基于主客观结合的云服务评价模型研究pdf

　　1.本站不该用户上传的文档完整性，不预览、不比对内容而直接下载产生的问题本站不予受理。

　　DissertationSubmittedtoZhejiangUniversityofTechnology fortheDegreeofMaster CloudServiceEvaluationModelbasedonthe AggregationofUserSubjectiveFeedbackand ObjectiveQuality Candidate:LiuJian Advisor:XiongLiRong CollegeofComputerScienceandTechnology ZhejiangUniversityofTechnology Dec2015 万方数据 浙江工业大学 学位论文原创性声明 本人声明：所提交的学位论文是本人在导师的指导下，进行研究工作 所取得的研究。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 万方数据 浙江工业大学硕士学位论文 基于主客观结合的云服务评价模型研究 摘 要 随着云计算技术的成熟，IT资源服务化的思想日益普及，服务已成为云计算的核心概 念。云服务数量的急剧增长，“云”上功能相同或类似的服务越来越多。因此，对云服务 评价进行系统研究，为用户的服务选择提供科学依据，具有重要的现实意义。 现有的云服务评价方法主要聚焦于从服务提供商视角对云服务进行客观质量分析，忽 略了与云服务有直接交互的用户的主观观点。用户主观观点是用户对服务质量认可程度的 反映。考虑用户的主观反馈，确保提供的服务得到用户认可是服务提供商提高其竞争力的 关键。部分云服务评价方法考虑了用户主观反馈信息如云服务的可信性、声誉等。一方面 上述评价指标技术性较强，普通用户很难对其进行科学评估；另一方面，上述研究仅部分 考虑了用户反馈存在的主观性或不确定性，缺乏对用户反馈评估模型更深入的研究。 针对上述问题，本文提出一种主客观结合的云服务评价模型，从服务提供商的客观质 量和用户对服务的主观反馈进行综合评价。云服务主观质量指标选择用户重点关心且技术 性相对较弱的指标如易用性、友好性等，并定义为用户主观反馈指标。在此基础上，设计 一种新的用户主观反馈评估模型用于主观反馈指标的度量。该模型综合考虑了用户反馈存 在的主观性、不确定性和反馈信息的时效性。 本文的主要工作和如下： （1）本文在综述云服务评价研究的基础上，结合云服务客观质量分析和用户主 观反馈评估构建主客观结合的云服务评价模型。在云服务评价指标选择上，本文根据云服 务特点和已有研究确定具体的客观质量指标，结合用户主观反馈指标，建立包括成本、 响应时间、吞吐率、可靠性、可用性、可扩展性、安全性、易用性、友好性等主客观结合 的两级评价指标体系。本文提出的云服务评价模型兼顾了简洁性、灵活性和可扩展性，用 户可以根据自身需求对评价指标进行选择、组装或扩展。针对评价指标体系存在的层次特 点，同时为了降低权重确定过程的复杂性，本文采用层次分析法 AHP确定指标权重。 I 万方数据 浙江工业大学硕士学位论文 （2）用户反馈主观性和不确定性处理。针对用户反馈存在的主观性，设计一种反馈 偏好模型以降低用户主观性影响；针对用户反馈存在的随机性和模糊性等不确定性，本文 研究分析了已有的不确定性处理方法，采用云模型进行不确定性处理；最后，结合用户主 观反馈偏好模型实现定性评价到定量评分的转换。 （3）反馈数据时效性处理。针对云服务的用户反馈数据通常具有一定的时间跨度， 反馈数据的信息价值存在差异的问题，本文基于信息价值系数构建用户反馈时效性模型。 提出时效性窗口概念，设计一种时效性窗口权成算法，通过将反馈数据映射到时效性 窗口中以调整其评价权重，反映了反馈信息随时间的价值。 （4）实验与分析。通过实验分析验证了本文提出的用户主观反馈评估模型和主客观 结合的云服务评价模型的有效性和可行性。 关键词：云服务评价，主客观结合，不确定性，云模型，时效性 II 万方数据 浙江工业大学硕士学位论文 CLOUDSERVICEEVALUATIONMODELBASEDON THEAGGREGATIONOFUSER SUBJECTIVEFEEDBACKANDOBJECTIVEQUALITY ABSTRACT With the maturity of cloud computing technology, IT resource regarded as service is becoming more and more popular. Service has become the core concept of cloud computing. However,withtherapid growthinthenumber ofcloud services,the cloud serviceswhichhave sameorsimilarfunctionshavebecomemoreandmore,leadingahugechallengefortheusersto selecttheappropriatecloudservices.Therefore,ithasimportantpractical significancetomakea systematic study onthe evaluation of cloud services, andto provide users a scientificbasis for theserviceselection. The existing cloud service evaluation methods are mainly based on the objective quality analysis from the perspective of service providers, ignoring the subjective views of users who havedirectinteractionwithcloudservices.Toconsidertheuser’ssubjectivefeedbackandensure their servicestomeetusers’requirements isthekey issuefor serviceprovidersto improvetheir competitiveness. A part of the cloud service evaluation methods have considered the user subjectivefeedback,suchastrust,reputationetc.Ontheonehand,theaboveindexesarehighly technical, andthey aredifficultforordinaryusersto carryoutscientificevaluation;ontheother hand, onlypart ofthe aboveresearch considerthe subjectivityoruncertainty ofuser feedback, lackingofin-depthresearchonuserfeedbackevaluationmodel. In view of the above problems, this proposes a hybrid evaluation model of cloud service,whichtakesintoaccounttheobjectivequalityofcloudservicesandsubjectivefeedback of the terminal users. In order to make the subjective evaluation results more reasonable and reliable, we choose the indexes that users focus on but weakly technical to evaluate for subjective quality of cloud services, and define this kind of index as the subjective feedback index, such as usability and friendliness. Then, a user subjective feedback evaluation model (USFM) is proposed to measure the subjective feedback index, which considers both the subjectivityanduncertaintyofuserfeedbackandthetimelinessoffeedbackdata. III 万方数据 浙江工业大学硕士学位论文 Themainresearchworkandcontributionofthisisasfollows: 1. Based onareview oftheresearchresults ofcloud servicesevaluation,we combinethe objective quality evaluation and the subjective feedback evaluation to construct the evaluation model of cloud service. We choose the specific objective quality indexes based on the characteristicsofcloud servicesandexistingresearchresults. Then,we constructthe evaluation indexsystemcombiningwiththesubjectivefeedbackindexes.Wefinallyestablishthetwo-level evaluationindexsystem,which includescost,responsetime,throughput,reliability,availability, scalability, security, usability and friendliness. The proposed evaluation index system gives a brief account of the simplicity, flexibility and scalability.And users can choose, assemble or expanditaccordingtotheirownneeds.Accordingtothecharacteristicsofthehierarchical level ofourevaluationindexsystem,weusetheAnnalisticHierarchyProcess(AHP)todeterminethe indexweight. 2. Thesubjectivityanduncertaintyprocessingofuserfeedbackdata.Wedesignafeedback preference model to reduce the effects of user’s subjectivity. In view of the randomness and fuzzinessofuser feedback,this analyzestheexistinguncertaintyprocessingmethods, and uses cloud model to process the uncertainty. Finally, we convert the qualitative evaluation to quantitativescorebycombiningtheusersubjectivefeedbackpreferencemodel. 3. The timeliness processing of feedback data. We construct a user feedback timeliness model based on the information value coefficient, propose a timeliness window concept, and design atimelinesswindowweight generation algorithm.The feedback dataismapped intothe timelinesswindowtoadjusttheevaluationweightbased onthetimelinessmodel,whichreflects thevalueofthefeedbackinformation. 4. Experiment andAnalysis.Theexperimentalresultsverifythevalidity andfeasibilityof the proposed subjective feedback model and the cloud service evaluation model based on the combinationofsubjectiveassessmentandobjectiveanalysis. KeyWords: Cloudserviceevaluation,subjectiveandobjective,uncertainty,cloudmodel, timeliness IV 万方数据 浙江工业大学硕士学位论文 目 录 摘 要I 第1章 绪 论1 1.1 研究背景和意义1 1.2 国内外研究现状3 1.2.1 基于性能分析的云服务评价研究3 1.2.2 基于多属性决策 MCDM的云服务评价研究4 1.2.3 基于推荐系统的云服务评价研究5 1.3 本文研究目标与内容6 1.3.1 研究目标6 1.3.2 研究内容6 1.4 论文组织结构7 2 9 第 章 相关理论和技术 2.1 云计算概述9 2.1.1 云计算的概念9 2.1.2 云计算的特点9 2.1.3 云计算的服务类型10 2.2 云服务评价概述11 2.2.1 云服务评价模型11 2.2.2 多属性决策方法13 2.2.3 推荐系统15 2.3 不确定性研究16 2.4 时效性研究18 2.5 本章小结19 第3章 主客观结合的云服务评价模型20 3.1 问题描述20 3.2 主客观结合的云服务评价模型22 3.3 基于 AHP 的评价指标权重确定28 3.4 本章小结30 第4章 用户主观反馈评估模型31 4.1 模型基本框架31 4.2 基于云模型的不确定性处理33 4.2.1 云模型概述33 4.2.2 主观反馈云设计34 4.2.3 主观反馈偏好模型37 4.2.4 主观反馈不确定性处理37 4.3 用户反馈时效性模型39 万方数据 浙江工业大学硕士学位论文 4.4 用户主观反馈评估算法42 4.5 本章小结43 5 44 第 章 实验与结果分析 5.1 实验数据44 5.1.1 实验数据44 5.1.2 实验数据预处理45 5.2 用户主观反馈评估实验45 5.2.1 多次实验对用户反馈评估结果的影响45 5.2.2 主观反馈偏好模型对用户反馈评估结果的影响46 5.2.3 参数α对用户反馈评估结果的影响49 5.3 主客观结合的云服务排名实验50 5.4 本章小结54 第6章 总结与展望55 6.1 总结55 6.2 展望56 参 考 文 献57 致 谢61 攻读学位期间参加的科研项目和62 万方数据 浙江工业大学硕士学位论文 第 章 绪 论 1 1.1 研究背景和意义 随着社会经济和科学技术的不断发展，企业的经营模式和都发生了巨大的变革。 大量企业面临着顾客需求的日益多样化和个性化、产品生命周期短、大规模定制等诸多挑 战。企业必须要快速的适应市场变化，并采取创新性的行动才能在激烈的市场中和发 展[1][2]。然而，企业的传统信息化模式由于过高的一次性投入和固化的技术，一定程度上 [3] 阻碍了企业应对变化和谋求新发展 。 [4] 云计算是继个人计算机、互联网之后，第三次 IT浪潮的代表 ，具有巨大的市场增长 前景。云计算通过网络将分散的计算、存储、软件等资源进行集中管理和动态分配，使信 息技术能力如同水和电一样实现按需供给，具有快速弹性、可扩展、资源池化、广泛网络 接入和多租户等特征[5][6]，是信息技术服务模式的重大创新。 云计算作为战略性新兴产业的重要组成部分，推进云计算的健康快速发展，对加速产 业转型升级、促进信息消费、建设创新型国家具有重要意义。为了加快推进云计算标准化 工作，提升标准对构建云计算生态系统的整体支撑作用，我国工业和信息化部组织相关单 [7] 位、标准化机构和标准化技术组织编制了《云计算综合标准化体系建设指南》 ，给出了 具体的云计算标准化体系建设内容，包括 “云基础标准”、“云资源标准”、“云服务标准” 和 “云安全标准”，并分别就每一个标准给出了具体的研制方向。其中 “云服务标准”涵 盖六个标准研制方向，包括服务 目录、服务级别协议、云服务采购指南、服务计量和计费、 服务能力要求和服务质量管理。 服务质量管理作为 “云服务标准”的研制方向之一，可见其重要性。服务质量管理主 要制定云服务质量模型、评价指标体系和评价方法，以及云数据质量等方面的标准，为开 展云服务和云数据质量评价和管理提供指导。 因此，对云服务评价模型进行系统研究，不仅符合当前云计算标准化体系建设研究， 也为云服务潜在用户的服务选择提供了科学依据，具有重要的现实意义和市场价值。 云服务的特征包含功能性属性和非功能性属性两方面。其中功能性属性描述了云服务 所提供的功能；而非功能性属性则描述了云服务在完成该功能时所表现出的执行特性，例 1 万方数据 浙江工业大学硕士学位论文 如响应时间、吞吐率、可靠性、可用性等。当前随着满足用户功能性需求的云服务数量越 来越多，如何从众多功能相同或相似的云服务中选取质量最佳的服务成为研究的重点。 目前已有一些学者致力于该领域的研究，这些研究为本文提供了可借鉴的方案和思 。从 目前研究来看，云服务的评价研究主要可以分为 3类：1）基于性能分析的云 服务评价[13-16]；2）基于多属性决策的云服务评价[23][24]；3）基于推荐系统的云服务评价[28][30]。 然而上述研究主要聚焦于从服务提供商视角对云服务进行客观质量分析，大多关注云服务 的成本、性能、可用性、可靠性等客观质量属性，忽略了与云服务有直接交互的终端用户 的主观反馈这一极具价值的信息。 用户主观反馈作为一种人类的认知现象，是用户在使用服务后真实体验的描述，本质 上是用户对服务质量认可程度的反映。当前，随着 IT资源服务化的思想日益普及，“一切 皆服务”（XasaService,XaaS）的趋势已愈发明显。在服务时代，用户对服务的感受是否 得到重视必然是服务提供商保持其竞争力的重要关键。 [8] 云服务的用户反馈主要基于云用户在使用服务过程中的用户和用户体验 ，好的 用户和用户体验会给云服务提供商带来积极的影响，增强云服务的可信性和用户的满 意度，并提高服务提供商的盈利能力。同时对云服务提供商而言，要想在愈加激烈的竞争 中胜出，必须要充分关注用户的反馈，提高云服务的用户体验，以确保其提供的云服务能 够得到用户的认可。 目前已有部分学者[17-19]从用户主观反馈角度对云服务进行评价，主要关注云服务的信 任或信誉评估。然而云服务的信任或信誉具有较强的技术性，普通用户很难对其进行科学 评估；同时上述研究仅部分考虑了用户反馈存在的主观性或不确定性，缺乏对用户反馈评 估模型更深入的研究。用户反馈作为一种主观认知，具有很大的主观性以及随机性和模糊 性等不确定性。云服务的用户反馈数据通常具有一定的时间跨度，这些发生在不同时期的 数据其信息价值存在差异。因此，需要考虑反馈数据的时效性。 针对上述问题，本文研究云下服务的评价问题，旨在给出一个客观、合理的云服 务评价模型。本文结合云服务的客观质量分析和用户的主观反馈评估构建评价模型，并深 入研究用户主观反馈评估模型。针对用户反馈存在的不确定性和反馈信息的时效性，研究 分析已有的不确定性处理和时效性相关方法，设计一种用户主观反馈评估模型，综合考虑 上述问题，使得用户反馈评估结果更为准确、合理。 2 万方数据 浙江工业大学硕士学位论文 1.2 国内外研究现状 随着云计算技术的发展，云上功能相同或类似的云服务越来越多，这些云服务通常在 规格说明、性能和其它属性方面存在区别，使 用户在有限的预算的前提下选择符合自己 [9] 需求的高质量云服务成为了一个巨大的挑战 。文献[10]将云服务的选择及评价问题归纳为 以下4类：性能分析[11-20]，多属性决策 （Multi-CriteriaDecisionMaking,MCDM）[23-27]，推 荐系统[28-31]和其它方法[32,33]。 1.2.1 基于性能分析的云服务评价研究 基于性能分析的云服务评价方法主要通过比较候选云服务的性能差异对云服务进行 评价。当前已有的相关研究主要聚焦于云服务的客观性能分析[11-16]。 Zheng等[11]提出了一种 QoS驱动的组件排名框架 CloudRank，该框架主要利用不同用 户过去的组件使用经验对组件进行排名，不需要对其进行额外调用，降低了组件调用产生 的资源消耗。Lee等[12]基于 SaaS服务的特点提出 SaaS服务的质量属性，主要包括可重用 性、可靠性、效率、可用性、可扩展性，并采用 IEEEStd1061软件质量度量方验证 建立的 SaaS模型的有效性，帮助服务供应商对服务进行评估和预测回报率，同时指导服 务使用者进行服务选择。文献[13][14]提出了一种CloudCmp框架用于比较云供应商性能， 该框架包含一组基准测试工具用于系统地比较云供应商提供的服务的成本和性能。然而， [15] 文献只专注于云服务的低层性能，例如 CPU和网络吞吐量等。Lenk 等提出了一种新的 性能测量方法用于 IaaS服务，他们建立用于衡量和比较不同供应商之间性能的标准云 性能测试虚拟机，能更好的比较供应商之间的成本和性能。文献[16]提出了一种云服务质 量测量方法，主要从可用性和性能两个方面对云服务进行评价，同时介绍了一种基于插件 的测量框架，该框架可以采集服务信息并根据测量方法计算云服务质量。 上述研究主要从云服务的客观性能角度出发，采用定量测试方法计算服务性能，进而 对云服务进行评价，并未兼顾云服务主观方面的性能。 文献[17-19]从云服务的用户主观反馈角度出痦子的位置与命运图发对云服务进行评价，主要关注云服务的 信任或信誉评估。 文献[17]针对 SOC （Service-OrientedComputing）下的信任评估问题，采用主观概 率理论对服务组件进行评价，将用户反馈的信任评分映射到[0,1]区间，并根据贝叶斯推理 聚合得到信任度的确定性（即信任度值）。此外，文中将服务调用产生的信任依赖作为条 件概率，基于信任依赖，提出一种主观信任推理方法评价一个组合服务的全局信任值。 3 万方数据 浙江工业大学硕士学位论文 文献[18]提出一种信誉的软件服务选择和排名框架。其中信誉度主要根据用户反 馈进行计算。文中考虑了用户反馈的主观性影响，采用期望不一致理论，将反馈值的计算 定义为认知函数和不一致函数的线性组合，其中前者代表用户对反馈值的基准认知，而后 者则代表反馈值的一个可供参考的认知范围。在此基础上，文中介绍了几种常用的平滑和 预测技术，例如移动平均法、加权移动平均法和指数平滑方法等计算服务一段时间内的信 誉度变化情况。 文献[19]针对用户的个性化需求，提出了一种基于马尔科夫链模型的可靠 QoE （用户 体验）的云服务排名框架，该框架不仅聚焦于个性化排名，同时采用预测模型来确保 [21] 排名的可靠性。排名框架中，用户的评分值采用类似与 WOT 的语言值描述 （例如，“绿 色”代表 “好”等），并采用离散整型数值进行一一对应。 文献[20]综合考虑了用户主观反馈和客观性能对云服务评价的影响，提出一种主客观 结合的云服务选择模型。该模型考虑到了现实世界中用户反馈评价和属性权重偏好多为语 言值的情况，采用梯形模糊数进行描述，以处理语言值本身的不确定性[22]，并通过解模糊 得到语言值对应的离散数值。同时，文中通过计算同一个指标的主观反馈值与客观性能评 估值的距离来过滤掉不合理的主观评价，提高了评价的准确性。 上述研究考虑了用户主观反馈对云服务评价的影响，且部分研究考虑了用户反馈存在 的主观性或者不确定性，但缺乏对用户主观反馈评估模型更深入的研究，并未综合考虑用 户反馈的主观性、不确定性和反馈信息的时效性。 1.2.2 基于多属性决策MCDM的云服务评价研究 一些研究[23-27]将服务选择和评价问题归纳为多属性决策问题 MCDM。 文献[23]针对企业用户，提出一种 SaaS （Software-as-a-Service）选择方法。该方法建 立了包括功能性、架构、可用性、供应商声誉和成本的评价指标体系，采用层次分析法 AHP 来确定服务属性的优先级，进而指导服务的选择过程。文献[24]针对用户很难找到最符合 需求的 SaaSERP （EnterpriseResourcePlanning），提出一种 QoS模型。该 QoS模型包含六 个评价指标，分别为功能性、可靠性、可用性、效益、可性和业务性。基于给出的 QoS 模型，他们设计一种多属性决策 MCDM系统，用于找到云计算下匹配的 SaaSERP， 并根据优先次序推荐给用户。文献[25]提出了一种云计算下基于ELECTRE方法的中 间件用于服务的选择。服务选择过程被建模为多属性决策问题，文中选择响应时间、服务 成本、可响应性、可信、可扩展性、能力、灵活性等构建评价指标体系。文献[26]从用户 4 万方数据 浙江工业大学硕士学位论文 个性化需求角度对云服务进行评价及选择。将用户的定性和半定量的个性化偏好转换为定 量的数值权重；采用基于 AHP 的云服务选择方法。在医疗云下的实验案例验证了该 方法的可行性和有效性。Chen等[27]提出了一种基于模糊 AHP和 TOPSIS 的多属性决策方 法。该方法用于支持商业平台中产品服务的选择，帮助用户在电子商店中选择产品和协商 服务。 1.2.3 基于推荐系统的云服务评价研究 推荐系统作为缓解 “信息过载”问题的有效手段，得到学术界和工业界的广泛关注并 加以应用，推荐系统通过挖掘用户与项目之间 （user-item）的二元关系，帮助用户从大量 数据中发现其可能感兴趣的项目（例如 Web信息、服务、在线商品等），并生成个性化推 荐以满足用户个性化需求。 文献[28-31]采用推荐系统来解决云服务的选择问题。 Han等[28]基于云服务常用客观性能指标和不同云服务提供商的虚拟机性能建立云服务 推荐系统，从而帮助用户从不同的云服务提供商选择最能够满足自身需求的服务。文献[29] 针对云计算下数据的隐私和安全问题，提出了一种可信的云提供商推荐方法。文 中提出了一种基于社会合作模式的系统，用户根据其可信赖的熟人给出的选择值得信 赖的服务提供商，在真实数据集上的实验验证了其可行性。文献[30]提出了一种为云应用 自动推荐云存储服务的机制，该机制依赖于每个存储系统相关能力 （特征、性能、成本等） 的机器可读的描述，这些描述信息将会和用户特定请求一起被处理，然而该方案不符合语 义 Web 中本体论的标准化工作。文献[31]提出了一种基于云的基础设施服务推荐系统，该 系统是一个声明式的决策支持系统，自动执行用户指定应用程序需求到云服务配置的映 射，但该系统 目前只存储了IaaS配置信息。 基于推荐系统的云服务评价方法更倾向于从云服务用户的角度出发，根据用户的个性 化偏好信息向其推荐云服务。 文献[32,33]则从其它角度对云服务进行选择及评价。文献[32]提出了一种新颖的基于 云代理的架构，其中云代理负责服务的选择。文中提出了一种服务选择算法，考虑了服务 的组合问题，该算法能高效的对潜在的服务提供商进行排名，并能够在必要的情况下对它 们进行组合。文献[33]提出了一种有效的QoS的服务选择方法，他们提出了一种新的 概念，称为 QoS不确定性计算，用于对 QoS 内在的不确定性进行建模，然而他们的工作 主要基于传统的 Web服务 QoS指标。 5 万方数据 浙江工业大学硕士学位论文 综上所述，现有的云服务评价方法大多突出关注云服务的部分特征，且大多聚焦于云 服务的客观质量分析，忽略了与云服务有直接交互的用户的主观观点。同时部分考虑到用 户反馈的评价方法缺乏对用户反馈评估模型更深入的研究，并未综合考虑用户反馈存在的 主观性、不确定性和反馈信息的时效性。 1.3 本文研究目标与内容 1.3.1 研究目标 本文在综述已有的云服务评价研究的基础上，分析云服务评价模型。针对当前的 云服务评价模型主要基于客观质量分析的局限性，本文结合云服务客观质量分析和用户主 观反馈评估构建主客观结合的云服务评价模型，以期能够对云服务进行更加全面、客观的 评价。本文重点关注云服务用户主观反馈评估，研究分析用户反馈存在的主观性、不确定 性和反馈信息的时效性问题，设计用户反馈评估模型，使得用户反馈评估结果更为合理。 1.3.2 研究内容 本文在现有的云服务评价方法研究的基础上，结合云服务客观质量分析和用户主 观反馈评估构建云服务评价模型，并深入研究用户主观反馈评估模型。主要内容包括以下 几个方面： （1）云服务评价模型 本文研究分析了已有的云服务评价模型，主要包括评价指标体系的构建和评价方法的 选择。现有的云服务评价指标体系主要关注云服务的客观质量属性，本文从云服务的客观 质量和用户的主观反馈角度出发，构建主客观结合的评价指标体系。本文分别给出了可供 用户选择的主客观评价指标集，其中客观质量指标的选择主要根据云服务特点和已有的研 究，包括成本、响应时间、吞吐率、可靠性、可用性、可扩展性、安全性；而主观反 馈指标的选择本文主要关注普通用户重点关心的且技术性相对较弱的评价指标，例如易用 性、友好性等。部分用户也可根据自身需求对上述指标集进行扩展。评价指标体系中客观 质量指标的度量主要基于已有的度量方法，用户主观反馈指标的度量基于本文提出的用户 主观反馈评估模型。针对本文提出的指标体系的层次特点，采用层次分析法 AHP确定指 标权重并对服务进行评级及排名。 （2）用户反馈的主观性和不确定性处理 6 万方数据 浙江工业大学硕士学位论文 本文研究分析了已有的考虑到用户反馈的云服务评价方法，大多缺乏对用户反馈评估 模型的深入研究。用户反馈存在的主观性和不确定性会显著影响反馈评估结果的准确性和 合。针对用户反馈存在的主观性，本文通过设计一种用户主观反馈偏好模型以降低用 户主观性影响。针对随机性和模糊性等不确定性，本文研究分析了已有的不确定性处理方 法，采用云模型进行处理，并结合用户主观反馈偏好模型实现定性评价到定量评分的转换。 （3）反馈信息的时效性处理 云服务的用户反馈数据通常具有一定的时间跨度，这些发生在不同时期的数据其信息 价值存在差异，根据时间熵的统计定义，事件的后效性是随时间间隔的增大呈指数下降， 反馈信息的价值会随时间的推移而逐渐降低。本文研究分析了已有的时效性处理相关工 作，基于信息价值系数构建用户反馈时效性模型，提出一种时效性窗口概念，设计了一种 时效性窗口权成算法，通过将反馈数据映射到时效性窗口中以调整其评价权重，反映 了反馈信息随时间的价值。 （4）模型的有效性验证 通过实验分析验证本文提出的主客观结合的云服务评价模型和用户主观反馈评估模 型的有效性。基于 Movielens 电影推荐数据集的用户反馈实验表明，本文提出的用户主观 反馈评估模型能有效降低用户的主观性影响，并体现了用户反馈存在的随机性和模糊性， 同时也验证了时效性处理对用户反馈评估结果的影响。云服务排名实验表明本文提出的主 客观结合的云服务评价方法够权衡云端服务客观质量和终端用户主观反馈，更客观地体现 了云服务的综合质量。 1.4 论文组织结构 本论文共分为六章，安排如下： 第一章：绪论，主要介绍选题的背景和意义、国内外关于云服务选择及评价的相关研 究现状、论文的研究目标和研究内容，以及论文的结构安排等。 第二章：相关理论和技术。首先介绍了云计算的概念、特点和服务类型。接着介绍了 云服务评价涉及到的模型和方法。然后分别介绍了不确定性研究和时效性研究的相关方法 和研究工作。 第三章：主客观结合的云服务评价模型。本文结合云端服务客观质量分析和终端用户 主观反馈评估构建评价模型。首先通过问题描述引出本文研究针对的问题以及期望达到的 7 万方数据 浙江工业大学硕士学位论文 目的。接着详细介绍了主客观结合的云服务评价模型。最后给出了基于AHP 的评价指标 权重确定方法。 第四章：用户主观反馈评估模型。针对用户反馈存在的主观性、不确定性以及反馈信 息的时效性，本文提出了一种用户主观反馈评估模型，综合考虑了上述问题。首先给出了 模型的基本框架，接着详细介绍了基于云模型的不确定性处理和用户主观反馈时效性模 型，最后给出了云服务的用户反馈评估算法。 第五章：实验与结果分析。针对本文提出的方法和模型进行了实验分析和验证，分别 通过用户主观反馈评估实验和主客观结合的云服务排名实验来验证本文提出的用户主观 反馈评估模型和主客观结合的云服务评价模型的有效性。 第六章：总结与展望。对本文的工作进行总结，指出当前工作的不足之处以及未来的 研究方向。 8 万方数据 浙江工业大学硕士学位论文 第2章 相关理论和技术 2.1 云计算概述 2.1.1 云计算的概念 云计算是一种新兴的计算模式，是基于互联网的相关服务的增加、交付和使用的商业 模式。它实现了对共享可配置计算资源，例如服务器、存储、应用和服务等方便、按需的 访问；这些资源可以通过较小的管理代价或者服务提供者的交互快速地准备和。通常 云计算提供的资源都经过虚拟化，为用户提供动态、可扩展的服务。 目前学术界对云计算的概念缺乏统一认识，本文列举几种得到认可的定义： 美国国家标准与技术研究院 （NationalInstituteofStandardsandTechnology,NIST）将 云计算定义为[34]：云计算是一种将网络、服务器、存储和软件应用等通过泛在、方便、按 需获取的方式在可分配计算资源池中获得服务的方式。 伯克利云计算的定义[35]：云计算包括互联网上各种服务形式的应用以及数据中 心中提供这些服务的软硬件设施。其中数据中心的软硬件设施即所谓的 “云”。 认为[36]，云计算是一种能够将动态易扩展的虚拟化资源软件和数据通过互联 网提供给用户的计算方式，如同电网用电一样，用户不需要知道云内部的细节，也不必具 有管理那些支持云计算的基础设施。 2.1.2 云计算的特点 云计算的体系结构和技术特点决定了其拥有其它计算模式不具有的特点。现如今，被 普遍接受的云计算特点有[34][37]： （1）超大规模 “云”具有相当的规模，云计算平台一般由数量众多的服务器或者数据中心构成，为 用户提供前所未有的计算能力。 （2）泛在网络接入 用户可以利用各种终端，例如智能手机、笔记本、平板电脑等在任何时间、任何地点 通过互联网访问云服务。 （3）虚拟化 9 万方数据 浙江工业大学硕士学位论文 虚拟化是云计算的一项核心技术，为云计算提供了基础架构层面的支撑。它是 IT服务 快速云计算的最主要驱动力。因此用户可以在任何时间、任何地点、任何终端上使用 服务提供商供应的服务，且不需要了解内部实现。 （4）按需付费 云计算提供的资源如同日常生活中的水、电、煤气一样，用户只需根据自身实际需求 扩展和使用云计算资源，并按需支付。 （5）高可扩展性 “云”的规模可以动态伸缩，满足应用和用户规模增长的需要。“云”的规模扩展方 式主要包括水平扩展和垂直扩展。 （6）高可靠性 云计算中心拥有规模巨大的计算资源和存贮资源，通过采用多副本容错技术以及计算 节点同构可互换等措施来即使单个服务器节点崩溃，仍然可以用户应用的正常运 转，防止数据丢失，进而保障信息服务的高可靠性。 （7）潜在性 当前，云计算服务大都垄断在企业中，而这些企业仅能够提供商业信用。用户在使用 云服务的同时，也将自己的数据与隐私同时交付给了这些云服务提供商。因此，对云服务 潜在用户来说，数据和隐私的是使用云服务时需要考虑的一个重要前提。 2.1.3 云计算的服务类型 云计算平台根据所提供计算资源的类型可以分为三种不同的服务类型。 （1）基础设施即服务 （IaaS：InfrastructureasaService） IaaS将硬件设备等基础资源封装为服务供用户使用，提供的服务类型主要有计算资源、 数据存储、通信设施等，主要面向中小型企业，为他们节省在基础设施上的开销。IaaS 的 核心技术是虚拟化。IaaS避免了中小型企业受到计算资源的，为其提供了存储、运行 和时所需的计算资源。典型的IaaS有：简单存储服务 S3，亚马逊 AWS （AmazonWeb Services）的弹性计算云EC2等。 （2）平台即服务 （PaaS：PlatformasaService） PaaS是一种将服务器平台作为服务提供的商业模式，主要提供应用程序的运行和 接口的调用，面向应用开发者，其核心技术是分布式并行计算。PaaS平台的出现加速了 SaaS的发展，PaaS 的典型代表有：GoogleAppEngine （GAE），Microsoft公司的 Azure等。 10 万方数据 浙江工业大学硕士学位论文 （3）软件即服务 （SaaS：SoftwareasaService） SaaS是一种通过互联网提供软件的模式，服务提供商将应用程序统一部署在云计算基 础设施上。用户根据自身需求，通过互联网定制、配置、组装来获得所需的软件系统。对 于中小型企业和机构来说，SaaS避免了构建和基础设施的成本，同时也不需要专业人 员对软件进行日常。典型的 SaaS有 NetSuite，SalesF （SFDC）和大部分的 GoogleApps等。 云计算的服务类型如图 2-1所示： 图2-1 云计算服务类型[34] 2.2 云服务评价概述 2.2.1 云服务评价模型 文献[38]中将云服务定义为“所有部署在远端并通过 Internet或私有网络访问的应用与 服务的总称”，涵盖了各种形式的网络服务。 当前，云服务评价模型主要基于云服务本身的部分特征或服务质量 QoS （QualityOf Services）进行构建。QoS是近年来计算机网络领域研究与开发的热点问题之一[39]，可以 用于衡量服务的质量，通常包含成本、运行时间、稳定性等非功能性属性[40]，能够较好地 体现服务质量的好坏。 文献[12]针对 SaaS服务的特点，建立了包括可重用性、效率、可靠性、可扩展性、可 用性的 SaaS质量模型，帮助云服务供应商对服务进行评估。 11 万方数据 浙江工业大学硕士学位论文 文献[13][14]针对云服务提供商性能评估问题，设计了一种 CloudCmp框架，该框架主 要从云服务的低层性能，例如 CPU和网络吞吐量等对其进行评价。 文献[16]主要从可用性和性能两个方面对云服务进行评价，其中可用性指的是云服务 在运行过程中达到的质量满足其在 SLA中预期承诺服务质量水平的时间百分比，对性能指 标的计算则考虑到了不同云服务的类别。 文献[23]提出一种 SaaS选择方法用于指导企业用户的服务选择，其中评价指标主要包 含功能性，架构，可用性，供应商声誉和成本。 文献[41]主要研究云计算中服务质量的度量和测量。文献基于面向服务架构 SOA 的思想，结合传统的网络性能测量和现有的Web服务常用测量技术，提出了一种基于可用 性、吞吐率、性能和利用率四个方面的云服务质量测量框架。 Nie等[42]基于云服务特点和专家意见，建立了包括安全性、成本、服务质量 QoS和声 誉的云服务评价指标体系，并采用 AHP方法确定各个指标的评价权重。 文献[17,18]针对云服务的信任或信誉进行了评估，其中信任值或者信誉度值主要根据 云服务的用户主观反馈数据进行计算。 一些研究者[11][24][28]从服务质量 QoS 的角度构建云服务评价模型。 Zheng等[11]提出了一种基于 QoS 的组件排名框架，文中采用包含响应时间和吞吐率两 个 QoS指标的实验数据集来验证提出的框架。 文献[24]提出一种 QoS模型用于指导用户选择符合其需求的最适合的 SaaSERP，该 QoS模型包含 6个评价指标，分别为功能性、可靠性、可用性、效益、可性和业务性。 文献[28]针对云市场中服务的选择问题，采用推荐系统来帮助用户选择最符合其需求 的云服务，该推荐系统主要基于网络 QoS和不同云服务提供商的虚拟机性能对云服务进行 评价。文中针对 SaaS和 HaaS （Hardware-as-a-Service）服务的特点，分别给出了不同的评 价指标体系，其中 SaaS仅考虑了网络 QoS，主要包括可用性、吞吐率和可靠性；HaaS则 综合考虑了网络 QoS 以及服务性能指标，例如 CPU、内存和存储等。 综上所述，现有的云服务评价指标主要可以分为两类，一类是云端服务的客观质量指 标，主要通过云和基准测试测量得到，或由服务提供商制定；另一类是基于用户主观 反馈数据进行评估的评价指标。其中云服务的客观质量指标通常关注成本、性能、可靠性、 可用性、可扩展性、可重用性等，主观反馈指标通常关注可信性、声誉等。 12 万方数据 浙江工业大学硕士学位论文 2.2.2 多属性决策方法 多属性决策方法 MCDM是现代决策科学的一个重要组成部分，在工程设计、军事、 经济和管理等诸多领域中都有着广泛的理论与实际应用背景[43]，其本质是利用已有的决策 信息通过一定的方式对一组备选方案进行排序并择优。当前比较常用的多属性决策方法主 要有简单线性加权法、多属性价值函数法、TOPSIS （TechniqueforOrderPreferenceby SimilaritytoanIdealSolution）法、灰色关联分析法、AHP （AnalyticHierarchyProcess）方 法等。 （1） 简单线性加权法 简单线性加权法是传统多属性决策分析方法，例如多属性价值函数法、TOPSIS、AHP 等方法的基础[44]。简单线性加权法的基本思想是在给定方案中的相关目标值和权重信息的 情况下，对多属性决策矩阵进行标准化处理，然后通过加权法对各个方案的量化属性值求 和，并根据求出的值对多个待选方案进行排序，从而得出决策中最优方案。 简单线性加权法的基本步骤如下所示： 1）根据用户实际需要选择适当的方法确定各决策指标的权重； 2）对多属性决策矩阵作标准化处理； 3）根据评价指标权重，求出各个备选方案的线求出的各备选方案线性加权值，选择值最大的方案作为推荐方案。 （2） 多属性价值函数法 多属性价值函数法是在简单线性加权法的基础上，加入了属性价值函数来确定决策者 的局部偏好信息和总体偏好信息，其中局部偏好是指方案集在各属性下的偏好/相对优劣。 多属性价值函数法辅助决策者为每一个决策确定价值函数，获得局部偏好，价值函数反映 了用户的主观偏好。 多属性价值函数法和简单线性加权法的共同之处在于都假设各评价指标之间是相互 的，评价指标之间具有完全可补偿性。 （3） TOPSIS法 TOPSIS法的基本原理是：首先假设一个正理想方案和负理想方案，其理想方案 中各个指标值都达到各备选方案中的最好值，负理想方案中各个指标值都达到各备选方案 中的最差值，然后分别计算各备选方案与正负理想方案的相对接近度，并根据相对接近度 对各备选方案进行排序或择优。经过TOPSIS处理得到的最优方案是最接近正理想解的方 案，同时又是远离负理想解的方案。 13 万方数据 浙江工业大学硕士学位论文 TOPSIS方法概念简单易懂，决策流程清晰，但在决策过程中，需要额外设定一个测 度来测量某个备选方案的解与正理想解和负理想解的靠近程度。 （4） 灰色关联分析法 灰色系统理论是一种运用特定的方法描述信息不完全的系统并进行预测、决策、控制 的崭新的系统理论。灰色关联分析法作为灰色系统理论的重要组成部分，是一种用灰色关 联度顺序[45]来描述因素间关系的大小、强弱、次序的方法，其基本思想是：以因素的数据 序列为依据，用数学的方法研究因素间的几何对应关系，并根据曲线几何形状的相似程度 来确定关联程度。曲线的几何形状越相似，则它们之间的灰关联度越大，反之则越小。 （5） AHP方法 [46] AHP 是一种简单且实用的多准则评价决策方法，通过一定的标度把人的主观性判断 进行客观量化，从而实现定性问题的定量化分析。AHP允许用户将复杂问题分解为若干递 进层次，例如 目标层、准则层、子准则层、方案层等，通过两两比较的形式来决定目标的 相对重要性，是当前应用广泛的决策方法。 AHP 的基本步骤如下所示： 1）建立问题的递阶层次结构模型； 2）构造模型中各层元素的判断矩阵，并对矩阵进行一致性检验，若成功则进入步骤 3， 否则，对判断矩阵进行修正； 3）层次单排序及一致性检验。根据判断矩阵计算被比较元素相对于该准则的相对权 重，并进行一致性检验； 4）层次总排序及一致性检验。计算各层元素相对于系统目标的合成权重，并进行排 序和一致性检验。 AHP相对于其它多属性决策方法更加简单明了，且适用于存在不确定性和主观信息的 情况。同时，AHP提出了 “层次”的概念，使得决策者能够认真考虑和权衡目标的相对重 要性。 考虑到本文提出的云服务评价指标体系主要包括客观质量指标和用户主观反馈指标， 每一类指标又包含若干二级评价指标，层次关系分明；同时考虑到用户在确定评价指标权 重时存在的主观性和不确定性，为了降低权重确定过程的复杂性，提高用户体验，本文采 用 AHP来确定评价指标权重。 14 万方数据 浙江工业大学硕士学位论文 2.2.3 推荐系统 推荐系统作为一种信息过滤的重要手段，可以从大量可用的服务或产品中找到合适的 服务或产品，同样适用于云服务的选择及评价研究。目前已有部分学者[28]采用推荐系统来 解决云服务的选择及评价问题。在推荐系统中，核心和关键的是推荐算法，在很大程度上 决定了推荐系统性能的优劣。目前，常用的推荐算法主要包括以下几类：协同过滤推荐、 基于内容的推荐、混合推荐等。 （1）协同过滤推荐 协同过滤推荐 （CollaborativeFilteringRecommendation）算法是推荐系统中应用最为广 泛的技术之一，其基本思想是利用当前用户相似的其他用户偏好来预测当前用户的偏好。 可以是利用当前用户与其他用户对部分项目的已知偏好数据来预测当前用户对其它项目 的潜在偏好，也可以是利用用户对当前项目或者其它项目的已知偏好数据来预测其他用户 对当前项目的潜在偏好。 协同过滤推荐算法主要可以分为两类，式方法和基于模型的方法[48]，两者的区别 在于前者需要计算用户或项目之间的相似度，后者是对已有的数据进行统计分析，并利用 机器学习等一些技术得到规模并进行预测。式方法具体可以分为基于用户的协同过滤 （User-basedCollaborativeFiltering）和基于项目的协同过滤 （Item-basedCollaborative Filtering）。 （2）基于内容的推荐 基于内容的推荐 （content-basedrecommendation）是信息过滤技术的一种，主要是通 过比较候选资源与用户兴趣的相似性，选取若干相似度高的资源推荐给用户。其基本思想 是根据用户的访问内容来判断用户的行为和需求[50]，无需用户对对象的评价意见。其中用 户的访问内容可以通过特征提取的方法进行描述，系统基于内容的特征学习用户的兴趣， 进而考察用户资料与候选资源的匹配程度，并根据匹配程度对用户进行推荐。 （3）混合推荐 混合推荐 （hybridrecommendation）算法主要是为了结合各种推荐算法的优势，同时 避免不同算法的局限性，通过互补合作的方式达到更好的推荐效果。混合推荐可以按照不 同的混合策略 （例如加权、切换、、混合呈现、特征组合等）将不同的推荐技术进行 组合并完成推荐[51]。 15 万方数据 浙江工业大学硕士学位论文 2.3 不确定性研究 当前不确定性的内涵缺乏的、必要的说明，目前所说的不确定性，主要包括随机 性、模糊性、不稳定性、不完全性和不一致性这 5种形式，其中随机性和模糊性是最重要 的两种形式[22]。 随机性是偶然性的一种形式，是指因为事件发生的条件不充分，导致条件与结果之间 缺乏决定性的关系，在事件的出现与否上表现出的不确定性质。模糊性的出现是因为 概念本身模糊，一个对象是否符合这个概念很难确定；模糊性是事物的一种客观属性，不 是由人的主观认识造成的[22]。 当前，随着 IT资源服务化思想的普及，用户对服务的感受已成为服务提供商需要考虑 的关键因素之一。用户对服务的感受通常根据用户的反馈进行具体描述，目前已有部分研 究[17]从用户主观反馈角度对云服务进行评价，但并未深入研究用户反馈评估模型。 云服务的用户反馈通常采用语言值 （例如 “好”、“一般”）或等级 （1~5级）进行描述， 对用户反馈的量化大多仅限于定性化的描述和分析，缺乏参数化的度量方法，忽略了用户 反馈的不确定性。基于语言值的表示方式，语言值本身的不确定性使 很难用精确的数值 进行描述；基于等级的表示方式，例如 5级评分机制，也很难从主观的角度区分 4.5级和 4级之间的本质区别。因此，需要充分考虑用户反馈的随机性、模糊性等不确定性。 目前，不确定性研究常用的方法有概率论、数理统计学、模糊集合论、贝叶斯理论、 云模型理论等。 （1）概率论 概率论是研究随机现象的统计规律性的数学学科，从随机性角度出发研究不确定性。 概率论使得人们可以以数学的方式去研究随机性，并将随机性用概率予以量化表示。在概 率论中研究的随机变量，其分布都是假设已知的，在这个基础之上去研究它的性质、特点、 规律等。借助于随机变量的分布函数，人们可以研究随机现象的所有统计特征[67]。概率论 与实际也有着密切的关联，在技术科学、自然科学、军事、社会科学等领域都有着广泛的 应用，同时也是数理统计学的理论基础。 （2）数理统计学 数理统计学是统计学的基础，从数学的角度去研究统计学，伴随着概率论的发展而发 展起来。它研究如何有效的收集、整理和分析带有随机性的数据，并在设定的模型的基础 上，对这种数据进行科学的分析，从而对决策和行动提供依据和。数理统计学被广泛 应用于工农业生产、技术科学、自然科学以及社会经济等领域。 16 万方数据 浙江工业大学硕士学位论文 （3）模糊集合论 [63] 模糊集合论是由美国学者 L.A.Zadeh 在 1965年创建的，用于描述模糊现象的方法。 该方法把待考察的对象以及反映它的模糊概念作为一定的模糊集合，构建适当的隶属函 数，通过模糊集合的相关运算和变换，以便对模糊对象进行分析。模糊集合论引入了集合 中元素对该集合的 “隶属度”，将经典集合论里的特征函数取值范围从经典二值逻辑{0,1} 推广到多值逻辑，使得模糊性可以用[0,1]上的区间来度量。 （4）贝叶斯理论 贝叶斯理论是不确定性处理的重要工具，包括贝叶斯，贝叶斯决策理论和在此基 础上的贝叶斯分析。贝叶斯的主要思想是可以利用随机试验获得的新信息去修正自然 状态的先验分布，得到更接近实际、更准确的后验概率分布。贝叶斯理论使得不确定性知 识表示和推理在逻辑上非常清晰并且易于理解。 （5）云模型理论 云模型理论包括云模型、不确定性推理和云变换三部分。云模型[53]是在概率统计和模 糊数学的基础上提出的一种定性概念与定量数值转换模型，兼顾了语言值中的随机性、模 糊性以及两者之间的关联性。云模型通过期望、熵和超熵 3个数字特征完成模糊概念到具 体数值的。期望值是最能够反应该定性概念的值；熵是定性概念模糊度的度量，其值 越大，概念越模糊；超熵反映云滴的离散程度，其值越大，隶属的随机离散度越大。 文献[54]针对网络安全领域的信任评估问题，引入隶属云理论，并分别给出了信任评 价云和信任等级云的定量描述，在此基础上提出了一种新的网络信任评估模型，该模型综 合考虑了主体主观信任的模糊性、随机性和不确定性。 鉴于云模型在定性概念表示和推理方面的优势，文献[55]提出一种基于云模型的主观 信任管理模型，用于解决信任表达中的模糊性和不确定性难题，进而提出了一种灵活直观， 描述能力较强的形式化定性信任推理机制，为主观信任管理研究进行了有益的探索和尝 试。 王守信等人[56]针对网易中的信任决策问题，在文献[55]给出的信任云的基础上， 提出一种基于云模型的主观信任量化评价方法，该方法考虑了客体信用度变化对信任决策 的影响，为进一步的信任决策提供了有利的依据。文献通过实验分析验证了该方法能够有 效地支持信任主体的主观信任决策。 17 万方数据

　　请自觉遵守互联网相关的政策法规，严禁发布、、的言论。用户名:验证码:匿名?发表评论