云計(jì)算中服務(wù)質(zhì)量預(yù)測(cè)數(shù)據(jù)的信心建模

張雪潔,王志堅(jiān),張偉建

(1. 河海大學(xué)計(jì)算機(jī)與信息學(xué)院,江蘇 南京　210098; 2. 南京航空航天大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 南京　210016;3. 河海大學(xué)遠(yuǎn)程與繼續(xù)教育學(xué)院,江蘇 南京　210098)

?

云計(jì)算中服務(wù)質(zhì)量預(yù)測(cè)數(shù)據(jù)的信心建模

張雪潔1, 2,王志堅(jiān)1,張偉建3

(1. 河海大學(xué)計(jì)算機(jī)與信息學(xué)院,江蘇 南京210098; 2. 南京航空航天大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 南京210016;3. 河海大學(xué)遠(yuǎn)程與繼續(xù)教育學(xué)院,江蘇 南京210098)

摘要：為處理服務(wù)質(zhì)量(quality of service,QoS)預(yù)測(cè)所用數(shù)據(jù)的不確定性,增加預(yù)測(cè)結(jié)果的信心值,使預(yù)測(cè)的QoS值更可信,建立了量化QoS預(yù)測(cè)中信心的概率模型。構(gòu)建模型過(guò)程中,考慮了預(yù)測(cè)所用的QoS數(shù)據(jù)項(xiàng)數(shù)量、數(shù)據(jù)的波動(dòng)情況(數(shù)據(jù)偏差)以及數(shù)據(jù)隨時(shí)間的衰減情況。數(shù)據(jù)項(xiàng)數(shù)量表明參與預(yù)測(cè)的數(shù)據(jù)多少對(duì)預(yù)測(cè)結(jié)果可信度的影響程度;數(shù)據(jù)偏差表明服務(wù)的實(shí)際QoS值和預(yù)期值的一致程度;數(shù)據(jù)衰減程度表明隨時(shí)間變化,數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響程度。仿真試驗(yàn)表明,該信心模型能夠準(zhǔn)確有效地幫助用戶選擇滿足其需求的服務(wù)。

關(guān)鍵詞：云計(jì)算；QoS預(yù)測(cè);信心建模;數(shù)據(jù)量;數(shù)據(jù)波動(dòng);數(shù)據(jù)衰減;服務(wù)選擇

服務(wù)質(zhì)量(quality of service,QoS)預(yù)測(cè)可以廣義地描述為使用服務(wù)的歷史數(shù)據(jù)確定用戶從提供商獲得的可能的服務(wù)質(zhì)量。隨著云計(jì)算的廣泛應(yīng)用,網(wǎng)絡(luò)上功能相同的服務(wù)越來(lái)越多,想用這些服務(wù)的用戶希望用到質(zhì)量最好、最符合自己需求的服務(wù)。對(duì)用戶來(lái)說(shuō),評(píng)估所有服務(wù)是不現(xiàn)實(shí)的,所以需要借助預(yù)測(cè)QoS的技術(shù)和工具,預(yù)測(cè)QoS的能力就顯得尤為重要。

在云計(jì)算環(huán)境中,由于受網(wǎng)絡(luò)擁堵、資源限制或質(zhì)量管理水平等因素的影響[1-4],服務(wù)提供商的行為不總是期望的那么穩(wěn)定,所以預(yù)測(cè)的性能就會(huì)有波動(dòng)。這些不確定性引起的服務(wù)性能的變化會(huì)反映在收集的QoS數(shù)據(jù)中。根據(jù)變化很大的數(shù)據(jù)預(yù)測(cè)QoS很可能是不可靠的,而根據(jù)少量數(shù)據(jù)預(yù)測(cè)QoS也不可信。此外,數(shù)據(jù)收集的時(shí)間因素也會(huì)影響預(yù)測(cè)的可信度,根據(jù)新近數(shù)據(jù)預(yù)測(cè)的結(jié)果更有說(shuō)服力。所以,需要對(duì)QoS預(yù)測(cè)結(jié)果附加一個(gè)信心值,這樣預(yù)測(cè)的QoS更可信,能為用戶選擇服務(wù)提供更可靠的指示。

為了量化QoS預(yù)測(cè)中的信心,筆者建立了考慮3個(gè)可靠性度量的信心模型,并展示信心模型能夠有效幫助用戶根據(jù)他們的期望選擇服務(wù)。3個(gè)可靠性度量為：(a)預(yù)測(cè)中需要用到的所有QoS數(shù)據(jù)項(xiàng)數(shù)量;(b)數(shù)據(jù)項(xiàng)中數(shù)據(jù)值的變化情況;(c)數(shù)據(jù)隨時(shí)間的衰減情況。

1信心模型相關(guān)工作

目前,許多信心模型已被提出,特別是在信任和信譽(yù)系統(tǒng),這些模型的主要目標(biāo)是在QoS預(yù)測(cè)時(shí)處理用戶行為的一些不確定性。Sabater 等[5]介紹了2種方法(評(píng)價(jià)的數(shù)量、評(píng)價(jià)值的偏差)用于計(jì)算信任值的可靠性,這2種方法得到了Keung等[6]、Huynh等[7]、Dossari等[8]的認(rèn)同。Mui等[9]用Chernoff范圍確定獲得某一等級(jí)的信心需要的最小樣本大小,Zhang等[10]用該方法計(jì)算代理的經(jīng)驗(yàn)是否足夠可靠,即經(jīng)驗(yàn)的可靠程度,代理經(jīng)驗(yàn)由樣本大小度量。上述研究已表明在產(chǎn)生信心值時(shí)考慮數(shù)據(jù)特征的重要性,而數(shù)據(jù)特征由數(shù)據(jù)項(xiàng)數(shù)量和數(shù)值的偏差來(lái)度量。但上述信心模型不能直接應(yīng)用到筆者的工作中,原因有2個(gè):(a)這些模型主要是針對(duì)離散數(shù)據(jù),而本文處理的是連續(xù)數(shù)據(jù),即監(jiān)測(cè)數(shù)據(jù);(b)預(yù)測(cè)結(jié)果的可靠性是“靜止地”推導(dǎo)出來(lái)的,忽略了用戶的期望,而期望對(duì)個(gè)性化預(yù)測(cè)很重要,是選擇滿足用戶需求服務(wù)的不可少因素。

為確定一個(gè)指定服務(wù)的預(yù)測(cè)是否可信，必須根據(jù)用戶需要的質(zhì)量“動(dòng)態(tài)地”做出預(yù)測(cè)。為此,筆者提出一個(gè)考慮預(yù)測(cè)數(shù)據(jù)的大小、數(shù)據(jù)的波動(dòng)以及數(shù)據(jù)隨時(shí)間衰減的信心模型。這樣,可以“動(dòng)態(tài)地”推斷出預(yù)測(cè)結(jié)果的可信度。該模型能適當(dāng)?shù)馗倪M(jìn)已有模型的不足,有效處理QoS預(yù)測(cè)中存在的一些不確定性。

2信心模型的建立

基于Huynh等[7]、 Zhang等[10]的研究,本文信心模型用3個(gè)度量(數(shù)據(jù)大小、數(shù)據(jù)偏差和數(shù)據(jù)衰減程度)計(jì)算對(duì)某個(gè)QoS屬性預(yù)測(cè)的信心。數(shù)據(jù)大小表明用于預(yù)測(cè)的數(shù)據(jù)集支持QoS預(yù)測(cè)方法進(jìn)行預(yù)測(cè)的強(qiáng)度,即參與預(yù)測(cè)的數(shù)據(jù)多少對(duì)預(yù)測(cè)結(jié)果可信度的影響程度。數(shù)據(jù)偏差表明服務(wù)的實(shí)際QoS值和預(yù)期值的一致程度。數(shù)據(jù)衰減程度表明隨時(shí)間變化,數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響程度。

2.1　數(shù)據(jù)大小度量

數(shù)據(jù)大小度量是基于預(yù)測(cè)時(shí)所用數(shù)據(jù)項(xiàng)數(shù)量進(jìn)行的。預(yù)測(cè)時(shí)所用的每個(gè)數(shù)據(jù)項(xiàng)都是一個(gè)服務(wù)過(guò)去服務(wù)質(zhì)量的證據(jù)。擁有證據(jù)越多,對(duì)評(píng)估的信心越高,即隨著數(shù)據(jù)項(xiàng)數(shù)量的增加,可信度增加。本文采用式(1)形式化表示度量方法,根據(jù)數(shù)據(jù)項(xiàng)數(shù)量計(jì)算得到可信度,式(1)表明隨著數(shù)據(jù)項(xiàng)數(shù)量n的增加,可靠程度增加,直到達(dá)到定義的閾值(需要的最小數(shù)據(jù)項(xiàng)數(shù)量)m:

(1)

其中

式中:Cω——數(shù)據(jù)規(guī)模的度量值(當(dāng)n從0增加到m時(shí)其從0增加到1,當(dāng)n超過(guò)m時(shí)其值保持1，m根據(jù)邊界定理[9]計(jì)算得到);ε——用戶可以接受的最大誤差等級(jí);λ——需要的信心等級(jí)。

λ越大,ε越小,m值越大,說(shuō)明需要的數(shù)據(jù)項(xiàng)數(shù)量越多。例如,如果設(shè)λ=0.99、ε=0.1,則需要的最小數(shù)據(jù)項(xiàng)數(shù)m=1 060,這意味著要對(duì)預(yù)測(cè)結(jié)果有信心,就要盡可能多地使用QoS數(shù)據(jù)項(xiàng)記錄。

2.2　數(shù)據(jù)偏差度量

數(shù)據(jù)偏差度量是基于預(yù)測(cè)中所用數(shù)據(jù)的變化進(jìn)行的。服務(wù)選擇是根據(jù)歷史性能數(shù)據(jù)預(yù)測(cè)出的QoS值來(lái)決定的,選擇用于預(yù)測(cè)的數(shù)據(jù)時(shí)考慮數(shù)據(jù)的偏差很重要。因?yàn)榉植疾煌臄?shù)據(jù)可能計(jì)算得到同樣的平均值,但它們變化不同,如,一個(gè)服務(wù)的某個(gè)QoS屬性值(如,響應(yīng)時(shí)間)變化比較大,另一個(gè)服務(wù)的響應(yīng)時(shí)間相對(duì)穩(wěn)定,但二者的平均值可能相同。而數(shù)據(jù)變化越大,計(jì)算出的平均值越不可靠,也就是說(shuō),根據(jù)波動(dòng)大的數(shù)據(jù)預(yù)測(cè)出的結(jié)果可靠性低。

為計(jì)算可靠性,筆者把服務(wù)提供的QoS值看作伯努利(Bernoulli)試驗(yàn)集合,交付結(jié)果分為:成功的交付(交付的服務(wù)滿足用戶需求的質(zhì)量)或不成功的交付(不能交付滿足用戶需求質(zhì)量的服務(wù)),然后用Beta分布建模[11-12]:

(2)

其中

α=s+1β=f+1

式中:Cθ——數(shù)據(jù)偏差的度量值;s——監(jiān)測(cè)的成功交付的服務(wù)數(shù)量;f——不成功的服務(wù)數(shù)量。

根據(jù)拉普拉斯繼承規(guī)則[13],α和β的比率可以確定[0,1]區(qū)間的分布峰值,α越大分布模式越接近1。

采用式(3)來(lái)判斷一個(gè)服務(wù)對(duì)一個(gè)QoS屬性的歷史交付是否成功:

(3)

式中:S(Ai)——記錄一個(gè)服務(wù)提供的服務(wù)質(zhì)量是否滿足用戶需求的參數(shù)；d(Ai)——QoS數(shù)據(jù)集D中服務(wù)屬性Ai的質(zhì)量值,是監(jiān)測(cè)到的服務(wù)實(shí)際提供的質(zhì)量值;pi——對(duì)QoS屬性Ai預(yù)測(cè)的結(jié)果,根據(jù)用戶需求計(jì)算得到;θ——用戶可接受的質(zhì)量等級(jí)波動(dòng)值。

如果d(Ai)在pi指定范圍內(nèi),則認(rèn)為是成功的交付,記S(Ai)=1；否則,認(rèn)為不成功,記S(Ai)=0。范圍[pi-θ,pi+θ]稱為信心范圍?；谑?3)可得

(4)

選擇不同的θ對(duì)Cθ有直接影響,同樣的數(shù)據(jù)大小,θ值越大,則會(huì)產(chǎn)生更多認(rèn)為是成功的交付,因此對(duì)QoS預(yù)測(cè)結(jié)果的信心越大、Cθ值越大。所以,用戶接受服務(wù)提供商提供的服務(wù)QoS值波動(dòng)大時(shí)要選擇大的ε值。

與已有方法[9-12]相比,筆者提出的信心模型中一個(gè)服務(wù)是否交付成功是動(dòng)態(tài)確定的,因?yàn)閜i是根據(jù)用戶需求計(jì)算的,所以d(Ai)是否在信心范圍內(nèi)受用戶需求的影響,也就是說(shuō),判斷一個(gè)服務(wù)是否成功是由用戶的需求影響的。例如,設(shè)θ=0.1,假設(shè)服務(wù)的交付值和需求的質(zhì)量等級(jí)足夠近才算滿足用戶需求,即[pi-θ,pi+θ]是一個(gè)小范圍。如果一個(gè)服務(wù)S對(duì)屬性Ai的交付質(zhì)量是0.5,那么對(duì)于對(duì)Ai的期望是0.5的用戶是成功的,但對(duì)于需求是0.9的用戶就是不成功的。

2.3　數(shù)據(jù)衰減度量

監(jiān)測(cè)的QoS數(shù)據(jù)在時(shí)間上是連續(xù)的,數(shù)據(jù)中包含的用于預(yù)測(cè)的信息會(huì)隨著時(shí)間的推移而發(fā)生變化。在實(shí)際應(yīng)用中,距離預(yù)測(cè)時(shí)間點(diǎn)最近的數(shù)據(jù)所蘊(yùn)含的信息往往要比歷史數(shù)據(jù)有價(jià)值。因此,根據(jù)不同時(shí)間段的數(shù)據(jù)預(yù)測(cè)出的結(jié)果其可靠性不同。為此,對(duì)預(yù)測(cè)所用數(shù)據(jù)在預(yù)測(cè)中的權(quán)重進(jìn)行度量,為預(yù)測(cè)的可信度做出指示。

應(yīng)用時(shí)間衰減函數(shù) (time decay function,TDF)來(lái)度量逐步衰減的數(shù)據(jù)對(duì)預(yù)測(cè)的支持程度[14-15]。監(jiān)測(cè)的QoS數(shù)據(jù)對(duì)預(yù)測(cè)的支持度隨時(shí)間t逐步衰減,衰減函數(shù)為

(5)

式中:t——預(yù)測(cè)時(shí)間點(diǎn)與數(shù)據(jù)監(jiān)測(cè)時(shí)間點(diǎn)的時(shí)間差;μ——數(shù)據(jù)在一個(gè)時(shí)間單元內(nèi)的衰減比率,即衰減因子。

μ是算法中的重要參數(shù),它反映了歷史數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響程度,有助于提高預(yù)測(cè)結(jié)果的可信度。當(dāng)μ減小時(shí),衰減速度變慢,同一時(shí)間點(diǎn)的QoS數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響程度也相應(yīng)提高。如果μ太小,數(shù)據(jù)衰減不明顯,數(shù)據(jù)衰減對(duì)預(yù)測(cè)的影響就很小,即久遠(yuǎn)的數(shù)據(jù)和新近的數(shù)據(jù)效果差不多,所以μ太小不會(huì)影響預(yù)測(cè)結(jié)果的可信度。μ太大,數(shù)據(jù)對(duì)預(yù)測(cè)的影響迅速衰減,同樣會(huì)影響預(yù)測(cè)結(jié)果的可靠性。所以,應(yīng)該在取值范圍內(nèi)盡可能大地設(shè)置μ。

設(shè)用戶預(yù)測(cè)所用的最少數(shù)據(jù)項(xiàng)數(shù)量為m,第m個(gè)數(shù)據(jù)的記錄時(shí)間和預(yù)測(cè)時(shí)間差記為tm,用戶所能接受的最小衰減值為fmin,理想狀態(tài)這個(gè)值出現(xiàn)在第m個(gè)數(shù)據(jù),那么fmin=2-μtm,即fmin≤f(t)≤1。所以,μ的取值范圍為

(6)

總的數(shù)據(jù)衰減度量值為

(7)

式中:N(ti)——預(yù)測(cè)數(shù)據(jù)中距離預(yù)測(cè)時(shí)間點(diǎn)ti時(shí)間的數(shù)據(jù)項(xiàng)數(shù)量。

2.4　總體信心值

數(shù)據(jù)規(guī)模度量Cω表示QoS預(yù)測(cè)值受數(shù)據(jù)集支持的程度,數(shù)據(jù)偏差度量Cθ表示監(jiān)測(cè)的服務(wù)QoS值和平均值的一致程度,數(shù)據(jù)衰減度量Cf表示服務(wù)的QoS值隨時(shí)間的衰減程度。根據(jù)這3個(gè)度量,計(jì)算總的信心值為

(8)

3仿 真 試 驗(yàn)

試驗(yàn)的目的是驗(yàn)證信心模型是否有助于提高服務(wù)選擇的準(zhǔn)確性。

3.1　試驗(yàn)數(shù)據(jù)

試驗(yàn)?zāi)M6個(gè)服務(wù):S1、S2、S3、S4、S5和S6,6個(gè)服務(wù)的測(cè)試數(shù)據(jù)見(jiàn)表1,數(shù)據(jù)分布如圖1所示。6個(gè)服務(wù)的QoS值的模擬值為正態(tài)分布,平均值相同,都為0.5,但數(shù)據(jù)的大小、數(shù)據(jù)的波動(dòng)(受標(biāo)準(zhǔn)偏差σ控制)和數(shù)據(jù)收集的時(shí)間跨度不同。創(chuàng)建的6個(gè)服務(wù)模擬了服務(wù)的不同行為。

表1　6個(gè)服務(wù)的測(cè)試數(shù)據(jù)Table 1　Test data of six services

圖1　服務(wù)數(shù)據(jù)分布Fig. 1　Distribution of services data

3.2　信心在服務(wù)選擇中的作用

QoS預(yù)測(cè)的目的是幫助用戶選擇滿足他們需求的服務(wù)。利用信心模型情況下的服務(wù)選擇情況來(lái)驗(yàn)證本文提出的信心模型是否能提高服務(wù)選擇的準(zhǔn)確性。本文提出的信心模型可以和任意QoS預(yù)測(cè)方法結(jié)合,幫助提高預(yù)測(cè)的可靠度。

圖2為不考慮信心模型情況下的服務(wù)選擇。由于6個(gè)服務(wù)的歷史QoS數(shù)據(jù)的平均相似,預(yù)測(cè)的QoS值也相似,所以對(duì)服務(wù)做出隨機(jī)選擇。雖然S1偏離服務(wù)的需求等級(jí)很多,但被選擇了3次,有33.3%的時(shí)間選擇它,大于平均時(shí)間。而和用戶需求最一致的服務(wù)S2只被選擇1次。

圖2　有無(wú)信心模型的服務(wù)選擇比較Fig. 2　Comparison between service selections with and without confidence model

考慮信心模型的方法剛開(kāi)始數(shù)據(jù)量小的時(shí)候在服務(wù)S4和S6之間隨機(jī)選擇,之后一直穩(wěn)定地選擇服務(wù)S2。由式(8)分別計(jì)算6個(gè)服務(wù)的信心值, 6個(gè)服務(wù)信心值隨時(shí)間/QoS數(shù)據(jù)量的變化情況如圖3所示。從圖3可知服務(wù)的行為表現(xiàn)可以分為2個(gè)階段,第一階段(時(shí)間在0～500 s之間),S2、S4、S5和S6的行為一直很接近,它們的預(yù)測(cè)信心值也比較接近,所以QoS預(yù)測(cè)方法選擇有更高信心值的服務(wù)。第二階段(時(shí)間在500 ～1 000 s之間), S4、S5和S6的預(yù)測(cè)信心值開(kāi)始下降或保持不變。S5和S6用于預(yù)測(cè)的數(shù)據(jù)量比較少,沒(méi)有更多的數(shù)據(jù)用于預(yù)測(cè),所以預(yù)測(cè)信心值不會(huì)增加。S5的數(shù)據(jù)跨度比較大,所以數(shù)據(jù)衰減比較大,其預(yù)測(cè)的信心值開(kāi)始下降。S4在這個(gè)階段用于預(yù)測(cè)的數(shù)據(jù)波動(dòng)比較大,所以預(yù)測(cè)的信心值較上一個(gè)階段急速下降,之后穩(wěn)定在0.25左右。只有S2的預(yù)測(cè)信心值一直穩(wěn)步上升,所以將選擇S2。

圖3　6個(gè)服務(wù)的信心值Fig. 3　Confidence values of six services

與不考慮信心的試驗(yàn)相比,這里一直沒(méi)有選擇S1、S3和S5。因?yàn)镾1的QoS值一直比較波動(dòng),意味著S1的QoS平均值不太可靠。S3在第一階段的波動(dòng)比較大,S5的數(shù)據(jù)衰減一直比較大,所以都沒(méi)有被選擇。試驗(yàn)表明，在云計(jì)算環(huán)境中把信心作為QoS預(yù)測(cè)的一部分,能更好地幫助用戶選擇滿足其需求的服務(wù)。

4結(jié)語(yǔ)

為量化QoS預(yù)測(cè)中的信心,提出了一個(gè)概率模型,該模型集成了3個(gè)可靠性度量:預(yù)測(cè)中所用QoS數(shù)據(jù)項(xiàng)的數(shù)量、數(shù)據(jù)偏差和數(shù)據(jù)衰減。該模型中,數(shù)據(jù)大小度量表明數(shù)據(jù)集或過(guò)去的證據(jù)對(duì)QoS預(yù)測(cè)方法推導(dǎo)出預(yù)測(cè)的支持程度,數(shù)據(jù)偏差度量表明監(jiān)測(cè)的服務(wù)QoS值和平均值的一致程度,數(shù)據(jù)衰減度量表明服務(wù)的QoS值隨時(shí)間的衰減程度。最后,通過(guò)試驗(yàn)驗(yàn)證了在預(yù)測(cè)過(guò)程增加信心模型能夠更準(zhǔn)確地選擇滿足用戶需求的服務(wù),增加用戶的總體效用。目前的信心模型中只考慮了監(jiān)測(cè)的QoS數(shù)據(jù),接下來(lái)可以進(jìn)一步擴(kuò)展模型,加入預(yù)測(cè)服務(wù)時(shí)考慮的其他因素,如服務(wù)提供商的信譽(yù)等。此外,還可以利用衰減函數(shù)去度量隨時(shí)間推移服務(wù)提供商的行為變化。

參考文獻(xiàn)：

[1] SAHAI A, OUYANG J, MACHIRAJU V, et al. Specifying and guaranteeing quality of service for web services through real time measurement and adaptive control [R]. Palo-Alto: EServices. Software Research Department, HP Laboratories, 2001.

[2] KIM D, LEE S, HAN S, et al. Improving web services performance using priority allocation method[C]//Anonymous. Proceedings of International Conference on Next Generation Web Services Practices. Los Alamitos: IEEE Computer Society, 2005: 201-206.

[3] JURETA I J, HERSSENS C, Stéphane F, et al. A comprehensive quality model for service-oriented systems [J]. Software Quality Journal, 2009, 17: 65-98.

[4] WOHLSTA E, TAI S, Mikalsen T,et al. Glueqos: middleware to sweeten quality-of-service policy interactions[C]//Anonymous. Proceedings of the 26th International Conference on Software Engineering. Washington DC: IEEE Computer Society, 2004:189-199.

[5] SABATER J, SIERRA C. REGRET: reputation in gregarious societies[C]//Anonymous. 5th International Conference on Autonomous Agents and Multiagent systems. Hakodate: ACM Press, 2006: 194-195.

[6] KEUNG S N L C, GRIFFITHS N. Using recency and relevance to assess trust and reputation[C]//Anonymous. Proceedings of AISB 2008 Symposium on Behaviour Regulation in Multi-agent Systems. Aberdeen: The Society for the Study of Artificial Intelligence, 2008:13-18.

[7] HUYNH T D, JENNINGS N R, SHADBOLT N. R fire: an integrated trust and reputation model for open multi-agent systems [C]//Anonymous.16th European Conference on Artificial Intelligence, Valencia: IOS Press, 2004: 18-22.

[8] DOSSARI A H, SHAO, J H. Modelling confidence for quality of service assessment in cloud computing [C]//Anonymous. Proceedings of CONF-IRM. Natal: Berkeley Electronic Press, 2013: 48-59.

[9] MUI L, MOHTASHEMI M, HALBERSTADT A. A Computational model of trust and reputation[C]//Anonymous.35th Annual Hawaii International Conference on System Sciences. Hawaii: IEEE Computer Society, 2002: 2431-2439.

[10] ZHANG J, COHEN R. A personalized approach to address unfair ratings in multiagent reputation systems[C]//Anonymous. AAMAS Workshop on Trust in Agent Societies. Hakodate:Springer. 2006: 89-98.

[11] TEACY W T L, PATEL J, JENNINGS N R, et.al. Coping with inaccurate reputation sources: experimental analysis of a probabilistic trust model[C]//Anonymous. 4th International Joint Conference on Autonomous Agents and Multiagent Systems. Utrecht: Association for Computing Machinery, 2005: 25-32.

[12] SANG A J, ISMAIL R. The Beta Reputation System[R]. Brisbane: Queensland University of Technology, 2002.

[13] RISTAD E S. A natural law of succession: Research Report CS-TR-495-95[R]. Princeton: Princeton University, 1995.

[14] 李國(guó)徽,陳輝. 挖掘數(shù)據(jù)流任意滑動(dòng)時(shí)間窗口內(nèi)頻繁模式[J]. 軟件學(xué)報(bào),2008, 19(10): 2585-2596. (LI Guohui, CHEN Hui. Mining the frequent patterns in an arbitrary sliding window over online data streams[J]. Journal of Software, 2008, 19(10): 2585-2596. (in Chinese))

[15] 吳楓, 仲研, 吳泉源. 基于時(shí)間衰減模型的數(shù)據(jù)流頻繁模式挖掘[J]. 自動(dòng)化學(xué)報(bào), 2010, 36(5): 674-684. (WU Feng, ZHONG Yan, WU Quanyuan. Mining frequent patterns over data stream under the time decaying model[J]. Acta Automatica Sinica, 2010, 36(5): 674-684. (in Chinese))

·簡(jiǎn)訊·

河海大學(xué)杰出校友陸佑楣院士獲世界工程組織聯(lián)合會(huì)優(yōu)秀工程獎(jiǎng)獎(jiǎng)?wù)?/p>

近日，在世界工程組織聯(lián)合會(huì)(WFEO)舉辦的2015年世界工程師大會(huì)(WEC 2015)上，河海大學(xué)杰出校友、我國(guó)著名的水利水電工程專家、中國(guó)大壩協(xié)會(huì)榮譽(yù)理事長(zhǎng)、河海大學(xué)博士生導(dǎo)師陸佑楣院士被授予優(yōu)秀工程獎(jiǎng)(Medal of Engineering Excellence)獎(jiǎng)?wù)?。這是中國(guó)專家首次獲此殊榮。

優(yōu)秀工程獎(jiǎng)又稱工程成就獎(jiǎng)(the Engineering Achievement Award)，由世界工程組織聯(lián)合會(huì)設(shè)置于1989年，每?jī)赡觐C發(fā)一次，旨在增強(qiáng)全球公眾對(duì)工程的實(shí)踐、理論和社會(huì)貢獻(xiàn)的關(guān)注。該獎(jiǎng)項(xiàng)主要頒發(fā)給具備豐富職業(yè)經(jīng)驗(yàn)，在實(shí)踐、理論和社會(huì)地位方面有突出成就、并具有較強(qiáng)國(guó)際影響力的工程師。

(本刊編輯部供稿)

Confidence model of QoS prediction data in cloud computing

ZHANG Xuejie1,2, WANG Zhijian1, ZHANG Weijiang3

(1.CollegeofComputerandInformation,HohaiUniversity,Nanjing210098,China;

2.CollegeofComputerScienceandTechnology,NanjingUniversityofAeronauticsandAstronautics,

Nanjing210016,China;

3.CollegeofDistanceLearningandContinuingEducation,HohaiUniversity,Nanjing210098,China)

Abstract:In order to handle the uncertainty of data used in quality of service (QoS) prediction, increase the confidence value of prediction results, and make the QoS prediction more reliable, a probability model for quantifying the confidence in QoS prediction was built. In the process of building the model, the number of QoS data items used in prediction, the data fluctuation (data deviation), and the data decay over time were considered. The results show that the number of data reflects the impact of the number of QoS data used in prediction on the reliability of the prediction result, the data deviation reflects the consistency degree of the actual value and predicted value of QoS in service, and the data decay reflects the impact of data on the prediction result over time. The simulated test indicates that the confidence model can help consumers effectively select services based on their requirements.

Key words:QoS prediction; confidence modeling; number of data; data fluctuation; data decay; services selection

中圖分類號(hào)：TP391

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000-1980(2015)06-0588-06

作者簡(jiǎn)介：張雪潔(1979—),女,遼寧鐵嶺人,博士研究生,工程師,主要從事服務(wù)計(jì)算、Web服務(wù)質(zhì)量評(píng)估與推薦研究。E-mail: xuejiezh@hhu.edu.cn

基金項(xiàng)目：“十二五”國(guó)家科技支撐計(jì)劃(2013BAB05B00,2013BAB06B04);江蘇水利科技項(xiàng)目(2013025);河海大學(xué)淮安研究院開(kāi)放基金(2014502512)

收稿日期：2014-12-10

DOI：10.3876/j.issn.1000-1980.2015.06.014