CN108092798B - 一种基于变粒度的云服务优选方法、云服务器 - Google Patents

一种基于变粒度的云服务优选方法、云服务器 Download PDF

Info

Publication number
CN108092798B
CN108092798B CN201711200270.7A CN201711200270A CN108092798B CN 108092798 B CN108092798 B CN 108092798B CN 201711200270 A CN201711200270 A CN 201711200270A CN 108092798 B CN108092798 B CN 108092798B
Authority
CN
China
Prior art keywords
evaluation
index
cloud
granularity
cloud service
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711200270.7A
Other languages
English (en)
Other versions
CN108092798A (zh
Inventor
赵蕾
陆伟
常言说
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
XI'AN UNIVERSITY OF FINANCE AND ECONOMICS
Original Assignee
XI'AN UNIVERSITY OF FINANCE AND ECONOMICS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by XI'AN UNIVERSITY OF FINANCE AND ECONOMICS filed Critical XI'AN UNIVERSITY OF FINANCE AND ECONOMICS
Priority to CN201711200270.7A priority Critical patent/CN108092798B/zh
Publication of CN108092798A publication Critical patent/CN108092798A/zh
Application granted granted Critical
Publication of CN108092798B publication Critical patent/CN108092798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
    • H04L41/5067—Customer-centric QoS measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于云服务计算技术领域，公开了一种基于变粒度的云服务优选方法、云服务器，构建云服务评价指标集；指标集层次由下至上分别为：细粒度指标、中粒度指标、粗粒度指标，中层及上层指标的评价值均基于底层指标的评价值；构建云服务变粒度评价体系；获得每个云服务在不同服务质量级别上的得分值VHQ，VMQ，VLQ，用户根据对云服务的质量需求，对云服务进行不同层次、不同粒度要求的得分进行排序，选择在某些方面得分高的云服务。本发明基于多粒度、多层次、多需求的考虑对云服务进行综合性地定量评价，通过云模型对云服务指标进行定性到定量的转化，较为全面地评价云服务单个与综合性能，实现对云服务的有效选择。

Description

一种基于变粒度的云服务优选方法、云服务器
技术领域
本发明属于云服务计算技术领域，尤其涉及一种基于变粒度的云服务优选方法、云服务器。
背景技术
随着部署在互联网中的云服务的类型和数量持续不断地增长，涌现出大量功能相同或者相近的云服务。用户对于服务的非功能性要求往往千差万别，为用户提供全面的、可靠的选择依据，帮助用户从众多云服务中选择满足其需求的云服务，具有重要的现实意义。目前，已存在针对云服务的选择方法，主要从安全性、可靠性、可用性等方面入手对云服务进行评估，实现云服务选择；然而也存在一些问题：现有的云服务选择方法主要从服务质量，或者云服务安全，或者用户使用反馈、推荐等因素考虑来评价云服务，评价因素简单，且评价方法单一，而且在指标评价值合成时，现有普遍采用的方法是对评价指标赋予权重后对各指标的评价值进行简单的线性加和，难以满足复杂云计算环境下对多任务粒度云服务的定量分析和综合评价，不能全面准确的反映出云服务的优劣。与现有的云服务选择方法相比，本发明针对复杂环境下云服务优选问题，基于多粒度、多层次、多需求的考虑对云服务进行综合性地定量评价，通过云模型对云服务指标进行定性到定量的转化，较为全面地评价云服务单个与综合性能，实现复杂云计算环境下对云服务的综合、有效选择。
综上所述，现有技术存在的问题是：现有的云服务选择方法从单一角度或侧重某几个方面对云服务进行评价，评价指标选择不够全面，评价方法单一，难以满足复杂云计算环境下对多任务粒度云服务的定量分析和综合评价。
发明内容
针对现有技术存在的问题，本发明提供了一种基于变粒度的云服务优选方法、云服务器。
本发明是这样实现的，一种基于变粒度的云服务优选方法，所述基于变粒度的云服务优选方法包括以下步骤：
步骤一，构建云服务评价指标集；指标集分为三层，细粒度指标为底层指标，中粒度指标为中层指标，粗粒度指标为上层指标，对中层及上层指标的评价值均基于底层指标的评价值；采用云模型的方法对评价指标进行不确定性处理，以解决评价指标值从定性评价值到定量评价值的转化；其中云模型通过三个数字特征期望(Ex)、熵(En)、超熵(He)完成模糊概念到具体数值的转化；具体步骤如下：
(1)根据云服务认证机构及云用户对不同云服务的各项指标的评价及反馈，确定定性与定量评价指标，定量评价指标用精确数值表示，定性指标用{优秀，良好，一般，较差，差}五个等级来表示，对应百分制区间值分别为优秀＝[90,100]、良好＝[70,90]、一般＝[50,70]、较差＝[30,50]、差＝[0,30]；
(2)将定性评价值看成云模型中的云滴，利用逆向生成云算法获得云模型的三个数字特征(Ex,En,He)来定量表示评价值；云期望曲线方程
Figure GDA0002688456020000021
拟合，得到Ex的估计值Ex'；由
Figure GDA0002688456020000022
求得Eni'，
Figure GDA0002688456020000023
求得熵的估计值En'；再根据
Figure GDA0002688456020000024
求得超熵的估计值He'；
(3)三元组(Ex',En',He')为云服务认证机构及云用户对不同云服务的评价指标的定量评价值；
(4)n个三元组(Ex,En,He)的合成，满足以下表达式：
Figure GDA0002688456020000027
Figure GDA0002688456020000025
其中
Figure GDA0002688456020000028
为第i个三元组的权重，满足
Figure GDA0002688456020000026
步骤二，构建云服务变粒度评价体系；
步骤三，获得的每个云服务在不同服务质量级别上的得分VHQ，VMQ，VLQ，用户根据自己对云服务的质量需求，以及对云服务指标的偏好，对某一质量级别的云服务在某些指标上的得分值进行排序，实现有针对性的选择。
进一步，所述步骤一中：评价指标包括：粗粒度指标、中粒度指标和细粒度指标；
所述粗粒度指标指根据云监控、云服务认证机构以及用户反馈等总结得到的指标；
所述中粒度指标指云服务认证组织提供的对云服务服务质量的划分及属性归类；
所述细粒度指标指具体的可度量的反映云服务属性的各类指标。
进一步，所述步骤二具体包括：
(1)以评价指标项、评价点、考核点作为粒度对云服务进行变粒度考核，其中指标评价项指细粒度，评价点指中粒度，考核点指粗粒度；
(2)评价指标粒度为云服务变粒度评价体系中最底层的细化评价指标，包含在每个评价点中，每个细化的评价指标根据具体的评价点有相应的、直接定性的描述性评价与定量的评价，各评价指标的得分用S1,S2,…,Sn表示；
(3)对评价点的考核是通过对包含在其中的评价指标体现的，不同的评价点包含相同的评价指标，各评价指标相应的权重也不同，获得每个评价点的得分表示为
Figure GDA0002688456020000031
其中Tj为第j个评价点的得分，αij为第i个评价指标对第j个评价点的权值，Si为第i个评价指标的得分，且
Figure GDA0002688456020000032
(4)考核点的得分通过对包含在其中的评价点的得分体现的，不同的考核点可以包含相同的评价点，同一评价点在不同的考核点的影响程度也不同，权重不同，考核点的得分为
Figure GDA0002688456020000033
其中Rj为第j个考核点的得分，βij为第i个评价点对第j个考核点的权重，Ti为第i个评价点的得分，满足
Figure GDA0002688456020000034
(5)建立云服务服务质量变粒度评价体系，将服务质量划分为高质量、中等质量、一般质量三个级别，基于考核点建立服务质量变粒度评价体系，不同的服务质量包含相同的考核点，同一考核点在不同的服务质量中分配权重不同，三级服务质量的得分用VHQ，VMQ，VLQ表示，
Figure GDA0002688456020000041
Figure GDA0002688456020000042
其中ωi为第i个考核点在在HQ等级上的权重，νi为第i个考核点在在MQ等级上的权重，τi为第i个考核点在在LQ等级上的权重；
所述步骤三中对云服务的排序，具体实现如下：
根据步骤二(2)总的评价指标点评分可以获得各评价指标粒度的得分，根据步骤二(3)的计算可以获得各评价点粒度的得分，根据步骤二(4)计算可以获得各考核点粒度的得分，根据步骤二(5)计算可以获得各级质量粒度的得分；不同的步骤反映不同的评估层次，不同的评估层次对应的粒度不同，步骤二(2)中指标评价点粒度最细，(5)中质量粒度最粗；根据(2)-(5)的计算结果，用户可以对云服务进行不同层次、不同粒度要求的得分进行排序，选择在某些方面得分高的云服务，其中，所有评价和得分值均由云模型的三个数字特征(Ex,En,He)表示，在排序时首先根据Ex的大小进行排序，值大者优，在Ex相同或相近的情况下对En排序，值小者佳，在Ex和En相近或相同情况下最后对He大小进行排序，值小者优。
本发明的另一目的在于提供一种使用所述基于变粒度的云服务优选方法的云服务器。
本发明的优点及积极效果为：现有的云服务选择方法主要从服务质量，或者云服务安全，或者用户使用反馈、推荐等因素考虑来评价云服务，评价因素简单，且评价方法单一，难以满足复杂云计算环境下对多任务粒度云服务的定量分析和综合评价。与现有的云服务选择方法相比，本发明针对复杂环境下云服务优选问题，基于多粒度、多层次、多需求的考虑对云服务进行综合性地定量评价，通过云模型对云服务指标进行定性到定量的转化，较为全面地评价云服务单个与综合性能，实现复杂云计算环境下对云服务的综合、有效选择。
附图说明
图1是本发明实施例提供的基于变粒度的云服务优选方法流程图。
图2-1和图2-2是本发明实施例提供的基于变粒度的云服务评价体系结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于变粒度的云服务优选方法包括以下步骤：
S101：云服务评价指标集的构建及量化；
S102：构建云服务变粒度评价体系；
S103：计算云服务综合评分值并根据综合评分值对云服务进行排名。
本发明实施例提供的基于变粒度的云服务优选方法具体包括以下步骤：
步骤一，构建云服务评价指标集；本发明的评价指标包含粗粒度指标、中粒度指标和细粒度指标；
其中，粗粒度指标指根据云监控、云服务认证机构以及用户反馈等总结得到的指标，例如云服务的性能、可用性、可靠性、安全性等宽泛性指标；中粒度指标指云服务认证组织提供的划分对云服务服务质量的类别划分及属性归类，如数据管理类、业务质量类、权益保障类等；细粒度指标指更具体的可度量的反映云服务服务性属性的各类指标，例如云服务数据存储的持久性、数据可销毁性、数据可迁移性、故障恢复能力、服务计量准确性、服务赔偿条款等；
其中云模型通过三个数字特征期望(Ex)、熵(En)、超熵(He)完成模糊概念到具体数值的转化；具体步骤如下：
(1)根据云服务认证机构及云用户对不同云服务的各项指标的评价及反馈，确定定性与定量评价指标，定量评价指标用精确数值表示，定性指标用{优秀，良好，一般，较差，差}五个等级来表示，对应百分制区间值分别为优秀＝[90,100]、良好＝[70,90]、一般＝[50,70]、较差＝[30,50]、差＝[0,30]；
(2)将定性评价值看成云模型中的云滴，利用逆向生成云算法获得云模型的三个数字特征(Ex,En,He)来定量表示评价值；云期望曲线方程
Figure GDA0002688456020000061
拟合，得到Ex的估计值Ex'；由
Figure GDA0002688456020000062
求得Eni'，
Figure GDA0002688456020000063
求得熵的估计值En'；再根据
Figure GDA0002688456020000064
求得超熵的估计值He'；
(3)三元组(Ex'，En'，He')为云服务认证机构及云用户对不同云服务的评价指标的定量评价值；
(4)n个三元组(Ex,En,He)的合成，满足以下表达式：
Figure GDA0002688456020000067
Figure GDA0002688456020000065
其中
Figure GDA0002688456020000068
为第i个三元组的权重，满足
Figure GDA0002688456020000066
本发明中，将指标集分为三层，细粒度指标为底层指标，中粒度指标为中层指标，粗粒度指标为上层指标，对中层及上层指标的评价值均基于底层指标的评价值；由于指标评价存在不确定性，为了有效量化及度量所有指标，本发明采用云模型的方法对指标进行不确定性处理，以解决指标从定性评价值到定量评价值的转化；其中云模型通过三个数字特征期望(Ex)、熵(En)、超熵(He)来完成模糊概念到具体数值的转化；
步骤二，构建云服务变粒度评价体系，本发明提出的变粒度评价体系构建方法具体步骤如下：
(1)分别以评价指标项、评价点、考核点作为粒度对云服务进行变粒度考核，其中指标评价项指细粒度，评价点指中粒度，考核点指粗粒度；
(2)评价指标粒度为云服务变粒度评价体系中最底层的细化评价指标，它包含在每个评价点中，每个细化的评价指标根据具体的评价点有相应的、直接定性的描述性评价与定量的评价，各评价指标的得分用S1,S2,…,Sn表示；
(3)对评价点的考核是通过对包含在其中的评价指标体现的，不同的评价点可以包含相同的评价指标，同一评价指标在不同的评价点中的影响程度也不同，即权重不同，由专家系统对各评价指标给出相应的权重，获得每个评价点的得分表示为
Figure GDA0002688456020000071
其中Tj为第j个评价点的得分，αij为第i个评价指标对第j个评价点的权值，Si为第i个评价指标的得分，且
Figure GDA0002688456020000072
(4)考核点的得分则是通过对包含在其中的评价点的得分体现的，不同的考核点可以包含相同的评价点，同一评价点在不同的考核点的影响程度也不同，考核点的得分为
Figure GDA0002688456020000073
其中Rj为第j个考核点的得分，βij为第i个评价点对第j个考核点的权重，Ti为第i个评价点的得分，满足
Figure GDA0002688456020000074
(5)建立云服务服务质量(QoS)变粒度评价体系，将服务质量划分为高质量(HQ)、中等质量(MQ)、一般质量(LQ)三个级别，基于步骤二(4)的考核点建立服务质量变粒度评价体系，不同的服务质量可以包含相同的考核点，同一考核点在不同的服务质量中分配权重不同，三级服务质量的得分用VHQ，VMQ，VLQ表示，
Figure GDA0002688456020000075
其中ωi为第i个考核点在在HQ等级上的权重，νi为第i个考核点在在MQ等级上的权重，τi为第i个考核点在在LQ等级上的权重；
步骤三，根据计算获得的每个云服务的VHQ，VMQ，VLQ，用户根据自己对云服务的质量需求，对不同质量级别的云服务的得分值进行排序，从而进行选择。对云服务的排序，具体实现如下：根据步骤二(2)总的评价指标点评分可以获得各评价指标粒度的得分，根据步骤二(3)的计算可以获得各评价点粒度的得分，根据步骤二(4)计算可以获得各考核点粒度的得分，根据步骤二(5)计算可以获得各级质量粒度的得分；不同的步骤反映不同的评估层次，不同的评估层次对应的粒度不同，步骤二(2)中指标评价点粒度最细，(5)中质量粒度最粗；根据(2)-(5)的计算结果，用户可以对云服务进行不同层次、不同粒度要求的得分进行排序，选择在某些方面得分高的云服务，其中，所有评价和得分值均由云模型的三个数字特征(Ex,En,He)表示，在排序时首先根据Ex的大小进行排序，值大者优，在Ex相同或相近的情况下对En排序，值小者佳，在Ex和En相近或相同情况下最后对He大小进行排序，值小者优。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于变粒度的云服务优选方法，其特征在于，所述基于变粒度的云服务优选方法包括以下步骤：
步骤一，构建云服务评价指标集；指标集分为三层，细粒度指标为底层指标，中粒度指标为中层指标，粗粒度指标为上层指标，对中层及上层指标的评价值均基于底层指标的评价值；采用云模型的方法对指标进行不确定性处理，以解决指标从定性评价值到定量评价值的转化；其中云模型通过三个数字特征期望Ex、熵En、超熵He完成模糊概念到具体数值的转化；
步骤二，构建云服务变粒度评价体系；具体包括：
(1)以评价指标项、评价点、考核点作为粒度对云服务进行变粒度考核，其中指标评价项指细粒度，评价点指中粒度，考核点指粗粒度；
(2)评价指标粒度为云服务变粒度评价体系中最底层的细化评价指标，包含在每个评价点中，每个细化的评价指标根据具体的评价点有相应的、直接定性的描述性评价或定量的评价，各评价指标的得分用S1,S2,…,Sn表示；
(3)对评价点的考核是通过对包含在其中的评价指标体现的，不同的评价点包含相同的评价指标，各评价指标相应的权重也不同，获得每个评价点的得分表示为
Figure FDA0002683740440000011
其中Tj为第j个评价点的得分，αij为第i个评价指标对第j个评价点的权值，Si为第i个评价指标的得分，且
Figure FDA0002683740440000012
(4)考核点的得分通过对包含在其中的评价点的得分体现的，不同的考核点可以包含相同的评价点，同一评价点在不同的考核点的影响程度也不同，考核点的得分为
Figure FDA0002683740440000013
其中Rj为第j个考核点的得分，βij为第i个评价点对第j个考核点的权重，Ti为第i个评价点的得分，满足
Figure FDA0002683740440000014
(5)建立云服务服务质量变粒度评价体系，将服务质量划分为高质量HQ、中等质量MQ、一般质量LQ三个级别，基于考核点建立服务质量变粒度评价体系，不同的服务质量包含相同的考核点，同一考核点在不同的服务质量中分配权重不同，三级服务质量的得分用VHQ，VMQ，VLQ表示，
Figure FDA0002683740440000021
Figure FDA0002683740440000022
其中ωi为第i个考核点在HQ等级上的权重，νi为第i个考核点在在MQ等级上的权重，τi为第i个考核点在在LQ等级上的权重；
步骤三，获得的每个云服务在不同服务质量级别上的得分VHQ，VMQ，VLQ，用户根据自己对云服务的质量需求，对不同质量级别的云服务的得分值进行排序，进行选择。
2.如权利要求1所述的基于变粒度的云服务优选方法，其特征在于，所述步骤一中：评价指标包括：粗粒度指标、中粒度指标和细粒度指标；
所述粗粒度指标指根据云监控、云服务认证机构以及用户反馈等总结得到的指标；
所述中粒度指标指云服务认证组织提供的对云服务服务质量的划分及属性归类；
所述细粒度指标指具体的可度量的反映云服务属性的各类指标；
所述步骤一中：云模型通过三个数字特征期望、熵、超熵完成模糊概念到具体数值的转化，具体步骤如下：
(1)根据云服务认证机构及云用户对不同云服务的各项指标的评价及反馈，确定定性与定量评价指标，定量评价指标用精确数值表示，定性指标用{优秀，良好，一般，较差，差}五个等级来表示，对应百分制区间值分别为优秀＝[90,100]、良好＝[70,90]、一般＝[50,70]、较差＝[30,50]、差＝[0,30]；
(2)将定性评价值看成云模型中的云滴，利用逆向生成云算法获得云模型的三个数字特征定量表示评价值；云期望曲线方程
Figure FDA0002683740440000023
拟合，得到Ex的估计值Ex'；由
Figure FDA0002683740440000031
求得Eni'，
Figure FDA0002683740440000032
求得熵的估计值En'；再根据
Figure FDA0002683740440000033
求得超熵的估计值He'；
(3)三元组(Ex',En',He')为云服务认证机构及云用户对不同云服务的评价指标的定量评价值；
(4)n个三元组(Ex,En,He)的合成，满足以下表达式：
Figure FDA0002683740440000034
Figure FDA0002683740440000035
其中
Figure FDA0002683740440000036
为第i个三元组的权重，满足
Figure FDA0002683740440000037
3.如权利要求1所述的基于变粒度的云服务优选方法，其特征在于，所述步骤三中对云服务的排序，具体实现如下：
根据计算结果，用户对云服务进行不同层次、不同粒度要求的得分进行排序，选择在某些方面得分高的云服务，其中，所有评价和得分值均由云模型的三个数字特征表示，在排序时根据Ex的大小进行排序，值大者优，在Ex相同或相近的情况下对En排序，值小者佳，在Ex和En相近或相同情况下最后对He大小进行排序，值小者优。
4.一种使用权利要求1～3任意一项所述基于变粒度的云服务优选方法的云服务器。
CN201711200270.7A 2017-11-27 2017-11-27 一种基于变粒度的云服务优选方法、云服务器 Active CN108092798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711200270.7A CN108092798B (zh) 2017-11-27 2017-11-27 一种基于变粒度的云服务优选方法、云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711200270.7A CN108092798B (zh) 2017-11-27 2017-11-27 一种基于变粒度的云服务优选方法、云服务器

Publications (2)

Publication Number Publication Date
CN108092798A CN108092798A (zh) 2018-05-29
CN108092798B true CN108092798B (zh) 2020-11-03

Family

ID=62173213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711200270.7A Active CN108092798B (zh) 2017-11-27 2017-11-27 一种基于变粒度的云服务优选方法、云服务器

Country Status (1)

Country Link
CN (1) CN108092798B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805362A (zh) * 2018-06-21 2018-11-13 福州大学 制造云服务方案的有效性判别及方案优选的方法
CN109146262A (zh) * 2018-07-31 2019-01-04 佛山科学技术学院 一种制造大数据健康信息的智能解析方法
WO2020091736A1 (en) * 2018-10-30 2020-05-07 Hewlett Packard Enterprise Development Lp Software defined wide area network uplink selection for a cloud service
CN109447505A (zh) * 2018-11-12 2019-03-08 重庆大学 一种基于用户心理行为的云制造知识服务优选方法
CN110428187A (zh) * 2019-08-12 2019-11-08 浪潮云信息技术有限公司 一种应用于中介服务评价的综合评价方法及装置
CN111404743A (zh) * 2020-03-13 2020-07-10 黄东 一种通用型云资源服务能力的评价体系
CN111680268B (zh) * 2020-06-11 2023-05-23 重庆邮电大学 一种基于云模型的多粒度煤矿瓦斯风险预测方法
CN115225733B (zh) * 2022-02-22 2024-04-05 北京邮电大学 基于直接路由和动态量化解析负载的标识解析方法及装置
CN116418699A (zh) * 2023-06-12 2023-07-11 北京天融信网络安全技术有限公司 云服务商网络安全能力评估系统、方法、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102904963A (zh) * 2012-10-25 2013-01-30 上海电机学院 一种基于云模型云服务的管理方法及系统
CN104850727A (zh) * 2015-01-27 2015-08-19 厦门大学 基于云重心理论的分布式大数据系统风险评估方法
CN105574685A (zh) * 2016-02-02 2016-05-11 浙江工业大学 一种基于主客观结合的云服务评价方法
CN105827632A (zh) * 2016-04-26 2016-08-03 广东技术师范学院 云计算ccs细粒度数据控制方法
CN107274010A (zh) * 2017-06-01 2017-10-20 西北工业大学 面向工业设计云服务平台的多目标创意设计评价方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9092498B2 (en) * 2013-02-21 2015-07-28 International Business Machines Corporation Data distribution system, method and program product

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102904963A (zh) * 2012-10-25 2013-01-30 上海电机学院 一种基于云模型云服务的管理方法及系统
CN104850727A (zh) * 2015-01-27 2015-08-19 厦门大学 基于云重心理论的分布式大数据系统风险评估方法
CN105574685A (zh) * 2016-02-02 2016-05-11 浙江工业大学 一种基于主客观结合的云服务评价方法
CN105827632A (zh) * 2016-04-26 2016-08-03 广东技术师范学院 云计算ccs细粒度数据控制方法
CN107274010A (zh) * 2017-06-01 2017-10-20 西北工业大学 面向工业设计云服务平台的多目标创意设计评价方法

Also Published As

Publication number Publication date
CN108092798A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN108092798B (zh) 一种基于变粒度的云服务优选方法、云服务器
Ma et al. A clustering method for large-scale group decision-making with multi-stage hesitant fuzzy linguistic terms
US8250008B1 (en) Decision tree refinement
CN104850727B (zh) 基于云重心理论的分布式大数据系统风险评估方法
Karim et al. An enhanced PROMETHEE model for QoS-based web service selection
CN109034562B (zh) 一种社交网络节点重要性评估方法及系统
CN103412918A (zh) 一种基于服务质量和声誉的服务信任度评估方法
CN105512465B (zh) 基于改进vikor法的云平台安全性量化评估方法
CN107454105A (zh) 一种基于ahp与灰色关联的多维网络安全评估方法
CN104978236A (zh) 一种基于多衡量指标的hdfs负载源宿节点选取方法
CN108596800A (zh) 一种基于贝叶斯的开放性答案决策方法
CN113191828B (zh) 一种用户用电价值等级标签构建方法、装置、设备及介质
CN101217427B (zh) 不确定网络环境中网络服务评价和优选方法
Soltani et al. A hybrid approach to automatic IaaS service selection
Pourmohseni et al. A computational trust model for social IoT based on interval neutrosophic numbers
CN108805471A (zh) 基于复合系统作用关系分析的水资源承载能力评价方法
CN114139940A (zh) 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法
Tomar et al. Decision making for cloud service selection: a novel and hybrid MCDM approach
Jia et al. A privacy-sensitive service selection method based on artificial fish swarm algorithm in the internet of things
WO2017016403A1 (zh) 确定业务对象品牌指数信息的方法及装置
TWI446288B (zh) User requirements service optimization classification system and method
CN108092828A (zh) 一种动态服务提供方法、装置及程序
CN109743203A (zh) 一种基于量化信息流的分布式服务安全组合系统及方法
Cabrerizo et al. An Adaptive Feedback Mechanism for Consensus Reaching Processes Based on Individuals' Credibility
CN103336763A (zh) 一种语义Web服务组合结果的复合相似度度量方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant