混合云環(huán)境下企業(yè)IT 投資決策指標(biāo)體系研究

陳冬林，姚夢迪，鄧國華，2

(1.武漢理工大學(xué) 經(jīng)濟(jì)學(xué)院，湖北 武漢430070;2.江漢大學(xué) 商學(xué)院，湖北 武漢430056)

云計(jì)算被稱為第三代的互聯(lián)網(wǎng)，通過基礎(chǔ)架構(gòu)虛擬化的服務(wù)方式提供IT 資源服務(wù)［1］;按照運(yùn)營模式其可分為3 種：公共云、私有云和混合云［2］。公共云具有較高的可擴(kuò)展性，但性能往往滯后;私有云一般具有較高的可靠性，但可擴(kuò)展性卻有限;針對不同云模式的優(yōu)缺點(diǎn)，結(jié)合企業(yè)不同業(yè)務(wù)模式對云計(jì)算性能方面要求的不同，混合云模式成為企業(yè)能夠接受的理想方案?；旌显平Y(jié)合了公共云和私有云的優(yōu)點(diǎn)，在私有云中保存內(nèi)部核心系統(tǒng)控制，而將其他部分服務(wù)移至公共云中，以減少IT 投資費(fèi)用。用戶根據(jù)自身因素和業(yè)務(wù)需求選擇合適的整合方式，制訂其使用混合云的規(guī)則和策略，對企業(yè)進(jìn)行合適的IT 投資戰(zhàn)略部署具有重要的意義。

現(xiàn)階段對于混合云的研究以系統(tǒng)和技術(shù)為主，如文獻(xiàn)［3 -4］利用隨機(jī)密鑰遺傳算法解決QoS 約束條件下客戶成本最低的混合云資源分配問題;RAJESH 將客戶所有應(yīng)用系統(tǒng)分解成任務(wù)，利用整數(shù)規(guī)劃方法建立時(shí)間約束條件下私有云效用最大化和成本最低目標(biāo)的資源分配模型［5］，缺乏對混合云環(huán)境下云服務(wù)多實(shí)例的采納及投資決策研究。對于企業(yè)IT 投資決策的研究主要是對IT 決策機(jī)制的構(gòu)成與框架進(jìn)行展開，如文獻(xiàn)［6］從定性的角度，著重分析云計(jì)算3種服務(wù)模式對企業(yè)IT 決策機(jī)制的影響，提出了云環(huán)境的IT 決策機(jī)制框架，但缺乏定量分析企業(yè)視角下的IT 投資決策混合云服務(wù)的指標(biāo)?；旌显品?wù)采納各評價(jià)指標(biāo)的權(quán)重作為綜合評價(jià)的關(guān)鍵，其選擇的合理性直接影響企業(yè)IT 投資決策的正確性。文獻(xiàn)［7］介紹了專家評分法和層次分析法，主要依靠專家的經(jīng)驗(yàn)，缺乏樣本數(shù)據(jù)。文獻(xiàn)［8］采用非線性主成分分析法，從客觀角度確定評價(jià)指標(biāo)權(quán)重，但存在數(shù)據(jù)量大時(shí)賦權(quán)難度大的問題。灰色綜合評價(jià)法結(jié)合專家評判，建立在對評估指數(shù)進(jìn)行層次分析的基礎(chǔ)上，從而提高評估的準(zhǔn)確性。

筆者根據(jù)目前關(guān)于混合云的研究中并未完整構(gòu)建影響企業(yè)IT 投資決策的指標(biāo)體系，且影響混合云服務(wù)質(zhì)量指標(biāo)體系的不完善，以及數(shù)據(jù)的相對缺乏，使量化分析存在著一定困難的問題，歸納了在混合云環(huán)境下，影響企業(yè)進(jìn)行IT 投資決策的5 個(gè)指標(biāo)，并通過引入灰色評價(jià)系統(tǒng)計(jì)算指標(biāo)權(quán)重，給出了這些定性指標(biāo)的量化模型，以此作為評價(jià)混合云環(huán)境下企業(yè)進(jìn)行IT 投資決策的基礎(chǔ)，更具科學(xué)性和說服力，且具有簡單易行、便于推廣的特點(diǎn)。該指標(biāo)體系的建立將有助于企業(yè)從眾多的混合云服務(wù)中結(jié)合自身業(yè)務(wù)需求選取合適的云服務(wù)產(chǎn)品，對企業(yè)IT 戰(zhàn)略規(guī)劃具有重要意義。

1 混合云環(huán)境下IT 決策指標(biāo)組合方法

隨著云計(jì)算的發(fā)展，混合云服務(wù)已經(jīng)成為云計(jì)算市場的主流發(fā)展趨勢，能為企業(yè)提供眾多的云計(jì)算服務(wù)實(shí)例［9-10］。目前中小型企業(yè)在使用云計(jì)算服務(wù)時(shí)，存在多種選擇方案：從成本的角度出發(fā)，單一使用公共云可以降低企業(yè)IT 成本，對于沒有過多時(shí)間和精力關(guān)注基礎(chǔ)設(shè)施投資的中小型企業(yè)來說，可以提供極大便利，但是不得不面對公共云出現(xiàn)如宕機(jī)、云遷移和數(shù)據(jù)安全等突發(fā)的故障問題;從安全性角度出發(fā)，私有云在確保數(shù)據(jù)安全性的同時(shí)卻無法進(jìn)行靈活的擴(kuò)展;混合云則可以較好地解決這些問題。

混合云環(huán)境下企業(yè)進(jìn)行IT 投資決策的因素包括成本和云服務(wù)質(zhì)量CQoS(Cloud QoS)。其中成本因素包括云計(jì)算成本和云存儲成本，而云存儲成本包括數(shù)據(jù)存儲、檢索和傳輸成本。CQoS 包括執(zhí)行時(shí)間、安全性、可用性和可靠性等因素。借鑒網(wǎng)格和Web 服務(wù)的QoS 的計(jì)算模型，可以定義成本、CQoS 的計(jì)算方法。

(1)混合云環(huán)境下，面向客戶的總成本為：

式中：Cc為云計(jì)算成本;Cs為云存儲成本。

式中：Cs1為數(shù)據(jù)存儲成本;Ct為云數(shù)據(jù)檢索成本;Cs2為云傳輸成本。則：

混合云環(huán)境下，面向客戶的組合服務(wù)質(zhì)量HCQoS 很大程度上依賴于服務(wù)平臺的安全性、可用性和可靠性這3 個(gè)因素。此外，服務(wù)平臺的執(zhí)行時(shí)間也會在一定程度上影響用戶的決策行為。

(2)安全性。用戶數(shù)據(jù)保存在云中，對數(shù)據(jù)的控制完全依賴于云供應(yīng)商，因此，安全性是客戶對企業(yè)云服務(wù)組合質(zhì)量評價(jià)的主要指標(biāo)?；旌显葡鄬τ谒接性苹蚬苍苼碚f，由于跨云間的管理和認(rèn)證，對安全需求會更大。

(3)可用性?？捎眯灾饕阜?wù)能在特定時(shí)間、特定條件下被客戶成功訪問的能力。其對于服務(wù)來說是最重要的參數(shù)，表明服務(wù)可被使用的可能性。一般用百分比來表示其在合約規(guī)定中能夠被訪問的時(shí)間比例。

(4)可靠性?？煽啃允侵钙髽I(yè)能為客戶提供穩(wěn)定、準(zhǔn)確無誤服務(wù)的能力?；旌显葡滦枰ㄟ^容錯(cuò)機(jī)制等技術(shù)來保障服務(wù)的高可靠性。

(5)執(zhí)行時(shí)間。即等待時(shí)間，指系統(tǒng)從接收指令到完成數(shù)據(jù)分析等所需要的時(shí)間。執(zhí)行時(shí)間的長短將極大地影響用戶的服務(wù)滿意程度。

綜上所述，應(yīng)選擇總成本、安全性、可用性、可靠性和執(zhí)行時(shí)間作為混合云環(huán)境下企業(yè)進(jìn)行IT投資決策的評價(jià)指標(biāo)。

2 灰色綜合評價(jià)方法

2.1 制定評價(jià)指標(biāo)的評分等級標(biāo)準(zhǔn)

(1)評價(jià)指標(biāo)xi是定性指標(biāo)，根據(jù)定性指標(biāo)的描述規(guī)則，確定為“高、較高、中、低”［11］。設(shè)定評價(jià)灰類為4 類，評價(jià)灰類序號集為e=(1，2，3，4)，評價(jià)指標(biāo)集記為P。

(2)表示第j個(gè)專家對第s個(gè)方案中指標(biāo)xi的評分。這樣，k個(gè)專家針對第s個(gè)方案中各指標(biāo)的評分可以組成評價(jià)矩陣：

其中：i=1，2，…，p;j=1，2，…，k。

(3)確定評價(jià)灰類：

第1 灰類“高”(e=1)，?1∈［4，∞)，其白化權(quán)函數(shù)為：

第2 灰類“較高”(e=2)，?2∈［0，3，6］，其白化權(quán)函數(shù)為：

第3 灰類“中”(e=3)，?3∈［0，2，4］，其白化權(quán)函數(shù)為：

第4 灰類“低”(e=4)，?4∈［0，1，2］，其白化權(quán)函數(shù)為：

2.2 計(jì)算評價(jià)指標(biāo)權(quán)重

(1)確定灰色評價(jià)權(quán)矩陣。指標(biāo)Vi屬于第e個(gè)評價(jià)灰類的評價(jià)灰數(shù)為：

指標(biāo)Vi屬于各個(gè)灰類的總評價(jià)灰數(shù)為：

第s個(gè)方案的第Vi個(gè)評價(jià)指標(biāo)的第e個(gè)灰類的評價(jià)權(quán)為：

第s個(gè)方案的灰色評價(jià)權(quán)矩陣：

(2)假定各評價(jià)灰類的等級值向量C=(4，3，2，1)，則第s個(gè)方案中各評價(jià)指標(biāo)的灰色定量化向量為：

(3)采用兩兩比較法求解權(quán)重向量。以任一指標(biāo)與其他指標(biāo)逐一比較，從而求解各指標(biāo)間的重要程度，如假定有n個(gè)評價(jià)指標(biāo)V1，V2，…，Vn，wij表示評價(jià)指標(biāo)Vi與Vj的相對重要度之比，記為：

由此，組成比較矩陣W= ( wij)n×n。求解其特征方程可得各特征值λ1，λ2，…，λn，相應(yīng)的特征向量作歸一化處理后即為權(quán)重向量λ=(λ1，λ2，…，λn)。

2.3 計(jì)算最優(yōu)和最劣參考向量的灰關(guān)聯(lián)度

(1)計(jì)算最優(yōu)和最劣參考向量。對由定量向量和灰色向量組成的最終評價(jià)矩陣，選取各評價(jià)指標(biāo)Vi的相對最優(yōu)值，組成最優(yōu)參考向量xg。同理，選取各評價(jià)指標(biāo)的相對最劣值，組成最劣參考向量xb，具體方法如下(m為評價(jià)方案數(shù)，n為評價(jià)指標(biāo)數(shù)，∨表示取優(yōu)，∧表示取劣)：

(2)計(jì)算與最優(yōu)和最劣參考向量的灰關(guān)聯(lián)度。對由評價(jià)矩陣和最優(yōu)參考向量所組成的最優(yōu)關(guān)聯(lián)評價(jià)矩陣進(jìn)行初值化處理：fi與fg之間的灰關(guān)聯(lián)系數(shù)可以表示為：

式中，ρ 為分辨系數(shù)，通常取0.5。

同理可得與最劣參考向量的灰關(guān)聯(lián)度。

2.4 綜合評價(jià)

γig和γib分別表示第i個(gè)方案中與最優(yōu)參考向量和最劣參考向量的灰關(guān)聯(lián)度，vi表示第i個(gè)方案相對最優(yōu)方案向量xg的從屬值，方案i相對最劣方案向量xb的從屬值為(1 -vi)，則稱(1 -vi)為方案i的優(yōu)偏離度，vi為方案i的劣偏離度。

有目標(biāo)函數(shù)：

求解得到vi的最優(yōu)值的計(jì)算模型為：

根據(jù)vi的大小可排出待選方案的優(yōu)劣次序。

3 某企業(yè)混合云決策算例

結(jié)合云計(jì)算市場現(xiàn)有的云服務(wù)，可為企業(yè)用戶提供IaaS 虛擬服務(wù)器和存儲，以及SaaS 服務(wù)(由于PaaS 服務(wù)主要面向開發(fā)型企業(yè)用戶，該類企業(yè)不具有代表性，不作考慮)，故可形成如下4種不同的組合決策方案：

方案Ⅰ全部租用IaaS 公共云的虛擬服務(wù)器和存儲，以及SaaS 方案;

方案Ⅱ租用公共云IaaS 的虛擬服務(wù)器和存儲，自建私有SaaS 方案;

方案Ⅲ租用公共云IaaS 的虛擬服務(wù)器，自建私有云存儲和SaaS 方案;

方案Ⅳ完全采用私有云方式，即自建數(shù)據(jù)中心和開發(fā)SaaS 方案。

考慮到硬軟件的折舊因素，上述4 種方案中各個(gè)指標(biāo)的考察時(shí)間為5 年。

3.1 構(gòu)造評價(jià)矩陣

對上述4 種方案，利用調(diào)查問卷方案并結(jié)合專家意見確定各層指標(biāo)的權(quán)重，得出投資方案評價(jià)指標(biāo)量化表，如表1 所示，以及權(quán)重向量。

表1 投資方案評價(jià)指標(biāo)量化表

權(quán)重向量λ=(0.30，0.20，0.10，0.25，0.15)。

3.2 構(gòu)造最優(yōu)和最劣參考向量

3.3 灰關(guān)聯(lián)度

與最優(yōu)參考向量的灰關(guān)聯(lián)度向量為：

與最劣參考向量的灰關(guān)聯(lián)度向量為：

3.4 綜合評價(jià)

灰色綜合評價(jià)值V= (0.512 4，0.538 4，0.304 3，0.140 8)，由此可知方案Ⅱ?yàn)樽罴淹顿Y方案，與最終決策結(jié)果相符合。

4 結(jié)論

結(jié)合混合云技術(shù)的優(yōu)勢，筆者首先歸納了混合云環(huán)境下影響企業(yè)進(jìn)行IT 投資決策的指標(biāo);其次運(yùn)用灰色評價(jià)法對各指標(biāo)進(jìn)行評價(jià)，并充分利用專家評價(jià)的模糊性和灰度，將定性指標(biāo)定量化;最后通過實(shí)例說明該方法作出的評價(jià)可以應(yīng)用在實(shí)際項(xiàng)目中，對中小型企業(yè)進(jìn)行IT 投資決策具有重要的參考價(jià)值。

［1］ BUYYA R，YEO C S，VENUGOPAL S，et al.Cloud computing and emerging IT platforms：vision，hype，and reality for delivering computing as the 5th utility［J］.Future Generation Computer Systems，2009，25(6)：599 -616.

［2］ ZHANG Q，CHENG L，BOUTABA R.Cloud computing：state-of-the-art and research challenges［J］.Journal of Internet Services and Applications，2010，1(1)：7-18.

［3］ WANG Q，WU C，SUN Y. Evaluating corporate social responsibility of airlines using entropy weight and grey relation analysis［J］.Journal of Air Transport Management，2015(42)：55 -62.

［4］ 楊瀟，康凱.云計(jì)算背景下企業(yè)決策機(jī)制框架［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2013(11)：10 -17

［5］ RAJESH R，RAVI V. Supplier selection in resilient supply chains：a grey relational analysis approach［J］.Journal of Cleaner Production，2015(86)：343 -359.

［6］ 胡燕鴻.企業(yè)IT 投資決策中的關(guān)鍵要素分析［J］.中國管理信息化，2014(23)：17 -19.

［7］ YANG J J，LI J Q，NIU Y.A hybrid solution for privacy preserving medical data sharing in the cloud environment［J］. Future Generation Computer Systems，2015(43)：74 -86.

［8］ ZHAO X，WEI G.Some intuitionistic fuzzy Einstein hybrid aggregation operators and their application to multiple attribute decision making［J］.Knowledge -based Systems，2013(37)：472 -479.

［9］ SMYTH H，LECOEUVRE L. Differences in decision -making criteria towards the return on marketing investment：a project business perspective［J］. International Journal of Project Management，2015，33(1)：29-40.

［10］ ALTUNTAS S，DERELI T.A novel approach based on DEMATEL method and patent citation analysis for prioritizing a portfolio of investment projects［J］. Expert Systems with Applications，2015，42(3)：1003-1012.

［11］ 蔡紅.基于灰色關(guān)聯(lián)的信息技術(shù)能力評價(jià)模型研究［J］.武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版)，2013，35(3)：378 -381.