论文研究-基于层次变权的云服务可靠性评估模型.pdf

所需积分/C币:10 2019-09-20 18:54:35 848KB .PDF
0
收藏 收藏
举报

论文研究-基于层次变权的云服务可靠性评估模型.pdf,  针对当前可靠性评估模型解决动态、复杂、多变的云服务环境下支持可靠云服务协同应用中存在的不足, 提出基于层次变权的云服务可靠性评估模型. 根据云服务IaaS层、PaaS层和SaaS层应用的特点, 借鉴AHP层次变权的思想, 分析了层次云服务的失效关联关系, 给出了利用三角模糊数关原理量化可靠性权重值的方法, 基于互补判断矩阵给出了权重值
3214 系统工程理论与实践 第34卷 假设ω(x1,x2,…,πm)(=1,2,…,m)为满足上面变权定义中公理的条件,则称映射 Mm:0,1m→0,1(x,x2,…,xn)+Mmn(x1,a2,…,xm)=∑(x,2,…,xm) 为变权综合 定义2惩罚型状态变权向量.假设映射:S:(0,1→0,1m,X→S(X)=(51(X),S2(X).…,Sm(X), 若满足下面三条公理 ≥x;→S:(X)≤S(X) 连纹性:S(X)(=1,2,…,m)对每个变量连续; 对任何常权向量W=(,2,,m,式W(Xx)=051(2m(0Xm3=xm(x万 满足定义1中的三个公理,此式称为变权公式 则称S为一个(m维)惩罚型状态变杖向量如果将此定义中第一个公理修收为:;≥买;→S(X)≥ S(X),且W(X)满足激励型的三个公理,则称S为激励型状态变权向量 在进行云服务可靠性评估时,如果需要兼顾各可靠性指标的屮衡,则应该采用惩罚型变权,反之,如果鼓 励突出某些可靠性指标,则采取激励型变权.在复杂的云服务可靠性层次分析模型中.根据实际间题的需要, 各层次之间可选择不同的变权类型.考虑到云服务不同层次之间的服务调用失效关系和同层元服务之间的相 互依赖关系,分别定义 UTILIZES关系和 Depends关系 定义3 UTILIZES关系. UTILIZES(bs;bsy,1s-b)定义为当元服务bs:调用元服务bs;的时候, bs;失效的时候bs;以lba-b,的概率失效 定义4 Depends关系, Depends(bs,bs;,Pbs:-bs)表示元服务bs;以概率pbs-bs依赖于元服务bs Depends关系只定义在同一层次的元服务之间,当元服务bs;和元服务bs;相互独立的时候,pbs-bs=0,即 元服务bs;不依赖于元服务bs;当pbs-b,=1时,说明元服务bs;完全依赖于元服务bs,即只有当元服务 bs;正确的时候元服务bs;才是正确的,其他的情况下定义条件慨率 定义5bs依赖集合.元服务bs的bs依赖集合指的是在元服务bs所在的服务层次上bs调用的集合, 集合元素的可靠性会影响元服务bs的可靠性:,记做Dep(bs 云服务的可靠性除了与其下层相关联的元服务有关外,还与元服务软件内部的可靠性有关,主要依赖于 服务调用、返回的可靠性Rx和服务的内部叮靠性Ran,云服务的可靠性Bes是二者可靠性的乘积,即Res 假设构成云服务CS的元服务集合表示为:CS:={bs01,bs0,…,bs0},元服务bs01,bso2…,bson对 元服务CS的变权分别为ao1,α02,…,ωon,根据元服务的激劢型和惩罚型要求进行变权综合后,得到叮靠性 的决策权重值Mo1,M02,…,Mon;各元服务bs01,bs0,…,bson的服务内部可幕性分别为fn(bs01),Ran(bs02) ,Rn(bson),则应用云服务CS的可靠性为 R(CS)=II[Rin(boi)+Rin(a bsoi) Moi(CS w bsoi)I 其中,Rn(bs02)表示元服务b0内部的可靠性,Rm(~bs0)=1-fn(bso);M0表示元服务对应用云服务 CS的决策权重值,Mo:(CS|~bs0)=1-M0; 下面以一个完整的云服务层次结构来说明可靠性的计算,如图1所示为一个多元服务相关系统 hs 图1多元服务相关系统 第12期 孙磊,等:基于层次变权的云服务可靠性评估模型 3215 在这个多元服务相关系统中,依赖集合有: 7)e?(bso1)={ hsoil Dep(soi)=bs },k Dep(bson)=D 因此,有以下方程组: R(cs)=M(bs1)[Rin(boi)+Rin( bso1): M(bs1 N bso1)]. [Rin(bson)+rin( bson). M(bs1l N bson)1, R(bs01)=M(bs01)[Rn(b802)+M bso2)].[Rim(bso:i)+M(U 0月 R(bsoi)= M(bsoilRin(bs0+1)+M(bso: N bsi+1).[Rin(bsor)+M(soil a bsok), R(bson) 解此穊率方程组等式,即可得到由元服务bs1,bs01,bs2,…,bson构成的云服务系统的可靠性R(cs),通 过循环迭代就可以得到这个云服务系统的可靠性计算结果 22层次变权的效果分析 本文以两层结构为例说明可靠性层次变权模型的变权思想,假设影响云服务可靠性的指标因素为f1,/2, ,∫m:它们相互独立,可草性指标因素常权向量为W=(,w2,…,n),可靠性指标因素的状态向量ⅹ (x1,x2,…,rm).根据云服务可靠性评估的需要,可将f1,2,…,m分成n组,要求各组之间没有相同的可靠 性指标因素若将第j组含有Jn,f12,…,∫共q个可靠性指标因素,利用可靠性指标因素状态的合成将它 们合成新因素F=Vfk(=1,2,…,n).由可常性指标因素F的状态值;为综合考虑其下各层元服务 可靠性指标因素∫,∫2,…,/的评估值,可靠性指标因素状态向量为X=(x;1,2,…,xj),假定常权向 量A;=(a1,a2,…,aj),构作状态变权向量S()(x1,x2,…,3)=(Sn1(x1;x;2,…,xj,),S2(x1,x2, ,xy),…,Sg(x1,x72,……,xng,),采用变权综合,则有 0;=∑a(1,x2 其中变权an(xn1,x12,…,xi,)=a15;(xn1,x12,…,x)△11kSk(x1,m2,…,) 最后.对Y=(1,y,…,犰n)做变权综合.设A=(a1,a2,…,On)为F,F2,…,Fn的常权向量构 作可靠性指标因素状态向量S(v1y2,…,m)=(S1(1,y2,…,wm),S2(y1,32,…,m),…,Sn(,y,…,〃n), 得到可靠性权重评估值 Mn(W,,…,n)=∑a(,,…,孙n) 其中变权a1(,y2,…,n)=a;S(1,2,…,3m)∑a=1a2S2(y1,2,…,wmn) 如果分两层还不能满足云服务可靠性评估的需要,则可按上述思路继续将可靠性指标因素F1,F2,,Fn 进行分组,然后将每组可靠性指标因素再合成为更上一层的新因索,中间各层每一个可靠性指标因素的状态 值均视为综合考虑合成该因素的下层诸因素时的可靠性评佔值,可靠性指标评佔值的确定采用综合变权的方 法 在层次变权的厶服务可靠性评估模型中,服务的可靠性反映了用户得到最佳服务资源的可靠性大小,服 务的可靠性越大,云服务的质量越好;服务的可靠性数学期望反映了用户获得服务时,其服务资源提供服务 的可靠性均值大小;服务的可靠性均方差则反映了用户在获得服务时其服务资源提供服务的可靠性与其可 靠性均值的偏离程度,波动越大,说明可靠性实现的效果越差.因而,可以根据需要用叮靠性、叮靠性的数学 期望、可靠性的均方差中的某一方面或几个方面综合考虑对云服务的可靠性质量进行评估.基于层次变权的 可靠性评佔模型依据整体论和还原论相结合的系统分析思路,实现了可靠性因素权重随云服务状态的变化而 改变,能根据不同的实际需求,利用激励型和惩罚型状态变权方式构建合理的可靠性权重调整机制,为云服务 可靠性评估提供了高效、灵活的技术手段,具有很强的实际应用可操作性和有效灵活性 3216 系统工程理论与实践 第34卷 23层次指标权重的确定 对云服务各层可靠性指标因素常权的确定问题,可以通过构造判断矩阵法导出可靠性因素的固定权重 值.传统的层次分析法是通过利用两两比较形成判断矩阵的,由于客观事物的复杂性及人们对事物判别比 较时往往还受到自身知识结构、认识能力、经验水平和个人偏好的制约,因此做出的判断具有一定的模糊性, 不可能给出精确的两个因素的比值 在云服务系统中利用两两比较形成判晰矩阵时,专家对不同元服务之间的可靠性相对重要性权重的判断 往往比较模糊,例如较可靠、更可靠等,虽然这样的语言表达具有正确合理的描述能力,但却不易于可靠性 定量计算,为了能方便地利用专家的评估语言做出判断,需要将语言数据量化,常用的决策判断量化方法有 0,1,2]的3标度法、9标度法則和三角模糊数标度法0等.从模糊理论的角度来看,任何一个精确的数据 都不能作为人们意愿的精确表达,在云服务系统中,由于影响云服务可靠性的因素很多,在做出可靠性判断 时往往只注重某些方面的因素,这样的语言型数据描述服务的可靠性必然存在很大的模糊性,因此采用三角 模糊数标度法来对云服务可靠性决策判断矩阵进行量化更具合理性. 定义6三角模糊数,记为H=(a,am,a“).如果在实数集R上存在模糊数H,其隶属函数为 x∈a,am] 1H(x) 其它, 则称H为模糊三角数,其中a,am,a“分别表示三角模糊数H的下界、核和上界值,且a'≤am≤a 在对服务可靠性进行评价时,往往是从评价集合里的元素选择一个进行模糊打分,比如对云服务系统各 层元服务的可靠性进行评价时,习惯用评价集合(极不重要( very unimportance)、不重要( unimportance) 同样重要( equal importal)、重要( iIllportallt)、极重要( very iInlportall)中的一个元素进行模糊评估打分, 再将模糊打分映射为相应的三角模糊数.三角模糊数往往需要由服务领域专家给岀表示语言数据的下界、核 和上界值,其值在0~1范围内.本文将云服务系统各层次元服务可靠性的专家语言数据评价集合映射为集合 (0,0,0.2,0.1.0.3,0.5,0.30.5,0.7],0.5,0.7,0.9],0.8,1,1),如图2所示 U 0.3 0.6 图2三角模糊数 图2是将服务领域专家的语言评判数据与一个区间内的实数相对应,且区间内的不同实数按照一定的 概率(隶属度函数)与该语言数据等价,如使用卩0.3,0.5,0.7]表示同样重要,其含义是:在0.,3,0.7区域内任 意一个实数依据一定的概率可以表示为同样重要.且用0.5表示的可能性为1 定义7设三角模糊判矩阵P=(p)n×n,若对Y,∈1,=(n;,,0),pn=(n,m,a)为三 角模糊数,且满足ah;-m-Q-0.5,∈,+a1n一+一G+a2=1,0<叫≤m≤a<1 则称矩阵P是三角模糊数互补判断矩阵 定义81设矩阵P=(p21)nn是一个三角模糊数互补判断矩阵,若对ⅵ,,k∈,有p3=pk-Pk+ 0.5,则称矩阵P其有加性完全一致性. 在云服务可靠性层次结构模型中.设与上层元服务Z的可靠性关联的n个下层元服务为BS={b81,bs2, ,bsn},对于i,=1,2,,m,用p表示b:与bs;关于z的可靠性影响之比,用三角模糊数表示这n 个元服务关于的两两比较的判断值,得到模糊数矩阵P=()nxn=(m为,m,m1)nxm,权重向量为 W={ω1,ω2,…,ωn}.下面利用三角模糊数判断矩阵计算云服务可靠性指标权重,具体步骤如下: 步骤1对由专家给出的模糊数互补判断矩阵P=(px)nxn进行一致性判断,若不满足,则需要对它进 行适当调整,否则转下一步 步骤2由模糊数互补判断矩阵P=()n×m计算元服务bs;的模糊数权重v,文献[12针对模糊互 第12期 孙磊,等:基于层次变权的云服务可靠性评估模型 3217 补判断矩阵P=(P)nxn给出了模糊数权重的计算公式:w1=1/m-1/2a+∑=1Pk/ma(=1,2,…,m), 其中参数a=m/2-+e,B= k/him{=1P,0<a<B-0.5,参数a的数值越大,说明了权重之差 越小.依据三角模糊数的逻辑运算原理,可得到三角模糊数权重的计算公式 1 pik t ∑p ∑ P 其中参数α=m/2-β+ε,β为三角模糊判断矩阵F的最小行和的平均值,可取ε=0.1或适当选取使得权 重向量中各元素的取值全为非负数 步骤3由步骤2计算得出的元服务权重ω是一个三角模糊数,为了能够便于数据的评估和比较,需要 将步骙2计算得岀的三角模糊数α;=(αl,α〃,α)进行去模糊化.下面是对三角模糊数去模糊化的计算公 式 uH(e)d+/ PA AH(c)d: DM pL AH(c)d x+ AH()d 其中、μ(x)表示P的隶属度函数.S表示相应的积分区间,利用该公式去模糊化得到的是数值型的数据,能 直接用来进行综合决策计算 步骤4由步骙3去模糊化后,根据不同元服务的可靠性指标因素权重R(ωn)(∈1进行排序,即可得 到某层元服务相对于上层某一元服务可靠性的相对重要性权值,B()越大,说明该元服务对上层的可靠性 影响越大:在云服务运行过程中,应重点监控保障权重值大的元服务,确保云服务正常可靠运行 3可靠性评估模型的应用实例 为了分析本文所提基于层次变权的云服务可靠性评估模型的有效性和实际应用可行性,下面以一个电子 邮件应用服务的实例进行分析说明.云计算服务在互联网客户终端长期以来最典型的应用服务就是网络电 子邮件服务⑤,对于拥有广泛用户的大型电子邮件系统来说,每时每刻都要处理海量的用户访问和数据服 务,比如注册 yahoo邮件服务地用广就高达2.66亿,每天处理的邮件近10亿封,传统的IT基础架构无论是 服务的可用性、可靠性还是服务旳质量上都无法满足对这样的大系统的功能要求.面向云计算服务架构的电 子邮件应用服务系统为拥有海量用户和数据的邮件服务提供了有力支撑,电子邮件服务的层次结构图如图3 所示 电子邮箱应用服务 邮1 件处理 邮件存储 事件工作流防病毒防垃圾邮件邮件列表 圾邮件存储归档存储 热存储 服务器集群 存储和处理服务器 邮件传输代理服务器 前端服务器 服务器…版务器服务器]…[服务器 服务器|…服务器 服务器···服务器 磁盘服务 闪存服务 虚拟机服务 服务 网络带宽服务 图3电子邮件服务层次结构图 3218 系统工程理论与实践 第34卷 假设影响电子邮件应用服务可靠性的指标因素为服务失效率、负载、平均响应时间、平均失效恢复时间, 分别用f1,f2,f3.f4表示,可靠性指标因素的状态向量用X=(x1,x2,m3,x4)表示.下面给出电子邮件应 用服务层次结构中服务器集群层的可靠性指标因素状态(本文仅以服务器集群层对邮件处理与存储层服务 MPMSS为例说明),如表1所示 表1集群服务器层的可靠性指标因素状态 平均失效恢复时间失效率负载平均响应时间 存储和处理服务SPS 0.685 0.2550928 .425 IP服务IPS 0.769 0.3350.875 0.853 邮件传输代理服务TAS 0.897 0.3500.935 0.788 前端服务FroS 0.355 0.1250885 0.655 假设服务领域专家通过经验知识和个人偏好对电子邮件服务系统各层次元服务可靠性进行模糊判断,并 给出由服务器集群服务构成的三角模糊数互补判断矩阵,用P(3)表示 0.5,0.5.0.50.1,0.1,0.40.1,0.3,0.310.3.0.4,0.5 0.6,0.9.0.90.5,0.5,0.5][0.4,0.4,0.510.5,0.6,0.7 0.7,0.7.0.90.5,0.6,0.60.5,0.5,0.5]0.7,0.8,0.91 0.5,0.6.0.70.3,0.4,0.5][0.1,0.2,0.3]0.5,0.5,0.5 首先对三角模糊数可补判断矩阵P(3进行一致性判断.经计算判断,P(3)满足加性完全一致性为了使 得计算出的权重全为非负,取E=0.38根据三角模糊数的基本运算原理,求得判断矩阵的行和r23)及其均 值m( 7{3)=[1.0,1.3,1.7,m(r3)=1.3:723)=2.0,2.4,2.6,m(3)=2.3 2.4,2.6,29 n(73)-2.63 1.,17,20,m(r83)-1:70 可得,B=m(r3)=1.33行和的最小平均值由式a=n/2-3+求得a=1.05,由式 计算矩阵P3)的权重向量W3)={023).()024=”) 1 111 1 na2 pik+ ik 20 n0 13=(0.012,0.084,0.179),23)=(0.50,0.345.03933=0345.0.393,0.464),232=(0.107,0,179,0.250) 对求得的权重向量W(3)={43,23,3,m43}去模糊化后,可得: A3=(a31,a32,a3034)=(0.085,0.323,0.408.0.184) 将可靠性指标因素分为关键指标因素和其它指标因素两组,得到如表2所示的层次可靠性因素关系,对 个层次可靠性因素关于其上层可草性因素的常权: 71=0.323/0323+0.184)=0.637 类似地,可求得l2=0.36:3;l21=0.828;l2=0.172;l1=0.507;l2=0493 表2层次可靠性指标因素关系 决策评估M 第一层可靠性因素 关键指标因素F1 其它指标因素F2 者标权重 0.507 0.493 第二层可靠性因素失效率h1平均响应时间小2负裁/21平均失效恢复时间 指标权重 0.637 0.363 0.82 0.172 就存储和处理服务SPS而言,考虑到可靠性指标因素之间的均衡性要求,利用惩罚型变权分别确定F 和F2的状态值y和v对y1和y取S=e-t(xa-)(l=1,2;z=1,2),公式 aji(1,xj2,…jq)=aja5j(1,℃2,…,xjq ajksjkl j1, j2 求得变权 11-0.6564;12-0.3436;21-0.7673;22-0.2327 利用变权综合公式 yj i(1,j2 5“q 第12期 孙磊,等:基于层次变权的云服务可靠性评估模型 3219 计算求得F1和P的状态值:y=0.3134;y=0.872 为了对服务的失效率和平均响应时间可靠性指标进行鼓励,利用激励型变权对关键指标因素F进行激 励,取 S(3/1,y2) i=1,2 由公式 a1(,9,…,m)=a,S(0,y,…,n)/∑as(,m,…,mn 计算,求得变权m1=0.3703;2=0.6297.利用综合变权,利用公式 M 1,/2 a i(3/1, 3 Dy j=1 得存储和处理服务SPS的可靠性决策值:M1=0.6653.类似地,可计算得到IP服务IPS、邮件传输代理服 务TAS、前端服务FroS的可靠性决策值分别为:M2=0.3251;M3=0.4367;M4=0.3872.由此可看出,邮 件处理与存储层服务在调用服务器集群层的存储和处理服务SPS、IP服务IPS、邮件传输代理服务TAS和 前端服务FroS时分别以0.653、0.3251、0.4367和0.3872的概率失效 由电子邮件服务层次结构图可以得到如图4所示简化的邮件处理与存储层服务与服务器集群层服务的 依赖关系图,在此假设服务器集群层各服务之间是相可独立的 s TAS Fros 图4简化的服务依赖关系图 由简化的服务依赖关系图可以看出,相关的数据为 M(MSMPS)=1.0 UTILIZES(MPMS, SPS, 0.6653; UTILIZES(MPMS, IPS, 0.3251) UTILIZES(MPMS, TAS,0.4367); UTILIZES(MPMS, FroS,0.3872 由前面的计算公式可求得 Rn(SPS)=0.5974;Rn(PS)=0.6875;Bn(TAS)=0.7158:B2mn(FroS)=0.5521; 于是有 R(MSMPS)=M(MSMPSIRin(SPS)+ Rin( Sps). M(MPMS SPS) Rin(IPs)+rin(Ips). M(MPMSNIPS) Rin(tAs)+Rin( TAS). M(MPMS TAS) [Rin(Fros)+Rin( Fros). M(MPMS FroS) 因此邮件处理与存储层服务的可靠性为 R( MSMPS)=[0.5974+(1-0.5974)·(1-0.6653)]·[0.6875+(1-0.6875)(1-0.3251) 0.7158+(1-0.7158)·(1-0.4367)·[0.5521+(1-0.5521)·(1-0.3872) =0.4762 由此分析可知不同的元服务对云服务(总目标)的可靠性重要性权重值是不一样的,权重值大的说明该 元服务的对云服务影响较大·即使在构成云服务的元服务中存在着个别元服务可靠性较低的情况,只要权重 值大的元服务可靠性保持在较高水平,则整体的可靠性还是能够得到保证.因此,在云服务运行过程中,需要 重点保证对云服务重要性权重值大的元服务,使云服务得到持续可靠运行 3220 系统工程理论与实践 第34卷 4结束语 本文针对云服务可靠性定量评估问题进行了深入硏究,提出了基于层次变权的云服务可靠性评估模型 为克服传统层次分析法因采用固定不变的权重体系不能反映云服务复杂系统非线性、动态涌现性等本质特 征的不足,将变权的思想引入层次分析法中,采用三角模糊数对同层云服务之间相对于上层某云服务可靠性 的重要性权值进行了量化分析,给出了依据三角模糊数互补判断矩阵导出权重值排序的求解方法,通过变权 方法自动完成各层可靠性因素权重的综合调整:依据云服务的层次结构模型,设计了可靠性管理体系结构,给 出了云服务可靠性评估指标体系,结合云服务系统中各层次云服务的实时在线监测可靠性数据,给出了层次 变权云服务可靠性评估计算公式.应用实例分析表明,提出的云服务可靠性评估模型计算简便,操作性强,对 云服务可靠性评估具有良好的动态适应性,具有较好的应用推广价值 参考文献 1 Armbrust M, Fox A, Griffith R, et al. Above the clouds: A Berkeley view of cloud computing R]. EECS Department, University of California, Berkeley, 2009 2 Li D Y Lin R H. Cloud computing technology development report[R]. Beijing: Science Press, 2011 3 Lin M, Chang M, Chen D. Distributed-prograIn reliability analysis: CoIlplexity anld fficient algorithns J. IEEE Transactions on Reliability, 1999, 48(1):87-95 T L. The analytic hierarc nv process M. New York: Mo 1980 5 Yu B, Wang F M, Sun H C. Systems engineering theories[M]. Hefei: University of Science and Technology of China press. 2009 6 Feng D G, Zhang M, Zhang Y, et al. Study on cloud computing security[J. Journal of Software, 2011, 22(1) 71-83. 7 Wang P Z Fuzzy sets and random colony M. Beijing: Beijing Normal University Press, 1985 8 LiHX. Factor spaces and mathematical frame of knowledge representation(VIll[J. Fuzzy Systems and Math- matics,1995,9(3):1 9 Xu J P, Wuw. Multiple attribute decision making theory and methods[M. Beijing: Tsinghua University Press, 2006:124-125. [10 Wang Y M. An overview of priority methods of comparison matrix[J. Journal of Management Sciences in China, 1995,5(3):101-114 11 Yao M, Zhang S. Fuzzy consistent matrix and its applications in soft science[J]. Systems Engineering, 1997, 15(2) 54-57. 12 Zhang JJ. Comparison of three ranking methods for the fuzzy consistent judgement matrixJ. Systems Engi- neering and Electronics, 2003, 25(11):1370-1372 [13 Klir G J, Yuan B. Fuzzy sets and fuzzy logic: Theory and applications[]. Prentice Hall PTR, 1995: 128-132

...展开详情
试读 9P 论文研究-基于层次变权的云服务可靠性评估模型.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744435 如果觉得有用,不妨留言支持一下
2019-09-20
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
    最新推荐
    论文研究-基于层次变权的云服务可靠性评估模型.pdf 10积分/C币 立即下载
    1/9
    论文研究-基于层次变权的云服务可靠性评估模型.pdf第1页
    论文研究-基于层次变权的云服务可靠性评估模型.pdf第2页

    试读结束, 可继续读1页

    10积分/C币 立即下载 >