introdução à modelagem e execução de workflows...

Introdução à Modelagem e Execução de Workflows Científicos

Introdução à Modelagem e Execução deWorkflows Científicos

Kelly R. Braghetto e Daniel CordeiroDepartamento de Ciência da ComputaçãoInstituto de Matemática e Estatística

Universidade de São Paulo

Jornadas de Atualização em Informática – julho de 2014


Olá! :)

Kelly Rosa Braghettoé professora do Departamento de Ciência da Computação doIME-USP desde 2012. Possui mestrado (2006) e doutorado (2011)em Ciência da Computação pela Universidade de São Paulo. Desde2003 desenvolve pesquisas na área e Modelagem de Dados eProcessos, atuando principalmente nos seguintes temas:gerenciamento de workflows científicos e processos de negócio,modelagem formal de processos, avaliação de desempenho deprocessos via modelagem analítica e modelagem de bancos dedados.

Kelly R. Braghetto e Daniel Cordeiro Jornadas de Atualização em Informática 2014 2 / 190


Olá! :)

Daniel Cordeiroé doutor em Mathématiques et en Informatique pela Université deGrenoble, França, e Mestre em Ciências e Bacharel em Ciência daComputação pela Universidade de São Paulo. Atualmente fazpós-doutorado em Ciência da Computação no IME-USP comfinanciamento da FAPESP. Há dez anos trabalha com pesquisa edesenvolvimento de aplicações computacionais de alto desempenho,utilizando técnicas variadas como análise de escalabilidade deservidores baseados em eventos, teoria do escalonamento, análisecombinatória e teoria dos jogos.



Introdução

Introdução



Introdução

Paradigmas da ciência

Os paradigmas da ciência

James Nicholas “Jim” Gray1 dizia estarmos presenciando o começode um novo paradigma da ciência.

Há milhares de anos a ciência era empíricaHá alguns séculos a ciência passou a ser também teórica(modelos, generalizações, etc.)Nas últimas décadas, cientistas passaram a validar seusmodelos teóricos com o uso de simulações

1Jim Gray ganhou o Prêmio Turing em 2008 e foi diretor do MicrosoftResearch’s eScience Group.



O quarto paradigma

Um novo modo de se fazer ciência

O quarto paradigma seria a exploração de dados:

Unifica teoria, experimentação e simulação“Toda ciência é ciência da computação”2

Resultados de experimentos são expressos em

2George Johnson. “The World: In Silica Fertilization; All Science IsComputer Science”. Em: The New York Times (25 de mar. de 2001). URL:http://www.nytimes.com/2001/03/25/weekinreview/the-world-in-silica-fertilization-all-science-is-computer-science.html.


http://www.nytimes.com/2001/03/25/weekinreview/the-world-in-silica-fertilization-all-science-is-computer-science.htmlhttp://www.nytimes.com/2001/03/25/weekinreview/the-world-in-silica-fertilization-all-science-is-computer-science.html


O quarto paradigma




Resultados de experimentos são expressos em bytes





O quarto paradigma




Resultados de experimentos são expressos em muitos bytes





O quarto paradigma

Um novo modo de pensamento científico

A exploração de dados promove uma mudança importante noprocesso de pensamento científico.

Antes:

formulação de hipótese : experimentação : análise de resultados

Agora: “data-driven hypothesis”formulação de hipótese : busca da confirmação no banco de dados

Trata-se realmente de uma nova metodologiaque permite a criação de novos “tipos” de pesquisa em diversasáreas do conhecimento (notadamente nas ciências naturais).



O quarto paradigma



Antes:formulação de hipótese

: experimentação : análise de resultados





O quarto paradigma



Antes:formulação de hipótese : experimentação

: análise de resultados





O quarto paradigma



Antes:formulação de hipótese : experimentação : análise de resultados





O quarto paradigma




Agora: “data-driven hypothesis”

formulação de hipótese : busca da confirmação no banco de dados




O quarto paradigma




Agora: “data-driven hypothesis”formulação de hipótese

: busca da confirmação no banco de dados




O quarto paradigma








O quarto paradigma

O 4o paradigma: exploração dos dados1 Os dados são capturados por instrumentos ou gerados por

simulações2 Processados por sistemas de software complexos3 A informação (ou conhecimento) resultante é armazenada no

computador4 Só então os cientistas analisam os dados, no final do processo!

(usando ferramentas de gerenciamento de dados e deestatística)

ExemploHoje podemos dizer que astrônomos não olham mais através deseus telescópios. Ao invés disso, eles “olham” através deinstrumentos complexos que estão conectados a centrais deprocessamento de dados e, só então, utilizam seus computadorespara visualizar as informações coletadas.



O quarto paradigma

Dilúvio de dados

De qual volume de dados estamos falando?

Problemas da ordem de petabytes!

1 PB = 1.000.000.000.000.000 B

= 1.0005 B

= 1015 B= 1 milhão de gigabytes= 1 mil terabytes



O quarto paradigma

Dilúvio de dados




O quarto paradigma

Dilúvio de dados


1 PB = 1.000.000.000.000.000 B

= 1.0005 B

= 1015 B= 1 milhão de gigabytes= 1 mil terabytes

Large Hadron Collider (LHC)Produz cerca de 25 petabytes/ano, processa cerca de umpetabyte de dados todos os dias (o equivalente a cerca de210.000 DVDs) e já possui mais de 100 petabytes armazenadosdesde o início do projeto (∼= 700 anos de filmes armazenados comqualidade full HD)



O quarto paradigma

Dilúvio de dados


Outros exemplos comerciais

O Google processa cerca de 20 petabytes de dados por dia(2008)O Wayback Machine tem cerca de 3 petabytes + 100terabytes/dia (mar/2009)O Facebook tem cerca de 2,5 petabytes de dados deusuários + 15 terabytes/dia (abr/2009)O site eBay tem cerca de 6,5 petabytes de dados dosusuários + 50 terabytes/dia (mai/2009)



O quarto paradigma

Dilúvio de dados

Grandes data centers

Pergunta:Quão grandes são os data centers que fazem funcionar os sistemasque afetam a vida de quase todo mundo que se conecta à Internet(como os do Google, Facebook, etc.)?



O quarto paradigma

Dilúvio de dados

Grandes data centers

Fonte: http://www.google.com/intl/pt-BR/about/datacenters/


http://www.google.com/intl/pt-BR/about/datacenters/


O quarto paradigma

Dilúvio de dados

Dificilmente alguém consegue processar tudo isso sozinho

Nem todos podem comprar supercomputadoresNem todos podem arcar com os custos de manter um datacenter grande e potente o suficiente (custos de operação,manutenção, etc.)O uso de Grades Computacionais (a solução mais usada até omomento) também depende de acesso a aglomerados decomputação e a supercomputadores (mesmo que elespertençam a outros) e requer que os participantes estejam emcomum acordo



O quarto paradigma

Dilúvio de dados

Dificilmente alguém consegue processar tudo isso sozinhoE ainda que tenhamos tudo isso à disposição

A grande pergunta é:Como modelar programas e experimentos que possam usar todoesse poder computacional de forma simples, barata e eficiente?



O quarto paradigma

Workflows científicos

Workflows Científicos

Definição“Redes de processos tipicamente utilizadas como ‘pipelines deanálises de dados’ ou ainda para comparar dados observados ouprevistos, e que podem incluir uma vasta gama de componentes,e.g. para consultar bancos de dados, para transformar ou minerardados, para executar simulações em computadores de altodesempenho, etc.”3

3Bertram Ludäscher et al. “Scientific workflow management and the Keplersystem”. Em: Concurrency and Computation: Practice and Experience 18.10(2006), pp. 1039–1065.



O quarto paradigma



São automações de experimentos ou de processos científicos,expressas em termos das atividades a serem executadas e,principalmente, das dependências dos dados manipulados;Tendem a ser computacionalmente intensivos;São fortemente voltados à manipulação de grandes volumes dedados complexos.



O quarto paradigma


Exemplos famosos



O quarto paradigma


Ciclo de vida dos workflows científicos



O quarto paradigma


O projeto de workflows científicos

Consiste na construção de um modelo para o workflowPode ser feito por meio de diferentes linguagens ou modelos derepresentaçãoPode se embasar em outros workflows já existentesÉ conveniente de se representar em formatos digitais earmazenar em repositórios:

reuso, compartilhamento com outros pesquisadores, etc.



O quarto paradigma


A instanciação de workflows científicos

Corresponde à preparação necessária para uma execuçãoparticular do workflow:

Cada nova execução requer dados de entrada e parâmetros deconfiguração definidos pelos cientistas

Pode envolver a seleção e alocação dos recursoscomputacionais para a execuçãoCuida da transferência dos dados de entrada para oscomputadores onde a execução será realizada



O quarto paradigma


A execução de workflows científicos

Ocorre nos recursos computacionais disponíveis:Para cada atividade atribui-se um recursoAtividades processam dados de entrada e produzem novosdados, que podem ser usados por outras atividades

Pode registrar dados intermediários gerados na instância e suasinformações de proveniência

Dados de entrada e os parâmetros de configuraçãoRegistro das atividades já executadas, seus tempos de início etérmino, os recursos usados, etc.Referências para os dados de entrada e saída de cada atividade

Intenções: avaliação dos resultados; recuperação em caso defalhas; reprodutibilidade dos experimentos



O quarto paradigma


A análise pós-execução de workflows científicos

Corresponde à inspeção e interpretação dos resultados obtidosPode conduzir a uma revisão da hipótese ou do objetivoexperimental inicial, ou ainda à identificação de ineficiênciasda execução

Reprojeto do workflow ⇒ nova iteração do seu ciclo de vida



Modelagem de Workflows Científicos

Modelagem de WorkflowsCientíficos




Terminologia básica sobre representação de workflows

Modelo define as atividades a serem realizadas no workflowpara que um objetivo científico seja alcançado

Atividade é uma unidade atômica (= indivisível) de trabalho emum modelo de workflow

Conector é usado para definir alguma relação de precedência oualgum tipo de transferência de dados entre atividades

Instância é uma execução particular (= instanciação) de ummodelo de workflow




Modelo de workflow

Define as atividades a serem realizadas no workflow para que umobjetivo científico seja alcançado

Estabelece a ordem (ainda que parcial) na qual as atividadesdo workflow devem ser executadasÉ comumente representado por meio de um arcabouço formalou de uma linguagem de especificação de workflows

arcabouços formais possibilitam a análise de propriedades dosworkflows que neles são modeladoslinguagens específicas de domínio permitem a especificação demodelos em um nível de detalhamento mais próximo aorequerido para a execução dos workflows




Atividade

Unidade atômica (= indivisível) de trabalho em um modelo deworkflow

Possui vários sinônimos: tarefa, processo, ação, transiçãoPode ser classificada como:Atividade manual quando é realizada por pessoasAtividade automática quando é realizada completamente por

computadores ou outros tipos de máquinas, semintervenção humana

Atividade semiautomática quando depende tanto de pessoasquanto de máquinas para ser realizada




Conector

Define alguma relação de precedência ou algum tipo detransferência de dados entre atividades

Cada linguagem de modelagem de workflows possui o seupróprio conjunto de conectoresOs conectores definem a expressividade da linguagem, ou seja,a variedade e quantidade de modelos de workflows que alinguagem é capaz de representar




Instância de workflow

Execução particular (= instanciação) de um modelo de workflow

Duas instâncias de um mesmo workflow não necessariamenteexecutam a mesma sequência de atividades

Um workflow pode ter em seu modelo ramos de execuçãoalternativos ou atividades que só serão executadas casodeterminados tipos de dados estejam disponíveis




Workflows de Negócio × Workflows Científicos


Workflows de Negócio

São usados em grande escala desde os anos 90Automatizam processos industriais e gerenciais (= processosde negócio)Desenvolvimento apoiado por comunidades e coalizões,envolvendo indústria e academiaResultados:

Muitos documentos, modelos de referência e padrõesrelacionados à gestão desse tipo de workflowsMuitas técnicas e ferramentas computacionais desenvolvidaspara apoiar o ciclo de vida desses workflows







Sua popularização começou nos anos 2000Possuem muitas semelhanças com os workflows de negócioA comunidade científica não adotou os padrões desenvolvidospara os workflows de negócios

O domínio científico possui particularidades que justificam acriação de técnicas e ferramentas específicas para ogerenciamento de seus workflows





Padronização e InteroperabilidadeWorkflows de negócio

Processos de negócio envolvem processos inter-organizacionaisDemandam interoperabilidade de ferramentas e padronizaçãodas linguagens de modelagem

Exemplos: o modelo de referência da Workflow ManagementCoalition e a Business Process Model and Notation (BPMN)


Não existem padrões: cada sistema de gerenciamento possui asua linguagem de modelagemPouca interoperabilidade entre diferentes ferramentas

Motivo: poucos domínios científicos (como a Bioinformática)fazem uso sistematizado de ferramentas de workflows





Padronização e Interoperabilidade

Workflows de negócio são projetados e desenvolvidos porespecialistas em TI

Atividades são componentes padronizados e portáveis (comoos serviços Web)Existe facilidade no reúso e na construção dos processosinter-organizacionais

Workflows científicos são projetados por cientistasAtividades muitas vezes são scripts para softwaresmatemáticos ou estatísticosOutras vezes, o próprio workflow é implementado como umscript que coordena as chamadas a outros scripts

A proposição de padrões para a gestão de workflows no domíniocientífico é uma tarefa desafiadora!





Natureza das atividades

Workflows de negócio comumente possuem atividadesautomáticas e manuais

Exemplo: um workflow para o tratamento de reclamações declientes de uma empresa de TV a cabo

Workflows científicos não costumam envolver atividadesmanuais pois suas ferramentas de apoio não oferecem suportea esse tipo de funcionalidade





Integridade na execução de instâncias

Workflows de negócio

Integridade na execução é uma preocupação crucialPodem implementar transações comerciais que envolvemcontratos financeiros e prestação de serviçosGeralmente, são workflows transacionais

Em caso de falhas durante sua execução, é preciso havermaneiras de se desfazer as atividades já realizadas (mesmo queseja de maneira lógica)





Integridade na execução de instâncias


Quando têm como alvo o processamento e a análise de dados,geralmente não demandam tratamento transacionalNo caso de falhas durante a execução, remove-se os resultadosintermediários produzidos e então reinicia-se a execução doworkflow a partir do ponto onde ela foi interrompida ou do seuinício

A reexecução pode ter um custo alto em termos de tempo e derecursos computacionais consumidos




Fluxo de Controle × Fluxo de Dados

Perspectivas para a modelagem de workflows

Fluxo de controle descreve a ordem de execução, definindo atransferência de controle entre atividades conectadase habilitando uma atividade para execução quando asatividades que a precedem são concluídas

Fluxo de dados descreve as transferências de dados entre asatividades, estabelecendo as dependências dasatividades com relação aos dados que elas manipulam

Organizacional atrela ao workflow uma estrutura organizacional,por meio da definição de papéis (desempenhados porpessoas ou equipamentos) responsáveis pela execuçãodas atividades

Tratamento de exceções lida com as causas das exceções e asações que precisam ser tomadas nos seus tratamentos






Fluxos de dados

Em workflows científicos, a predominância é da modelagem defluxos de dados

Aplicações científicas são intensivas em dadosCientistas rotineiramente já descrevem seus experimentoscientíficos em termos de fluxos de dados

coleta de dados brutos → filtragem → transformação →análise → obtenção de dados derivados que sustentamhipóteses científicas






Modelagem híbrida

As diferentes perspectivas de modelagem não são excludentesMuitos SGWC possuem linguagens de modelagem híbridas,para a descrição de fluxos tanto de dados quanto de controleFerramentas de gestão de workflows de negócio costumamcombinar as perspectivas de fluxo de controle e de tratamentode exceções





Estruturas para representação de fluxos de controleConstruções essenciais:

SequênciaParalelismo (Divisão-E)Sincronização (Junção-E)Escolha Exclusiva (Divisão-OU-Exclusivo)Junção (Junção-OU-Exclusivo)Ciclo (ou Iteração)

Outras construções

A Workflow Patterns Initiative identificou as construções maisfrequentes nas ferramentas de modelagem:

há 43 padrões diferentes para fluxo de controle





Estruturas para representação de fluxos de controle

Exemplo de workflow modelado usando as construções básicas defluxo de controle





Estruturas para representação de fluxos de dados

Construções básicas:

Processamento: é realizado por uma atividade sobre dadosde entrada para produzir dados de saídaPipeline: combina um ou mais processamentossequencialmente, de forma que cada atividade processe osdados produzidos pela atividade que a precedeu e que a suasaída seja usada como entrada para a próxima atividade






Processamento

PipelineKelly R. Braghetto e Daniel Cordeiro Jornadas de Atualização em Informática 2014 41 / 190






Distribuição de dados: é feita por uma atividade que produzdois ou mais conjuntos de dados de saída que são recebidoscomo entrada por duas ou mais atividades

Pode ser feita para dois propósitos distintos:produzir novos conjuntos de dados para serem consumidos pormúltiplas atividades; ouparticionar um grande conjunto de dados recebido comoentrada em subconjuntos menores, para que esses possam serprocessados (paralelamente) por outras atividades no workflow







Agregação de dados: é feita por uma atividade que agrega eprocessa dados de saída de duas ou mais atividades, gerandouma combinação dos dados como saída

Pode resultar em sincronização de linhas de execução paralelasRedistribuição de dados: é feita por uma atividade quecombina a função de agregação de dados à função dedistribuição dos dados

a atividade pode tanto sincronizar linhas de execução paralelasjá existentes quanto criar novas linhas de execução paralelas






Distribuiçãode dados

Agregaçãode dados

Redistribuiçãode dados





Fluxo de dadosno workflowMontage

http://montage.ipac.caltech.edu/


http://montage.ipac.caltech.edu/http://montage.ipac.caltech.edu/




Workflow Montage(sem a visualizaçãodos itens de dados)





As linguagens de modelagem “na prática”





As linguagens de modelagem “na prática”Composicionalidade: construção de modelos de workflow a partir demodelos de subworkflows





As linguagens de modelagem “na prática”

Representação textual do modelo




Arcabouços formais de modelagem

Modelagem formal de workflows

Por que usá-la?

Geralmente, a semântica operacional dos conectores e outrosconstrutores presentes nas linguagens de modelagem deworkflows não é definida formalmente

Isso impossibilita a verificação e a validação dos modelosA partir de modelos formais, é possível fazer análises preditivasqualitativas e quantitativas dos workflows

Classes de formalismos mais usados na modelagem de workflows:

Redes de Petri (RdPs)Álgebras de Processos





Breve introdução às Redes de Petri (RdPs)

A teoria das Redes de Petri é um dos exemplos maisconhecidos de teoria de ordem parcial para modelagem eanálise de sistemas concorrentesO conceito foi introduzido por Carl Adam Petri, em sua tesede doutorado em 1962, na Faculdade de Matemática e Físicada Universidade de Darmstadt, AlemanhaSão muito utilizadas devido à sua representação gráfica defácil compreensão e ao seu potencial matemático para aanálise de modelos

Essas análises incluem verificações de propriedades inerentesaos sistemas concorrentes, como relações de precedência entreeventos, sincronização e existência ou não de impasses





Elementos de uma RdP

As RdPs são formadas basicamente por dois tipos de componentes

Transições representando ações do sistemaLugares representando variáveis de estado do sistema

Uma RdP com marcação é formalmente definida pela tuplaRdP = {L, T,A, P,m0}, em que:

L = {l1, l2, ..., lL} é um conjunto de lugares;T = {t1, t2, ..., tT } é um conjunto de transições;A ⊆ (L× T ) ∪ (T × L) é o conjunto de arcos;P : A→ N é a função peso dos arcos;m0 = {m01,m02, ...,m0L} é a marcação inicial da rede.





Exemplo de RdP: Processos Produtor-Consumidor

produção

produzir

envio

repositóriode itens

preencher remover

recebimento

consumir

consumoespaçoslivres






Os conceitos associados a cada um dos itens de uma RdP são:

Lugar (representado graficamente por um círculo)Modela uma condição que deve ser satisfeita para que odisparo da transição seja realizado

Transição (representada graficamente por um quadrado,retângulo ou barra)

Pode ser compreendida como uma ação ou eventoArco orientado

Liga um lugar a uma transição ou vice-versa, encadeandocondições e eventos







Marca ou Ficha – representa um recurso disponívelO posicionamento dessas fichas nos lugares do grafo constituia marcação da RdPCada lugar possui 0 ou mais fichasA evolução da marcação permite modelar o comportamentodinâmico do sistema

Peso – cada arco possui um peso associado a eleO peso indica quantas fichas uma transição consome de umlugar de entrada ou quantas fichas uma transição acrescentaem um lugar de saídaQuando um arco não possui um peso explicitamente indicadono grafo, considera-se que o seu peso é 1





Marcação de uma RdP

Uma marcação é uma atribuição de fichas a lugaresPode ser representada por um vetor cujo tamanho é o númerode lugares na rede: o iésimo componente do vetor representa onúmero de fichas contidas no lugar liDenotamos por m(l) o número de fichas em um lugar l ∈ L





Evolução da marcação de uma RdP

A evolução dinâmica da marcação de uma RdP é governadapela ocorrência (disparos) de transições que consomem eproduzem fichasRegras de habilitação e disparo estão associadas às transições





Habilitação de uma transição em uma RdP

HabilitaçãoUm transição t está habilitada na marcação m se e somente se:

∀l ∈ •t, m(l) ≥ P (〈l, t〉)

onde •t = {u | 〈u, t〉 ∈ A}.Em outras palavras, •t é o conjunto de todos os lugares deentrada de t.





Disparo de uma transição em uma RdP

DisparoO disparo de uma transição t, habilitada na marcação m,produz um marcação m′ tal que

m′ = m+O(t)− I(t) ,

em queI(t) = (P (〈l1, t〉), P (〈l2, t〉), . . . , P (〈lL, t〉)) eO(t) = (P (〈t, l1〉), P (〈t, l2〉), . . . , P (〈t, lL〉))

Essa declaração é normalmente indicada de forma compactacomo m[t〉m′ e podemos dizer que m′ é diretamentealcançável a partir de m






produção

produzir

envio


preencher remover

recebimento

consumir







O produtor só produz um item por vez, ao passo que oconsumidor só consome um item por vezO produtor só pode enviar um item produzido a umconsumidor quando há espaço para armazená-lo, ou seja,quando há ao menos uma ficha em l4O consumidor só pode consumir um item após a sua remoçãodo repositório (transição tc). Essa remoção só pode ocorrerquando há itens produzidos e ainda não consumidos, ou seja,quando há ao menos uma ficha em l3Sendo assim, uma ficha que sai de l4 com o disparo de tb entraem l3Do mesmo modo, uma ficha que sai de l3 com o disparo de tcentra em l4





Marcações alcançáveis da rede do exemplo1 0 0 2 0 1 1 0 0 2 1 0

0 1 0 2 0 1

1 0 1 1 0 1

0 1 0 2 1 0

0 1 1 1 0 1

1 0 1 1 1 0

1 0 2 0 0 1

0 1 1 1 1 0

1 0 2 0 1 0

0 1 2 0 0 1 0 1 2 0 1 0

tc

tc

tc

tc

td

td

td

td

td

td

ta

tb

ta

tb

ta

ta

tb

ta

tb

ta





Sobre as marcações de uma RdP

Cada uma das marcações possíveis da rede representa umpossível estado do sistema modeladoA partir dos estados e da estrutura da rede, é possível verificarpropriedades do sistema. Exemplos:

Se existe uma transição que não é habilitada por nenhumamarcação da rede, então essa transição é morta (ou seja, elanunca será disparada) ⇒ isso pode indicar um erro no projetodo sistemaPode-se querer saber se o sistema pode atingir umdeterminado estado indesejado. Para isso, identifica-se qual éa marcação da RdP que representa esse estado e caso essamarcação esteja entre as alcançáveis da rede, então estaráconfirmado que o estado indesejado pode ocorrer no sistema





Mapeamento das estruturas básicas de workflows para RdPs

Sequência ou PipelineQuando duas atividade devem ser executadas sequencialmente, ouquando uma produz dados que são usados pela outra, então háuma interdependência entre elas

Em RdPs, isso pode ser modelado conectando as duasatividades (transições) por meio de um lugar






Paralelismo ou distribuição de dados

Modelado por uma atividade (transição) que, quandodisparada, inclui uma ficha em cada um dos lugares de entradadas transições que representam as atividades que serãoexecutadas paralelamente ou que processarão os dadosdistribuídos

Sincronização ou agregação de dados

É modelada por uma atividade que tem como lugar de entradaos lugares de saída que indicam quando as atividades a seremsincronizadas já foram concluídas ou quando os dados a seremagregados já estão disponíveis para processamento






Paralelismo e sincronização / Distribuição e agregação de dados

Atividade deParalelização /

Distribuição

Atividade deSincronização /

Agregação






Escolha exclusiva

Pode ser representada como um conjunto de atividades(transições) compartilhando um único lugar de entradaHá variações possíveis nessa representação

Exemplo: a escolha pode depender de uma regra que pode sermodelada como uma atividade “gerencial”, que quandodisparada coloca uma ficha no lugar de entrada da atividadeescolhida para execução

Junção simples

É modelada por um conjunto de atividades (transições)alimentando um mesmo lugar de saída





Mapeamento das estruturas básicas de workflows para RdPsEscolha exclusiva e junção simples

Escolhaexclusiva

Junçãosimples






Escolha exclusiva baseada em regras e junção simples

Escolha exclusiva

Atividades gerenciaisJunção simples






Ciclos

Geralmente são modelados com o auxílio de escolhasexclusivas e junções simples





O workflow científico SIPHT modelado em RdP





Brevíssima introdução às Álgebras de Processos

Nas álgebras de processos (APs) os processos sãorepresentados algebricamente, na forma de termosUma AP é composta por um conjunto de símbolos de ações,um conjunto de operadores e um conjunto de axiomasdescrevendo as propriedades dos operadoresO conjunto de axiomas (= leis equacionais) pode tambémespecificar quando dois processos são consideradosequivalentesEsse arcabouço algébrico possibilita o raciocínio formal sobrepropriedades estruturais e comportamentais de ummodelo de sistema concorrente





APs – Origens

As bases das álgebras de processos foram desenvolvidas,independentemente, por Milner e Hoare (no anos 70)As APs são parcialmente enraizadas nas Redes de Petri, naTeoria de Autômatos e nas linguagens formaisMilner desenvolveu a álgebra de processos Calculus ofCommunicating Systems (CCS), enquanto Hoare definiu aCommunicating Sequential Processes(CSP)Outras álgebras de processos bem difundidas são a Languageof Temporal Ordering Specification (LOTOS), a Algebraof Communicating Processes (ACP) e a π-Calculus





Assinatura de uma AP básica

Geralmente consiste em:

um conjunto finito e não vazio A de ações atômicas,representando comportamentos indivisíveisum operador binário “+”, chamado de composiçãoalternativaSe os termos fechados t1 e t2 representam os processos p1 ep2, respectivamente, então o termo fechado t1 + t2 representao processo que executa p1 ou p2um operador binário “.”, chamado de composição sequencialSe os termos fechados t1 e t2 representam os processos p1 ep2, respectivamente, então o termo fechado t1.t2 representa oprocesso que executa primeiro p1 e depois p2





Outros operadores das APs

Para modelar cenários que envolvem paralelismo,comunicação e iterações, as álgebras de processosgeralmente possuem, além dos operadores básicos,mecanismos para expressar comportamentos mais avançadosPor exemplo, na Algebra of Communicating Processes (ACP)existe:

o operador binário “||”, chamado de entrelaçamento, paraexpressar paralelismoequações recursivas, para representação de ciclos finitos ouinfinitos





Exemplo: Workflow para o atendimento de reclamações(modelado com rede de Petri e ACP)

avaliação

P = registra . (contata_cliente || contata_depto) . coleta_dados .((avaliacao_positiva . reembolsa) +(avaliacao_negativa . envia_msg)) . arquiva





Modelos formais de workflows

Podem ser analisados sob duas perspectivas: qualitativa equantitativa

Análise qualitativaPrincipais representantes: a validação e a verificação

A validação avalia se o sistema se comporta como o esperadoA verificação avalia se o sistema respeita alguns critériosestruturaisÉ possível, por exemplo, verificar se dois modelos de workflowssão equivalentes, ou ainda se um dado workflow possui pontosde impasse (deadlocks)







Análise quantitativaPrincipal representante: a análise de desempenho

Feita a partir de modelos estocásticos (como os baseados emcadeias de Markov)Prediz tempo de resposta do sistemaObtém a probabilidade de execução de uma dada sequência deatividades do workflowIdentifica gargalos na execução do workflow

Tanto as Álgebras de Processos quanto as RdPs possuem extensõesestocásticas, usadas para análises quantitativas.





Modelagem formal de workflows

Por que usá-la?

Geralmente, a semântica operacional dos conectores e outrosconstrutores presentes nas linguagens de modelagem deworkflows não é definida formalmente

Isso impossibilita a verificação e a validação dos modelosA partir de modelos formais, é possível fazer análises preditivasqualitativas e quantitativas dos workflows

Classes de formalismos mais usados na modelagem de workflows:

Redes de Petri (RdPs)Álgebras de Processos





Breve introdução às Redes de Petri (RdPs)

A teoria das Redes de Petri é um dos exemplos maisconhecidos de teoria de ordem parcial para modelagem eanálise de sistemas concorrentesO conceito foi introduzido por Carl Adam Petri, em sua tesede doutorado em 1962, na Faculdade de Matemática e Físicada Universidade de Darmstadt, AlemanhaSão muito utilizadas devido à sua representação gráfica defácil compreensão e ao seu potencial matemático para aanálise de modelos

Essas análises incluem verificações de propriedades inerentesaos sistemas concorrentes, como relações de precedência entreeventos, sincronização e existência ou não de impasses






As RdPs são formadas basicamente por dois tipos de componentes

Transições representando ações do sistemaLugares representando variáveis de estado do sistema

Uma RdP com marcação é formalmente definida pela tuplaRdP = {L, T,A, P,m0}, em que:

L = {l1, l2, ..., lL} é um conjunto de lugares;T = {t1, t2, ..., tT } é um conjunto de transições;A ⊆ (L× T ) ∪ (T × L) é o conjunto de arcos;P : A→ N é a função peso dos arcos;m0 = {m01,m02, ...,m0L} é a marcação inicial da rede.






produção

produzir

envio


preencher remover

recebimento

consumir








Lugar (representado graficamente por um círculo)Modela uma condição que deve ser satisfeita para que odisparo da transição seja realizado

Transição (representada graficamente por um quadrado,retângulo ou barra)

Pode ser compreendida como uma ação ou eventoArco orientado

Liga um lugar a uma transição ou vice-versa, encadeandocondições e eventos
