聂振海

研究一种在云计算环境下，基于QoS的面向SaaS多租户服务组合选择技术，可满足SaaS终端用户多维QoS约束和SaaS服务提供方全局优化目标。

【关键词】SaaS 云计算 QoS 多租户

1 引言

云计算是一种基于网络的可扩展的分布式计算平台，通过虚拟化技术对各种资源进行有效整合，建立满足服务需要的资源池，实现资源的集中化管理。SaaS多租户共享同一SaaS服务提供方的应用服务实例，而多终端用户间具有潜在服务质量需求差异。现有基于QoS的服务组合选择技术多面向单一租户，即将满足单租户的服务组合选择技术逐一应用于多个租户服务组合选择方法中，会导致整体服务质量不佳。设计面向多租户并行QoS服务组合选择技术，弥补现有多基于单租户的服务组合选择性能不足；高效的QoS服务组合选择技术可满足未来大规模SaaS服务应用需求，拓展云计算下SaaS模式适用范围。

2 基于QoS的SaaS小规模单一服务组合选择技术

SaaS服务需求方和提供方是博弈的双方，基于QoS的服务组合选择是满足服务双方目标的复杂决策过程。

（1）在SaaS服务提供方优化目标和可选服务下，模拟实现终端用户间多维QoS约束差异。

（2）对于SaaS终端用户服务请求规模较小，计算量不大的情况，实现SaaS多租户最优服务组合选择方法。

（3）对于SaaS终端用户服务请求规模较大，计算量大而难以有效实现SaaS服务质量最优目标的情况，实现SaaS多租户次优服务组合选择方法。

（4）通过URL测试数据集，满足SaaS终端用户多维QoS约束和SaaS服务提供方优化目标，实现基于服务质量的服务组合选择技术。

（5）模拟SaaS终端用户间多维QoS约束差异：服务响应时间、服务吞吐量、可用性；模拟SaaS服务提供方不同优化目标：最少服务资源成本、最佳服务性能、最大营收额。将SaaS多租户服务选择问题转化为约束优化问题。

（6）满足小规模终端用户服务请求的SaaS最优服务组合选择，采用整数编程，混合整数编程技术解决约束优化问题（COP）。

（7）满足小规模终端用户服务请求的SaaS次优服务组合选择，采用贪婪算法选择天际服务以缩小服务组合搜索范围来解决约束优化问题。

3 基于QoS的SaaS大规模并行服务组合选择技术

通过大量真实URL网站作为测试数据集，对比现有QoS服务组合选择技术：局部精确，局部天际，局部贪婪；研究面向多租户并行服务需求特点的QoS服务组合选择技术：全局精确，全局天际和全局贪婪，得出新技术性能更优的结论。

3.1 局部精确（Exact-Local）

在不同约束优化问题模型下，优化方法逐个为每个终端用户创建执行计划，考虑每个服务类中所有服务作为候选服务。

3.2 全局精确（Exact-Global）

在单一约束优化问题模型下，优化方法为所有SaaS终端用户创建执行计划，考虑每个服务类中所有服务作为候选服务。这种方法适合服务数据量较小情况下，采用整数编程技术解决SaaS终端用户多维QoS约束和SaaS服务提供方优化目标。

3.3 局部天际（Skyline-Local）

在不同约束优化问题模式下，优化方法逐个为每个终端用户创建执行计划，考虑每个服务类中优先天际服务作为候选服务。

3.4 全局天际（Skyline-Global）

在单一约束优化问题模型下， 优化方法为所有SaaS终端用户创建执行计划，考虑每个服务类中的天际服务作为候选服务。这种方法适合服务数据量较大情况下，在非天际服务失效的情况下有效使用。

3.5 局部贪婪（Greedy-Local）

在不同约束优化问题模式下，优化方法挨个为每个终端用户创建执行计划，使用贪婪算法在每个服务类中选择最有代表性服务作为候选服务。

3.6 全局贪婪（Greedy-Global）

在单一约束优化问题模型下，优化方法为所有SaaS终端用户创建执行计划，使用贪婪算法在每个服务类中选择最有代表性服务作为候选服务。这种方法适合服务数据量更大情况下，在非天际服务失效的情况下有效使用。

比较分析共三组，每组各两种新旧方法之间的执行性能差异，证明采用的全局天际和全局贪婪方法比现有的局部天际和局部贪婪方法在服务组合选择有效性和服务优化性能方面有显著提升。新技术是满足SaaS终端用户多维QoS约束和SaaS服务提供方优化目标的理想方法。尤其在SaaS服务请求数据量不断激增情况下，采用贪婪算法的天际服务组合选择技术具有有效性和高效性。SaaS服务提供方全局优化目标实现的同时，可有效拓展云计算SaaS适用范围，提升SaaS服务性能。

参考文献

[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.

作者单位

长春工程学院计算机技术与工程学院 吉林省长春市 130012endprint