服务计算，也称为面向服务的计算，可以定义为寻求开发计算抽象、架构、技术和工具以广泛支持服务。面向服务将物理、硬件和软件资产转变为用户和资产建立按需交互、绑定资源和操作的范例，提供一个将重点从基础设施和操作转移到服务的抽象层。然而，服务计算尚未充分发挥其潜力。技术进步为服务计算提供了越来越多的机会。为了避免过去的问题，在这里我们首先评估服务计算的当前状态，然后制定利用新兴概念和技术来提供服务范例的全部潜力的战略。它确定了在现实世界中计算即服务的发展和潜在实现的主要障碍，并提出了研究方向，使计算即服务领域能够将自己重新定义为数字化过程中的强大引擎之一。一、计算即服务的演进过去几十年，计算技术在为越来越多的领域提供自动化解决方案方面取得了长足的进步。在计算的早期，面临的挑战是以机器可读的格式表示信息，该格式由称为数据的位和字节组成。随着时间的推移，人们热衷于为数据补充意义，从而将其转化为信息。随着计算机技术的进一步发展，出现了对信息进行推理的想法，从而产生了知识。因此，服务的抽象定义被用来满足行动和传递知识的需要，即为知识提供有用的方法。因此，服务实际上目前被认为是计算价值链中的最高层。在当今的社会和经济环境中，服务无处不在。此类服务包括医疗保健、财务管理、人力资源和旅行计划等。服务与其他计算范式的区别在于它们在竞争环境中工作的能力，其中区分类似服务的关键参数是它们的质量。光有知识是不够的，还需要采取行动才能带来好处。在服务的应用中，使用服务质量（QoS）作为关键判别器的能力可以提供关于“操作”的服务之间的选择。随着每个经济体都发生重大结构性转变，数据战略和创新必须为行业提供创造竞争优势并为其服务增加价值的工具。在线服务的进步正在将Internet转变为全球工作场所、社交论坛、管理个人事务和促进协作的方式，以及提供服务的业务平台。此外，组织竞相为其在线服务提供接口，允许第三方开发人员编写辅助程序，为现有服务增加新用途，丰富其功能和可访问性，并增强其灵活性。Web服务技术的开发在某种程度上独立于服务的概念。过去，它们一直是各种研究的中心。在企业市场，现成的软件或硬件产品的销售正迅速被旨在解决个别问题的定制Web服务所取代。从更广泛的角度来看，服务计算已经成为一个跨学科的研究领域，研究IT服务行业普及背后的科学和技术。服务计算的最终目标是弥合IT与业务之间的鸿沟，使IT服务能够更高效地运行业务服务。直到现在，Web服务一直是提供服务计算的关键技术。计算即服务旨在支持服务的创建和交付，这些服务包括分布在Web上并由不同组织提供（通常控制）的计算设备和软件组件。为实现这一目标，W3C、OASIS等标准化组织主导了实施服务系统的规范化和标准化工作。在学术界，服务计算引起了很多关注。尽管如此，最先进的服务计算在很大程度上仍然是一个研究领域，其广泛应用的潜力在很大程度上仍未实现。一个关键障碍是无数经常相互竞争的Web服务标准造成的混乱，这些标准试图标准化服务生命周期的各个方面。此外，现有的网络服务标准和技术无法为当前影响全球商业格局的关键新兴领域的计算需求提供足够的支持，包括移动计算、云计算、大数据和社交计算。这两个障碍——Web服务标准的混乱和缺乏对新兴计算重大挑战的支持——阻碍了服务计算的更广泛和更快的采用。重新审视服务范例和交付技术的叠加，虽然Web服务可能仍然与开发各种应用程序相关，但需要注意它们的底层服务需求。特别是在引入新技术的同时，开发包括IDC可以识别的四种技术的新服务范式，而不是强调现有网络服务标准和技术的扩展。服务计算的一个目标是利用服务范式的功能和非功能组件的强大功能和简单性来构建模块化软件应用程序，并为服务的选择和组合提供更高级别的抽象，将它们提升为第一-类对象状态。面向服务的体系结构是一个独立于技术的框架，用于定义、注册和调用服务。然而，服务计算比面向服务的架构更广泛，包括业务流程建模、管理和分析的上层应用，以及业务数据管理和分析的下层应用。云计算作为一种新的服务交付模式的出现促使研究人员和从业者探索在云中使用服务计算。大量的研究致力于如何利用服务计算的概念来促进云应用程序的开发。计算即服务可以受益于移动计算、云计算、大数据和社交计算的出现，并有助于开辟新的方向。自服务计算概念出现以来，许多观点和研究文章相继发表。本文的努力在两个方面不同于以前的尝试。首先，服务计算与实现面向服务系统的技术分离，以便充分利用服务计算的承诺和期望。其次，强调了服务计算对新兴计算趋势的贡献和作用。2服务计算研究面临的挑战目前的服务计算研究主要集中在七个问题领域：体系结构、规范语言、协议、框架、生命周期、服务质量以及跨自主企业边界建立信任和声誉。这些问题在新兴服务业尤为明显。服务计算中一个经常被忽视的战略挑战是分析为什么服务计算在现实世界中没有充分发挥其潜力，以及需要做些什么来改变这一点。阻碍计算即服务转变为有效解决方案的一个障碍是缺乏简单的方法将复杂的数据处理问题转变为常规服务，并通过以数据为中心的架构解决复杂的服务交互。一个重大挑战是在不同平台上工作的多个组织之间实现无缝协作以满足消费者需求。计算即服务与其他计算范例的区别在于它们在竞争环境中工作的能力，在竞争环境中，区分类似服务的关键参数是它们的质量。组织间服务组合自动化的障碍包括组织级别的能力、信任、责任、功能和非功能目标（包括安全和隐私）的差异，以及技术级别的交互协议和表示的差异。服务计算的四个新兴研究挑战是服务设计、服务组合、基于众包的信誉和物联网。首先，服务设计是服务计算中一个基本但尚未解决的研究问题。其次，在大规模网络和云服务系统、大数据和社交网络环境中，服务组合存在挑战。同样，众包是物联网部署的一种经济高效的方式，作为信誉计算的关键机制。最后，服务计算如何帮助实现物联网愿景和挑战。2.1服务设计中的挑战服务设计是关于映射对服务属性及其关系的正式理解。这是建立健全服务体系的重要前提。迄今为止，服务系统的构建还没有足够严谨的基础来对其进行推理。首选方法是依赖传统的软件工程方法，这些方法通常不考虑服务系统固有地结合自治部分这一事实。Web技术可能会为开发复杂的服务系统提供一个独特而统一的平台。然而，目前还没有一个全面的理论框架来定义和分析网络上的复杂服务系统。2.2服务混合调用的挑战由于大数据的广泛成功，将大量服务组合成一个连贯的系统是一个新兴的研究领域。2008年的一项调查发现，互联网上有5,077个WSDL描述的Web服务。2016年，大约有15,000个Web服务在公共网站上注册。此外，很大一部分现代Web服务是用非WSDL描述的，例如那些基于云的Web服务。目前云计算的普及刺激了基于云的服务的快速增长，2013年的一项调查发现，已经有6686个云服务。在智能手机时代，可以从基于云的应用程序商店下载数百万个应用程序。截至2015年7月，分别有160万和150万个Android应用程序和150万个Apple应用程序。从这些大型存储库中准确高效地搜索服务正成为一项关键挑战。由于大数据可以被多个服务同时访问，现有的大多数假设静态数据环境的服务选择、组合和推荐方法是不够的。应该探索处理一致性的组合技术。在物联网背景下，智慧城市可以看作是大规模服务组合的典型例子，其中数百万不同和异构的数字设备和服务被动态集成，以提供多种实时功能或用户定制功能。从如此众多且不断变化的设备和服务中选择和组合服务以实时和上下文感知的方式满足用户需求是一项艰巨的任务。在Facebook和Twitter等大型社交网络中，有数十亿用户注册，大多数用户平均有数百个朋友或追随者（2010年Facebook平均每个用户有338个朋友，Twitter平均每个用户有208个朋友）2013年）。追随者），由此产生的大数据复杂而庞大。基于社会关系的服务组合从根本上提出了严峻的挑战。2.3基于众包声誉的挑战信任在服务生态系统的运作中起着重要作用。但是，当提供相似功能的服务相互竞争时，可能很难建立信任。在社交网络中，声誉是根据消费者过去的行为预测可信度的有效方法。在开放且通常匿名的环境中，通常很难确定声誉。因此，声誉和众包是获得信任的重要途径。计算社区中服务实体的声誉是通过收集社区中所有个体用户对该实体的意见来实现的。众包通过社区内的协作提供了一种有效的数据收集方式。然而，计算众包声誉仍然存在一些挑战。2.3.1众包的质量众包与传统收集用户反馈的主要区别在于众包更有可能使用经济奖励和其他激励措施来激励参与。然而，尚不清楚这些因素如何影响众包的质量。此外，用户的意见通常是模棱两可的、依赖上下文的并且基于个人偏好。歧义是指用户表达的内容，而不是他们真正的想法。用户的意见也可能受到时间、地点和社会因素（例如，用户之间或用户与服务提供商之间的社会关系）的影响。部分用户可能对某些服务产品有特殊偏好。鉴于众包声誉受到多个相关因素的影响，因此有必要预测众包声誉的结果。2.3.2测试台迄今为止，还没有用于比较信任和声誉模型的标准化测试台。人们需要设计适当的评估指标来比较服务的信任和声誉模型。2.4物联网的挑战物联网是一个新兴的、有前途的领域，它提出将每一个有形实体都变成互联网上的一个节点。更具体地说，有形实体（“事物”）是任何联网的传感器、相机、显示器、智能手机或其他智能通信设备。物联网提出了两个基本挑战：与事物通信和管理事物。服务技术可以通过为物联网提供通信和互操作性（例如REST和服务组合模型）的方式来帮助应对这些挑战。挑战之一是资源有限，遗留标准对于物联网来说过于重量级。此外，由于架构差异，现有的服务组合模型不能直接用于物联网互操作性。与单一类型的Web服务组件模型相比，物联网组件模型是异构的、多层次的（如设备、数据、服务和组织）。物联网产品组合需要创新模型。物联网的功能规范是一个关键挑战。通过多样化的、移动的和上下文感知的设备，数据和服务可以同时生成不同的上下文感知功能。因此，在物联网中，所需的组件功能比传统设置更具动态性，这在组合过程中引入了显着的复杂性。简而言之，物联网涉及整合潜在的数十亿事物，并利用它们的数据和能力来提供新颖的智能服务，从而使企业、行业和社会受益。与服务计算相关的基本物联网挑战是：1)持续维护物联网设备的网络个性和环境。特别是，物联网需要具有反映其物理空间的Web身份和Web表示（例如，Web代理）。他们还需要在社交、环境、以用户为中心和应用程序上下文中进行连接和通信，并且需要维护和管理这些上下文。2)持续发现、集成和（重新）使用IoT事物及其数据。具体来说，IoT环境是一个联合环境，其中事物及其数据、云服务和IT服务（例如，用于数据分析和可视化）通常由具有不同接口、业务、成本和QoS模型的独立供应商提供。为了提供新的互联网规模服务，IoT必须（重新）使用他人部署的IoT内容和他人收集的数据用于他们自己的目的。3服务计算的研究方向基于上述主要挑战，我们现在提出服务计算的研究路线图。该路线图侧重于四个新兴研究领域，即服务设计、服务组合、基于众包的声誉和物联网。3.1服务设计数据库、软件工程和分布式系统的研究为服务设计提供了基础。服务系统的设计应基于正式的服务模型，能够高效地访问具有不同功能的大型服务空间。服务模型可以支持对服务的访问，就像关系模型支持对结构化数据的访问一样。由于服务组合通常需要满足复杂的用户请求，因此服务模型支持不同服务及其操作之间的依赖关系非常重要。与关系模型类似，服务模型应该支持服务查询代数和微积分的设计，允许普通用户以高效透明的方式声明式查询多个服务。此外，服务查询优化不应局限于生成高效的查询执行计划。由于大量服务提供商可能竞争提供相似的功能，因此服务模型的设计应支持优化策略的实施，以根据预期用户提供的质量找到“最佳”服务。服务模型通过定义一组代数运算符提供了一种将服??务作为一流对象进行操作的标准方法。这些包括从服务中选择特定的操作，以及基于质量的服务选择和跨多个服务的混搭操作以形成复合服务。这些运算符的实现可以生成用户可以直接用于访问服务的服务执行计划。由于功能和质量依赖性，服务模型比关系数据模型更复杂。具体而言，服务的三个关键特性至关重要：功能、行为和质量。功能由服务提供的操作指定；行为反映了服务操作是如何被调用的，并由服务操作之间的依赖约束决定；质量决定了服务的非功能属性。可行的服务查询语言应该允许用户定位和调用他们需要的功能，选择满足他们质量要求的最佳服务提供者，并在需要来自多个服务的功能时生成服务混搭。设计服务混搭的一个重要方法不是从一个角度进行设计，而是从两个或多个自治方之间交互的表示。协议是交互的规范，故意忽略服务的实现，但描述为交互，协议促进了异构和自治服务之间的互操作性。协议采用新方法来适应数据表示，但需要进一步研究以弥合交互与数据之间的差距。一个重要的方向是将社会技术交互形式化，作为自主服务治理的基础。3.2服务mashups结合大规模Web和云服务大规模Web和云服务的结合扩展到WSDL没有描述或纯文本描述的服务。例如，programmableweb.com提供超过10,000个API服务和超过6,000个服务混搭，其中绝大多数以纯文本形式描述。网络信息提取、自然语言处理、数据和文本挖掘以及各种分类和信息检索技术可用于提取有用的语义、分组相关服务和检测新的组合模式。尽管如此，由有限的术语和服务提供商使用的不同命名约定组成的服务描述提出了新的挑战，需要技术创新来推进服务计算和所有相关领域的最新技术水平。此外，软件系统可能需要在其生命周期内不断发展，并能够处理其运行环境的变化以及其工作流程日益复杂的情况。自适应软件评估其行为并根据评估进行调整以解决问题并提高性能。云计算环境为部署服务提供了一个有吸引力的选择，因为它提供了潜在的可扩展性和可访问性。然而，它引入了与可维护资源不在服务提供商的明确控制之下这一事实相关的问题。云安全可能不在服务提供商的企业边界内。服务水平协议(SLA)资源分配是云提供商的责任。例如，服务可能不可用不仅是由于服务提供商的更新，还可能是由于云提供商的更新。随着服务迁移到云和云中的容器，这些问题必须得到解决。大数据驱动的服务计算新的服务选择和推荐技术是利用大数据研究成果的关键方法。当前大数据研究的一个重要课题是开发在线处理数据的算法和模型。在线服务混搭可能为实现可扩展和自适应组合解决方案以处理大规模、高度动态和多样化的大数据服务提供一个有前途的方向。另一个重要因素是人类如何解释服务计算和大数据框架的结果。因此，将大数据分析框架与其所服务的人类的本质联系起来将变得越来越重要。大规模社交网络中的服务选择、推荐和混合调用需要结合社交网络和复杂网络分析方法，以及可信计算技术。一个方向是结合记录服务用户和服务数据之间交互的社交网络数据，以检测服务之间隐藏的关系并生成潜在服务。特别是，通过社交媒体服务展示的用户活动，如发布历史、问题和服务反馈，可以带来新颖的见解，以更好地理解和利用传统和新兴服务。例如，可以从社交媒体或电子商务平台记录的事件日志中检测用户行为模式，用于发现业务流程挖掘的潜在知识。此外，新兴服务可能带来超出传统服务的可靠性、可用性和响应时间等QoS特性。可以从捕捉用户个人判断的社交媒体服务中提取反映用户选择和服务兴趣的领域质量特征。3.3基于众包的信誉质量货币或其他众包感兴趣的因素会影响众包选择服务的数据质量。调查这些兴趣因素可以揭示对众包可靠性和众包贡献者范围的影响。研究了影响众包数据质量的三个因素：歧义性、上下文依赖性和个人偏好。针对模糊性问题，重点关注如何设计信任评估问题和度量以及人机交互，通过与认知科学和人机交互研究的合作，准确捕捉用户对信任相关的感知。情境依赖与个体偏好的区别在于，前者更多地取决于时间、地点、社会关系等客观因素，而后者更多地取决于个人经历等主观因素。这两个因素可能同时相互影响。研究应该着眼于如何模拟这两组因素之间的相互关系，以及如何将它们结合起来以预测它们对众包数据质量的影响。众包贡献者的可信度人（即用户或其他服务）的可信度决定了其他服务消费者相信他们报告的关于他们调用的服务的评级的可能性，这可以区分服务信任和反馈信任。例如，作为服务提供者不值得信任的服务可能是值得信任的，作为判断其他服务提供者行为的依据，反之亦然，选择具有不同成本和信任度的众包用户的权衡策略也应该被探索。选择最合适的众包贡献者或众包工作者将需要交互和组合来自贡献者、服务提供商和第三方来源（如职位列表和社交媒体）的服务。3.4物联网在传统的服务计算中，重点是寻找有效的组件服务。在新兴的物联网架构中，需要找到组件服务、云平台服务支持的数据服务和设备的有效组合。组件服务是物联网不可或缺的组成部分，因为它们需要在不依赖计算中心的情况下随时随地管理设备网络表示、上下文和相关数据处理服务。作为对当前服务发现和集成工作的补充，物联网研究的一个重要和新颖的方向在于设备发现和集成领域。语义传感器网络(SSN)和OpenIoT中的现有工作为物联网设备发现和集成提供了设备层架构和相关功能。SSN定义了一个描述物联网事物的本体，并从它们产生的数据的属性中找到设备。尽管如此，由于物联网功能和访问方式各不相同，单个统一的本体不可能覆盖高度异构的物联网空间。信息检索和文本挖掘技术可用于提高设备发现的准确性。通过发现事物之间的相互关系，可以极大地促进物联网事物的集成。然而，物联网事物之间的相关性通常很难发现。与人们紧密联系的人类社交网络不同，事物之间的明确联系通常是有限的。一个方向是多跳连接，它利用人与物之间的交互来关联IoT事物。基于知识图谱的方法和机器学习技术可以帮助发现物联网事物之间隐藏的关系，从而提出有趣和新颖的集成模式。4.小结服务计算支撑着移动计算、云计算、大数据、社会计算等新兴计算领域的进步，其潜力远大于目前已经取得的成就。将服务计算提升到新的创新水平，服务计算范式要想成功就需要与当今的技术分离。这些挑战是艰巨的，但回报是巨大的，服务计算没有理由不为计算机科学和社会带来巨大利益。
