基于FAHP的QoS感知可信云服務(wù)選擇模型?

吳旭袁耀王楊

（西安郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系 西安 710121）

1 引言

近年來(lái)云計(jì)算（cloud computing）變得越來(lái)越流行，越來(lái)越多的用戶選擇阿里云、騰訊云、Google App Engine等云服務(wù)提供商提供的存儲(chǔ)和計(jì)算資源來(lái)降低成本［1～2］。資源服務(wù)化的思想日益普及，云計(jì)算中基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Service，IaaS）、平臺(tái)即服務(wù)（Platform asa Service，PaaS）和軟件即服務(wù)（Software as a Service，SaaS）的概念已深入人心，呈現(xiàn)出“一切皆服務(wù)”（X as a Service，XaaS）的趨勢(shì)。隨著云計(jì)算的發(fā)展，可供用戶選擇的云服務(wù)越來(lái)越多。然而各個(gè)云服務(wù)提供商提供的云服務(wù)在性能、價(jià)格、安全性等方面各不相同，甚至同一云服務(wù)提供商的同一服務(wù)，在不同地區(qū)的價(jià)格也各不相同［3］。沒(méi)有一定的專業(yè)知識(shí)，很難選出一個(gè)滿足自身需求的云服務(wù)。

對(duì)用戶來(lái)說(shuō)，如果云服務(wù)的行為與結(jié)果總是如用戶預(yù)期的行為和結(jié)果一樣，那么就可以認(rèn)為該云服務(wù)是可信的。如何在大量云服務(wù)中選擇一個(gè)滿足用戶對(duì)服務(wù)質(zhì)量（Quality of Service，QoS）需求的云服務(wù)，已經(jīng)成為一個(gè)急需解決的問(wèn)題［4］。

對(duì)于如何選擇可信云服務(wù)的問(wèn)題，用戶需要從多個(gè)方面考慮，選擇各個(gè)角度都能滿足自身QoS需求的服務(wù)。而云服務(wù)提供商提供的服務(wù)，很難綜合評(píng)估其安全性、可擴(kuò)展性、性價(jià)比等特性。用戶提出的QoS需求與云服務(wù)提供商承諾的QoS不同，甚至相反。文獻(xiàn)［5］選取了適應(yīng)能力、經(jīng)濟(jì)價(jià)值、可控性、依賴性和安全五個(gè)方面，但是卻忽略了云服務(wù)的快速靈活性，在經(jīng)濟(jì)價(jià)值中的投資收入這一部分忽略了風(fēng)險(xiǎn)；文獻(xiàn)［6］僅僅選擇了價(jià)格、響應(yīng)時(shí)間、吞吐量和可獲得性四個(gè)指標(biāo)，這并不能客觀評(píng)價(jià)一個(gè)云服務(wù)的好壞。為了選擇一個(gè)合適的可信云服務(wù)，用戶需要從可靠性、價(jià)格、性能等多個(gè)方面做評(píng)估，這就是一個(gè)多指標(biāo)決策（Multi-Criteria Decision-Making）問(wèn)題。每一個(gè)指標(biāo)的變化都將對(duì)最終的決策產(chǎn)生影響，對(duì)于此類問(wèn)題的研究主要集中在逼近理想解法（Technique for Order of Preference by Similarity to Ideal Solution，TOPSIS）、層次分析法（Analytic Hierarchy Process，AHP）、D-S證據(jù)理論等方法上。在最早的時(shí)候，人們使用TOPSIS方法計(jì)算與最優(yōu)解距離和最差解的距離，明顯提高了決策的效率與準(zhǔn)確率。文獻(xiàn)［7～8］將模糊數(shù)融入到TOPSIS方法上，對(duì)服務(wù)排名。文獻(xiàn)［7］將云服務(wù)的QoS的混合多屬性統(tǒng)一轉(zhuǎn)換為直接模糊數(shù)，計(jì)算各個(gè)云服務(wù)的QoS對(duì)于直接模糊矩陣的最優(yōu)方案、最差方案的距離；后來(lái)人們使用層次分析法分析用戶對(duì)QoS指標(biāo)的偏好，用決策矩陣來(lái)對(duì)云服務(wù)提供商進(jìn)行排序。文獻(xiàn)［9］提出了類似社交網(wǎng)絡(luò)的基于信任加強(qiáng)的云服務(wù)選擇機(jī)制，通過(guò)考察用戶的直接信任、間接信任以及基本相似度找出相似的信任鄰居并預(yù)測(cè)缺失的QoS值，以此作為選擇依據(jù)。文獻(xiàn)［10］提出了基于QoS綜合評(píng)價(jià)的服務(wù)選擇方法，該方法考察了歷史數(shù)據(jù)的可信程度，根據(jù)推薦用戶與目標(biāo)用戶之間的相似程度，權(quán)衡歷史證據(jù)的可信程度，進(jìn)而得出最終的QoS參考評(píng)價(jià)。D-S證據(jù)理論通過(guò)綜合多位決策者的意見(jiàn)，能夠選出一個(gè)各個(gè)方面都比較優(yōu)秀的云服務(wù)提供商。文獻(xiàn)［11］提出了一種基于D-S理論的云服務(wù)選擇方法，通過(guò)定性定量指標(biāo)評(píng)價(jià)信息，求解評(píng)價(jià)指標(biāo)效用偏好度，并將其作為基本概率分配值，然后用合成規(guī)則合成并排序。文獻(xiàn)［12］采用D-S證據(jù)理論，根據(jù)云服務(wù)間相互產(chǎn)生的歷史記錄信息，提出了一個(gè)QoS可信度評(píng)估模型，該模型從公共信任和私有信任兩個(gè)層面對(duì)可信度的度量、傳遞等問(wèn)題進(jìn)行論述，使得評(píng)估結(jié)果更加合理，而優(yōu)化了服務(wù)選擇行為。雖然D-S理論能夠綜合多位決策者的意見(jiàn)，但由于D-S證據(jù)理論在處理高度沖突的證據(jù)時(shí)，效果大打折扣，甚至出現(xiàn)反直觀的結(jié)果。

現(xiàn)在的云服務(wù)選擇模型中依舊存在著不足:1）云服務(wù)評(píng)價(jià)指標(biāo)不能滿足服務(wù)質(zhì)量需求，甚至評(píng)價(jià)指標(biāo)不合理；2）評(píng)價(jià)屬性權(quán)重分配不合理，甚至很大程度上依賴用戶自身知識(shí)水平。針對(duì)這些問(wèn)題，本文提出了一種基于模糊層次分析法的QoS感知模型來(lái)選擇云服務(wù)。本文依據(jù)大多數(shù)用戶QoS屬性需求，選擇了可靠性、靈活性、性能、價(jià)格和安全性等五個(gè)方面，集中考察其二級(jí)指標(biāo)，然后由專家給出對(duì)云服務(wù)權(quán)重的模糊判斷意見(jiàn)，通過(guò)三角模糊函數(shù)，用FAHP方法計(jì)算出各個(gè)云服務(wù)考察指標(biāo)的權(quán)重。用戶根據(jù)QoS請(qǐng)求建立判斷矩陣，進(jìn)行層次排序，得到各云服務(wù)的相對(duì)排名。實(shí)驗(yàn)分析表明，該服務(wù)選擇方法，能夠合理地為用戶提供決策支持，同時(shí)也能有效降低層次分析法過(guò)于主觀的缺點(diǎn)。

2 服務(wù)評(píng)價(jià)指標(biāo)

評(píng)價(jià)一個(gè)云服務(wù)的優(yōu)劣，需要從多個(gè)方面進(jìn)行考察。為此，本文根據(jù)云服務(wù)指標(biāo)測(cè)評(píng)聯(lián)盟（the Cloud Service Measurement Index Consortium，CSMIC）的國(guó)際標(biāo)準(zhǔn)［12］，確立云服務(wù)的考察方向，并確立了服務(wù)指標(biāo)測(cè)量框架（Service Measurement Index framework，SMI framework），該框架從可靠性（Accountability）、靈活性（Agility）、價(jià)格（Financial）、性能（Performance）、安全和隱私（Security and Privacy）等五個(gè)方面來(lái)考察云服務(wù)。這五個(gè)方面是人們?cè)谶x擇云服務(wù)提供商時(shí)，最關(guān)注的方面，也是最能體現(xiàn)云服務(wù)優(yōu)劣的方面［13］。

可靠性:該指標(biāo)表征了云服務(wù)提供商是否可靠。當(dāng)用戶選擇把應(yīng)用部署到云端、把數(shù)據(jù)存儲(chǔ)到云端時(shí)，可靠性起著至關(guān)重要的作用。如果云服務(wù)提供商不可靠，那么用戶存儲(chǔ)在云端的數(shù)據(jù)將得不到保障，用戶將會(huì)面臨巨大的損失。在這樣的情況之下，用戶是不會(huì)選擇該云服務(wù)的。

靈活性:云計(jì)算的一大優(yōu)勢(shì)就是快速、靈活，用戶可以在快速部署自己的應(yīng)用，甚至不需要高昂花費(fèi)的情況下快速的提供或者降低自己的服務(wù)能力，從而降低企業(yè)的成本。因此，靈活性也是體現(xiàn)云服務(wù)能力的一個(gè)重要指標(biāo)。

價(jià)格:不同的云服務(wù)提供商提供的云服務(wù)性能各不相同，價(jià)格也各不相同。對(duì)于很多中小企業(yè)來(lái)說(shuō)，通過(guò)使用云服務(wù)來(lái)降低企業(yè)成本不失為一個(gè)好辦法。價(jià)格是影響用戶選擇何種服務(wù)的一個(gè)重要因素。

性能:影響云服務(wù)性能的因素有很多，服務(wù)響應(yīng)時(shí)間、帶寬、準(zhǔn)確性將影響服務(wù)的性能。用戶在選擇云服務(wù)時(shí)，要能知道該云服務(wù)提供商能否滿足自己的性能需求，如果不能滿足性能需求，那么必然不能選擇該云服務(wù)。對(duì)于都已經(jīng)滿足用戶功能需求的云服務(wù)，哪一個(gè)云服務(wù)更具性價(jià)比呢？

安全和隱私:當(dāng)用戶把應(yīng)用部署到云端，把數(shù)據(jù)存儲(chǔ)在云端，這是否安全呢？云服務(wù)提供商是否會(huì)盜用用戶的個(gè)人信息，是否會(huì)掃描用戶保存的數(shù)據(jù)，這都將影響用戶的選擇。

為了對(duì)云服務(wù)提供商做一個(gè)全面的評(píng)估，根據(jù)以上五個(gè)方向，本文制定以下詳細(xì)度量指標(biāo)。

2.1 服務(wù)響應(yīng)時(shí)間

一個(gè)服務(wù)的響應(yīng)時(shí)間，反映了服務(wù)可獲得性的效率。例如，當(dāng)用戶向云服務(wù)提供商請(qǐng)求啟動(dòng)一臺(tái)虛擬機(jī)（VirtualMachine，VM），服務(wù)響應(yīng)時(shí)間表示云服務(wù)提供商響應(yīng)這次請(qǐng)求的時(shí)間，包括選擇VM，啟動(dòng)VM，分配IP地址到部署應(yīng)用等全部過(guò)程所花費(fèi)的時(shí)間?？疾旆?wù)響應(yīng)時(shí)間，我們需要考察服務(wù)的最大響應(yīng)時(shí)間，平均響應(yīng)時(shí)間和響應(yīng)失敗率。

最大響應(yīng)時(shí)間是指云服務(wù)提供商在信任等級(jí)協(xié)議中承諾的最大響應(yīng)時(shí)間。

響應(yīng)失敗率表示為響應(yīng)失敗的次數(shù)與總次數(shù)的比值，響應(yīng)失敗次數(shù)即為響應(yīng)時(shí)間超過(guò)SLA協(xié)議中承諾的時(shí)間的次數(shù)。

2.2 準(zhǔn)確性

準(zhǔn)確性是從功能角度來(lái)考察云服務(wù)提供商所提供的云服務(wù)是否滿足了用戶的QoS請(qǐng)求。如果用fi來(lái)表示用戶i在服務(wù)時(shí)間T內(nèi)云服務(wù)提供商未能滿足用戶需求的次數(shù)，本文將準(zhǔn)確頻率定義為，其中n表示用戶的數(shù)量。

2.3 資金投入

資金投入主要體現(xiàn)在兩個(gè)方向:服務(wù)購(gòu)買以及后續(xù)維護(hù)兩部分。對(duì)于大部分用戶來(lái)說(shuō)，比較兩個(gè)服務(wù)的性價(jià)比是一件很困難的事，不同特性的云服務(wù)往往價(jià)格相差很多，甚至同一個(gè)云服務(wù)提供商在不同地區(qū)提供的滿足相同需求的云服務(wù)的價(jià)格也不一樣。影響虛擬機(jī)價(jià)格的因素，主要在CPU頻率、內(nèi)存大小、網(wǎng)絡(luò)帶寬和存儲(chǔ)容量四個(gè)方面。因此本文將價(jià)格表示為，其中a、b、c和d是每個(gè)因素的權(quán)重，并且a+b+c+d=1，每個(gè)屬性的權(quán)重因應(yīng)用程序需求的虛擬機(jī)性能不同而改變。P表示服務(wù)的價(jià)格和維護(hù)的價(jià)格。當(dāng)然，若云服務(wù)提供商提供7×24h全天候免費(fèi)服務(wù)，那么p指標(biāo)是云服務(wù)的購(gòu)買價(jià)格。

2.4 靈活性

靈活性主要表征云服務(wù)的收縮能力。在用戶高峰期，云服務(wù)的承載能力能否快速提高以及能夠多快提高。在高峰期之后，如何降低承載能力，減少計(jì)算單元的數(shù)量。

2.5 吞吐量

吞吐量和效率是評(píng)價(jià)云服務(wù)性能的重要指標(biāo)。吞吐量是指單位時(shí)間內(nèi)成功傳輸數(shù)據(jù)的數(shù)量，這和服務(wù)響應(yīng)時(shí)間不同，服務(wù)響應(yīng)時(shí)間反映的是服務(wù)提供者能夠在多快的時(shí)間內(nèi)提供服務(wù)。例如一個(gè)用戶應(yīng)用（Application）有n個(gè)任務(wù)提交到了m臺(tái)虛擬機(jī)上，本文用Te(n,m)表示m臺(tái)虛擬機(jī)上執(zhí)行n個(gè)任務(wù)所花費(fèi)的時(shí)間。但是在初次執(zhí)行時(shí)，由于基本設(shè)施初始化、任務(wù)內(nèi)部通信延遲等問(wèn)題，本文將T0定義為初始化時(shí)間。因此，吞吐量α可以表示為

2.6 可依賴性

可依賴性反映了一個(gè)服務(wù)在給定時(shí)間和情況下，操作成功的能力。因此本文將可依賴性定義為先前用戶使用的失敗次數(shù)與SLA協(xié)議中承諾的失敗率的平均時(shí)間。即

其中，numfailure表示先前用戶使用過(guò)程中失敗的次數(shù)，n表示用戶總數(shù)，Tm表示SLA協(xié)議中承諾的失敗的平均時(shí)間。

2.7 安全性和隱私性

安全性和隱私保護(hù)能力根據(jù)用戶評(píng)分劃分信任等級(jí)，信任等級(jí)分為五級(jí)，分別為Ⅰ級(jí)、Ⅱ級(jí)、Ⅲ級(jí)、Ⅳ級(jí)和Ⅴ級(jí)，分別表示十分安全、安全、一般、差和不安全。用戶對(duì)服務(wù)的安全性做五級(jí)評(píng)分，計(jì)算當(dāng)前所有用戶的平均打分來(lái)計(jì)算云服務(wù)提供商的安全等級(jí)，即，其中，用戶在QoS請(qǐng)求中包含安全請(qǐng)求等級(jí)，對(duì)于安全等級(jí)不達(dá)標(biāo)的云服務(wù)提供商，則無(wú)法通過(guò)信任篩選。

3 層次分析法與模糊理論

在面對(duì)上述的眾多指標(biāo)時(shí)，很多用戶仍舊不知道如何選擇云服務(wù)。在多個(gè)候選的云服務(wù)中，依據(jù)不同的屬性需求，選擇一個(gè)合適的云服務(wù)是一個(gè)典型的多準(zhǔn)則決策（Multi-criteria decision-making，MCDM）問(wèn)題［14］。在解決這類問(wèn)題時(shí)，AHP方法由于模型簡(jiǎn)單、對(duì)復(fù)雜問(wèn)題評(píng)判效果較好等特點(diǎn)，得到眾多學(xué)者的青睞［15～17］。

但AHP方法由于其權(quán)向量分配由用戶自己決定，且需要做相對(duì)精確的比較，很多時(shí)候往往會(huì)出現(xiàn)較大偏差，影響最后的決策，甚至選擇出不符合用戶需求的云服務(wù)［18］。

3.1 層次分析法

層次分析法（Analytic Hierarchy Process，AHP）是一種定性與定量相結(jié)合的多目標(biāo)決策分析方法，簡(jiǎn)化了問(wèn)題分析，使復(fù)雜問(wèn)題定量分析成為可能，為分析彼此關(guān)聯(lián)，彼此制約的復(fù)雜問(wèn)題提供了一種簡(jiǎn)單實(shí)用的分析方法［19～20］。

層次分析法的基本步驟包括:

1）建立層次結(jié)構(gòu)模型。首先要建立層次結(jié)構(gòu)模型，如圖1所示，此圖為服務(wù)選擇的層次結(jié)構(gòu)模型。

圖1 云服務(wù)選擇層次結(jié)構(gòu)模型

2）構(gòu)造判斷矩陣。設(shè)有n個(gè)決策指標(biāo)f1，f2，…fn，用戶對(duì)n個(gè)決策指標(biāo)的重要性進(jìn)行兩兩比較，根據(jù)表1確定判斷矩陣A:

aij代表第i個(gè)指標(biāo)相對(duì)第j個(gè)評(píng)測(cè)指標(biāo)的重要程度。AHP方法的提出者Saaty教授建議用1-9標(biāo)度方法，如表1所示。

3）計(jì)算權(quán)重向量，矩陣A的最大特征值所對(duì)應(yīng)的特征向量就是權(quán)重向量。若各個(gè)指標(biāo)的權(quán)重為。若矩陣A完全正確，那么一定有

那么矩陣A乘以W=(w1,w2…,wn)T得

其中n是矩陣A的最大特征值，而W是最大特征值λ對(duì)應(yīng)的特征向量。

4）做一致性檢驗(yàn)。對(duì)于矩陣 A=(aij)n×n，若有aij＞0，則稱A為正矩陣。對(duì)于正矩陣 A=(aij)n×n，若有，則稱A為一致性矩陣。一致性矩陣的最大特征值λmax=n，其他特征值為0，因此可以用最大特征值（λmax-n）判斷矩陣一致性。令一致性指標(biāo)（consistency index），CI的值越大，說(shuō)明一致性越差。為了可比性，引入隨機(jī)一致性指標(biāo)RI（random index），表示隨機(jī)矩陣的平均一致性，如表2所示。因此，一致性比率（consistency ratio）是一致性指標(biāo)CI與同階的RI的比值，記作，當(dāng)CR≤0.1時(shí)，接受判斷矩陣，否者修改判斷矩陣。

5）計(jì)算組合權(quán)向量，進(jìn)行層次總排序。

表1 AHP法1-9標(biāo)度

表2 平均隨機(jī)一致性指標(biāo)RI標(biāo)準(zhǔn)值（不同的標(biāo)準(zhǔn)不同，RI的值也會(huì)有微小的差異）

3.2 三角模糊理論

在實(shí)際過(guò)程中，我們很難對(duì)所有事物都作出一個(gè)確切的量化，對(duì)于事物的概念是模糊的，人們給出的比較評(píng)價(jià)也是模糊的［21］。

由于在實(shí)際評(píng)判過(guò)程中專家對(duì)事物認(rèn)識(shí)的模糊性和主觀性，其評(píng)判結(jié)果也不是一個(gè)確切的數(shù)值m，往往是介于m左右的一個(gè)區(qū)間［22］。因此在評(píng)判結(jié)果往往以三角模糊數(shù)的形式給出。

三角模糊數(shù)以及其隸屬函數(shù):

定義1：若M=(l,m,u)l≤m≤u，則M為三角模糊數(shù)。三角模糊隸屬度函數(shù)的定義如下:

在式（1）中，l和u分別表示三角模糊數(shù)的上界和下界，m為M的中值。

三角模糊數(shù)難以直接比較大小，有必要將其轉(zhuǎn)化為實(shí)數(shù)，即

定義2三角模糊函數(shù)的運(yùn)算方法:對(duì)于三角模糊函數(shù)M1=(l1,m1,u1)和M2=(l2,m2,u2)，有

模糊層次分析法，首要確定模糊判斷矩陣，對(duì)于三角模糊函數(shù)，兩個(gè)指標(biāo)的重要性程度比較如表1所示。

定義3三角模糊互反判斷矩陣:三角模糊判斷矩陣 A=(aij)n×n，aij=(lij,mij,uij)，aji=(lji,mji,uji)，有 lij×lji=mij×mji=uij×uji=1，那么矩陣A就是三角模糊互反判斷矩陣。

圖2 三角模糊函數(shù)隸屬度

4 基于FAHP的服務(wù)選擇模型

模糊層次分析法將模糊分析法和層析分析法結(jié)合起來(lái)，全面考慮影響評(píng)價(jià)系統(tǒng)的各種因素，能夠有效地減少AHP方法中個(gè)人主觀因素對(duì)評(píng)判結(jié)果造成的負(fù)面影響，提高了指標(biāo)權(quán)重確定的信度和效度。而且其數(shù)學(xué)模型簡(jiǎn)單、易于掌握，對(duì)多因素、多層次的復(fù)雜問(wèn)題評(píng)判效果顯著。本文提出的基于FAHP方法實(shí)現(xiàn)云服務(wù)選擇架構(gòu)如圖3所示。

圖3 云服務(wù)選擇框架

專家意見(jiàn)權(quán)重具體計(jì)算步驟如圖4所示。

圖4 云服務(wù)選擇方法權(quán)重確定基本步驟

Step1:對(duì)用戶的QoS請(qǐng)求分析，構(gòu)建層次模型，如圖1所示。

Step2:由專家對(duì)評(píng)價(jià)指標(biāo)進(jìn)行兩兩比較，用三角模糊數(shù)構(gòu)造模糊判斷矩陣:，其中元素是以一個(gè)mij作為中值的閉區(qū)間，且。本文的三角模糊數(shù)設(shè)置如表3所示。因?yàn)闀?huì)放大兩屬性重要程度差距，這里沒(méi)有采用Saaty教授發(fā)明的1-9標(biāo)度法。當(dāng)有k位專家進(jìn)行判斷時(shí)，可以根據(jù)表3構(gòu)建第k位專家的三角模糊矩陣。綜合k位專家的意見(jiàn)得到三角模糊判斷矩陣A:

表3 1-5標(biāo)度及三角模糊數(shù)

Step3:對(duì)每個(gè)判斷矩陣構(gòu)造模糊評(píng)判因子矩陣。

式中Sij=(uij-lij)/2mij為標(biāo)準(zhǔn)離差率，它表征了專家評(píng)判的模糊程度，Sij越小，指標(biāo)賦值結(jié)果模糊程度越小，可信度越大，反之，可信度越小。

Step4:計(jì)算調(diào)整判斷矩陣。

其中矩陣M有模糊判斷矩陣的中值組成。

Step6:用相容矩陣分析法對(duì)矩陣A變換，

其中B滿足一致性條件 bij=bik×bki，且 bii=1，。

且

Step8:計(jì)算組合權(quán)向量進(jìn)行層次總排序。

5 算例分析

下面用一個(gè)實(shí)例來(lái)驗(yàn)證上面方法的有效性。有云服務(wù)用戶需要使用云服務(wù)，其基本的QoS服務(wù)需求是可靠性等級(jí)需大于2級(jí)，平均響應(yīng)時(shí)間少于120ms，并且CPU頻率高于8GHz，內(nèi)存大于10G的云服務(wù)，服務(wù)安全等級(jí)高于Ⅱ即可。

這里有五個(gè)云服務(wù)提供商，分別為S1、S2、S3、S4和S5，云服務(wù)的基本情況如表5所示，系統(tǒng)的云服務(wù)初選模塊將會(huì)篩選出滿足QoS請(qǐng)求的云服務(wù)提供商?？梢詮谋碇锌闯?，云服務(wù)提供商S1的安全等級(jí)僅為Ⅱ，并不能滿足；云服務(wù)提供商S5的平均響應(yīng)時(shí)間也不能滿足條件。因此經(jīng)過(guò)初步篩選之后，僅剩下云服務(wù)提供商S2、S3和S4。

接著，由三位專家對(duì)云服務(wù)的各個(gè)指標(biāo)權(quán)重進(jìn)行確定。由三位專家根據(jù)表3對(duì)云服務(wù)的性能、可靠性、成本、安全和靈活性等五個(gè)方面作兩兩比較，給出各自的模糊判斷矩陣。然后根據(jù)式（5）計(jì)算出綜合模糊判斷矩陣:

由公式（6）構(gòu)造模糊評(píng)判因子矩陣:

再根據(jù)式（7）求調(diào)整判斷矩陣，由式（8）對(duì)其轉(zhuǎn)換，可以得到判斷矩陣P。然后根據(jù)公式（9）對(duì)P進(jìn)行轉(zhuǎn)換，求得相容矩陣為

根據(jù)式（10）對(duì)B進(jìn)行幾何平均，再根據(jù)公式（11）求得屬性權(quán)重為

在確定各個(gè)屬性的權(quán)重后，由用戶對(duì)合適的云服務(wù)提供商進(jìn)行兩兩比較。首先對(duì)可靠性這一指標(biāo)做出對(duì)比判斷建立判斷矩陣:

計(jì)算該矩陣的最大特征值的特征向量并做歸一化，其結(jié)果為

同理，我們可以計(jì)算出靈活性的判斷矩陣為

其最大特征值對(duì)應(yīng)的特征向量，作歸一化操作之后為

安全性的判斷矩陣為

最大特征值對(duì)應(yīng)的特征向量，作歸一化之后為

表5 云服務(wù)各關(guān)鍵指標(biāo)性能情況一覽表

由于性能屬性下還要考察其二級(jí)指標(biāo)帶寬、CPU和內(nèi)存，因此可以分別比較獲得矩陣:

將其歸一化可得

同理，價(jià)格的判斷矩陣計(jì)算如下:

則

歸一化可得

那么，可以計(jì)算各云服務(wù)排名情況:

由此，我們可以看出S4＞S3＞S2，即S4最適合該用戶。

本文還繪制了三個(gè)云服務(wù)的雷達(dá)圖，如圖5～7所示。從圖上我們可以清楚地看出各個(gè)云服務(wù)的特點(diǎn)。云服務(wù)S2的靈活性最好，比較適合對(duì)靈活性要求較高的用戶，如經(jīng)常出現(xiàn)波峰波谷的網(wǎng)站。云服務(wù)S3的安全性非常好，價(jià)格和性能也比較合適，非常適合一些注重隱私保護(hù)的用戶。云服務(wù)S4的靈活性和性能、價(jià)格都比較好，適合用戶選擇。

圖5 云服務(wù)S2

圖6 云服務(wù)S3

圖7 云服務(wù)S4

6 結(jié)語(yǔ)

本文提出的基于模糊AHP方法的云服務(wù)選擇方案，引入專家意見(jiàn)，能夠有效避免傳統(tǒng)AHP方案中太過(guò)主觀的缺點(diǎn)，而且引入模糊集的方法，更有說(shuō)服力。從實(shí)驗(yàn)結(jié)果可以看出，本文提出的方案能夠有效解決云服務(wù)選擇問(wèn)題。接下來(lái)將主要研究云服務(wù)安全等級(jí)細(xì)粒度劃分，引入信任管理的方法。