Over the last few years, the vast increase of cloud service offerings that are available from heterogeneous cloud vendors, has made the evaluation and selection of desired cloud services, a cumbersome task for service consumers. In that respect, there is an increasing need for user guidance and intermediation during the service selection process but also during the cloud service consumption that should always refer to the best possible choice based on user preferences. In this paper, we discuss the Preference-based cLoud Service Recommender (PuLSaR) that uses a holistic multi-criteria decision making (MCDM) approach for offering optimisation as a brokerage service. The specification and implementation details of this proposed software mechanism are thoroughly discussed while the background method used is summarised. Both method and brokerage service allow for the multi-objective assessment of cloud services in a unified way, taking into account precise and imprecise metrics and dealing with their fuzziness. Furthermore, this paper reports on a number of experiments that were conducted in order to measure PuLSaR's performance and scalability

چکیده

به دلیل افزایش گسترده ارائه سرویس ­های ابری که توسط فروشندگان مختلف قابل دسترس هستند، بررسی و انتخاب سرویس­ های ابری مطلوب کار دشواری برای مشتریان سرویس شده است. به همین خاطر هنگام روند انتخاب سرویس نیاز زیادی به راهنمایی کاربر و مداخله در انتخاب وجود دارد. اما هنگام استفاده از سرویس ابری همیشه باید برای بهترین انتخاب ممکن به سلیقه ­های فردی کاربر مراجعه نمود. ما در این مقاله به بررسی «پیشنهاد کننده سرویس ابری بر اساس سلیقه­ های فردی» (PuLSaR) می­ پردازیم که از راه­کار تصمیم ­گیری چند-شاخصی جامع (MCDM) برای پیشنهاد بهینه به عنوان یک سرویس کارگزاری استفاده می­ کند. جزئیات مشخصات و پیاده­ سازی این نرم ­افزار پیشنهادی به طور کامل بررسی شده است، اما روش پیش ­زمینه استفاده شده بطور خلاصه بررسی شده است. روش و سرویس کارگزاری هر دو اجازه دارند برای ارزیابی چند-شی­ء سرویس ­های ابری بصورت یکپارچه، معیار­های دقیق و مبهمی را در نظر بگیرند و با ابهام (فازی بودن) آنها کنار بیایند. ما برای استفاده از این راه­ کار با فازی بودن معیار­های مبهم مقابله می­ کنیم. به این معنا که این راه­کار با سلیقه­ های فردی بیان شده بصورت زبانی و مشخصات سرویس ابری که مقدار ثابت یا دقیقی ندارند و حاوی سطحی از ابهام می­ باشند سر و کار دارد که می ­تواند تنها با استفاده از نظریه مجموعه­ های فازی دکتر لطفی ­زاده آن را حل کرد. علاوه بر این، در این مقاله گزارشی از تعداد آزمایشات انجام شده برای ارزیابی کارایی و مقیاس پذیری PuLSaR تهیه شده است.

1-مقدمه

امروزه شرکت­ ها به طور فراینده ­ای محیط­ های IT خود را به سمت ابر سوق می دهند تا هزینه­ های عملیاتی خود را با تبدیل مدل کاری متکی بر مالکیت سخت­ افزار و نرم­ افزار به مصرف یک ابزار خدماتی کاهش دهند. این امر موجب افزایش بی ­سابقه ارائه ­دهندگان سرویس ابری شده است که پیشنهادات خود را به صورت سرویس ارائه می­ دهند، اما در همین هنگام چالش­ هایی ایجاد شده است (توجه به کیفیت سرویس [1]، امنیت و غیره)...