面向SLA的服务组合QoS管理及优化技术研究

摘要

本文关注服务组合场景下面向SLA(service level agreement)的QoS管理与优化问题。在开放的服务计算环境下，服务组合方需要有效的QoS管理机制，通过对其运行环境的灵活配置与优化满足前端多用户的动态QoS需求。另一方面，服务双方跨管理域的业务关系由SLA及其管理机制来规范和保证，作为一种声明式合约，SLA反映了服务使用方的QoS需求并为服务提供方的QoS管理提供了依据和基础，因此需要在SLA框架下考虑和设计服务组合方QoS管理的功能结构和管理流程，其中服务组合前端QoS需求由前端SLA合约的签订情况决定，而后端SLA合约则保证了各伙伴服务的服务质量。由于服务组合其前后端QoS属性之间的关联性，其前端所能支持和保证的服务质量不仅与底层计算资源配置有关，而且取决于后端各伙伴服务的SLA合约签订等级。因此面对前端多用户的动态SLA签订情况，服务组合方需要实现前后两端SLA合约的动态协调并同时完成内部计算资源的优化配置，才能在满足前端QoS需求的同时最大化其SLA收益，而这两方面资源的优化配置依赖于有效的优化方法。
　　本文充分考虑现有的SLA管理框架及技术，在前后端一致的SLA环境下，本文提出一个面向SLA的服务组合QoS管理模型。模型中首先针对服务组合及其运行环境中两方面的可配置资源，形式化定义了服务组合QoS管理中两个核心的多目标优化问题，并进一步建立了二者之间的关系，使其可以在统一的优化方法下解决。随后本文提出一个面向SLA的服务组合QoS管理模型，在SLA合约管理层、服务组合实例管理层以及计算资源配置层三个管理层次分别给出了其管理实体、功能构成以及主要的管理活动，并在配置方案优化的基础上建立了各层次功能以及管理实体之间的对应关系，构成完整的系统模型。最后在分级和定制两种管理方式下，给出了整个系统的动态配置流程。为了高效得到满足前端QoS需求的最优配置方案，本文针对服务组合QoS管理中的这一核心问题，分别在考虑偏好和不考虑偏好两种情况下给出了两种多目标优化方法及算法。
　　当不考虑各个QoS维度上的偏好时，针对现有单纯基于帕累托评价的优化方法中结果集规模不可控问题，引入多目标决策辅助方法:PROMETHEE，从而在不提供偏好的情况下实现对候选配置方案的高区分度量化评价，在此基础上上提出了遗传算法:P_MOEA，高效返回top-k个PROMETHEE意义上的帕累托最优配置方案。在考虑偏好时，针对现有研究中广泛使用的线性效用函数方法存在的不足与局限，引入Tchebycheff距离作为服务组合QoS优化问题的标量化函数，从而根据偏好设置定位其最优配置方案;随后针对偏好设置的困难，给出一个基于模糊谓词的偏好模型，并提出偏好设置过程将模糊谓词表示的偏好信息转化为标量化函数定义需的量化偏好权重;最后提出了两个具有不同优化目标和特点的遗传算法:single_EA与hybrid_EA，前者返回单个最优配置方案并且效率较高，适合于运行时的配置方案优化过程。后者返回top-k个最优配置方案集合，支持交互式决策过程，适合于配置方案的预先规划与创建。本文通过详细的实验研究验证了算法的性能。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究现状及问题

1．3 本文主要贡献和创新

1．4 本文篇章结构

第二章 相关工作综述

2．1 SLA管理技术及管理框架

2．1．1 SLA的表示及SLA管理框架

2．1．2 SLA创建与监控

2．1．3 面向SLA的计算资源规划与配置

2．2 服务组合QoS管理及优化技术

2．2．1 基于QoS的服务组合动态规划与配置

2．2．2 服务组合QoS优化方法

第三章 面向SLA的服务组合QoS管理场景、问题及管理模型

3．1 问题场景

3．2 问题的定义

3．2．1 服务组合方案的优化问题

3．2．2 部署方案的优化问题

3．2．3 两个优化问题之间的关系

3．3 面向SLA的服务组合QoS管理模型

3．3．1 SLA合约管理层

3．3．2 服务组合实例管理层

3．3．3 计算资源管理层

3．3．4 整体结构

3．4 小结

第四章 基于PROMETHEE的服务组合QoS优化

4．1 引言

4．2 基于PROMETHEE的配置方案评价模型

4．2．1 帕累托评价与Skyline集合

4．2．2 基于PROMETHEE的配置方案评价

4．3 P_MOEA算法

4．3．1 配置方案的基因编码与目标向量计算

4．3．2 对个体的评价

4．3．3 算法主流程

4．3．4 对QoS约束的处理

4．4 实验与结果分析

4．4．1 问题规模对算法效率的影响

4．4．2 P_MOEA的结果集质量

4．5 小结

第五章 基于Tchebycheff距离的服务组合QoS优化

5．1 引言

5．2 基于Tchebycheff距离的标量化函数

5．2．1 Tchebycheff距离的定义

5．2．2 Tchebycheff距离与线性效用函数

5．3 基于模糊谓词的偏好模型

5．3．1 模糊偏好关系与一致偏好顺序

5．3．2 模糊偏好的解释与权重设置过程

5．4 single_EA算法

5．4．1 基因与种群设计

5．4．2 single_EA的适应性函数定义

5．4．3 算法主流程

5．5 hybrid_EA算法

5．5．1 个体的评价与选择

5．5．2 算法主流程

5．5．3 hybrid_EA算法的复杂性分析

5．6 实验研究

5．6．1 single_EA算法的实验

5．6．2 hybrid_EA算法的实验

5．7 小结

第六章 总结与展望

参考文献

攻读博士学位期间发表的论文

致谢