[发明专利]一种基于服务等级协议约束的服务云评价方法有效

专利信息
申请号: 201310529411.5 申请日: 2013-10-30
公开(公告)号: CN103561085A 公开(公告)日: 2014-02-05
发明(设计)人: 徐劲松;杨庚;王攀;余永红;赵卫滨 申请(专利权)人: 南京邮电大学
主分类号: H04L29/08 分类号: H04L29/08;H04L29/06
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 叶连生
地址: 210023 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 服务 等级 协议 约束 评价 方法
【权利要求书】:

1.一种基于服务等级协议约束的服务云评价方法,其特征在于使用模糊评价的方法实现服务云资源的选择,该方法包括以下步骤:

步骤一:建立服务等级协议SLA匹配基本背景

通过服务云的资源端与用户端分别提交服务等级协议SLA来建立匹配背景数据:

1.1)、服务云资源端提交其可用资源情况及满足的SLA到云代理,并作为公共服务等级协议SLApub保存,其中上标pub代表服务云资源端公布在网络上;

1.2)、用户提交应用,并给出其要求的服务等级协议SLA与偏好的权重W=(w1,w2,…,wm),其中wm代表第m个对应SLA分量的权重;

1.3)、将用户应用进行工作流分析,并以下表方式将用户要求的服务等级协议SLA拆分为对应的任务私有服务等级协议SLAprv,其中上标prv表示对应用户任务在网络上检索所使用:

1.4)、根据任务私有服务等级协议SLAprv及其度量将候选资源端公共服务等级协议SLApub重排,并分别记录每个公共服务等级协议SLApub的度量权重;

1.5)、记由向无环图DAG工作流任务间的边数为距离d;

对所有任务对应的候选服务云资源按以上步骤操作,处理完毕后,步骤一完成;

步骤二:计算度量的变权

2.1)、将某一任务的候选服务云资源端的SLApub对应的度量权重构造一个稀疏的矩阵为:

M=w11w12···wn1w120···0············w1m0···wnm---(1)]]>

其中M为构造的权重分量矩阵,每一个wnm为第m个SLApub对应第n个分量的权重;

2.2)、对矩阵M的列方向的权重求算术平均值:

avgi=Σj=1mwij/m---(2)]]>

其中avgi表示所有m个参与评价的服务云资源的第i个权重分量的均值,j是指第j个参与评价的服务云;

2.3)、将该列方向所有小于avgi的wij取算术平均值为所有大于avgi的wij取算术平均值为

2.4)、由式(3)求得该列的变权为:

Wi=(4*avgi+avgil+avgih)/6---(3)]]>

其中Wi为所有m个参与评价的服务云资源的第i个权重分量的变权,因此步骤2最终获得变权向量为:

W(X)=(W1,W2,?,Wn)          (4)

步骤三:建立模糊评判矩阵

3.1)、将某一任务的候选服务云资源端的SLApub对应的值构造一个稀疏的矩阵为:

SLAl=sla11sla21···slan1sla120···0············sla1m0···slanm---(5)]]>

其中SLAl代表候选服务云资源可能保证的最差的服务等级保障,slanm表示第m个参与评价的服务云的第n项最低保障的值;

3.2)、将某一任务的候选服务云资源端的SLApub对应的当前可以提供的最大值构造一个稀疏的矩阵为:

SLAh=h11h21···hn1h120.5···0.5············h1m0.5···hnm---(6)]]>

其中SLAh表示候选服务云资源最大努力可能给出的最佳的服务等级保障,hnm为第m个服务云资源对应的第n个分量的最佳服务保障的值;

3.3)、将SLAh减去SLAl并归一化得到模糊评判矩阵:

R=h11-sla11h21-sla21···hn1-slan1h12-sla120.5···0.5············h1m-sla1m0.5···hnm-slanm---(7)]]>

步骤四:求综合评判值

4.1)、根据式(8)求综合评判:

B=W(X)…RT=(b1,b2,,bm)            (8)

其中bm为第m个服务云资源对用的评判值,上标T表示为评判矩阵的转秩;

4.2)、取为所有m个服务云资源的评判值的和;

步骤五:选取服务云

若存在某一评判值则选取对应的服务云完成对应任务,评价过程结束;

步骤六:修正

6.1)、若不能找出对应任务评价的服务云资源中有满足条件的情况,则选择的服务云资源再次选择,此时使用已选择的服务云资源对候选服务云资源的SLA度量进行评判,分别给出其以往完成情况的最佳和最差值分别为α和β,构造评判矩阵中的分量值为:

E=12Σk=1n(βk2-αk2)Σk=1n(βk-αk)---(9)]]>

其中αk为第k个服务云评价被评价服务的最差质量的值,βk为第k个服务云评价被评价服务的最佳质量的值,E为被评价服务云的分量的值;

6.2)、对评价值的最后一项取值为距离d,并构造评判矩阵为:

R=E11···En1d1E12···En2d2············E1m···Enmdm---(10)]]>

其中Enm为第m个候选资源的第n项评判分量,dm为第m个候选资源对评价服务云的任务距离;

6.3)、对式(1)的每行增加最后一项为1/dm,并重求变权向量;

6.4)、重复步骤四,并选取bi最大的对应服务云资源完成对应任务。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201310529411.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top