An Approach to Reduce QoS MonitoringOverhead in ESB

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,122

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:


تاریخ نمایه سازی: 6 آذر 1393

چکیده مقاله:

Since the Small and Medium Business (SMB) markets is growing, service-oriented architecture will play a crucial role in the SMB IT market. In this market the ability for better integration, increased flexibility, and cost reduction in development by reuse of existing services must be considered. Because of the service oriented architecture‘s dynamic nature, increment the number of clients and high volume transferred information between service provider and service consumer in business processes, Quality of Service (QoS) monitoring is needed. Services can be monitored at run-time to check whether they comply with their contracts or not. Monitoring can be done indifferent places such as provider side, client side and third part like Enterprise Service Bus (ESB). In the approach presented in this paper, the monitoring module was placed in ESB. Despite the monitoring place, QoS monitoring module is invoked at every time of service calling. Because of other methods running, overhead isinevitable. Specially monitoring overhead effects on the service quality parameters such as response time. The main objective of our approach is to reduce the QoS monitoring overhead using Time Series Forecasting in Neural Network. At the end, the performance of approach was evaluated through simulation on acase study in Tehran Metro. The experimental results show that this approach had low overhead in monitoring module.


Shima Baghermousavi

Department of Computer Engineering Islamic Azad University Qazvin, Iran

Hassan Rashidi

Department of Mathematics and Computer Science, Allameh Tabataba'i University Tehran. Iran

Hassan Haghighi

Department of Electrical and Computer Engineering Shahid Beheshti University, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :