設(shè)備、操作系統(tǒng)和其他應(yīng)用程序進(jìn)行通信，而不必關(guān)心具體的技術(shù)問(wèn)題。

在物聯(lián)網(wǎng)中，通信服務(wù)主要起讀寫(xiě)服務(wù)、數(shù)據(jù)庫(kù)和文件服務(wù)、應(yīng)用通信服務(wù)（ACS）和數(shù)據(jù)分析服務(wù)的作用。 讀寫(xiě)服務(wù)是最基本的I / O服務(wù)，而數(shù)據(jù)庫(kù)和文件服務(wù)則提供高級(jí)的數(shù)據(jù)庫(kù)和文件操作方式。 ACS在實(shí)時(shí)和離線模式之間的通用應(yīng)用程序（用戶，設(shè)備，操作系統(tǒng)，其他應(yīng)用程序等）間傳輸消息。數(shù)據(jù)分析服務(wù)實(shí)際上是通過(guò)與物聯(lián)網(wǎng)連接或涉及OS的開(kāi)放API與能提供決策分析服務(wù)的人工智能系統(tǒng)通信的特殊ACS。 

物聯(lián)網(wǎng)組網(wǎng)的核心目標(biāo)是為用戶提供功能更強(qiáng)大的網(wǎng)絡(luò)實(shí)體。這一網(wǎng)絡(luò)實(shí)體的能力不僅僅基于網(wǎng)絡(luò)各層面的能力提升，更需要對(duì)傳統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的顛覆。這需要先進(jìn)的服務(wù)計(jì)算技術(shù)形成可靠的支撐環(huán)境，最終構(gòu)造先進(jìn)的服務(wù)交付模式。下文將討論兩類(lèi)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)應(yīng)的物聯(lián)網(wǎng)特性，以及其支撐技術(shù)和服務(wù)交付模式。

(1)中心化網(wǎng)絡(luò)

早ne期因特網(wǎng)組網(wǎng)目標(biāo)僅僅在于提供節(jié)點(diǎn)間信息互聯(lián)的通道，與此不同的是，物聯(lián)網(wǎng)組網(wǎng)要求網(wǎng)絡(luò)具有自身的管理和計(jì)算能力。一種解決方案是提供中心化的層次網(wǎng)絡(luò)結(jié)構(gòu)，并在各層中心實(shí)現(xiàn)網(wǎng)絡(luò)管理和計(jì)算。

云計(jì)算技術(shù)在一定程度上滿足了這種類(lèi)型物聯(lián)網(wǎng)對(duì)計(jì)算中心的絕大部分需求。主要包括三個(gè)方面。其一，物聯(lián)網(wǎng)終端設(shè)備較弱，需要網(wǎng)絡(luò)中存在高性能的中央節(jié)點(diǎn)用于處理終端所不能實(shí)現(xiàn)的服務(wù)需求。云計(jì)算技術(shù)可使網(wǎng)絡(luò)具備這類(lèi)遠(yuǎn)程處理能力。其二，物聯(lián)網(wǎng)終端節(jié)點(diǎn)可能隨時(shí)連斷，這導(dǎo)致其服務(wù)請(qǐng)求所需的計(jì)算能力變化不定。云計(jì)算依靠虛擬技術(shù)可以根據(jù)任務(wù)水平彈性分配計(jì)算資源，對(duì)物聯(lián)網(wǎng)的伸縮性提供最大程度的支持。其三，物聯(lián)網(wǎng)終端的數(shù)據(jù)采集量非常龐大，對(duì)計(jì)算能力提出了非常高的要求。云計(jì)算技術(shù)在這一方面同樣具有相當(dāng)?shù)膬?yōu)勢(shì)：一方面它能整合許多計(jì)算資源滿足海量數(shù)據(jù)處理過(guò)程，另一方面它盡可能地將計(jì)算任務(wù)按數(shù)據(jù)存儲(chǔ)位置分配給各個(gè)計(jì)算節(jié)點(diǎn)（比如Map-reduce體系），避免了因傳輸大量基本數(shù)據(jù)的導(dǎo)致的網(wǎng)絡(luò)帶寬擁堵和存儲(chǔ)資源浪費(fèi)。這些特性使得云計(jì)算技術(shù)成為未來(lái)物聯(lián)網(wǎng)發(fā)展的核心支撐技術(shù)之一。

值得注意的是，中心化網(wǎng)絡(luò)的弱點(diǎn)在于網(wǎng)絡(luò)整體對(duì)中心依賴(lài)過(guò)強(qiáng)。一旦網(wǎng)絡(luò)中心被破壞或者聯(lián)系中斷，整個(gè)網(wǎng)絡(luò)就會(huì)趨于癱瘓。彌補(bǔ)這一缺陷的方式是弱化中心能力或者建立層次結(jié)構(gòu)型的中心網(wǎng)絡(luò)。弱化中心能力即相當(dāng)于將部分計(jì)算任務(wù)盡可能地推到網(wǎng)絡(luò)邊緣，即其終端節(jié)點(diǎn)上實(shí)現(xiàn)。這一處理方式稱(chēng)為邊緣計(jì)算。層次結(jié)構(gòu)型的中心化網(wǎng)絡(luò)即指在局域網(wǎng)上搭載強(qiáng)大處理功能的網(wǎng)關(guān)或?qū)ｉT(mén)的計(jì)算節(jié)點(diǎn)，完成小范圍內(nèi)的計(jì)算處理工作。這一技術(shù)也被稱(chēng)為霧計(jì)算技術(shù)。

中心化網(wǎng)絡(luò)結(jié)構(gòu)的物聯(lián)網(wǎng)所實(shí)現(xiàn)的服務(wù)交付模式類(lèi)似于傳統(tǒng)的客戶端/服務(wù)器模式（也可以是B/S模式或者S/M模式）。用戶所需要的服務(wù)通過(guò)端設(shè)備提交向網(wǎng)絡(luò)中心，在中心整合數(shù)據(jù)處理后再反饋回來(lái)服務(wù)結(jié)果。這一模式能夠利用網(wǎng)絡(luò)中心的強(qiáng)大功能和海量數(shù)據(jù)支持為用戶提供超乎想象的服務(wù)。并且，不同的服務(wù)與服務(wù)之間的耦合可以通過(guò)中心變得更為緊密乃至產(chǎn)生增值效應(yīng)。這一架構(gòu)的物聯(lián)網(wǎng)適合于發(fā)展各類(lèi)智能物聯(lián)網(wǎng)絡(luò)。目前大多數(shù)物聯(lián)網(wǎng)平臺(tái)均為此類(lèi)型架構(gòu)，比如Thunder IoT of SalesForce, Predix IoT of GE, Watson IoT of IBM and Azure IoT Suite of MS等等。

(b)去中心化網(wǎng)絡(luò)

另一種物聯(lián)網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)是去中心化網(wǎng)絡(luò)。注意這種網(wǎng)絡(luò)結(jié)構(gòu)依然需要滿足物聯(lián)網(wǎng)網(wǎng)絡(luò)所需要的自治功能，而非如基礎(chǔ)因特網(wǎng)一般僅能承載通信。

實(shí)現(xiàn)這類(lèi)網(wǎng)絡(luò)的一類(lèi)技術(shù)是區(qū)塊鏈技術(shù)。區(qū)塊鏈技術(shù)使單個(gè)對(duì)象維護(hù)所有對(duì)象的所有行為信息的數(shù)據(jù)庫(kù)，從而保證網(wǎng)絡(luò)信息的公平有效。這一技術(shù)實(shí)際上沒(méi)有提升物聯(lián)網(wǎng)的計(jì)算能力，但極大地增加了物聯(lián)網(wǎng)自我管理的能力。主要包括三個(gè)方面。其一，物聯(lián)網(wǎng)的可分割性。無(wú)中心化后，網(wǎng)絡(luò)的任一部分可以自由地切割組合而不會(huì)損傷其他部分的性能。其二，物聯(lián)網(wǎng)的安全性。區(qū)塊鏈中的每個(gè)區(qū)塊都是物聯(lián)網(wǎng)“歷史”的證明，而這些區(qū)塊被存儲(chǔ)在每個(gè)終端對(duì)象中（也可能是局域網(wǎng)絡(luò)中），足夠多數(shù)量的對(duì)象可以極大地降低真實(shí)“歷史”被篡改的可能。其三，物聯(lián)網(wǎng)的可靠性。假定物聯(lián)網(wǎng)因?yàn)橐馔舛獾轿锢砥茐幕蛘呔W(wǎng)絡(luò)中斷。此時(shí)承載區(qū)塊鏈的那些對(duì)象實(shí)際上才是物聯(lián)網(wǎng)的管理節(jié)點(diǎn)，只要這些節(jié)點(diǎn)有一個(gè)幸存，整個(gè)物聯(lián)網(wǎng)就可以持續(xù)有效地運(yùn)行，或者至少可以及時(shí)給出危險(xiǎn)反饋。

去中心化網(wǎng)絡(luò)結(jié)構(gòu)的物聯(lián)網(wǎng)的服務(wù)交付模式即類(lèi)似于對(duì)等網(wǎng)絡(luò)的交付模式。用戶提起的請(qǐng)求不會(huì)由某個(gè)中心服務(wù)器處理，而是可能會(huì)直接交付給附近的其他終端乃至自身。更為特別的是，這些服務(wù)信息可能會(huì)被所有承載區(qū)塊鏈的對(duì)象所記錄。從這個(gè)意義上說(shuō)，物聯(lián)網(wǎng)本身將不能提供超出單個(gè)或者少部分終端處理能力的服務(wù)，但是可以保證服務(wù)的安全可靠。這一類(lèi)型網(wǎng)絡(luò)結(jié)構(gòu)的物聯(lián)網(wǎng)非常適用于小范圍、低計(jì)算能力要求、高安全性要求的網(wǎng)絡(luò)。比如一輛各部件物聯(lián)的車(chē)內(nèi)物聯(lián)網(wǎng)，或是一個(gè)小型的金融交易系統(tǒng)。當(dāng)然，這種類(lèi)型網(wǎng)絡(luò)也可以通過(guò)只處理需要加密和認(rèn)證的少量數(shù)據(jù)而搭載在中心化網(wǎng)絡(luò)結(jié)構(gòu)中，促使二者實(shí)現(xiàn)良好的互補(bǔ)。目前采用這一結(jié)構(gòu)的實(shí)際物聯(lián)網(wǎng)平臺(tái)有ADEPT of IBM & Samsung, AllJoyn open source project, IoT of Filament, ePlug IoT of Ken Code等等。

物聯(lián)網(wǎng)產(chǎn)生大量數(shù)據(jù)。處理和利用這樣龐大的數(shù)據(jù)成為一個(gè)很大的挑戰(zhàn)。妥善準(zhǔn)備的物聯(lián)網(wǎng)數(shù)據(jù)架構(gòu)有助于解決問(wèn)題。從數(shù)據(jù)生命周期的角度來(lái)看，架構(gòu)必須覆蓋以下幾個(gè)方面。

最初，不同格式的數(shù)據(jù)來(lái)自物聯(lián)網(wǎng)中的不同設(shè)備和源。在使用它們之前，物聯(lián)網(wǎng)需要通過(guò)歸一化來(lái)識(shí)別它們。歸一化意味著每個(gè)物聯(lián)網(wǎng)層只有一種特定格式的數(shù)據(jù)。例如，考慮到組件層，如果一個(gè)終端通過(guò)TCP / IP協(xié)議通信，其他終端應(yīng)該遵循相同的規(guī)則，否則實(shí)際上它們?cè)诮M件層中已經(jīng)斷開(kāi)連接。如果不同格式存在于物聯(lián)網(wǎng)的某一層中，則必須應(yīng)用能夠規(guī)范化數(shù)據(jù)格式的中間件或其他類(lèi)似技術(shù)的解決方案。數(shù)據(jù)的統(tǒng)一格式也是構(gòu)建靈活物聯(lián)網(wǎng)的基礎(chǔ)。

 數(shù)據(jù)的預(yù)處理對(duì)于物聯(lián)網(wǎng)也很重要。物聯(lián)網(wǎng)的傳感器或終端可以從環(huán)境或用戶處收集微不足道或甚至錯(cuò)誤的信息。這些消息將占用物聯(lián)網(wǎng)的大量資源。從根本上處理數(shù)據(jù)的解決方案是必要的。濾波器或其他簡(jiǎn)單規(guī)則可以應(yīng)用于物聯(lián)網(wǎng)的終端，而更復(fù)雜的算法可以添加到具有更強(qiáng)大處理器的計(jì)算中心。當(dāng)物聯(lián)網(wǎng)的某一部分接收到所有數(shù)據(jù)時(shí)，應(yīng)立即進(jìn)行預(yù)處理。

物聯(lián)網(wǎng)中的數(shù)據(jù)量可能會(huì)達(dá)到非常夸張的程度，例如PB或甚至EB。建議的解決方案是將它們分為兩部分，使用不同的管理方法：暫時(shí)需要的數(shù)據(jù)（TRD）和永久需要的數(shù)據(jù)（PRD）。它們的屬性是不同的。

首先，面向的人群不同。物聯(lián)網(wǎng)客戶可能需要TRD，而物聯(lián)網(wǎng)服務(wù)提供商則需要PRD。第二，PRD沒(méi)有時(shí)間限制，但TRD需要立即處理。第三，TRD可以在一段時(shí)間之后刷新，而PRD需要長(zhǎng)期穩(wěn)定的存儲(chǔ)環(huán)境。第四，PRD來(lái)自TRD。

以手機(jī)打車(chē)為例。這一網(wǎng)絡(luò)中的 TRD可能包括汽車(chē)的位置、乘客路線和每次行程的價(jià)格。對(duì)于乘客和司機(jī)，這些數(shù)據(jù)是透明的。他們發(fā)生互動(dòng)但這些數(shù)據(jù)僅僅暫時(shí)有效。某旅程的信息可能會(huì)在每一個(gè)可能的時(shí)間由乘客修改，但在旅途結(jié)束后，旅行的具體屬性將變得無(wú)用。PRD可能包括用戶的信息、所有行程的記錄和所有行業(yè)的歷史現(xiàn)金流。他們實(shí)際上是TRD的一些結(jié)論（某種聚類(lèi)）。物聯(lián)網(wǎng)服務(wù)提供商可能需要這些歷史信息來(lái)幫助他們改善業(yè)務(wù)。

因此，為T(mén)RD和PRD需提供不同的解決方案。 TRD需要數(shù)據(jù)庫(kù)管理系統(tǒng)（DBMS），而PRD需要數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)（DWS）（ADENDORFF，M.，2001）。傳統(tǒng)的DBMS構(gòu)建了一個(gè)組織良好的系統(tǒng)來(lái)處理數(shù)據(jù)。然而，當(dāng)數(shù)據(jù)量在一定程度上增長(zhǎng)時(shí)，系統(tǒng)會(huì)失去效率。開(kāi)發(fā)高效率分布式數(shù)據(jù)庫(kù)系統(tǒng)的物聯(lián)網(wǎng)技術(shù)，降低TRD總量是典型的解決方案。 DWS提供的功能比DBMS少，但可用于管理海量數(shù)據(jù)，適合處理PRD。

知識(shí)獲取最初是描述人類(lèi)的活動(dòng)。如今，它是物聯(lián)網(wǎng)的目標(biāo)：學(xué)習(xí)和改進(jìn)自身。基于最近的技術(shù)，計(jì)算機(jī)從邏輯上總括學(xué)到的經(jīng)驗(yàn)。也就是說(shuō)，物聯(lián)網(wǎng)的知識(shí)獲取基于數(shù)據(jù)。其實(shí)現(xiàn)方法如下。

首先是數(shù)據(jù)分析。數(shù)據(jù)分析由人類(lèi)驅(qū)動(dòng)，采用數(shù)學(xué)和統(tǒng)計(jì)方法來(lái)描述物聯(lián)網(wǎng)中數(shù)據(jù)的特征。它的范圍并不確定：簡(jiǎn)單的SUM_ALL函數(shù)是數(shù)據(jù)分析，而在線分析處理（OLAP）（ABELLó，A.，2009）也是數(shù)據(jù)分析。只不過(guò)他們都要求人為的操縱，具有相當(dāng)?shù)哪康男院歪槍?duì)性。數(shù)據(jù)分析可以回答某些具體問(wèn)題并找到解決方案。

二是自動(dòng)學(xué)習(xí)。自動(dòng)學(xué)習(xí)物聯(lián)網(wǎng)可以自動(dòng)從數(shù)據(jù)庫(kù)中得出模式和結(jié)果。它可以用數(shù)據(jù)挖掘技術(shù)或人工智能來(lái)實(shí)現(xiàn)。例如，健康護(hù)理手表可以收集人們的健康數(shù)據(jù)，并自動(dòng)發(fā)現(xiàn)某種疾病的特征。這些特征和結(jié)論可能成為重要的診斷標(biāo)準(zhǔn)。

第三是物聯(lián)網(wǎng)進(jìn)化。物聯(lián)網(wǎng)能夠通過(guò)“考慮”其數(shù)據(jù)來(lái)擴(kuò)展自身并調(diào)整服務(wù)。例如，在智能城市的物聯(lián)網(wǎng)中，交通燈系統(tǒng)將通過(guò)從攝像機(jī)系統(tǒng)學(xué)習(xí)數(shù)據(jù)來(lái)調(diào)整自身，以減少交通堵塞和事故。該過(guò)程實(shí)際上將多個(gè)自動(dòng)學(xué)習(xí)過(guò)程與多個(gè)數(shù)據(jù)資源相結(jié)合。 

2017年4月，澳大利亞墨爾本RMIT大學(xué)的Athman Bouguettaya教授聯(lián)合18位學(xué)者（包括4位IEEE Fellow）在《Communications of the ACM》上發(fā)表論文《服務(wù)計(jì)算宣言:下一個(gè)十年》，指出“服務(wù)計(jì)算具有良好的發(fā)展前景，極大推動(dòng)著移動(dòng)計(jì)算、云計(jì)算、大數(shù)據(jù)和社會(huì)計(jì)算等新興計(jì)算領(lǐng)域的進(jìn)步”[1]。綜合前述服務(wù)計(jì)算的最新研究進(jìn)展，我們認(rèn)為服務(wù)計(jì)算將呈現(xiàn)如下重要趨勢(shì)：

1）大數(shù)據(jù)服務(wù)與服務(wù)大數(shù)據(jù)相互引領(lǐng)，將推動(dòng)數(shù)據(jù)與服務(wù)產(chǎn)業(yè)的快速發(fā)展：服務(wù)是繼數(shù)據(jù)、信息、知識(shí)之后的最高計(jì)算形態(tài)[1]，大數(shù)據(jù)只有轉(zhuǎn)變?yōu)榉?wù)才能充分顯示其價(jià)值。隨著大數(shù)據(jù)的發(fā)展與應(yīng)用，大數(shù)據(jù)服務(wù)將成為未來(lái)最為重要的服務(wù)形態(tài)；與此同時(shí)，隨著各類(lèi)服務(wù)的不斷涌現(xiàn)，服務(wù)的靜態(tài)數(shù)據(jù)、產(chǎn)生的運(yùn)行時(shí)數(shù)據(jù)、日志數(shù)據(jù)等也將構(gòu)成服務(wù)大數(shù)據(jù)，如何挖掘和利用服務(wù)大數(shù)據(jù)，為服務(wù)的運(yùn)行與管理提供全方位的數(shù)據(jù)診斷，進(jìn)而提升服務(wù)能力也將成為服務(wù)大數(shù)據(jù)的研究熱點(diǎn)。

2）移動(dòng)邊緣計(jì)算的興起，將為服務(wù)計(jì)算提供更為廣闊與實(shí)際的應(yīng)用場(chǎng)景：作為下一代通信技術(shù)的核心，移動(dòng)邊緣計(jì)算利用無(wú)線接入網(wǎng)絡(luò)就近為用戶提供云端內(nèi)容、服務(wù)和計(jì)算能力，并創(chuàng)造出一個(gè)高性能、低延遲與高帶寬的服務(wù)環(huán)境，讓移動(dòng)用戶享有高質(zhì)量服務(wù)體驗(yàn)。隨著運(yùn)營(yíng)商、設(shè)備制造商、學(xué)術(shù)界的積極推動(dòng)，移動(dòng)邊緣計(jì)算將迎來(lái)快速發(fā)展機(jī)遇，應(yīng)用前景廣闊。如何在移動(dòng)邊緣環(huán)境下實(shí)現(xiàn)高效可靠的服務(wù)供應(yīng)，以及最優(yōu)化、個(gè)性化的服務(wù)選用將成為服務(wù)計(jì)算應(yīng)用的關(guān)鍵問(wèn)題。

3）軟件定義的一切（SDX）給服務(wù)計(jì)算帶來(lái)新的發(fā)展機(jī)遇：服務(wù)計(jì)算是支持軟件定義的核心使能支撐技術(shù)。一方面，我們要關(guān)注輕量級(jí)、細(xì)粒度的開(kāi)放API開(kāi)發(fā)方法和管理框架，這其中微服務(wù)得到廣泛關(guān)注，應(yīng)重點(diǎn)研究基于微服務(wù)的事件驅(qū)動(dòng)的開(kāi)發(fā)運(yùn)行一體化（DevOps）基礎(chǔ)設(shè)施架構(gòu)、細(xì)粒度基礎(chǔ)資源及其狀態(tài)監(jiān)控、在線測(cè)試和快速部署、容錯(cuò)等關(guān)鍵技術(shù)；另一方面，服務(wù)計(jì)算需要研究面向遺產(chǎn)系統(tǒng)的服務(wù)化重建、API自動(dòng)構(gòu)造，以支持對(duì)這些系統(tǒng)資源的開(kāi)放共享和互操作。

4）物聯(lián)網(wǎng)服務(wù)將進(jìn)一步延伸服務(wù)概念，拓展服務(wù)能力：服務(wù)計(jì)算原有領(lǐng)域集中在互聯(lián)網(wǎng)服務(wù)的實(shí)現(xiàn)和價(jià)值化，而今后通過(guò)物聯(lián)網(wǎng)的部署和實(shí)現(xiàn)，線下數(shù)據(jù)大量涌現(xiàn)，服務(wù)從原來(lái)的互聯(lián)網(wǎng)服務(wù)逐步與傳統(tǒng)服務(wù)融合。很多傳統(tǒng)服務(wù)都將逐步實(shí)現(xiàn)智能化、網(wǎng)絡(luò)化，從而創(chuàng)造更高的價(jià)；物聯(lián)網(wǎng)提供海量的數(shù)據(jù)，而這些數(shù)據(jù)用于深度學(xué)習(xí)、數(shù)據(jù)挖掘后，可以為多個(gè)領(lǐng)域多個(gè)方向提供指導(dǎo)性的知識(shí)。服務(wù)計(jì)算通過(guò)提取這些知識(shí)價(jià)值，融入服務(wù)中，可以獲得比過(guò)去更強(qiáng)大的服務(wù)能力。

總而言之，服務(wù)計(jì)算在經(jīng)歷了十余年的快速發(fā)展，當(dāng)一系列基礎(chǔ)的理論、方法、技術(shù)和平臺(tái)相繼成熟之后，將伴隨大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)的興起而將迎來(lái)新一輪的發(fā)展和應(yīng)用，為信息產(chǎn)業(yè)的發(fā)展，特別是軟件服務(wù)產(chǎn)業(yè)的發(fā)展提供支撐。

1 http://www./page/

2 https://climatedataguide./climate-data/nasa-merra

[1] Bouguettaya, A., Singh, M. P., et al. A service computing manifesto: the next 10 years. Commun. ACM 60(4): 64-72, 2017.

[2] Wu, Z., Deng, S., Wu, J. Service Computing: Concepts, Methods and Technology. Elsevier. 2014.

[3] 吳朝暉, 鄧水光. 跨界服務(wù):現(xiàn)代服務(wù)業(yè)的創(chuàng)新服務(wù)模 式. 中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊. 8(8): 1~4. 2012.

[4] Data as a service, https://en./wiki/Data_as_a_service.

[5] Olson, J.A., Data as a service: are we in the clouds? Journal of Map & Geography Libraries, 2009. 6(1): p. 76-78.

[6] Machan, D., DaaS: The new information goldmine. Wall Street Journal, 2009: p. 1-3.

[7] Badidi, E., H. Routaib, and M. El Koutbi, Towards Data-as-a-Service Provisioning with High-Quality Data, in Advances in Ubiquitous Networking 2. 2017, Springer. p. 611-623.

[8] Chethan, S., Compendious study of Big Data as a Service (BDaaS). International Journal of Control Theory and Applications, 2017. 10(14): p. 59-63.

[9] Jhingran, A. Enterprise information mashups: integrating information, simply. in Proceedings of the 32nd international conference on Very large data bases. 2006. VLDB Endowment.

[10] Benslimane, D., S. Dustdar, and A. Sheth, Services mashups: The new generation of web applications. IEEE Internet Computing, 2008. 12(5).

[11] Seibold, M. and A. Kemper, Database as a Service. Datenbank-Spektrum, 2012. 12(1): p. 59-62.

[12] Curino, C., et al., Relational cloud: A database-as-a-service for the cloud. 2011.

[13] Hacigumus, H., B. Iyer, and S. Mehrotra. Providing database as a service. in Data Engineering, 2002. Proceedings. 18th International Conference on. 2002. IEEE.

[14] Cloud database, https://en./wiki/Cloud_database.

[15] Salbaroli, E., et al. Database as a service in a public administration datacenter. in Black Sea Conference on Communications and Networking (BlackSeaCom), 2016 IEEE International. 2016. IEEE.

[16] Gogawale, A., et al. Database-as-a-Service for IoT. in Computing for Sustainable Global Development (INDIACom), 2016 3rd International Conference on. 2016. IEEE.

[17] Sorokine, A., et al. Big data as a service from an urban information system. in Proceedings of the 5th ACM SIGSPATIAL International Workshop on Analytics for Big Geospatial Data. 2016. ACM.

[18] Chang, H.-T. and T.-H. Lin, A Database as a Service for the Healthcare System to Store Physiological Signal Data. PloS one, 2016. 11(12): p. e0168935.

[19] Martin, P., et al. Analytics-as-a-service: confluence of big data, cloud computing and software-as-a-service. in Proceedings of the 2013 Conference of the Center for Advanced Studies on Collaborative Research. 2013. IBM Corp.

[20] Delen, D. and H. Demirkan, Data, information and analytics as services. 2013, lsevier.

[21] Zulkernine, F., et al. Towards cloud-based analytics-as-a-service (claaas) for big data analytics in the cloud. in Big Data (BigData Congress), 2013 IEEE International Congress on. 2013. IEEE.

[22] Ahrabian, A., et al. Data analysis as a web service: A case study using IoT sensor data. in Acoustics, Speech and Signal Processing (ICASSP), 2017 IEEE International Conference on. 2017. IEEE.

[23] Schnase, J.L., et al., MERRA analytic services: meeting the big data challenges of climate science through cloud-enabled climate analytics-as-a-service. Computers, Environment and Urban Systems, 2017. 61: p. 198-211.

[24] Munir, K. Security model for cloud database as a service (DBaaS). in Cloud Technologies and Applications (CloudTech), 2015 International Conference on. 2015. IEEE.

[25] Meng X, Ding Z, Xu J. Moving Objects Management: Models, Techniques and Applications. Springer Publishing Company, 2014.

[26] Biem A, Bouillet E, Feng H, et al. IBM InfoSphere Streams for Scalable, Real-Time, Intelligent Transportation Services. In Proceedings of the 2010 ACM SIGMOD International Conference on Management of data, 2010, pp. 1093-1104.

[27] Dean J, Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters. ACM Communication, 2008, 51(1):107-113.

[28] Toshniwal A, Taneja S, Shukla A, et al. Storm @Twitter. In Proceedings of 2014 ACM International Conference on Management of Data (SIGMOD), New York, USA, 2014, pp. 147-156.

[29] Zaharia M, Das T, Li H, et al. Discretized streams: an efficient and fault-tolerant model for stream processing on large clusters. The 4th USENIX conference on Hot Topics in Cloud Computing, USENIX Association Berkeley, CA, USA, 2012.

[30] 崔星燦, 禹曉輝, 劉洋, 呂朝陽(yáng). 分布式流處理技術(shù)綜述. 計(jì)算機(jī)研究與發(fā)展, 2015, 52(2): 318-332.

[31] 孫大為, 張廣艷, 鄭緯民. 大數(shù)據(jù)流式計(jì)算:關(guān)鍵技術(shù)及系統(tǒng)實(shí)例. 軟件學(xué)報(bào), 2014, 25(4): 839-862.

[32] Neumann D, Bodenstein C, Rana O F, Krishnaswamy R. STACEE: enhancing storage clouds using edge devices. The 1st IEEE/ACM Workshop on Autonomic Computing for Economics (ACE 2011), Karlsruhe, Germany, 2011, pp. 19-26.

[33] Stuedi P, Mohomed I, Terry D. WhereStore: Location-based data storage for mobile devices interacting with the cloud. The 1st ACM Workshop on Mobile Cloud Computing & Services: Social Networks and Beyond, 2010, pp. 1-8.

[34] Mesiti M, Ferrari L, Valtolina S, et al. StreamLoader: an event-driven ETL system for the on-line processing of heterogeneous sensor data. International Conference on Extending Database Technology, 2016: 628-631.

[35] Chen Q, Hsu M, Zeller H, et al. Experience in Continuous analytics as a Service (CaaaS). International Conference on Extending Database Technology, 2011: 509-514.

[36] Pan B, Zheng Y, Wilkie D, Shahabi C. Crowd sensing of traffic anomalies based on human mobility and social media. ACM GIS 2013, pp. 344-353.

[37] Xiong H, Zhang D, Zhang D, et al. MPaaS: Mobility prediction as a service in telecom cloud. Information Systems Frontiers, 2014, 16(1): 59-75.

[38] Zhang K, Feng Z, Chen S, Huang K and Wang G. A Framework for Passengers Demand Prediction and Recommendation. 2016 IEEE International Conference on Services Computing (SCC), San Francisco, CA, 2016, pp. 340-347.

[39] Carey M J, Onose N, Petropoulos M, et al.. Data Services. Commun. ACM, 2012, 55(6): 86-97.

[40] Deng S, Huang L, Wu B, Xiong L. Parallel Optimization for Data-intensive Service Composition. Journal of Internet Technology, 2013, 14(5): 817-824.

[41] Dickerson R, Lu J, Whitehouse K. Stream feeds-an abstraction for the world wide sensor web. First International Conference on IOT 2008, Zurich, Switzerland, 2008, pp. 360-375.

[42] Chu V W, Wong R K, Liu W, Chen F, Perng C S. Traffic Analysis as a Service via a Unified Model. 2014 IEEE International Conference on Services Computing (SCC), IEEE, 2014, pp. 195-202

[43] Han Y, Wang G, Yu J, et al. A Service-Based Approach to Traffic Sensor Data Integration and Analysis to Support Community-Wide Green Commute in China. IEEE Trans. Intelligent Transportation Systems, 2016, 17(9): 2648-2657.

[44] Guinard D, Trifa V, Pham T, Liechti O. Towards physical mashups in the web of things. IEEE Sixth International Conference on Networked Sensing Systems (INSS), Pittsburgh, USA, 2009, pp. 1-4.

[45] He J, Zhang Y, Huang G, Cao J. A smart Web service based on the context of things. ACM Transactions on Internet Technology (TOIT), 2012, 11(3): 1-23.

[46] Wu S, Kumar V, Wu K-L, Ooi B C. Parallelizing stateful operators in a distributed stream processing system: how, should you and how much. Proceedings of the 6th ACM International Conference on Distributed Event-Based Systems: ACM, 2012, pp. 278-289.

[47] Chuan L, Rundensteiner A, and Guttman D. Robust Distributed Stream Processing. In Proceedings of IEEE 29th International Conference on Data Engineering (ICDE 2013), Brisbane, Australia, 2013, pp.817-828.

[48] Silva G, Gedik B, Wagle R. Building User-defined Runtime Adaptation Routines for Stream Processing Applications. PVLDB, 2012, 5(12): 1826-1837.

[49] Deng S, Huang L, Wu H, et al. Toward Mobile Service Computing: Opportunities and Challenges. IEEE Cloud Computing, 2016, 3(4): 32-41.

[50] Rahimi, M. Reza, Nalini Venkatasubramanian, and Athanasios V. Vasilakos. 'MuSIC: Mobility-aware optimal service allocation in mobile cloud computing.' Cloud Computing (CLOUD), 2013 IEEE Sixth International Conference on. IEEE, 2013.

[51] Heinrich, Bernd, and Lars Lewerenz. 'Decision support for the usage of mobile information services: A context-aware service selection approach that considers the effects of context interdependencies.' Journal of Decision Systems 24.4 (2015): 406-432.

[52] Yao, D., Yu, C., Yang, L., & Jin, H. (2015). Using Crowdsourcing to Provide QoS for Mobile Cloud Computing. IEEE Transactions on Cloud Computing.

[53] Li X, Qian Z, You I. Towards cost efficient mobile service and information management in ubiquitous environment with cloud resource scheduling. International Journal of Information Management. 2014, 34(3): 319-328.

[54] Deng S, Huang L, Hu D, Zhao L, Wu Z, Mobility-enabled service selection for composite services, IEEE Transactions on Services Computing, 2016, 9(3): 394-407.

[55] Surobhi N. and Jamalipour A., “A context-aware M2M-based middle- ware for service selection in mobile ad-hoc networks,” IEEE Trans. Parallel and Distrib. Syst., vol. 25, no. 12, pp. 3056–3065, Dec. 2014.

[56] Wang, Yating, et al. 'Trust-based Service Composition and Binding with Multiple Objective Optimization in Service-Oriented Mobile Ad Hoc Networks.' IEEE Transactions on Services Computing (2015).

[57] Shi, Cong, et al. 'Cosmos: computation offloading as a service for mobile devices.' Proceedings of the 15th ACM international symposium on Mobile ad hoc networking and computing. ACM, 2014.

[58] Wang J. Exploiting mobility prediction for dependable service composition in wireless mobile ad hoc networks. IEEE Transactions on Services Computing, 2011, 4(1): 44-55.

[59] Zhou, Ao, et al. 'Optimal mobile device selection for mobile cloud service providing.' The Journal of Supercomputing 72.8 (2016): 3222-3235.

[60] Deng,S., Huang, L., et al. Computation Offloading for Service Workflow in Mobile Cloud Computing. IEEE Transactions on Parallel and Distributed Systems, 26(12): 3317-3329, 2015.

[61] Deng,S., Huang, L., et al.. Towards Risk Reduction for Mobile Service Composition. IEEE Transactions on Cybernetics. 46(8): 1807-1816, 2016.

[62] Deng,S., Huang, L., et al.. Mobility-aware Service Composition in Mobile Communities. IEEE Transactions on Systems, Man, and Cybernetics: Systems. 7(3): 555-568,  2017.

[63] Heinrich, Bernd, and Lars Lewerenz. 'Decision support for the usage of mobile information services: A context-aware service selection approach that considers the effects of context interdependencies.' Journal of Decision Systems 24.4 (2015): 406-432.

[64] Gai, Keke, et al. 'Dynamic energy-aware cloudlet-based mobile cloud computing model for green computing.' Journal of Network and Computer Applications 59 (2016): 46-54.

[65] 朱勇,羅軍舟,李偉. 一種工作流環(huán)境下能耗感知的多路徑服務(wù)組合方法. 計(jì)算機(jī)學(xué)報(bào), 2012, 35(3): 627-638.

[66] Deng,S., Huang, L., et al.. 'Mobile service selection for composition: an energy consumption perspective.' IEEE Transactions on Automation Science and Engineering, 14(3): 1478-1490 2017.

[67] Palacin, M. R.  Recent advances in rechargeable battery materials: a chemist’s perspective. Chemical Society Reviews, 38(9): 2565-2575, 2009.

[68] Li, D. and Halfond, W. G. J.. An investigation into energy-saving programming practices for android smartphone app development. In Proceedings of the 3rd International Workshop on Green and Sustainable Software. ACM, pp.46-53, 2014.

[69] Banerjee, A., Chong, L. K., Chattopadhyay, S. , and Roychoudhury, A. Detecting energy bugs and hotspots in mobile apps. In Proceedings of the 22nd ACM SIGSOFT International Symposium on Foundations of Software Engineering. ACM, pp.588-598, 2014.

[70] 吳松，牛超，金海. 面向云-端融合的移動(dòng)容器云平臺(tái). 中國(guó)計(jì)算學(xué)會(huì)通訊, 12(11): 28-34,2016.

[71] Kumar, K., Liu, J., Lu, Y. H., Bhargava, B. A survey of computation offloading for mobile systems. Mobile Networks and Applications, 18(1): 129-140, 2013.

[72] Cuervo, E., Balasubramanian, A., et al. MAUI: making smartphones last longer with code offload. In Proceedings of the 8th international conference on Mobile systems, applications, and services. ACM, pp.49-62, 2010.

[73] Chun, B.G., Ihm, S., Maniatis, P., et al. Clonecloud: elastic execution between mobile device and cloud. In Proceedings of the sixth conference on Computer systems. ACM, pp.301-314, 2011.

[74] Shi C., Habak K., Pandurangan P., et al. Cosmos: computation offloading as a service for mobile devices. In Proceedings of the 15th ACM international symposium on Mobile ad hoc networking and computing. ACM, pp.287-296, 2014.

[75] Satyanarayanan M., Bahl P., Caceres R., Davies N. The case for vm-based cloudlets in mobile computing. IEEE pervasive Computing, 8(4):14-23, 2009.

[76] Kosta S., Aucinas A., Hui P., et al. Thinkair: Dynamic resource allocation and parallel execution in the cloud for mobile code offloading. In Proceedings of Infocom. IEEE, pp. 945-953, 2012.

[77] Gordon M. S., Jamshidi D. A., Mahlke S., et al. Comet:Code offload by migrating execution transparently. In Proceedings of the 10th USENIX Symposium on Operating Systems Design and Implementation, pp.93-106, 2012.

[78] Golchay R., Mou?l F. L., Ponge J., Stouls N. Spontaneous proximity clouds: making mobile devices to collaborate for resource and data sharing. In Proceedings of the 12th International Conference on Collaborative Computing, pp 480-489, 2016.

[79] 曹春，陸子凌，馬曉星. 云-端融合下的端設(shè)備能耗優(yōu)化. 中國(guó)計(jì)算學(xué)會(huì)通訊, 12(11): 35-42,2016.

[80] Zhang Y., Huang G., Liu X.Z., et al. Refactoring android java code for on-demand computation offloading. In Proceedings of the ACM international conference on Object oriented programming systems languages and applications. ACM, 47(10): 233-248, 2012.

[81] Wu X. Y., Xu C., Lu Z.L., et al. Cosedroid: Effective computation-and sensing-offloading for Android apps. In Proceedings of 39th Annual Computer Software and Applications Conference. IEEE, 2: 632-637, 2015.

[82] Wang X., Balasubramanian A., Krishnamurthy A., and Wetherall D. Demystifying page load performance with Wprof. In Proceedings of the 10th USENIX Conference on Networked Systems Design and Implementation (NSDI 2013), pp. 473-486, 2013.

[83] Wang Z., Lin F., Zhong L., and Chishtie M. How far can client-only solutions go for mobile browser speed? In Proceedings of the 21st International Conference on World Wide Web (WWW 2012), pp. 31-40, 2012.

[84] Zhang Y., Tan C.  and Qun L. CacheKeeper: a system-wide web caching service for smartphones. In Proceedings of the 2013 ACM International joint Conference on Pervasive and Ubiquitous Computing (UbiComp 2013), pp. 265-274, 2013.

[85] Ma Y., Liu X., Zhang S., et al. Measurement and Analysis of Mobile Web Cache Performance. In Proceedings of the 24th International Conference on World Wide Web, (WWW 2015), pp 691-701. Florence, Italy, May 2015.

[86] Liu X., Ma Y., Liu Y., et al. Demystifying the Imperfect Client-Side Cache Performance of Mobile Web Browsing. IEEE Transactions on Mobile Computing. 15(9): 2206-2220 (2016).

[87] Liu X., Ma Y., Dong S., et al. ReWAP: Reducing Redundant Transfers for Mobile Web Browsing via App-Specific Resource Packaging. IEEE Transactions on Mobile Computing. Accepted to appear.

[88] Wang L. and Manner J.. Energy-efficient mobile Web in a bundle. Computer Networks, vol. 57, pp. 3581-3600, 2013.

[89] Singh S., Madhyastha H., Krishnamurthy S., and Govindan R.. FlexiWeb: Network-aware compaction for accelerating mobile Web transfers. In Proceedings of the 21st Annual International Conference on Mobile Computing and Networking (MobiCom 2015), pp. 604-616, 2015.

[90] Opera Mini Browser. http://www./mobile/mini/iphone. 

[91] Google Chrome Beta Browser. https://www.google.com/chrome/browser/beta.html. 

[92] Koukoumidis E., Lymberopoulos D., Strauss K., Liu J., and Burger D.. Pocket cloudlets. In Proceedings of the 16th International Conference on Architectural Support for Programming Languages and Operating System (ASPLOS 2011), pp. 171-184, 2011.

[93] Lymberopoulos D., Riva O., Strauss K., Mittal A., and Ntoulas A. PocketWeb: instant web browsing for mobile devices. In Proceedings of the 17th International Conference on Architectural Support for Programming Languages and Operating System (ASPLOS 2012), pp. 1-12, 2012.

[94] Butkiewicz M., Wang D., Wu Z., Madhyastha H. V., and Sekar V. KLOTSKI: Reprioritizing web content to improve user experience on mobile devices. In Proceedings of the 12th USENIX Symposium on Networked Systems Design and Implementation (NSDI 2015), pp. 439-453, 2015.

[95] Liu X., Ma Y., et al. i-Jacob: An Internetware-Oriented Approach to Optimizing Computation-Intensive Mobile Web Browsing. ACM Transactions on Internet Technology. Accepted to appear.

[96] Liu X., Ma Y., Wang X., et al. SWAROVsky: Optimizing Resource Loading for Mobile Web Browsing. IEEE Transactions on Mobile Computing. Accepted to appear.