[发明专利]一种基于服务等级协议约束的服务云评价方法

摘要

本发明涉及一种基于服务等级协议约束的服务云评价方法，对用户感知的服务云的SLA（服务等级协议）进行模糊化评价，并给出满足用户个性化需求的服务云资源。通过对服务云资源给出的SLA（服务等级协议）进行模糊化评价，选择、筛选和推荐出适合用户的服务云资源。本发明属于云计算和创新网络领域。本发明设计出的对服务云资源的评价方法，可以应用于服务云中终端用户在PaaS（平台即服务）层上实现资源的最佳匹配，同时算法简单易于实现。

主权项

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SLA^pub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,…,w_m)，其中w_m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SLA^prv，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SLA^prv及其度量将候选资源端公共服务等级协议SLA^pub重排，并分别记录每个公共服务等级协议SLA^pub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SLA^pub对应的度量权重构造一个稀疏的矩阵为： M = w 11 w 12 · · · w n 1 w 12 0 · · · 0 · · · · · · · · · · · · w 1 m 0 · · · w nm - - - ( 1 ) ]]>其中M为构造的权重分量矩阵，每一个w_nm为第m个SLA^pub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： avg i = Σ j = 1 m w ij / m - - - ( 2 ) ]]>其中avg_i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avg_i的w_ij取算术平均值为所有大于avg_i的w_ij取算术平均值为2.4）、由式（3）求得该列的变权为： W i = ( 4 * avg i + avg i l + avg i h ) / 6 - - - ( 3 ) ]]>其中W_i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,,W_n)（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SLA^pub对应的值构造一个稀疏的矩阵为： SLA l = sla 11 sla 21 · · · sla n 1 sla 12 0 · · · 0 · · · · · · · · · · · · sla 1 m 0 · · · sla nm - - - ( 5 ) ]]>其中SLA_l代表候选服务云资源可能保证的最差的服务等级保障，sla_nm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SLA^pub对应的当前可以提供的最大值构造一个稀疏的矩阵为： SLA h = h 11 h 21 · · · h n 1 h 12 0.5 · · · 0.5 · · · · · · · · · · · · h 1 m 0.5 · · · h nm - - - ( 6 ) ]]>其中SLA_h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，h_nm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SLA_h减去SLA_l并归一化得到模糊评判矩阵： R = h 11 - sla 11 h 21 - sla 21 · · · h n 1 - sla n 1 h 12 - sla 12 0.5 · · · 0.5 · · · · · · · · · · · · h 1 m - sla 1 m 0.5 · · · h nm - sla nm - - - ( 7 ) ]]>步骤四：求综合评判值4.1）、根据式（8）求综合评判：B＝W(X)…R^T＝(b₁,b₂,,b_m)（8）其中b_m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 = 1 2 Σ k = 1 n ( β k 2 - α k 2 ) Σ k = 1 n ( β k - α k ) - - - ( 9 ) ]]>其中α_k为第k个服务云评价被评价服务的最差质量的值，β_k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 = E 11 · · · E n 1 d 1 E 12 · · · E n 2 d 2 · · · · · · · · · · · · E 1 m · · · E nm d m - - - ( 10 ) ]]>其中E_nm为第m个候选资源的第n项评判分量，d_m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/d_m，并重求变权向量；6.4）、重复步骤四，并选取b_i最大的对应服务云资源完成对应任务。