聶振海

研究一種在云計(jì)算環(huán)境下，基于QoS的面向SaaS多租戶(hù)服務(wù)組合選擇技術(shù)，可滿(mǎn)足SaaS終端用戶(hù)多維QoS約束和SaaS服務(wù)提供方全局優(yōu)化目標(biāo)。

【關(guān)鍵詞】SaaS 云計(jì)算 QoS 多租戶(hù)

1 引言

云計(jì)算是一種基于網(wǎng)絡(luò)的可擴(kuò)展的分布式計(jì)算平臺(tái)，通過(guò)虛擬化技術(shù)對(duì)各種資源進(jìn)行有效整合，建立滿(mǎn)足服務(wù)需要的資源池，實(shí)現(xiàn)資源的集中化管理。SaaS多租戶(hù)共享同一SaaS服務(wù)提供方的應(yīng)用服務(wù)實(shí)例，而多終端用戶(hù)間具有潛在服務(wù)質(zhì)量需求差異。現(xiàn)有基于QoS的服務(wù)組合選擇技術(shù)多面向單一租戶(hù)，即將滿(mǎn)足單租戶(hù)的服務(wù)組合選擇技術(shù)逐一應(yīng)用于多個(gè)租戶(hù)服務(wù)組合選擇方法中，會(huì)導(dǎo)致整體服務(wù)質(zhì)量不佳。設(shè)計(jì)面向多租戶(hù)并行QoS服務(wù)組合選擇技術(shù)，彌補(bǔ)現(xiàn)有多基于單租戶(hù)的服務(wù)組合選擇性能不足；高效的QoS服務(wù)組合選擇技術(shù)可滿(mǎn)足未來(lái)大規(guī)模SaaS服務(wù)應(yīng)用需求，拓展云計(jì)算下SaaS模式適用范圍。

2 基于QoS的SaaS小規(guī)模單一服務(wù)組合選擇技術(shù)

SaaS服務(wù)需求方和提供方是博弈的雙方，基于QoS的服務(wù)組合選擇是滿(mǎn)足服務(wù)雙方目標(biāo)的復(fù)雜決策過(guò)程。

（1）在SaaS服務(wù)提供方優(yōu)化目標(biāo)和可選服務(wù)下，模擬實(shí)現(xiàn)終端用戶(hù)間多維QoS約束差異。

（2）對(duì)于SaaS終端用戶(hù)服務(wù)請(qǐng)求規(guī)模較小，計(jì)算量不大的情況，實(shí)現(xiàn)SaaS多租戶(hù)最優(yōu)服務(wù)組合選擇方法。

（3）對(duì)于SaaS終端用戶(hù)服務(wù)請(qǐng)求規(guī)模較大，計(jì)算量大而難以有效實(shí)現(xiàn)SaaS服務(wù)質(zhì)量最優(yōu)目標(biāo)的情況，實(shí)現(xiàn)SaaS多租戶(hù)次優(yōu)服務(wù)組合選擇方法。

（4）通過(guò)URL測(cè)試數(shù)據(jù)集，滿(mǎn)足SaaS終端用戶(hù)多維QoS約束和SaaS服務(wù)提供方優(yōu)化目標(biāo)，實(shí)現(xiàn)基于服務(wù)質(zhì)量的服務(wù)組合選擇技術(shù)。

（5）模擬SaaS終端用戶(hù)間多維QoS約束差異：服務(wù)響應(yīng)時(shí)間、服務(wù)吞吐量、可用性；模擬SaaS服務(wù)提供方不同優(yōu)化目標(biāo)：最少服務(wù)資源成本、最佳服務(wù)性能、最大營(yíng)收額。將SaaS多租戶(hù)服務(wù)選擇問(wèn)題轉(zhuǎn)化為約束優(yōu)化問(wèn)題。

（6）滿(mǎn)足小規(guī)模終端用戶(hù)服務(wù)請(qǐng)求的SaaS最優(yōu)服務(wù)組合選擇，采用整數(shù)編程，混合整數(shù)編程技術(shù)解決約束優(yōu)化問(wèn)題（COP）。

（7）滿(mǎn)足小規(guī)模終端用戶(hù)服務(wù)請(qǐng)求的SaaS次優(yōu)服務(wù)組合選擇，采用貪婪算法選擇天際服務(wù)以縮小服務(wù)組合搜索范圍來(lái)解決約束優(yōu)化問(wèn)題。

3 基于QoS的SaaS大規(guī)模并行服務(wù)組合選擇技術(shù)

通過(guò)大量真實(shí)URL網(wǎng)站作為測(cè)試數(shù)據(jù)集，對(duì)比現(xiàn)有QoS服務(wù)組合選擇技術(shù)：局部精確，局部天際，局部貪婪；研究面向多租戶(hù)并行服務(wù)需求特點(diǎn)的QoS服務(wù)組合選擇技術(shù)：全局精確，全局天際和全局貪婪，得出新技術(shù)性能更優(yōu)的結(jié)論。

3.1 局部精確（Exact-Local）

在不同約束優(yōu)化問(wèn)題模型下，優(yōu)化方法逐個(gè)為每個(gè)終端用戶(hù)創(chuàng)建執(zhí)行計(jì)劃，考慮每個(gè)服務(wù)類(lèi)中所有服務(wù)作為候選服務(wù)。

3.2 全局精確（Exact-Global）

在單一約束優(yōu)化問(wèn)題模型下，優(yōu)化方法為所有SaaS終端用戶(hù)創(chuàng)建執(zhí)行計(jì)劃，考慮每個(gè)服務(wù)類(lèi)中所有服務(wù)作為候選服務(wù)。這種方法適合服務(wù)數(shù)據(jù)量較小情況下，采用整數(shù)編程技術(shù)解決SaaS終端用戶(hù)多維QoS約束和SaaS服務(wù)提供方優(yōu)化目標(biāo)。

3.3 局部天際（Skyline-Local）

在不同約束優(yōu)化問(wèn)題模式下，優(yōu)化方法逐個(gè)為每個(gè)終端用戶(hù)創(chuàng)建執(zhí)行計(jì)劃，考慮每個(gè)服務(wù)類(lèi)中優(yōu)先天際服務(wù)作為候選服務(wù)。

3.4 全局天際（Skyline-Global）

在單一約束優(yōu)化問(wèn)題模型下， 優(yōu)化方法為所有SaaS終端用戶(hù)創(chuàng)建執(zhí)行計(jì)劃，考慮每個(gè)服務(wù)類(lèi)中的天際服務(wù)作為候選服務(wù)。這種方法適合服務(wù)數(shù)據(jù)量較大情況下，在非天際服務(wù)失效的情況下有效使用。

3.5 局部貪婪（Greedy-Local）

在不同約束優(yōu)化問(wèn)題模式下，優(yōu)化方法挨個(gè)為每個(gè)終端用戶(hù)創(chuàng)建執(zhí)行計(jì)劃，使用貪婪算法在每個(gè)服務(wù)類(lèi)中選擇最有代表性服務(wù)作為候選服務(wù)。

3.6 全局貪婪（Greedy-Global）

在單一約束優(yōu)化問(wèn)題模型下，優(yōu)化方法為所有SaaS終端用戶(hù)創(chuàng)建執(zhí)行計(jì)劃，使用貪婪算法在每個(gè)服務(wù)類(lèi)中選擇最有代表性服務(wù)作為候選服務(wù)。這種方法適合服務(wù)數(shù)據(jù)量更大情況下，在非天際服務(wù)失效的情況下有效使用。

比較分析共三組，每組各兩種新舊方法之間的執(zhí)行性能差異，證明采用的全局天際和全局貪婪方法比現(xiàn)有的局部天際和局部貪婪方法在服務(wù)組合選擇有效性和服務(wù)優(yōu)化性能方面有顯著提升。新技術(shù)是滿(mǎn)足SaaS終端用戶(hù)多維QoS約束和SaaS服務(wù)提供方優(yōu)化目標(biāo)的理想方法。尤其在SaaS服務(wù)請(qǐng)求數(shù)據(jù)量不斷激增情況下，采用貪婪算法的天際服務(wù)組合選擇技術(shù)具有有效性和高效性。SaaS服務(wù)提供方全局優(yōu)化目標(biāo)實(shí)現(xiàn)的同時(shí)，可有效拓展云計(jì)算SaaS適用范圍，提升SaaS服務(wù)性能。

參考文獻(xiàn)

[1]Mohammad Alrifai，Thomas Risse， "Combining Global Optimization with Local Selection for Efficient QoS-aware Service Composition"，WWW2009， April 2009，Madrid，ACM 978-1-60558-487-4/09/04.

[2]Tao Yu，Yue Zhang，Kwei-Jay Lin， "Efficient Algorithms for Web Services Selection with End-to-End QoS Constraints"，the 3rd International Conference on Service Oriented Computing，2005.

[3]Liangzhao，ZengBoualem，BenatallahMarlon Dumas，"Quality Driven Web Services Composition"，WWW2003，May 2003， Budapest，ACM 1581136803/03/0005.

作者單位

長(zhǎng)春工程學(xué)院計(jì)算機(jī)技術(shù)與工程學(xué)院 吉林省長(zhǎng)春市 130012endprint