王澤
摘 要: 針對(duì)云服務(wù)具有不確定性與大規(guī)模性,傳統(tǒng)QoS的云服務(wù)評(píng)價(jià)模型工作機(jī)制靈活性不強(qiáng),回報(bào)率低下等問題,設(shè)計(jì)改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型,對(duì)傳統(tǒng)QoS的云服務(wù)評(píng)價(jià)模型的QoS屬性項(xiàng)目進(jìn)行細(xì)化,并利用熵值法為各項(xiàng)QoS屬性項(xiàng)目進(jìn)行比重取值。在改進(jìn)模型的評(píng)價(jià)過程中,先針對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行重點(diǎn)評(píng)價(jià),再結(jié)合以往數(shù)據(jù)特征對(duì)評(píng)價(jià)結(jié)果做出修正,并將修正結(jié)果輸入未來預(yù)測(cè)時(shí)間,指導(dǎo)下次QoS云服務(wù)評(píng)價(jià)工作,以提高模型可靠性。同時(shí)將傳統(tǒng)模型資源整體切入形式改為模塊化切入形式,增添網(wǎng)絡(luò)用戶反饋機(jī)制與QoS監(jiān)控機(jī)制,使評(píng)價(jià)服務(wù)更加完善。實(shí)驗(yàn)結(jié)果表明,改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型的服務(wù)內(nèi)容選擇性強(qiáng),更能滿足網(wǎng)絡(luò)用戶需求。
關(guān)鍵詞: 模型改進(jìn); QoS; 云服務(wù)評(píng)價(jià)模型; 云服務(wù)框架; 動(dòng)態(tài)服務(wù); 熵值法
中圖分類號(hào): TN911?34; TP393.09 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2018)01?0093?04
Abstract: The cloud service has uncertainty and large?scale feature, and the traditional cloud service evaluation model for QoS has poor flexibility of working mechanism and low rate of return. Therefore, the improvement of cloud service evaluation model for QoS was designed. The QoS attribute items of the traditional cloud service evaluation model are refined, and their proportion values are calculated with the entropy method. In the evaluation process of the improved model, the real?time data is evaluated emphatically; the evaluated result is corrected in combination with the previous data features; the corrected result is input into the future prediction time to guide the QoS cloud service evaluation at the next time and improve the model reliability. The integrated pitching?in form of the traditional model resources is replaced by the modularized pitching?in form. The network user feedback mechanism and QoS monitoring mechanism are added to perfect the evaluation service. The experimental results show that the improved cloud service evaluation model for QoS has strong selection of service content, and can meet the needs of network users.
Keywords: model improvement; QoS; cloud service evaluation model; cloud service framework; dynamic service; entropy method
0 引 言
網(wǎng)格技術(shù)在信息學(xué)中被譽(yù)為“下一代互聯(lián)網(wǎng)”,是互聯(lián)網(wǎng)的重要發(fā)展方向。網(wǎng)格技術(shù)具有資源共享、提供功能性服務(wù)質(zhì)量以及高度可擴(kuò)展性等特征,這些特征是傳統(tǒng)互聯(lián)網(wǎng)不能比擬的,并使網(wǎng)絡(luò)技術(shù)得到了各國(guó)政府以及企業(yè)的重點(diǎn)關(guān)注,相關(guān)投資不斷跟進(jìn)。
QoS(Quality of Service,服務(wù)質(zhì)量)技術(shù)支持著網(wǎng)格技術(shù)的發(fā)展,可提高網(wǎng)絡(luò)服務(wù)質(zhì)量,解決網(wǎng)絡(luò)堵塞,快速增強(qiáng)網(wǎng)格技術(shù)水準(zhǔn)[1]。然而,隨著網(wǎng)絡(luò)資源多樣化與個(gè)性化的不斷提升,資源任務(wù)間需要進(jìn)行更多、更快的協(xié)作,QoS技術(shù)所能提供的網(wǎng)格資源分配與調(diào)度等功能受到了不小沖擊。設(shè)立QoS的云服務(wù)評(píng)價(jià)模型是這一問題的主要解決方案,該模型可描繪網(wǎng)絡(luò)QoS需求,完善QoS屬性,是網(wǎng)格技術(shù)商業(yè)化的途徑之一。因此,對(duì)QoS的云服務(wù)評(píng)價(jià)模型進(jìn)行改進(jìn)是協(xié)調(diào)網(wǎng)格技術(shù)發(fā)展、提供高端服務(wù)體系的重要研究?jī)?nèi)容。
1 改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型
1.1 模型QoS屬性改進(jìn)
QoS的云服務(wù)評(píng)價(jià)模型由各種QoS屬性項(xiàng)目構(gòu)成,傳統(tǒng)模型中的QoS屬性項(xiàng)目包括網(wǎng)格云服務(wù)的性能、穩(wěn)定程度、實(shí)用程度、安全程度、擴(kuò)展能力和使用周期,以上項(xiàng)目通過云服務(wù)開展評(píng)價(jià)工作,評(píng)價(jià)指標(biāo)包括網(wǎng)絡(luò)資源評(píng)價(jià)、虛擬計(jì)算、服務(wù)能力、動(dòng)態(tài)擴(kuò)展、通用性、可靠性、資源供應(yīng)能力以及性價(jià)比等。QoS的云服務(wù)評(píng)價(jià)模型工作機(jī)制如圖1所示。
對(duì)網(wǎng)格云服務(wù)來說,穩(wěn)定程度是一項(xiàng)非常重要的QoS屬性項(xiàng)目,它標(biāo)志著網(wǎng)絡(luò)用戶在真實(shí)環(huán)境下網(wǎng)絡(luò)程序或應(yīng)用的功能賦予情況、處理耗時(shí)情況以及用戶滿意度。多數(shù)情況下,網(wǎng)格云服務(wù)的實(shí)用程度與穩(wěn)定程度是相輔相成的,但二者的內(nèi)在含義卻不一樣。穩(wěn)定程度側(cè)重于一個(gè)網(wǎng)絡(luò)程序或應(yīng)用的自身完備性,穩(wěn)定程度高的程序或應(yīng)用可以隨時(shí)隨地供用戶使用[2]。實(shí)用程度表現(xiàn)為一個(gè)網(wǎng)絡(luò)程序或應(yīng)用能夠在特定狀態(tài)或時(shí)間內(nèi)完成其應(yīng)有功能,一般來講其不與處理耗時(shí)情況發(fā)生關(guān)系。endprint
安全程度包括數(shù)據(jù)的通信能力、存儲(chǔ)完整性、真實(shí)性、秘鑰有效性以及認(rèn)證服務(wù)有效性等,其依賴于云服務(wù)框架所能提供的QoS性能。擴(kuò)展能力與使用周期是一個(gè)網(wǎng)絡(luò)程序或應(yīng)用的功能性條件,標(biāo)志著網(wǎng)格云服務(wù)所能提供的QoS處于何種等級(jí),與市場(chǎng)競(jìng)爭(zhēng)力息息相關(guān)。
云服務(wù)的動(dòng)態(tài)性強(qiáng),而且是隨著網(wǎng)絡(luò)用戶需求的改變而改變的,具有不確定性與大規(guī)模性,以上QoS的云服務(wù)評(píng)價(jià)模型工作機(jī)制未能覆蓋所有云服務(wù)需求,靈活性不強(qiáng)[3],無法穩(wěn)定占據(jù)資本市場(chǎng),回報(bào)率低下。經(jīng)多方調(diào)研發(fā)現(xiàn),云服務(wù)在市場(chǎng)中的占據(jù)率主要由開發(fā)成本、擴(kuò)展能力與使用周期決定。根據(jù)以上內(nèi)容對(duì)傳統(tǒng)QoS的云服務(wù)評(píng)價(jià)模型工作機(jī)制作出改進(jìn),細(xì)化了QoS屬性項(xiàng)目分支,如圖2所示。
圖2中,網(wǎng)格云服務(wù)的性能可用網(wǎng)絡(luò)QoS正確完成某個(gè)服務(wù)請(qǐng)求的時(shí)間消耗情況來衡量。網(wǎng)格云服務(wù)性能的提升主要包括兩方面,分別是QoS延遲與網(wǎng)絡(luò)吞吐量,在減少Q(mào)oS延遲的同時(shí)提高網(wǎng)絡(luò)吞吐量,可有效提升網(wǎng)格云服務(wù)性能[4]。其他QoS屬性項(xiàng)目分支也均與傳統(tǒng)模型項(xiàng)目息息相關(guān),有效性更加明顯。
由于改進(jìn)模型比傳統(tǒng)模型QoS屬性項(xiàng)目多出10項(xiàng)分支,因此需要為各QoS屬性項(xiàng)目選擇合適的比重,比重取值將通過熵值法[5]進(jìn)行計(jì)算。
設(shè)改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型中[m]項(xiàng)QoS屬性項(xiàng)目集合為[S={S1,S2,…,Sm}],[n]項(xiàng)云服務(wù)評(píng)價(jià)指標(biāo)集合為[C={C1,C2,…,Cn},]待評(píng)價(jià)內(nèi)容用矩陣[D=(rij)m×n]表示[6],其中,[i=1,2,…,m,][j=1,2,…,n,][rij]是單項(xiàng)待評(píng)價(jià)數(shù)據(jù)。
由于網(wǎng)格內(nèi)各單項(xiàng)待評(píng)價(jià)數(shù)據(jù)的格式不統(tǒng)一,因此需要將[D=(rij)m×n]進(jìn)行標(biāo)準(zhǔn)化處理,得到標(biāo)準(zhǔn)化待評(píng)價(jià)內(nèi)容[7][N=(kij)m×n],第[j]個(gè)評(píng)價(jià)指標(biāo)的熵值如下:
[S(Cj)=1lnmi=1mkijln(kij)] (1)
在第[j]個(gè)評(píng)價(jià)指標(biāo)的影響下,第[i]個(gè)QoS屬性項(xiàng)目的比重取值為:
[wi=1-S(Cj)j=1n1-S(Cj)] (2)
1.2 模型動(dòng)態(tài)服務(wù)能力改進(jìn)
云服務(wù)的強(qiáng)烈動(dòng)態(tài)性使得QoS屬性項(xiàng)目經(jīng)常出現(xiàn)不可控制的波動(dòng),影響著云服務(wù)評(píng)價(jià)模型的可靠性。改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型意識(shí)到,傳統(tǒng)模型之所以可靠性不強(qiáng),往往是因?yàn)樵谠u(píng)價(jià)數(shù)據(jù)時(shí)忽略了實(shí)時(shí)數(shù)據(jù)與以往數(shù)據(jù)之間的關(guān)聯(lián)性,導(dǎo)致所產(chǎn)生的評(píng)價(jià)結(jié)果具有過強(qiáng)的局部最佳性,整體最佳性低下。因此,模型不僅需要針對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行重點(diǎn)評(píng)價(jià),還要結(jié)合以往數(shù)據(jù)特征對(duì)局部最佳評(píng)價(jià)結(jié)果作出修正,以克服QoS屬性項(xiàng)目的局限性。
實(shí)現(xiàn)以上內(nèi)容的最佳切入點(diǎn)是時(shí)間[8],如圖3所示,改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型將時(shí)間分為三個(gè)部分,分別是以往數(shù)據(jù)獲取時(shí)間、實(shí)時(shí)數(shù)據(jù)獲取時(shí)間以及未來預(yù)測(cè)時(shí)間。以實(shí)時(shí)數(shù)據(jù)獲取時(shí)間為界限進(jìn)行劃分,評(píng)價(jià)結(jié)束后,將評(píng)價(jià)結(jié)果輸入未來預(yù)測(cè)時(shí)間,指導(dǎo)下次QoS云服務(wù)評(píng)價(jià)工作。
1.3 云服務(wù)框架改進(jìn)
改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型對(duì)云服務(wù)框架作出改進(jìn),將傳統(tǒng)模型資源整體切入形式改為模塊化切入形式,增添網(wǎng)絡(luò)用戶反饋機(jī)制與QoS監(jiān)控機(jī)制,使評(píng)價(jià)服務(wù)更加完善。改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型云服務(wù)框架如圖4所示。
由圖4可知,改進(jìn)的云服務(wù)框架被分為4個(gè)模塊,分別是網(wǎng)絡(luò)用戶反饋模塊、QoS需求挖掘模塊、云服務(wù)性能監(jiān)測(cè)模塊以及QoS數(shù)據(jù)庫(kù)。云服務(wù)性能監(jiān)測(cè)模塊內(nèi)置搜索算法可以時(shí)刻跟蹤網(wǎng)絡(luò)用戶上網(wǎng)行為,其監(jiān)測(cè)項(xiàng)目包括內(nèi)存、資源利用率以及輸入/輸出響應(yīng)能力等,可以對(duì)監(jiān)測(cè)對(duì)象進(jìn)行定量與定性分析。QoS數(shù)據(jù)庫(kù)使用MCDM(Multi?criteria Decision?making,多準(zhǔn)則決策[9])技術(shù)完成多元服務(wù)決策與決策結(jié)果相關(guān)性排名。
在這種框架下,網(wǎng)絡(luò)用戶的每個(gè)舉動(dòng)都在云服務(wù)性能監(jiān)測(cè)模塊的嚴(yán)格把握中。監(jiān)測(cè)工作是指對(duì)用戶所需的服務(wù)信息進(jìn)行基礎(chǔ)測(cè)試,測(cè)試結(jié)果存儲(chǔ)在QoS數(shù)據(jù)庫(kù)中。網(wǎng)絡(luò)用戶反饋模塊也將直接向QoS數(shù)據(jù)庫(kù)反饋需求數(shù)據(jù),并且通過QoS需求挖掘模塊獲取用戶隱含需求,最終由QoS數(shù)據(jù)庫(kù)作出服務(wù)決策,將服務(wù)項(xiàng)目推薦列表在線顯示到網(wǎng)絡(luò)用戶終端設(shè)備上。
2 實(shí)驗(yàn)驗(yàn)證
2.1 數(shù)據(jù)集合與驗(yàn)證對(duì)象
本文的設(shè)計(jì)內(nèi)容是改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型,驗(yàn)證本文模型性能所需的數(shù)據(jù)包括5個(gè)網(wǎng)絡(luò)服務(wù)器上100天內(nèi)進(jìn)行同一個(gè)用戶需求下的以往數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)[10],這些數(shù)據(jù)將在PRTG(Paessler Router Traffic Grapher,路由流量采集)軟件的監(jiān)控下實(shí)施采集。5個(gè)網(wǎng)絡(luò)服務(wù)器均依附于亞馬遜彈性計(jì)算云服務(wù)中的QoS數(shù)據(jù)。由于實(shí)驗(yàn)數(shù)據(jù)集合中數(shù)據(jù)量過大,不利于快速進(jìn)行實(shí)驗(yàn),因此只采集100天內(nèi)每天上午10:00—11:00以及晚上9:00—10:00的數(shù)據(jù)為實(shí)驗(yàn)所用,采集數(shù)據(jù)的類型主要集中在資源利用率、內(nèi)存占用量以及數(shù)據(jù)輸入/輸出耗時(shí),將以上數(shù)據(jù)匯總在一個(gè)數(shù)據(jù)集合中。
文獻(xiàn)[2,5,10]分別設(shè)計(jì)QoS預(yù)測(cè)與約束層次模型、博弈論模型、服務(wù)組合模型,以上模型均是對(duì)QoS的云服務(wù)評(píng)價(jià)模型的優(yōu)化或功能擴(kuò)展,其與本文模型進(jìn)行實(shí)驗(yàn)對(duì)比較具代表性。實(shí)驗(yàn)所用數(shù)據(jù)集合能夠滿足以上四種模型的實(shí)驗(yàn)驗(yàn)證需求。
本次實(shí)驗(yàn)將以四個(gè)模型在實(shí)驗(yàn)數(shù)據(jù)集合下的響應(yīng)時(shí)間、資金消耗以及QoS云服務(wù)指數(shù)作為指標(biāo),驗(yàn)證本文模型的服務(wù)內(nèi)容選擇性是否能夠滿足用戶需求[11]。其中,QoS云服務(wù)指數(shù)是指模型為用戶推薦的服務(wù)項(xiàng)目與用戶需求項(xiàng)目之間的相似程度,它關(guān)系著用戶服務(wù)滿意度,是最重要的實(shí)驗(yàn)指標(biāo)。表1是實(shí)驗(yàn)中5個(gè)服務(wù)器的QoS云服務(wù)價(jià)格表,價(jià)格以小時(shí)計(jì)費(fèi),單位為美元。
2.2 實(shí)驗(yàn)結(jié)果與分析
實(shí)驗(yàn)規(guī)定實(shí)時(shí)數(shù)據(jù)時(shí)間為實(shí)驗(yàn)數(shù)據(jù)集合中的中間時(shí)間點(diǎn)。表2是以往時(shí)間數(shù)據(jù)資源利用率、內(nèi)存占用量以及數(shù)據(jù)輸入/輸出耗時(shí)的平均值。endprint
本文模型在分析實(shí)驗(yàn)數(shù)據(jù)集合時(shí),會(huì)自動(dòng)將以往時(shí)間的數(shù)據(jù)均等劃分成若干小段,而在本次實(shí)驗(yàn)中,本文模型可以直接使用表2中的數(shù)據(jù)來糾正實(shí)時(shí)數(shù)據(jù)評(píng)價(jià)結(jié)果。在QoS預(yù)測(cè)與約束層次模型、博弈論模型、服務(wù)組合模型中,博弈論模型和服務(wù)組合模型采用對(duì)每個(gè)時(shí)間點(diǎn)或時(shí)間區(qū)間進(jìn)行服務(wù)決策取平均值的方法,QoS預(yù)測(cè)與約束層次模型則直接進(jìn)行實(shí)時(shí)數(shù)據(jù)評(píng)價(jià)。服務(wù)組合模型在進(jìn)行QoS屬性項(xiàng)目比重取值的過程中,使用的是MCDM法,其他三種模型均使用熵值法。
表3是以上四種模型在5個(gè)服務(wù)器上響應(yīng)時(shí)間、資金消耗以及QoS云服務(wù)指數(shù)的平均值對(duì)比表。
由表3可知,本文模型和服務(wù)組合模型選擇的主要服務(wù)器均是標(biāo)號(hào)為5的移動(dòng)云計(jì)算服務(wù)器,從表1中可以看出,這個(gè)服務(wù)器的QoS云服務(wù)價(jià)格較低,因此,本文模型和服務(wù)組合模型的資金消耗也較低,其他兩種模型的資金消耗則比較高,這是造成模型平均QoS云服務(wù)指數(shù)偏低的主要原因。同時(shí),四種模型中本文模型的平均響應(yīng)時(shí)間最短,有效提高了模型的平均QoS云服務(wù)指數(shù)。綜合來看,本文模型的服務(wù)內(nèi)容選擇性最強(qiáng)。
為了明確本文模型的服務(wù)內(nèi)容選擇性是否能夠滿足用戶需求,應(yīng)從QoS云服務(wù)指數(shù)進(jìn)行分析,圖5是四種模型QoS云服務(wù)指數(shù)的折線圖,可以看出,本文模型折線遠(yuǎn)遠(yuǎn)高于其他三種模型,表明其更能滿足網(wǎng)絡(luò)用戶需求。
3 結(jié) 論
QoS在網(wǎng)格技術(shù)中主要負(fù)責(zé)進(jìn)行服務(wù)質(zhì)量監(jiān)控與提升。QoS的云服務(wù)評(píng)價(jià)模型對(duì)網(wǎng)格技術(shù)至關(guān)重要,但由于網(wǎng)絡(luò)復(fù)雜多變,網(wǎng)絡(luò)需求往往得不到滿足,因此,本文設(shè)計(jì)改進(jìn)QoS的云服務(wù)評(píng)價(jià)模型,從QoS屬性、云計(jì)算框架等方面入手,通過時(shí)刻跟蹤網(wǎng)絡(luò)用戶上網(wǎng)行為,全面提升傳統(tǒng)模型的科學(xué)性與綜合性,并針對(duì)用戶重點(diǎn)需求功能進(jìn)行完善與多方?jīng)Q策,使網(wǎng)絡(luò)服務(wù)質(zhì)量得到了很大提升。
參考文獻(xiàn)
[1] 李莉,王俊英,臧兆祥,等.基于RBF?DE的改進(jìn)蟻群算法和多QoS約束的云資源調(diào)度策略研究[J].軟件導(dǎo)刊,2016,15(3):1?5.
LI Li, WANG Junying, ZANG Zhaoxiang, et al. Research on improved ant colony algorithm and multi QoS constrained cloud resource scheduling strategy based on RBF?DE [J]. Software guide, 2016, 15(3): 1?5.
[2] 劉志中,呂克林,宋成,等.基于QoS預(yù)測(cè)與約束層次模型的云服務(wù)推薦方法研究[J].計(jì)算機(jī)工程與應(yīng)用,2015,51(10):47?52.
LIU Zhizhong, L? Kelin, SONG Cheng, et al. Cloud service recommendation method based on QoS prediction and constraint hierarchy model [J]. Computer engineering and applications, 2015, 51(10): 47?52.
[3] 陳紹東,宋亮,卜春霞.網(wǎng)絡(luò)通信能量資源優(yōu)化調(diào)度仿真研究[J].計(jì)算機(jī)仿真,2016,33(3):235?238.
CHEN Shaodong, SONG Liang, PU Chunxia. Simulation of optimal scheduling for network communication energy resources [J]. Computer simulation, 2016, 33(3): 235?238.
[4] 許陽,趙宗貴.一種人機(jī)協(xié)作的目標(biāo)綜合識(shí)別模型設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制,2015,23(11):3739?3743.
XU Yang, ZHAO Zonggui. Design of integrated target identification with human?machine cooperation [J]. Computer measurement & control, 2015, 23(11): 3739?3743.
[5] 郝貴和,張?zhí)鞁?,伍紅英,等.基于博弈論的QoS協(xié)作WSNs路由算法[J].現(xiàn)代電子技術(shù),2016,39(16):108?111.
HAO Guihe, ZHANG Tianjiao, WU Hongying, et al. QoS coo?perative WSNs routing algorithm based on game theory [J]. Modern electronics technique, 2016, 39(16): 108?111.
[6] 劉彩霞.基于QoS量化評(píng)估的電子商務(wù)認(rèn)證協(xié)議優(yōu)化[J].科學(xué)技術(shù)與工程,2016,16(18):61?65.
LIU Caixia. Optimization of electronic commerce authentication protocol based on QoS quantitative assessment [J]. Science technology and engineering, 2016, 16(18): 61?65.
[7] 焦揚(yáng),陳喆,梁?jiǎn)T寧,等.基于馬爾可夫過程的云服務(wù)組合QoS量化評(píng)估方法研究[J].計(jì)算機(jī)科學(xué),2015,42(9):127?133.
JIAO Yang, CHEN Zhe, LIANG Yuanning, et al. Research on QoS quantitative evaluation method of cloud service composition based on Markov process [J]. Computer science, 2015, 42(9): 127?133.endprint
[8] 聶子航,于學(xué)軍.基于多元線性回歸的辦公建筑電力能耗評(píng)估預(yù)測(cè)模型的設(shè)計(jì)[J].電子設(shè)計(jì)工程,2016,24(3):40?43.
NIE Zihang, YU Xuejun. Design of the evaluation and prediction of power energy consumption of office buildings based on multivariate linear regression [J]. Electronic design engineering, 2016, 24(3): 40?43.
[9] 王海榮,劉珂.基于復(fù)雜序列映射的離散信息簽密安全模型[J].科技通報(bào),2015,31(8):159?161.
WANG Hairong, LIU Ke. Discrete information signcryption model based on complex sequence mapping [J]. Bulletin of science and technology, 2015, 31(8): 159?161.
[10] 文華.運(yùn)用備份服務(wù)位置和概率QoS模型的Web服務(wù)組合算法[J].電信科學(xué),2016,32(10):116?123.
WEN Hua. Web services composition algorithm based on the location of backup service and probabilistic QoS model [J]. Telecommunications science, 2016, 32(10): 116?123.
[11] 秦麗,李兵.基于p階組合云模型的QoS不確定性建模與Web服務(wù)過濾[J].小型微型計(jì)算機(jī)系統(tǒng),2015,36(11):2439?2444.
QIN Li, LI Bing. QoS uncertainty modeling and web services filtering based on p?order combined cloud model [J]. Journal of Chinese mini?micro computer systems, 2015, 36(11): 2439?2444.endprint