不確定大QoS數(shù)據(jù)驅(qū)動(dòng)的高效服務(wù)決策方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及云計(jì)算、服務(wù)計(jì)算、互聯(lián)網(wǎng)領(lǐng)域，具體涉及一種不確定大QoS數(shù)據(jù)驅(qū)動(dòng) 的高效服務(wù)決策方法。
【背景技術(shù)】
[0002] 隨著服務(wù)計(jì)算、云計(jì)算的迅速發(fā)展，Web服務(wù)(統(tǒng)稱服務(wù))產(chǎn)品急劇增加，功能相同 服務(wù)質(zhì)量(QoS)不同的服務(wù)成海量發(fā)展趨勢，基于QoS的最優(yōu)服務(wù)選擇或服務(wù)推薦成為迫切 需要解決的問題。在QoS屬性中，有些屬性是獨(dú)立的，不同用戶具有相同的屬性值(如價(jià)格、 聲望等）；而有些屬性是依賴用戶的，不同用戶調(diào)用相同服務(wù)表現(xiàn)的屬性值不同（如響應(yīng)時(shí) 間、調(diào)用失敗率等）。如果服務(wù)每次被調(diào)用后都從用戶返回Q〇S，監(jiān)管者不斷的監(jiān)控獲取QoS， 將使其成海量增長，稱大QoS數(shù)據(jù)?；赒oS的服務(wù)選擇已經(jīng)有一些研究，與本專利相關(guān)的研 究有QoS描述與服務(wù)選擇和服務(wù)的Sky 1 ine計(jì)算，綜述如下。
[0003] 1) QoS描述與服務(wù)選擇
[0004] (1)實(shí)數(shù)QoS的服務(wù)選擇，該類研究假設(shè)服務(wù)的QoS穩(wěn)定并且可以被精確測量。Shi C等提出用戶為中心的QoS計(jì)算方法，該方法通過屬性值預(yù)處理、用戶滿意度推理、多屬性聚 合等算法，能高效的向新用戶提供滿意度較高的服務(wù)。Liu Y等介紹了一種在動(dòng)態(tài)服務(wù)選擇 中的QoS計(jì)算(基于簡單的加權(quán)平均)并且建立了一個(gè)開放、公平的算法框架來評(píng)估候選服 務(wù)的QoS jau S S等介紹一種獲取用戶滿意度高的服務(wù)選擇算法，該算法的用戶QoS需求表 達(dá)靈活，并且能夠更精確的模型化QoS和獲取高滿意度得分。Wu J等人提出了一種基于協(xié)同 過濾算法的QoS預(yù)測方法，能夠較好的預(yù)測缺失QoS。獲取QoS需要調(diào)用真實(shí)服務(wù)，為了避免 時(shí)間消費(fèi)和昂貴的服務(wù)調(diào)用成本，基于其他消費(fèi)者的服務(wù)使用經(jīng)驗(yàn)，借鑒肯德爾等級(jí)相關(guān) 系數(shù)思想，Zheng Z等提出了一種QoS排名預(yù)測框架。Zeng LZ等介紹了一種基于中間件平臺(tái) 的QoS感知的服務(wù)組合算法，使用整數(shù)規(guī)劃作為模型對執(zhí)行計(jì)劃進(jìn)行選擇?？紤]服務(wù)間存在 互補(bǔ)性和服務(wù)提供商存在競爭性等特點(diǎn)，He Q等人設(shè)計(jì)了一種基于組合拍賣的服務(wù)選擇算 法。另外還有一些基于博弈論、投資組合理論、多屬性決策理論等經(jīng)濟(jì)學(xué)方法的服務(wù)選擇。 學(xué)者們也探討了一些啟發(fā)式算法在服務(wù)選擇中應(yīng)用的可行性，如遺傳算法、粒子群算法、蟻 群算法等?；趩l(fā)式算法的服務(wù)選擇需要在解的最優(yōu)度和算法性能上進(jìn)行權(quán)衡，但也不 失為服務(wù)最優(yōu)選擇的可行方案。
[0005] (2)模糊QoS的服務(wù)選擇，學(xué)者們主要研究了基于三角模糊數(shù)、直覺模糊集、混合數(shù) 據(jù)類型的服務(wù)選擇算法。為解決三角模糊數(shù)描述QoS的服務(wù)選擇問題，Wang P等提出模糊線 性規(guī)劃方法。鑒于直覺模糊集具有強(qiáng)大的語言描述能力，Wang P等提出基于max-min-max思 想的最優(yōu)服務(wù)選擇算法。
[0006] (3)隨機(jī)QoS的服務(wù)選擇，QoS采用隨機(jī)過程或概率分布描述。范小芹等提出將服務(wù) QoS各指標(biāo)描述為隨機(jī)過程，并借助馬氏決策過程實(shí)現(xiàn)動(dòng)態(tài)服務(wù)選擇。也有一些研究認(rèn)為服 務(wù)QoS是一些隨機(jī)變量，并用靜態(tài)統(tǒng)計(jì)分布來表示，Zheng Η等人分析了組合服務(wù)執(zhí)行路徑 中存在概率特性，提出了基于概率分布的組合服務(wù)QoS計(jì)算方法。
[0007] 2)服務(wù) Sky line 計(jì)算
[0008] 現(xiàn)有文獻(xiàn)在Skyline思想上建立了服務(wù)Skyline計(jì)算方法，剔除那些被支配的服 務(wù)，利用整數(shù)規(guī)劃方法在Skyline集中求解最優(yōu)服務(wù)，提出服務(wù)Skyline計(jì)算方法，提出基于 紙帶模型的查詢算法，同時(shí)考慮服務(wù)的新增和失效，該算法基于實(shí)數(shù)QoS。服務(wù)Skyline在不 同服務(wù)屬性間做不好的妥協(xié)，導(dǎo)致Skyline集不夠精確，如（0.1，0.9)和(0.2，0.2)，按照 31^111^計(jì)算方法兩者不存在支配關(guān)系，但是0.1到0.2、0.9到0.2間距離近的是0.1到0.2， 那么有理由認(rèn)為(0.2,0.2)支配(0.1，0.9)(屬性值越小越好）。
[0009] 在海量Web服務(wù)(統(tǒng)稱服務(wù))和大QoS數(shù)據(jù)背景下，基于QoS的服務(wù)選擇存在下面關(guān) 鍵問題需要優(yōu)先解決：（1)用戶提供QoS信息既有聯(lián)系又有區(qū)別，采用什么方法能夠較為準(zhǔn) 確、簡單的描述大QoS數(shù)據(jù)的基本特征，作為服務(wù)評(píng)價(jià)的數(shù)據(jù)依據(jù)，即服務(wù)的大QoS數(shù)據(jù)模型 建立問題。（2)不斷的從用戶端獲得QoS信息，QoS數(shù)據(jù)規(guī)模不斷增大，在服務(wù)選擇中所有QoS 歷史信息都被考慮不僅不現(xiàn)實(shí)，還不能反映QoS的當(dāng)前表現(xiàn)，什么時(shí)候更新QoS模型問題需 要被解決，稱為QoS模型自適應(yīng)調(diào)整問題。（3)大量服務(wù)中總是有部分服務(wù)相對與某些服務(wù) 在QoS的各屬性中表現(xiàn)的都比較差，在選擇前將這些服務(wù)剔除，構(gòu)建最小服務(wù)集，減小選擇 搜索空間，從而提高選擇效率。（4)在基于QoS模型的最小服務(wù)集中選擇滿足用戶需求的QoS 最優(yōu)服務(wù)，需要設(shè)計(jì)一種新的算法。

【發(fā)明內(nèi)容】

[0010] 為解決上述問題，本發(fā)明在用戶提供的歷史QoS數(shù)據(jù)基礎(chǔ)上，提供了一種不確定大 QoS數(shù)據(jù)驅(qū)動(dòng)的高效服務(wù)決策方法，提出使用云模型刻畫服務(wù)的大QoS數(shù)據(jù)，并介紹了 2種逆 向QoS云發(fā)生器;提出QoS云模型的自適應(yīng)判斷方法，通過該方法判斷是否需要進(jìn)行QoS云模 型的自適應(yīng)調(diào)整；提出基于QoS云模型的不確定服務(wù)Skyline計(jì)算方法，以減少服務(wù)的搜索 空間，大大降低服務(wù)選擇算法的計(jì)算時(shí)間；提出基于QoS云模型和T0PSIS方法的服務(wù)選擇算 法，獲得滿足用戶需求的最優(yōu)服務(wù)。
[0011] 為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：
[0012] 不確定大QoS數(shù)據(jù)驅(qū)動(dòng)的高效服務(wù)決策方法，包括如下步驟：
[0013] S1、曾經(jīng)調(diào)用服務(wù)并且反饋QoS數(shù)據(jù)的用戶稱為歷史用戶，從數(shù)次調(diào)用反饋中收集 QoS并保存到QoS數(shù)據(jù)庫中，形成歷史QoS數(shù)據(jù)，作為服務(wù)選擇的數(shù)據(jù)基礎(chǔ)；
[0014] S2、UBQ〇S_ESDM從歷史大QoS數(shù)據(jù)中選取最近η次反饋結(jié)果，利用逆向QoS云發(fā)生器 將QoS序列轉(zhuǎn)換成云模型；選取部分歷史QoS數(shù)據(jù)即能減少計(jì)算量又能體現(xiàn)當(dāng)前服務(wù)的QoS 狀態(tài)，生成可被多次服務(wù)選擇所使用的一次QoS云模型，直到不能體現(xiàn)當(dāng)前QoS狀態(tài)為止； [00 15] S3、UBQ〇S_ESDM利用不確定服務(wù)Skyline計(jì)算從海量服務(wù)中選取那些不被支配的 服務(wù)生成備選集，使用云模型對這些服務(wù)的QoS進(jìn)行描述，縮小選擇搜索空間，生成可被多 次服務(wù)選擇所使用的一次不確定服務(wù)Skyline集，直到QoS不能體現(xiàn)當(dāng)前狀態(tài)為止；
[0016] S4、，用戶向UBQ〇S_ESDM提交QoS需求并申請服務(wù)選擇；
[0017] S5、根據(jù)用戶的QoS需求和請求，UBQ〇S_ESDM調(diào)用基于云模型的服務(wù)決策算法從不 確定服務(wù)Sky 1 ine集中選擇最優(yōu)服務(wù)；
[0018] S6、UBQoS_ESDM將最優(yōu)服務(wù)的選擇結(jié)果返回給用戶，用戶調(diào)用執(zhí)行，并監(jiān)控其QoS;
[0019] S7、用戶將本次調(diào)用產(chǎn)生的QoS提交到QoS數(shù)據(jù)庫，形成歷史QoS數(shù)據(jù)，作為生成QoS 云模型的數(shù)據(jù)基礎(chǔ)；同時(shí)將QoS數(shù)據(jù)傳回UBQ〇S_ESDM;
[0020] S8、UBQoS_ESDM調(diào)用QoS云模型適應(yīng)計(jì)算，視計(jì)算結(jié)果調(diào)整QoS云模型。
[00211其中，所述QoS需求有兩類:SLA描述QoS的最低限制和QoS屬性對用戶的偏重程度 即權(quán)重。
[0022] 本發(fā)明具有以下有益效果：
[0023] 可以有效描述高度動(dòng)態(tài)變化的服務(wù)大QoS數(shù)據(jù)，快速并準(zhǔn)確從海量服務(wù)中選出用 戶滿意的服務(wù)，有效提高大數(shù)據(jù)背景下服務(wù)選擇速度和用戶滿意度，算法主要有QoS-云模 型轉(zhuǎn)換、不確定服務(wù)Sky 1 ine計(jì)算、基于云模型的服務(wù)決策算法組成，結(jié)構(gòu)簡單
【附圖說明】
[0024] 圖1為本發(fā)明實(shí)施例不確定大QoS數(shù)據(jù)的服務(wù)決策流程圖。
[0025]圖2為本發(fā)明實(shí)施例中云及其數(shù)字特征C(0，1，0.05)。
[0026]圖3為本發(fā)明實(shí)施例中？,、€和6示意圖。
[0027]圖4為本發(fā)明實(shí)施例中SDA_CM的并行處理流程圖。
[0028] 圖5為本發(fā)明實(shí)施例中熵的均值誤差比較圖。
[0029] 圖6為本發(fā)明實(shí)施例中超熵的均值誤差比較圖。
[0030] 圖7為本發(fā)明實(shí)施例中運(yùn)行時(shí)間均值比較圖。
[0031 ]圖8為本發(fā)明實(shí)施例中運(yùn)行時(shí)間與處理機(jī)數(shù)關(guān)系圖。
[0032] 圖9為本發(fā)明實(shí)施例中期望的誤差比較圖。
[0033] 圖10為本發(fā)明實(shí)施例中熵的誤差比較圖。
[0034] 圖11為本發(fā)明實(shí)施例中超熵的誤差比較圖。
[0035] 圖12為本發(fā)明實(shí)施例中執(zhí)行次數(shù)比較圖。
[