43、DRain：基于结果质量驱动的流程数据分析引擎

DRain：基于结果质量驱动的流程数据分析引擎

1 引言

智慧城市范式的出现给信息通信技术（ICT）带来了诸多新挑战。大城市产生的海量多样数据（即大数据）的分析，再结合多个领域专家和利益相关者分散的需求，变得极具挑战性。例如，智慧城市中的城市规划任务需要收集从能源消耗、建筑和交通系统到社会因素等各重要领域的数据。

虽然工作流已用于组合和执行一系列计算或数据操作步骤，如科学工作流，但很少有讨论聚焦于利用运行时机制，根据用户定义的结果质量（QoR）来选择和配置数据感知流程，以执行分布式数据分析。在某些场景中，大量的数据感知流程变体与数据服务交互，每个都有特定的质量约束。因此，由于数据感知分析流程和数据端点的高度可变性，在运行时提供质量驱动的流程选择和定制手段至关重要。

1.1 动机、贡献和文章结构

在基于流程的数据分析中，实际执行流程活动所需的数据比典型的流程相关数据更广泛。原始数据（如来自数据 API 的数据）虽与多个工件（如服务和流程活动）相关，但不绑定特定意图，代表一般信息。而远程分析流程和可用服务的结果可作为特定意图数据提供，以数据即服务（DaaS）的形式展示预期结果。

服务包括领域专家的计算模型（如 MATLAB 模型），这些是流程执行活动所必需的。数据感知分析流程，即工作流即服务（WFaaS），代表了行业利益相关者的特定意图。这种流程逻辑以流程模型（如 BPMN2、BPEL）的形式表示，代表特定的分析类型，由一系列要执行的活动组成。因此，根据用户意图请求创建流程实例，该请求可能表明所需的 QoR。

由于相关流程和数据的高度可变性，需要将 WFaaS 的选择和配置推迟到运行时，根据 QoR 定制和执行流程变体。