随着云计算和互联网技术的蓬勃发展,软件以服务形式供用户使用受到人们的青睐。云计算环境中集成了海量的各种各样的服务,用户可以根据实际需求购买所需的服务。海量服务中又存在很多功能相同但非功能属性Qo S值不同的服务,并且云计算是面向多用户的,每个用户的功能需求是千差万别的,需求描述也是五花八门不规范的,存在模糊性。这些不确定的需求导致很难准确地为用户提供满足需求的服务,成为急需要解决的问题。针对以上问题,本文从以下几点研究内容进行展开:本文研究从用户需求出发,驱动服务流程和服务生成,提出了一种基于Pi演算和Spark改进的蚁群算法建立云服务模型。将云服务模型设计为三层,分别是需求描述层,服务流程层和服务层。第一层为需求描述层:在第一层中采用服务本体描述语言OWL-S对用户需求进行形式化描述,得到无二义性的能够被计算机所识别的规范化的需求文档。随着用户不断增加,需求文档也会变得庞大复杂,利用云计算大数据处理技术Map Reduce对其处理,减少需求冗余和冲突。定义Pi演算与OWL-S语言的映射规则,把OWL-S描述的需求文档和Pi演算进行映射,形式化动态描述服务流程正确性,输出结果驱动服务流程层。第二层为服务流程层:利用内存计算框架Spark对蚁群算法进行改进,提高其求解效率,得到并行蚁群优化算法,更好的在云计算分布式环境中使用。需求层中用OWL-S语言描述需求后能够根据功能需求自动发现找到很多功能相同但非功能属性Qo S值不同的服务,在这些服务中利用改进的Spark并行蚁群算法基于服务的Qo S值找出最优的原子服务;利用Pi演算对OWL-S描述的业务需求进行形式化描述,得到服务流程,输出结果驱动服务层。第三层服务层:根据服务流程层得到的最优服务和服务流程结果,用Pi演算实现服务之间的通信,从而生成满足用户需求的新服务。在Hadoop2平台上,利用YARN大数据管理框架,集成Spark大数据分布式处理技术,通过客户关系管理服务为例来验证本文提出的面向不确定需求的云服务模型可行性和有效性,达到能够在复杂的云环境中快速准确地为每个用户提供满足需求的服务。