基于服务可信度优化排序算法的云服务提供商智能选择方法研究

文/柴玉辉

1 引言

近年来，国家提出各个行业与“互联网+”进行融合发展，这极大的促进了计算机和互联网领域的技术发展。众所周知，云计算已成为各种用户的有效业务手段，包括财务金融领域在内，很多手机app以及大量的用户信息处理通过云端完成，这一技术使他们能够按需通过互联网访问计算资源（XaaS-omething as a Service）。以财务金融领域为例，在实际使用当中，需要根据客户使用情况，动态提供各种信息计算服务，这就要使用到虚拟化技术的数据中心（Cloud Service Providers，CSP）。CSP以云服务的形式通过各种部署模型为用户提供高质量的建模服务（QoS）。通常，云服务可以分类为企业云服务和基于微小用户的云应用程序服务（中小型企业（SME）和个人用户）。在任何一种情况下，采用合适的云服务都会对减少基础设施成本并提高运营效率。本文基于服务可信度优化排序算法对云服务提供商智能化选择进行方法解析，希望对中小型用户的云计算领域有一定积极指导。

2 MCDM算法进化与HBFFOA算法的逻辑提出

由于云计算具有的大量优势，很多平台实现了每个维度的扩散计算，包括软件，平台，存储，基础设施等的云服务。

几个流行的商业和开源云服务解决方案 例 子 是：Google App Engine（GAE），Salesforce，Joynet，Rackspace，GoGrid，Verizon的 CaaS，IBM SmartCloud，Amazon Elastic MapReduce（EMR），Xen云 平 台，TPlatform，Apache VCL。许多CSP的出现提供了不同性能和类似功能水平、成本，使用户很难根据他们的能力和自己的QoS要求来识别选择适当的CSP。

例如，如果一位财务金融领域的用户需要基础架构服务即IaaS，他/她应该在几个具有相似或重叠的功能选择一个IaaS服务提供商，类 似 的 有：Digital Ocean，Microsoft zure，Rackspace，Google Compute Engine，GCE等。

多准则决策（MCDM）问题被证明是一种优秀且新颖的解决方案，用于识别合适且值得信赖的、功能相似的CSP替代方案。此外，由于新信息技术的快速发展MCDM服务选择面向服务的环境计算，物联网等已经取得了成功，可以实现动态的服务和不同性质用户的需求，另外，它吸引了一些学术和行业专业人士来探索和整合杰出的决策，并使其商业化，用于开发高效服务选择模型的计算智能技术价值和相关的研究问题。

通常，MCDM基于功能（服务描述）和非功能性来执行云服务评估信息（QoS属性）。其中，基于非功能性信息的服务评估，即，基于QoS的服务推荐系统可以提供更好和准确的服务推荐。然而由于网络，时间和地理因素的限制（即，不同位置处的不同QoS值）导致的QoS的动态特性和时间间隔使得传统的基于QoS的服务推荐系统对现实世界的服务不切实际选择方案。可信度和全面的质量度量反映了服务的QoS特性，从而将基于信任的服务评估作为面向服务环境的重要研究领域。此外，最近开发基于信任的云服务选择模型的研究趋势也采用了客观（QoS监控工具）或主观评估（用户反馈）数据来评估CSP可信度。然而，由于QoS的动态特性使得基于QoS或基于用户评级的信任评估方法，不可监控，不适合评估云服务的QoS属性可信度。

因此，将客观和主观评估结合起来，以选择值得信赖的CSP为标准云服务选择模型的发展创造了新的方向。有了这个动机，我们提出一种基于服务可信度优化排序算法（HBFFOA），一种以信任为中心的方法它集成了客观和主观评估数据，用于识别最合适和值得信赖的CSP。

3 HBFFOA算法逻辑的构建及创新之处

HBFFOA是MCDM的扩展，通过调研关于云服务选择的工作，我们制定了一个明确MDHP和HBFFOA之间的差异线，通过考虑全天候云生态系统用户需求的动态性，这种情况由于数据稀疏，即评估量微薄，使得性能评估成为一项艰巨的数据任务。为了应对这一挑战，需要开发有效的云服务选择模型，并提供准确的服务等级。为实现同样的目标，我们提出HGBFFOA服务排名算法作为MDHP服务排名的扩展，基于综合主客观评估数据对CSP进行排序的算法。 HBFFOA算法包括三个阶段，即过滤，选择和排序阶段，用于识别符合用户要求的CSP，选择值得信赖的CSP，并分别为可信度高的CSP提供最佳排名。此外，它采用基于统计的时变功能，以减少恶意用户提供的不公平评级的影响。MDHP和HBFFOA服务排序算法的整合，用于服务评估和服务新的和现有的CSP的排名提高了准确性并降低了超图HGCM的复杂性基于计算模型，从而在最短的时间内提供可靠的服务排名。

这项工作使用云服务测量指数（CSMICSMI）作为评估基于用户的不同CSP性能的标准指标要求。通过软件质量评估SMI指标的实用性和从IEEE标准1061确定指标的其他度量（一致性，相关性，判别性，可预测性和可靠性）。该研究提出的HBFFOA算法的主要创新之处如下：

（1）提出了一种基于MDHP构架的改进算法来识别类似的服务提供商，他们最大程度地遵守用户的QoS要求。

（2）时变映射函数旨在减少不公平评级或由恶意用户提供反馈的影响。从而更为准确地进行值得信赖的CSP识别。

（3）提出了一种基于服务可信度优化排序算法，用于云服务提供商智能选择，其符合用户QoS要求的最佳排名，绩效高与成本低。

（4）为了降低云服务选择模型的复杂性。

4 结论

如前所述，传统评估方法具有很强的复杂性和不确定性，我们提出的基于服务可信度优化排序算法克服了现有服务选择方法在主观数据的可信度评估方面的复杂性挑战。HBFFOA的新颖之处在于基于MDHP构架的改进算法来识别类似的服务提供商，并用于分别识别符合用户要求的CSP和可信赖的CSP。