رایانش ابری

آشنایی با رایانش ابری

کیفیت در سرویس های ابری

آگوست 19, 2020

همچنین مطالب زیر را مطالعه کنید:
سمینار کارشناسی ارشد| رایانش ابری| فایل لاتک|بررسی رتبه‌بندی سرویسهای ابری با اعمال رویکردی برای حل مسائل چندهدفه

مجموعه داده QWS جهت مقایسه وب سرویس ها

نظارت بر سیستم های بر پایه سرویس بر طبق توافقنامه سطح سرویس

ترکیب سرویس های وب براساس معیارهای کیفیت سرویس وب با الگوریتم ژنتیک بهبود یافته

رتبه بندی سرویس های ابری

کیفیت سرویس
به طوری کلی جهت بررسی کیفیت وب سرویسها باید صفات آنها از طریق معیارهای کیفی مورد ارزیابی قرار بگیرد. معیارهای کیفی به دو دسته عملیاتی و غیرعمیلیاتی تقسیم میشوند. معیارهای عملیاتی دارای صفاتی است که قابلیت کمی سازی دارد. اما معیارهای غیرعملیاتی قابلیت کمی سازی را ندارد. همچنین تمامی صفات کیفی در سرویسهای ابری قابل استفاده نیستند برای نمونه صفت قابلیت نصب که یک صفت کیفی غیرعملیاتی است، در وب سرویسها کاربردی ندارد زیرا وب سرویس نیازی به نصب شدن در سیستم کاربر ندارد. برخی از صفات کیفی که در وب سرویسها قابل استفاده است به صورت زیر است (۱).
۱ زمان پاسخ سرویس
بهره وری در دسترس بودن یک سرویس می تواند از لحاظ زمان پاسخ اندازه گیری شود، به عنوان مثال در مورد IaaS منظور این است که سرویس با چه سرعتی می‌تواند برای استفاده فراهم شود. زمان پاسخ سرویس به زیرفاکتورهای گوناگونی نظیر میانگین زمان پاسخ، حداکثر زمان پاسخ که توسط ارائه‌دهنده سرویس وعده داده شده و درصدی از‌زمانی که سیستم پاسخ نمی‌دهد بستگی دارد. میانگین زمان پاسخ از طریق فرمول به دست می‌آید که Ti فاصله ‌زمانی بین درخواست مشتری i برای یک سرویس است که واقعا سرویس در دسترس قرار می‌گیرد. N تعداد کل درخواست ها است. حداکثر زمان پاسخ، ماکزیمم زمان وعده داده شده توسط ارائه دهنده ابر برای سرویس مورد نظر است. زمان عدم پاسخ درصدی از موارد است که زمان پاسخ بیشتر از حداکثر ‌زمان پاسخی هست که توسط ارائه دهنده وعده داده شده است. زمان عدم پاسخ از رابطه بدست می‌آید که n’ تعداد مواردی است که ارائه دهنده سرویس نمی‌‌‌تواند به وعده اش عمل کند (۱).

۲ شایستگی
شایستگی به صورت درجهای که نیازمندی‌های مشتری توسط ارائه دهنده برآورده می‌شود تعریف می‌گردد. قبل از اینکه شایستگی را تعریف کنیم دو مورد وجود دارد. اول اینکه، اگر بعد از فیلتر کردن ارائه دهندگان، بیشتر از یک ارائه هنده وجود داشته باشد که تمامی نیازمندی های ضروری و غیر ضروری مشتری را برآورده کند، بنابراین همه آنها شایسته هستند. درغیر اینصورت، اگر فیلترینگ یک لیست خالی از ارائه دهندگان ابر ایجاد کند آن ارائه دهندگانی که نیازمندی های ضروری را برآورده میکنند انتخاب می‌شوند. در این موارد، شایستگی درجهای خواهد بود که ویژگی های سرویس به نیازمندیهای کاربر نزدیکتر شود.
۳ دقت
دقت عملکرد سرویس، درجه نزدیکی مقادیر واقعی کاربر در مقایسه با مقادیر مورد انتظار است. برای منابع محاسباتی مانند ماشین های مجازی، اولین شاخص دقت تعداد دفعاتی هست که ارائه دهنده از محدوده قرارداد سطح سرویس خارج می‌شود که به عنوان فرکانس شکست در عملی کردن قرارداد سطح سرویس وعده داده شده به لحاظ واحدهای محاسباتی، شبکه و ذخیره سازی تعریف میشود. اگر fi تعداد دفعات شکست ارائه دهنده در برآوردن مقادیر وعده داده شده به کاربرi در مدت زمان سرویس T باشد، فرکانس دقت به صورت تعریف می شود که n تعداد کاربران قبلی است. شاخص دیگر دقت، مقدار دقت است که با رابطه تعریف می شود که می تواند واحد محاسباتی، شبکه یا ذخیره سازی باشد و Tiزمان سرویسT برای کاربر i می باشد.
۴ در دسترس بودن
درصدی از زمان است که مشتری می‌تواند از سرویس استفاده کند. فرمول 2.1 میزان در دسترس پذیری در یک ماه را نشان میدهد.

۵ قابلیت اطمینان
نشان‌دهندهی چگونگی عملیات یک سرویس در طول زمان و شرایط مشخص بدون خرابی است. بنابراین قابلیت اطمینان بر اساس میانگین زمان خرابی که در قرارداد ارائه‌دهنده آمده است و شکست های قبلی تجربه شده توسط کاربر تعریف می شود و به‌صورت زیر قابل‌محاسبه است:

که numfailure تعداد کاربرانی است که خطایی را در بازه زمانی کمتر از مقدار قرارداد شده توسط ارائه دهنده تجربه کردهاند، n تعداد کاربران است و pmttf میانگین زمان قرارداد شده برای خطا است. بنابراین حاصل‌ضرب احتمال بروز خطا که جزئی از تجربه کاربر خبره است در میانگین زمان خطا قابلیت اطمینان را نشان می‌دهد. قابلیت اطمینان یک دستگاه ذخیره سازی را می توان از لحاظ دوام و پایداری، که شانس خرابی یه دستگاه ذخیره‌سازی را نشان می‌دهد تعریف کرد (۱).

۶ پایداری
پایداری تعیین‌کننده میزان تغییرات در عملکرد سرویس است. برای دستگاه ذخیره سازی به‌صورت واریانس میانگین زمان خواندن و نوشتن است و برای منابع محاسباتی، پایداری انحراف از عملکرد است که در توافقنامه سطح سرویس مشخص شده است و به صورت زیر تعریف می‌گردد:

متغیر α می‌تواند یک واحد محاسباتی، شبکه یا واحد ذخیره سازی منبع باشد، میانگین عملکرد مشاهده شده توسط کاربر iهست که سرویس ابر را اجاره کرده است، مقدار موردنظر در توافقنامه سطح سرویس است، T زمان سرویس و n تعداد کاربران است (۱).

۷ هزینه
با توجه به اینکه هر سرویس دارای صفات و ابعاد خاص خود است بنابراین مقایسه ی قیمت بین سرویسهای مختلف کار پیچیدهای است. حتی یک ارائه دهنده ممکن است VM های مختلفی پیشنهاد کنند که نیازمندی‌های کاربر را برآورده کند(۱).

۸ قابلیت تطبیق
به توانایی ارائه دهنده‌ سرویس در سازگار کردن تغییرات سرویس‌ها براساس درخواست‌های مشتری قابلیت تطبیق می‌گویند. این قابلیت به صورت زمان صرف شده برای سازگار شدن با تغییرات یا ارتقا سرویس به یک سطح بالاتر تعریف می‌شود(۱).

۹ قابلیت استفاده
سادگی استفاده از سرویس ابر را قابلیت استفاده می‌نامیم. مؤلفه‌هایی مانند قابلیت اجرا، قابلیت یادگیری، قابلیت نصب، قابل فهم بودن می‌توانند به عنوان زمان متوسط تجربه شده توسط کاربران قبلی سرویس ابر برای کارکردن، یادگیری، نصب و فهمیدن آن به ترتیب بیان شوند(۱).
۱۰ توان عملیاتی و کارایی
توان عملیاتی و کارایی مهم ترین اندازه گیری‌ها برای تخمین عملکرد سرویس های زیرساخت فراهم شده توسط ابر است. توان عملیاتی تعداد کارهای تکمیل شده توسط سرویس ابر در واحد زمان است. توان عملیاتی کمی با زمان پاسخ سرویس که با چه سرعتی سرویس فراهم می شود را اندازه گیری می کند متفاوت است. توان عملیاتی به چندین فاکتور بستگی دارد که می تواند بر اجرای یک کار تاثیر بگذارد. فرض کنید برنامه کاربردی کاربر n کار دارد و آنها برای اجرا بر روی m ماشین ارائه دهنده ارسال می شوند. فرض Te(n,m) زمان اجرای n کار بر روی m ماشین باشد. Toسربار زمانی به علت فاکتورهای گوناگون مانند تاخیر شروع زیرساخت و تاخیر ارتباط بین کار می‌باشد. بنابراین توان عملیاتی کل یک سرویس ابری به صورت زیر محاسبه می‌شود:

کارایی به استفاده مؤثر از سرویس ها اشاره دارد. بنابراین مقدار بالاتر کارایی نشان می‌دهد که سربار کمتر خواهد بود.

فایل اصلی مقاله را در این لینک می توانید دانلود کنید

روش دلفی Delphi Technique

آگوست 19, 2020

استفاده از دانش و دیدگاه تخصصی یک مجموعه در تصمیم گیري پیرامون مسائلی که ماهیت کیفی دارند بسیار راه گشا است. تکنیک دلفی یکی از روش هاي کسب دانش گروهی است که در تصمیم گیري پیرامون مسائل کیفی نیز کاربرد دارد. در پژوهش هاي کیفی که جنبه اکتشافی دارد و شناسایی ماهیت و عناصر بنیادین یک پدیده، محور مطالعه است می توان از تکنیک دلفی استفاده کرد. تکنیک دلفی فرایندي ساختارمند جهت گردآوري اطلاعات در طی راندهاي متوالی و در نهایت اجماع گروهی است. با وجود بیش از نیم قرن کاربرد تکنیک دلفی در مطالعات علمی و آکادمیک هنوز ابهامات زیادي در زمینه این تکنیک وجود دارد. مهمترین مشکل در استفاده از تکنیک دلفی نبود یک چارچوب نظري مشخص در استفاده از این تکنیک است. در میان ویژگی هاي مختلف تکنیک دلفی چهار ویژگی آن تقریباً همیشه ثابت است: ناشناس بودن ، تکرار ،بازخور کنترل شده ، گزارش آماري نتایج (۱).

همچنین مطالب زیر را مطالعه کنید:
استفاده از روش دلفی برای بهبود نظارت بر سیستم های بر پایه سرویس

تکنیک دلفی را بصورت روشی براي ساختاردهی یک فرایند ارتباط گروهی تعریف می کنند. اجماع گروهی از نظرات خبرگان بواسطه ي یک سري از پرسشنامه هاي متمرکز همراه با بازخورد کنترل شده با کسب اجماع گروهی از خبرگان بوسیله ي این فرایند، محققان می توانند مسائل را شناسایی نموده و اولویت بندي کنند و چارچوبی را براي تشخیص آنها توسعه دهند. هدف اصلی روش دلفی دستیابی به قابل اطمینان ترین اجماع گروهی از نظرات خبرگان به واسطه ی یکسری از پرسشنامه های متمرکز همراه با بازخورد کنترل شده می باشد. با کسب اجماع گروهی از خبرگان بوسیله ی این فرآیند، محققان می توانند مسائل را شناسایی نموده و اولویت-بندی کنند و چارچوبی برای تشخیص آنها توسعه دهند. بدون تردید فردجمعی در تصمیم گیری می تواند به اتخاذ تصمیمی کامل تر و همه جانبه منجر شود. با این وجود حل گروهی مساله به روش سنتی اجماع با مشکلات بسیار همراه است. افراد گروه که اعتماد به نفس بالایی دارند براعضای ضعیف تر گروه مسلط می-شوند. برخی نیز برای مطابقت داشتن با نظرات گروه تحت فشار قرار می گیرند و به دلیل احترامی که برای افراد دیگر قائل هستند. دیدگاه خود را مطرح نمی کنند. به همین دلیل روش گروهی حل مشکل اغلب بی نتیجه و غیرموثر خواهد بود. برای حل این مشکل در دلفی از اصل ناشناس بودن استفاده می شود. در تکنیک دلفی خبرگان و افرادی که در نظرسنجی استفاده می شوند یکدیگر را نمی شناسند. ناشناس بودن غلبه بر موانع فکری را تضمین می کند. دیدگاه خبرگان توسط یک هماهنگ کننده گردآوری شده و سپس خلاصه نتایج توسط هماهنگ کننده در اختیار دیگر اعضا قرار داده می شود. سپس افراد براساس خلاصه نتایج مرحله قبل مجدداً دیدگاه خود را تعدیل کرده و مطرح می کنند. در نهایت پس از رسیدن به یک اجماع کلی، نتایج در قالب یک گزارش آماری (معمولا میانگین یا میانه) مطرح می شود و برای تصمیم گیری استفاده می شود(۱).
تکنیک دلفی به صورت یک رویکرد تحقیقی جهت بدست آوردن اجماع با استفاده از یک سری از پرسشنامه ها و ارایه بازخورد به شرکت کنندگانی که در حوزه¬ی کلیدی دارای تخصص هستند، تعریف می شود. مساله اصلی در استفاده از تکنیک دلفی فقدان یک چارچوب نظری جامع برای بکارگیری تکنیک دلفی در پژوهش های کیفی ارایه شده است. عمده ترین ضعف دلفی فقدان چارچوب نظری است. این مساله باعث شده است تا دلفی به عنوان یک روش تحقیق به صورت مختلفی به عنوان پیمایش، مطالعه، رویه، روش، رویکرد، رای گیری و تکنیک مطرح گردد. با این وجود عموماً پذیرفته شده است که روش دلفی از نظر کاربرد یکسان نیست. همچنین همواره ابهاماتی در زمینه ی شرایط استفاده و تشخیص پایان مراحل دلفی وجود دارد. چارچوب نظری تکنیک دلفی در تحقیقات کیفی در شکل۱ آمده است.

مهمترین شرایط مورد نیاز برای کاربرد دلفی عبارت است از نیاز به قضاوت خبرگان، لزوم توافق گروهی در دستیابی به نتایج، لزوم گمنامی در گردآوردی داده ها، که نیازمند وجود خبرگان با تجربه و توانمند و پراکندگی آنها است. در پژوهش های کیفی که اساساً مبتنی بر قضاوت و دیدگاه افراد است شرط لازم برای استفاده از روش دلفی این است که چنانچه این پژوهش ها براساس دیدگاه کارشناسی استوار باشد آنگاه استفاده از تکنیک های آمار استنباطی مانند آزمون های میانگین توجیه ندارد زیرا اساساً خبرگان آنقدر زیاد نیستند که بتوان نمونه های وسیعی از آنها در دسترس داشت و یا هزینه و زمان دسترسی به آنها دشوار است. برای نمونه اگر قرار باشد رضایت مشتریان بررسی شود از نمونه گیری آماری و روش های آماری استنباطی استفاده می شود. اما اگر قرار باشد تصمیم گرفته شود براساس معیارهایی رضایت مشتریان مورد سنجش قرار بگیرد آنگاه از دیدگاه خبرگان و تکنیک دلفی می توان استفاده کرد. مهمترین کاربرد تکنیک دلفی در مسایل تکنیک های تصمیم گیری چندمعیاره است. در پژوهش های کیفی که هدف آن تعیین میزان اهمیت و یا غربال آیتم ها است، می توان از طیف پنج یا هفت یا نه درجه استفاده کرد. نمونه ای از این طیف ها در جدول ۱ آمده است.

پس از گردآوری دیدگاه خبرگان، میانگین نمره نظرات آنها پیرامون هر بعد محاسبه می شود. با توجه به چارچوب نظری اگر توافق وجود نداشته باشد، میانگین محاسبه شده به عنوان بازخورد کنترل شده به همراه پرسشنامه مجدد در اختیار خبرگان قرار می گیرد. پس از طی راندهای مختلف زمانی که وحدت حاصل شد، براساس میانگین راند نهایی به غربال آیتم ها پرداخته می شود. چنانچه از طیف نه درجه استفاده شود معمولا معیارهایی که میانگین زیر۷ کسب کرده باشند حذف می شوند. برای طیف هفت درجه میانگین زیر 5 و در طیف پنج درجه میانگین زیر ۴ مبنای حذف عوامل است. یکی از مشکلات همراه با تکنیک دلفی روش علمی برای تعیین میزان اتفاق نظر است. در مطالعات مختلف نیز روش های گوناگونی پیشنهاد شده است که بین ۲تا ۱۰ راند پیشنهاد شده است(۱).
مقاله اصلی را از اینجا دانلود کنید

روش Fuzzy AHP (فرایند تحلیل سلسله مراتبی فازی)

آگوست 19, 2020

هرچند هدف از به کار گیری روش تحلیل سلسله مراتبی به دست آوردن نظر کارشناسان و متخصصین است، با این وجود روش تحلیل سلسله مراتبی معمولی، به درستی نحوه تفکر انسانی را منعکس نمی کند، زیرا در مقایسه های زوجی این روش از اعداد دقیق استفاده می شود. از دیگر مواردی که اغلب روش تحلیل سلسله مراتبی به خاطر آن مورد نکوهش قرار می گیرند عبارتند از وجود مقیاس نامتوازن در قضاوت ها، عدم قطعیت و نادقیق بودن مقایسه های زوجی. تصمیم گیرندگان اغلب به علت طبیعت فازی مقایسه های زوجی قادر نیستند به صراحت نظرشان را در مورد برتری ها اعلام کنند به همین دلیل در قضاوت هایشان ارائه یک بازه را به جای یک عدد ثابت ترجیح می دهند. برای اغلب این مشکلات روش تحلیل سلسله مراتبی فازی ارایه شده است.
در روش تحلیل سلسله مراتبی فازی، پس از تهیه نمودار سلسله مراتبی از تصمیم گیرنده ( یا تصمیم گیرندگان) خواسته می شود تا عناصر هر سطح را نسبت به هم مقایسه کنند و اهمیت نسبی عناصر را با استفاده از اعداد فازی بیان کنند. به طور مثال در جدول زیر نمونه ای از اعداد فازی مثلثی تعریف شده و توابع عضویت آنها درج شده است. جدول زیر نمونه ای از اعداد فازی تعریف شده در روش تحلیل سلسله مراتبی فازی آمده است(۱).

همچنین مطالب زیر را بخوانید:

رتبه بندی سرویس های ابری با تحلیل سلسله مراتبی

تئوری فازی

اعداد فازی مثلثی

در شکل زیر نیز تابع عضویت فازی برای متغیرهای زبانی نشان داده شده است.

مراحل روش تحلیل سلسله مراتبی فازی به روش چانگ به شرح زیر است:
۱- رسم نمودار سلسله مراتبی
۲- تعریف اعداد فازی به منظور انجام مقایسه های زوجی
۳- تشکیل ماتریس مقایسه زوجی با به کار گیری اعداد فازی
ماتریس مقایسه زوجی به صورت زیر خواهد بود:

که این ماتریس حاوی اعداد فازی زیر است:

اگر کمیته تصمیم گیرنده دارای چندین تصمیم گیرنده باشد، درایه های ماتریس مقایسه ی زوجی جامع که در روش تحلیلی سلسله مراتبی فازی به کار می رود، یک عدد فازی مثلثی است که مولفه اول آن حداقل نظرسنجی ها، مولفه دوم آن میانگین نظرسنجی ها و مولفه سوم آن حداکثر نظر سنجی ها می باشد.

۴-محاسبه Si برای هریک از سطرهای ماتریس مقایسه زوجی
Si که خود یک عدد فازی مثلثی است از رابطه زیر محاسبه می شود:

که در این رابطه i بیانگر شماره سطر و j بیانگر شماره ستون می باشد. هریک از موارد فرمول بالا بصورت زیر محاسبه می شوند:

در مقادیر بالا li ، mi و ui به ترتیب مولفه¬های اول تا سوم اعداد فازی هستند.

۵- محاسبه درجه بزرگی Si ها نسبت به همدیگر: به طور کلی اگر (M1=(l1,m1,u1 و (M2=(l2,m2,u2 دو عدد فازی مثلثی باشند، طبق شکل درجه بزرگی M1 نسبت به M2 به صورت زیر تعریف می شود:

از طرف دیگر میزان بزرگی یک عدد فازی مثلثی از K عدد فازی مثلثی دیگر از رابطه زیر به دست می آید:

۶- محاسبه وزن معیارها و گزینه ها در ماتریس های مقایسه زوجی
بدین منظور از رابطه زیر استفاده می شود:

بنابراین بردار وزن نرمالیزه نشده به صورت زیر خواهد بود:

۷- محاسبه بردار وزن نهایی
برای محاسبه بردار وزن نهایی باید بردار وزن محاسبه شده در مرحله قبل را نرمالیزه کرد. بنابراین:

رتبه بندی سرویس ابری با استفاده از فرایند تحلیل سلسله مراتبی (AHP)

آگوست 19, 2020

رتبه بندی کیفیت سرویس با استفاده از فرایند تحلیل سلسله مراتبی
همانطور که قبلا بحث شد، سرویس های ابری و سرویس های وب چندین KPI با صفات مختلف و زیر صفات مختلف دارند که هر کدام رتبه‌بندی سرویس ها را فرآیندی پیچیده می‌کنند. این مسئله با نام تصمیم گیری چند معیاره شناخته می شود. این مشکل آنجا شدت پیدا می کند که برخی از صفات مثل امنیت را نمی توان مقداردهی کمی نمود.

همچنین مطالب زیر را مطالعه کنید:
مقایسه سرویس های ابری

فیلم آموزشی رتبه بندی با تحلیل شبکه ای ANP

روشی برای رتبه بندی سرویس های ابری

بدون یک تکنیک ساخت‌یافته، ارزیابی کیفیت کلی سرویس‌های ابری و وب مختلف با توجه به تعداد صفات درگیر بسیار مشکل خواهد بود. علاوه براین، چالش این است که برای مقایسه هریک از سرویس ها در هر صفت، چگونه آنها را با مقدارهای کمی نشان دهیم و چگونه آنها را در یک متریک معنادار جمع بندی کنیم. به طور کلی چنین مسائلی در گروه تصمیم گیری چندمعیاره قرار می‌گیرند که تصمیم گیرنده‌ها راه حل‌ها را براساس ارزیابی چندین معیار انتخاب می‌کنند یا رتبه‌بندی می‌کنند. تصمیم‌گیری شامل مدیریت مصالحه و سازگاری در بین چند معیار هست که باهم متناقض هستند. سه راه ‌حل اساسی برای حل مشکل تصمیم گیری چند معیاره وجود دارد:
۱ تئوری مطلوبیت چند شاخصه
ساده ترین روشی است که چندین اولویت را با هم در قالب توابع مطلوبیت چند شاحصه ترکیب می کند. در MAUT ، توابع مطلوبیت برای هر معیار با توابع وزنی آن معیار ترکیب می‌شوند. مزیت اصلی این روش این است که بعد از ارزیابی موفق تابع مطلوبیت، مسئله به صورت یک تابع تک هدفه در می‌آید. بنابراین به آسانی مطمئن می‌شویم که به بهترین راه حل مصالحه براساس تابع هدف دست یافته ایم(۱).
۲ روش اندازه گیری غیرقابل محاسبه
این روش، کارایی گزینه ها را برای هر معیار با هم مقایسه می‌کند و میزان اولویت یک گزینه را نسبت به گزینه ای دیگر بدون در نظر گرفتن مقیاس پیشنهادی کاربر مشخص می‌کند. مدل‌های اندازه گیری غیرقابل محاسبه به طور کلی زمانی به کار می‌روند که جمع‌بندی متریک‌ها ساده نیست و واحدهای اندازه‌گیری نامتناسب و غیرقابل مقایسه هستند. اشکال این رویکرد این است که ممکن است در بسیاری از مواقع به نتیجه نرسد و پیاده سازی آن در مقایسه با رویکردهای دیگر تصمیم گیری چندمعیاره بسیار پیچیده است(۱).
۳ فرآیند تحلیل سلسله مراتبی(فرایند تحلیل سلسله مراتبی)
یکی از روش های پرکاربرد برای حل مسائل مرتبط با تصمیم گیری چندمعیاره می باشد. روش فرایند تحلیل سلسله مراتبی جزء روش های تصمیم گیری چند معیاره می‌باشد که مسائل پیچیده و بدون ساختار را با منظم کردن فاکتورهای تصمیم گیری در ساختار سلسله مراتبی ساده می‌کند. برخلاف MAUT،فرایند تحلیل سلسله مراتبی براساس مقایسه زوجی معیار تصمیم بجای مطلوبیت و توابع وزن می باشد. مقایسه زوجی به تصمیم گیرنده امکان ایجاد مصالحه بین معیارها را می دهد. از مزایای روش فرایند تحلیل سلسله مراتبی نسبت به روشهای دیگر چند معیاره می توان به قابلیت انعطاف، درخواست تجدید نظر بصری برای تصمیم‌گیرندگان و توانایی بررسی ناسازگاری‌ها نام برد. فرآیند تحلیل سلسله مراتبی همچنین به ارزیابی ذهنی و عینی اندازه ها کمک می‌کند. در حالی که یک مکانیزم قدرتمند برای بررسی سازگاری ارزیابی اندازه‌گیری‌ها و گزینه‌ها ارائه می‌دهد، انحراف و خطا در تصمیم‌گیری را کاهش می دهد(۱). فرآیند موجود در الگوریتم فرایند تحلیل سلسله مراتبی به این صورت است که از یک ماتریس تصمیم استفاده می کنیم. این بدین معناست که فرض کنیم 10 خودرو داریم که قیمت خودروها مشخص است به کمک 100 خبره یا کارشناس کیفیت آنها را بررسی کرده ایم و از صفر تا 100 به آن نمره داده¬اند. قرار است تصمیم گیرنده از نظر قیمت و کیفیت که قیمت 60 درصد ارزش دارد و کیفیت 40 درصد ارزش دارد این کار انجام شود. در اینجا نیز قیمت را با 60- درصد نمایش می¬دهیم زیرا قیمت کمینه باید باشد و هرچقدر کمتر باشد بهتر است. مراحل کار به صورت زیر است:
۱ ابتدا مقادیر کمینه سازی باید معکوس شوند یعنی بین صفر و یک باشند و وزن آن مثبت می شوند.
۲ نرمالایز می کنیم یعنی هر درایه را تقسیم بر مجموع آن ستون می کنیم.
۳ هر ستون درایه ها را ضربدر وزن آن می کنیم.
۴ برای هر سطر میانگین می گیریم.
۵ در ستون به دست آمده مجموع هر درایه را بر مجموع میانگین ها تقسیم می کنیم.
۶ رتبه بندی می کنیم.
بنابراین برای رتبه بندی سرویس های وب و ابری براساس چندین KPI مکانیزم رتبه بندی براساس فرآیند تحلیل سلسله مراتبی (فرایند تحلیل سلسله مراتبی) پیشنهاد می‌شود. در این فرآیند 3 فاز وجود دارد:
۱ تجزیه مساله
۲ قضاوت بر اولویت ها
۳ جمع بندی اولویت ها
در فاز اول، رتبه‌بندی یک مسئله پیچیده در یک ساختار سلسله مراتبی که رابطه متقابل بین سه نوع عنصر، هدف کلی، صفات کیفیت سرویس و زیرصفات آن، و گزینه‌های مورد نظر برای انتخاب سرویس را مشخص می‌کند، مدل می¬شود. فاز دوم شامل دو بخش است: مقایسه زوجی بین صفات کیفیت سرویس انجام می‌شود تا اولویت‌های نسبی آنها را مشخص کند و یک مقایسه زوجی بین سرویس‌های ابر براساس صفات کیفیت سرویس شان برای مشخص کردن رتبه محلی آنها انجام می‌شود. در فاز نهایی برای هر گزینه سرویس، رتبه‌های محلی مربوط به همه معیارها جمع‌بندی شده تا مقادیر رتبه‌بندی سراسری برای همه سرویس‌ها بدست آید. در ادامه گام¬های اصلی برای مدل‌سازی مسئله رتبه‌بندی در سرویس‌های وب و ابر را توصیف می‌کنیم(۱).
در فاز۱ ساختار سلسله مراتبی برای سرویس های وب بر پایه ی کیفیت سرویس مشخص می شود. شکل زیر ساختار سلسله مراتبی سرویس ابر رابر پایه ی SMI KPI را نشان می دهد. لایه ی اول اهداف تحلیلی را نشان می دهد که به یافتن شاخص نسبی مدیریت سرویس همه سرویس‌های ابر که نیازهای ضروری کاربر را برآورده می‌کند کمک می‌کند. لایه دوم شامل صفات کیفیت سرویس ضروری و غیرضروری بصورت سلسله مراتبی است. آخرین لایه شامل همه سرویس‌های ابر است که ویژگی‌های کیفیت سرویس لایه دوم را برآورده می‌کنند.

فاز2 شامل محاسبه وزن نسبی هر کیفیت سرویس و سرویس می باشد. جهت مقایسه‌ی دو سرویس ابری، نیاز به تخصیص وزن به هر صفت داریم تا میزان اهمیت نسبی آنها مشخص شود. در این جا دو نوع وزن در نظر می‌گیریم:
• تخصیص وزن توسط کاربر با استفاده از روش استاندارد فرایند تحلیل سلسله مراتبی. کاربر ابر می‌تواند به هر صفت SMI در یک رنج خاص وزن‌هایی را تخصیص دهد. برای نمونه مقادیر [9… 1] برای روش فرایند تحلیل سلسله مراتبی پیشنهاد شده اند تا اهمیت یک صفت کیفیت سرویس را نسبت به دیگری نشان دهد. فهرست اهمیت نسبی در جدول زیر آمده است. این متدولوژی در اصل برای محاسبه وزن هر معیار در تکنیک فرایند تحلیل سلسله مراتبی پیشنهاد شده است و می‌تواند برای تخصیص وزن به همه صفات کیفیت سرویس به کار رود. کاربران اولویت‌های خود را برای هر صفت نسبت به صفات دیگر بیان می‌کنند.
مقادیر اولویت های نسبی جهت تعیین اهمیت نسبی(۱)

• کاربر به طور اختیاری وزن‌هایی را تخصیص می‌دهد. کاربر می‌تواند وزن هایی را با مقیاس خودش به جای مقیاس های تکنیک فرایند تحلیل سلسله مراتبی تخصیص دهد. در این مورد مجموع وزن‌ها ممکن است ۱ نشود که یکی از نیازهای تکنیک فرایند تحلیل سلسله مراتبی است. در این حالت همه وزن‌ها را نرمال سازی می‌کنیم.
فاز۳: وزن های نسبی مبتنی بر مقدار برای رتبه بندی سرویس های ابر
این وزن ها عملکرد نسبی هر سرویس ابر را براساس مقادیر صفات پایین ترین سطح تعریف می‌کنند. فرآیند تخصیص وزن‌ها از آنجایی که صفات پایین‌ترین سطح مقادیر مختلفی دارند سر راست نیست. نسبت دادن وزن ها به صفات پایین‌ترین سطح از ساختار سلسله مراتبی کار راحت و سر راست نیست. برای مثال مقدار صفت “تصدیق” برای یک ارائه دهنده خاص یک لیست یا مجموعه خواهد بود. در حالی که مقدار صفت “قابلیت ارتجاعی”یک مقدار عددی خواهد بود و مقدار برخی صفات ممکن است شناخته شده نباشد. بنابراین مشکل این است که چگونه به برخی از صفات می توان وزن تخصیص داد در حالیکه قابل سنجش نیستند. برای مقایسه دو مقدار برای هر سرویس ابر، اولا باید مطمئن شد که واحدهای بعدی هر دو مقدار یکسان هستند. دوما، باید دو مقدار را براساس نوع شان مقایسه کنیم زیرا مقدار صفات می‌تواند از بولین تا یک مجموعه نامرتب تغییر کند. برای هر نوع صفت، یک متریک مقایسه‌ای متفاوت پیشنهاد می‌شود. سوما همانطور که قبلا شرح داده شد کاربران می‌توانند صفات ضروری و غیرضروری را مشخص کنند. در چارچوب SMICloud، برای کاربران اختیاری است که مقدار نیازشان را برای صفات غیرضروری مشخص کنند. بنابراین زمانی که صفات غیرضروری برای دو سرویس مقایسه شوند، این احتمال وجود دارد که vr توسط کاربر مشخص نشود. نکته دیگر این است که ممکن است امکان مانیتور کردن بعضی از صفات توسط SMICloud به علت عدم وجود چنین APIهایی توسط ارائه دهنده وجود نداشته باشد(۱).
فاز۴: جمع بندی رتبه بندی نسبی برای هر صفت SMI
در آخرین مرحله، بردارهای رتبه بندی نسبی هر صفت با وزن‌های نسبی تخصیص یافته در فاز2 جمع بندی می‌شوند. این فرآیند جمع‌بندی برای همه صفات در سلسله مراتب SMI تکرار می‌شود و رتبه‌بندی همه سرویس‌های ابر براساس KPI را نتیجه می‌دهد(۱).

(۱) مقاله را از اینجا می توانید دانلود کنید

تخصیص منابع به ماشین های مجازی

آگوست 19, 2020

الگوریتم تخصیص منابع آگاه به انرژی جهت مدیریت انرژی مراکز داده‏‌ در رایانش ابری

جایگشت ماشین های مجازی
مجازی سازی به عنوان قلب تپنده ی محاسبات ابری قرار گرفته است. هربار که مرکز داده ی ابری یک درخواست از مشتری دریافت می کند یک ماشین مجازی بر طبق نیازمندی کاربر (نظیر پردازنده حافظه، ذخیره ساز و نوع سیستم عامل) ساخته می شود. سپس ماشین مجازی به یک سرور در دسترس بر طبق استراتژی جایگشتی تخصیص داده می شود. این که چطور ماشین مجازی به سرورهای مناسب تخصیص داده شود تا مصرف انرژی کاهش پیدا کند یک مساله مهم است. در این پژوهش دو پارامتر CPU و RAM برای مساله جایگشتی ماشین های مجازی در نظر گرفته شده است. فرض کنید N تعداد ماشین های مجازی و M تعداد سرورها باشد و V مجموعه ماشین های مجازی و P مجموعه سرورها است (۱). بنابراین داریم:
{V={1,2,…,N
{P={1,2,…,M

همچنین مطالب زیر را مطالعه کنید:
الگوریتم زمانبدی مدیریت انرژی در محیط ابری

اشتراک گذاری منابع جهت استفاده کاربران در شبکه رایانش ابری سیار بر پایه الگوریتم ازدحام ذرات بهینه

نظارت بر سیستم های بر پایه سرویس بر طبق توافقنامه سطح سرویس

همچنین نمادهای vcj و vmj برای نیازمندی های RAM و CPU از مجموعه V انتخاب شده اند. همچنین ظرفیت های CPU و RAM از سرور iϵP با pci و pmi مشخص می شوند. در حل مساله جایگشت که با s نشان داده می شود هر ماشین مجازی تنها در یک سرور قرار می گیرد که آن را به صورت ماتریس صفر و یک X نشان می دهند. در این ماتریس xij تخصیص vmj به سرور iام را نشان می دهد. چنانچه تخصیص داده شود xij برابر با ۱ خواهد بود و در غیر اینصورت صفر خواهد بود. هر سرور باید منابع کافی برای پاسخگویی به درخواست های تخصیص ماشین های مجازی را داشته باشد. مساله ی VMP برای به حداقل رساندن تعداد سرورهای فعال به صورت زیر نشان داده شده است.
فرمول ۱

که در آن شرط های زیر قرار می گیرند:
به ترتیب فرمول های ۲ تا ۶

قید موجود در فرمول ۳ نشان می دهد که آیا سرور iام استفاده شده است یا خیر. چنانچه استفاده شده باشد مقدار yi یک خواهد بود و در غیر اینصورت ۰ خواهد شد. قید موجود در فرمول ۴ نشان می دهد که هر ماشین مجازی تنها به یک سرور تخصیص داده می شود. قیود موجود در فرمول های ۵ و ۶ نیز به ضمانت هر سرور که نیازمندی های منابع (پردازنده و حافظه) ماشین مجازی را تامین می کند می پردازد. در نهایت مدل مصرف انرژی به صورت فرمول ۷ نشان داده شده است(۲)
فرمول ۷

همانطوریکه مشاهده می شود k درصدی است که سرور در وضعیت بی کار انرژی مصرف می کند و Pm حداکثر انرژی مصرف شده از سرور است. مقدار u‌ نیز که مقادیر بین صفر و یک را می پذیرد مقدار استفاده شده از پردازنده می باشد (۲).

منابع
منبع (۱) را از اینجا دانلود کنید.
منبع (۲) را از اینجا دانلود کنید.

تئوری فازی

آگوست 19, 2020

تئوری فازی
سیستم فازی با استفاده از تئوری احتمال، عدم قطعیت را در نتایج اداره می کند. مثال معروف از تئوری بازی لیوانی است که پر از مایع ناشناخته است، می باشد. در این وضعیت لیوان با هفتاد درصد آب پر شده است و ۳۰ درصد از مایعات دیگر پر شده است. این بدان معنا است که ۷۰ درصد آب عضو مایع است.

همچنین مطالب زیر را می توانید مطالعه کنید:
بررسی بهبود تشخیص لبه به کمک مجموعه فازی

خوشه بندی مجموعه های فازی به کمک منطق فازی

۱ مجموعه فازی و اجزا
مجموعه فازی، قسمت اصلی از هر سیستم فازی است. در ریاضیات مجموعه فازی می تواند شامل عناصر متناهی، نامتناهی و نامتناهی قابل شمارش باشند. در سیستم های فازی عنصر می تواند داخل یا خارج از مجموعه باشد. اما در سیستم های فازی عنصر تا قسمتی عضو و تا قسمتی غیرعضو از مجموعه فازی می شود. برای نمونه x آیا عضو مجموعه ی A است؟ در مجموعه های فازی جواب درست یا غلط نداریم بلکه درجه عضو داریم که با زوج مشخص می شود. مقدار درجه عضویت بین صفر و یک است و هرچه بیشتر باشد میزان عضویت آن عنصر به مجموعه بیشتر خواهد بود. مجموعه های فازی را می توان به شکل های مثلثی، ذوزنقه ای، گاوسی و غیره نمایش داد. شکل زیر نشان دهنده ی تابع عضویت ذوزنقه می باشد که اعضای آن (Low(Bad) ، Medium(Normal و (High(Good می باشد. این مقادیر می تواند شامل موارد جدول زیر این مطلب را نشان می دهد(۱).

عدد فازی، مقداری است که بیانگر عددی در محدوده عدد می باشد. شکل زیر یک نمایش از مجموعه فازی ذوزنقه است که بر طبق اعداد فازی (a, b, c, d) و برطبق تابع عضویت در فرمول زیر نشان داده شده است.

شکل زیر نمایش فازی ذوزنقه ای را نشان می دهد.

نمایش داده های فازی ذوزنقه ای(۱)

سیستم فازی دارای دو قسمت اصلی می باشد:
فازی سازی یا وارد کردن اعداد و معیارها و اندازه ها غیرفازی به سیستم فازی. به عنوان مثال شکل زیر نشان دهنده ی فازی سازی رطوبت است.

غیرفازی سازی که به عنوان خروجی سیستم فازی و تبدیل اعداد فازی به محیط غیرفازی می باشد.

توابع عضو برای فازی سازی رطوبت(۱)

منبع را از اینجا میتوانید دانلود کنید.

الگوریتم چندهدفه غیرغالب|multi objective non-dominant

آگوست 18, 2020

روش های انتخاب و رتبه بندی
الگوریتم چندهدفه غیرغالب یکی از روشهای انتخاب و رتبه بندی است که دارای مراحل زیر است:
۱- ساخت جمعیت اولیه: مجموعه ای از کروموزم ها در کنار هم جمعیت اولیه را می سازند. هر کروموزم دارای ویژگی های مجموعه داده است.
۲- محاسبه برازندگی: بر طبق فرمول های معیارهای عملکرد برازندگی برای هر جمعیت محاسبه می شود.
۳- مرتب سازی غیرغالب اعضای جمعیت: مرتب سازی کروموزم ها به علت اینکه چند تابع هدف وجود دارد امکان پذیر نیست بنابراین به کمک مرتب سازی غیرغالب تمامی حالات مورد مقایسه قرار گرفته می شوند و سپس رتبه‌بندی می شوند. کروموزوم هایی با کمترین جبهه ی پارتو در رتبه ی بالاتری نسبت به سایر سرویس ها قرار می گیرند و در سرویس هایی که در یک جبهه ی پارتو قرار دارند یکسان هستند و هیچ اولویتی نسبت به هم ندارند. در الگوریتم مرتب سازی غیرغالب با فرض p و q به عنوان عضوی از جمعیت و Sp مجموعه ی اعضایی از جمعیت که توسط p مغلوب می شوند. همچنین np تعداد دفعاتی که p توسط سایرین مغلوب می شود، می باشد. برای هر عضو از جمعیت مانند p و به ازای هر عضو از جمعیت مانند q اگر p بر q غلبه کند، q به Sp اضافه می شود و اگر q بر p غلبه کند یک واحد به np اضافه می شود. سپس تمام اعضای جمعیت که np=0 باشد، به F1 اضافه می شود. اکنون بر طبق F1 جبهه ی F2 ساخته می شود. برای این کار اگر شمارنده جبهه ها را K در نظر بگیریم برای جبهه Fk+1 ابتدا هر عضو از Fk مانند p که به ازای هر عضو از Sp مانند q یک واحد از nq کسر می شود و اگر nq=0 شود q در Fk+1 قرار می گیرد این عمل تا جایی ادامه می یابد که عضوی برای رتبه بندی وجود نداشته باشد. در غیر اینصورت یک واحد به K اضافه می شود و مراحل تکرار می-شوند.
۴- محاسبه¬ی فاصله ی ازدحامی: معمولاً پس از محاسبه ی رتبه بندی غیرغالب باید از فاصله ی ازدحامی استفاد شود. پس از تعیین جبهه ی پارتو به عنوان جبهه ای که از سایر جبهه ها کمتر است به کمک فاصله ی ازدحامی به انتخاب سرویس های بهتر در جبهه پارتو پرداخته می شود. فاصله ازدحامی به بی نظمی اشاره می کند و چگالی را در جبهه پارتو مورد بررسی قرار می دهد. که هر چه فاصله بین کروموزوم ها در جبهه پارتو بیشتر باشد شانس کروموزوم برای دریافت رتبه ی بالاتر بیشتر است. شکل زیر این مطلب را نشان می دهد(۱).

همانطور که مشاهده میشود در شکل a کروموزم ها نسبت به دو تابع هدف محاسبه شده اند و قرار گرفته اند. سپس در شکل b جبهه های پارتو ساخته می شوند که همانطور که در شکل مشاهده می شود در 4 سطح جبهه های پارتو شناسایی شده اند. در شکل c به محاسبه ی فاصله ی ازدحامی پرداخته می شود(۱).
۵- ترکیب : انتخاب دو والد و ترکیب آنها برای تولید دو فرزند به عنوان کروموزوم¬های جدید در این مرحله انجام می شود که فرزندان ممکن است جزء سرویس های واقعی نباشند.
۶- جهش : درصدی از کروموزم ها مطابق نرخ جهش با مقادیر تصادفی جایگزین می شوند تا واقعیت در الگوریتم ژنتیک برقرار باشد.
۷- مرتب سازی و جایگزینی: پس از مراحل فوق اعضای جمعیت مرتب می شوند تا برای تکرارهای بعدی مورد استفاده قرار بگیرند اعضای کمتر از حداکثر جمعیت تعیین شده حذف می شوند.
۸- شرط پایان تکرار الگوریتم: می توان از دو روش استفاده کرد:
• تعیین تعداد تکرار
• تعیین جواب بهینه برای همگرایی به آن
• جواب را به وضوح در دست داشته باشیم(۱).

پیاده سازی مقاله ISI| رایانش ابری| آموزش ویدیویی|بررسی رتبه‌بندی سرویسهای ابری با اعمال رویکردی برای حل مسائل چندهدفه

(۱) مقاله اصلی را از اینجا می توانید دانلود کنید.

سرویس های ابری

آگوست 18, 2020

سرویسهای ابری پردازش ابری با آمدن خود تحولاتی در همه ی زمینه ها ایجاد نمود، یا بهتر است بگوییم بازار کاری پر رونقی با خود به همراه آورده است. شرکتها و سازمانهای معروف با سرویسهای این فنّاوری، جایگاه خود را محکمتر کردند و آن‌هایی که نامی نداشتند، با چنگ زدن به پردازش ابری نام و جایگاهی برای خود فراهم کردند. سه سرویس فراهم‌شده از معماری رایانش ابری بر پایه نیاز مشتریان IT به‌صورت زیر است: • نرم‌افزار به ‌عنوان سرویس (SaaS) مدل توزیع برنامه های کاربردی، که در آن فروشنده یا ارائه‌دهنده، خدمات میزبانی و در دسترس را به مشتریان بر روی یک شبکه، ارائه میدهد (ارائه نرم‌افزار مبتنی بر اینترنت). در واقع میتوان آن را چنین تعریف کرد، تمامی نرم-افزارهایی که تاکنون از مغازه ها تهیه میکردیم اکنون با استفاده از اینترنت و یک واسط در سراسر دنیا به آنها دسترسی داشته باشیم. برای مثال، استفاده از Gmail از شرکت گوگل یک SaaS است. • پلتفرم به‌عنوان سرویس (PaaS)، الگوی ارائه سیستم‌عامل و خدمات مرتبط بر روی اینترنت، بدون دریافت و یا نصب و راهاندازی است. این لایه در بالای لایه زیرساخت قرار دارد. به لایه نرم‌افزاری در ابر که امکان ساخت لایه های بالایی را فراهم میکند، سکوی ابری میگویند. این سرویس یک‌لایه‌ی نرم‌افزاری را به‌صورت بسته ارائه می‌دهد که می‌توان از آن برای تولید سرویس‌های سطح بالاتر استفاده نمود. لایه PaaS امکاناتی جهت ساخت برنامه را برای ما فراهم می‌کند که این برنامه قابل ‌اجرا بر روی لایه SaaSاست. یک مثال خوب میتواند موتور Google Apps، تولید نرم افزار توسط زیرساخت گوگل باشد که امکان اجرای برنامه های کاربردی را فراهم میکند. • زیرساخت به عنوان سرویس (IaaS) شامل برون‌سپاری تجهیزات مورد استفاده، برای حمایت از عملیاتی ازجمله ذخیره‌سازی، سخت‌افزار، سرویس دهنده ها و اجزای شبکه است. کاربران به ‌جای خرید سخت‌افزار، نر مافزار، فضای مرکز داده و یا تجهیزات شبکه، همه این زیرساختها را به‌صورت یک سرویس کاملاً برون‌سپاری شده خریداری می‌کنند. درواقع این سرویس مدلی از پردازش ابری است که بر اساس آن سخت افزارها در ابر مجازی میشوند و بدون لایه زیرساخت لایه های بالایی قادر به ارائه سرویس نخواهند بود. صورتحساب سرویس معمولاً براساس مدل رایانش همگانی و میزان منابع مصرف‌شده صادر میشود. بنابراین هزینه منعکس‌کننده میزان فعالیت است. توافقنامه سطح سرویس (SLA) قرارداد تضمین و تأمین میزانی معین از کیفیت سرویس از شرکت سرویس‌دهنده برای شرکت سرویس‌گیرنده یا کاربر است. قرارداد خدمات متضمن عرضه خدمات است و بسیاری از تأمین‌کنندگان خدمات در صورت عدم اجرای تعهدات ذکرشده خسارت می‌دهند درحالی‌که این نوع پیشنهاد‌ها در ظاهر جذاب هستند، همیشه خدمات باکیفیت برابری نمیکنند. همان‌طور که مشخص است هر سرویس دارای قیمت، ویژگیها و کارایی خاص خود است. هر ارائه‌دهنده‌ی سرویس بر اساس قیمت، ویژگیها و کارایی سرویسهای متنوعی را برای مشتریان ارائه میکند. مثلاً یک سرویس با محاسبات گران و ذخیره‌سازی ارزان و غیره. با رشد درخواستهای ابری از طرف مشتریان انتخاب بهترین فراهم‌کننده سرویس از بین سرویسهای مشابه بر اساس نیازمندیهای مشتری ازنظر کارایی و هزینه به امری پیچیده تبدیل‌شده است. همچنین مطالب زیر را مطالعه کنید: سمینار کارشناسی ارشد| رایانش ابری| فایل لاتک|بررسی رتبه‌بندی سرویسهای ابری با اعمال رویکردی برای حل مسائل چندهدفه مجموعه داده QWS جهت مقایسه وب سرویس ها نظارت بر سیستم های بر پایه سرویس بر طبق توافقنامه سطح سرویس ترکیب سرویس های وب براساس معیارهای کیفیت سرویس وب با الگوریتم ژنتیک بهبود یافته رتبه بندی سرویس های ابری کیفیت سرویس به طوری کلی جهت بررسی کیفیت وب سرویسها باید صفات آنها از طریق معیارهای کیفی مورد ارزیابی قرار بگیرد. معیارهای کیفی به دو دسته عملیاتی و غیرعمیلیاتی تقسیم میشوند. معیارهای عملیاتی دارای صفاتی است که قابلیت کمی سازی دارد. اما معیارهای غیرعملیاتی قابلیت کمی سازی را ندارد. همچنین تمامی صفات کیفی در سرویسهای ابری قابل استفاده نیستند برای نمونه صفت قابلیت نصب که یک صفت کیفی غیرعملیاتی است، در وب سرویسها کاربردی ندارد زیرا وب سرویس نیازی به نصب شدن در سیستم کاربر ندارد. برخی از صفات کیفی که در وب سرویسها قابل استفاده است به صورت زیر است (۱). ۱ زمان پاسخ سرویس بهره وری در دسترس بودن یک سرویس می تواند از لحاظ زمان پاسخ اندازه گیری شود، به عنوان مثال در مورد IaaS منظور این است که سرویس با چه سرعتی می‌تواند برای استفاده فراهم شود. زمان پاسخ سرویس به زیرفاکتورهای گوناگونی نظیر میانگین زمان پاسخ، حداکثر زمان پاسخ که توسط ارائه‌دهنده سرویس وعده داده شده و درصدی از‌زمانی که سیستم پاسخ نمی‌دهد بستگی دارد. میانگین زمان پاسخ از طریق فرمول به دست می‌آید که Ti فاصله ‌زمانی بین درخواست مشتری i برای یک سرویس است که واقعا سرویس در دسترس قرار می‌گیرد. N تعداد کل درخواست ها است. حداکثر زمان پاسخ، ماکزیمم زمان وعده داده شده توسط ارائه دهنده ابر برای سرویس مورد نظر است. زمان عدم پاسخ درصدی از موارد است که زمان پاسخ بیشتر از حداکثر ‌زمان پاسخی هست که توسط ارائه دهنده وعده داده شده است. زمان عدم پاسخ از رابطه بدست می‌آید که n’ تعداد مواردی است که ارائه دهنده سرویس نمی‌‌‌تواند به وعده اش عمل کند (۱). ۲ شایستگی شایستگی به صورت درجهای که نیازمندی‌های مشتری توسط ارائه دهنده برآورده می‌شود تعریف می‌گردد. قبل از اینکه شایستگی را تعریف کنیم دو مورد وجود دارد. اول اینکه، اگر بعد از فیلتر کردن ارائه دهندگان، بیشتر از یک ارائه هنده وجود داشته باشد که تمامی نیازمندی های ضروری و غیر ضروری مشتری را برآورده کند، بنابراین همه آنها شایسته هستند. درغیر اینصورت، اگر فیلترینگ یک لیست خالی از ارائه دهندگان ابر ایجاد کند آن ارائه دهندگانی که نیازمندی های ضروری را برآورده میکنند انتخاب می‌شوند. در این موارد، شایستگی درجهای خواهد بود که ویژگی های سرویس به نیازمندیهای کاربر نزدیکتر شود. ۳ دقت دقت عملکرد سرویس، درجه نزدیکی مقادیر واقعی کاربر در مقایسه با مقادیر مورد انتظار است. برای منابع محاسباتی مانند ماشین های مجازی، اولین شاخص دقت تعداد دفعاتی هست که ارائه دهنده از محدوده قرارداد سطح سرویس خارج می‌شود که به عنوان فرکانس شکست در عملی کردن قرارداد سطح سرویس وعده داده شده به لحاظ واحدهای محاسباتی، شبکه و ذخیره سازی تعریف میشود. اگر fi تعداد دفعات شکست ارائه دهنده در برآوردن مقادیر وعده داده شده به کاربرi در مدت زمان سرویس T باشد، فرکانس دقت به صورت تعریف می شود که n تعداد کاربران قبلی است. شاخص دیگر دقت، مقدار دقت است که با رابطه تعریف می شود که می تواند واحد محاسباتی، شبکه یا ذخیره سازی باشد و Tiزمان سرویسT برای کاربر i می باشد. ۴ در دسترس بودن درصدی از زمان است که مشتری می‌تواند از سرویس استفاده کند. فرمول 2.1 میزان در دسترس پذیری در یک ماه را نشان میدهد. ۵ قابلیت اطمینان نشان‌دهندهی چگونگی عملیات یک سرویس در طول زمان و شرایط مشخص بدون خرابی است. بنابراین قابلیت اطمینان بر اساس میانگین زمان خرابی که در قرارداد ارائه‌دهنده آمده است و شکست های قبلی تجربه شده توسط کاربر تعریف می شود و به‌صورت زیر قابل‌محاسبه است: که numfailure تعداد کاربرانی است که خطایی را در بازه زمانی کمتر از مقدار قرارداد شده توسط ارائه دهنده تجربه کردهاند، n تعداد کاربران است و pmttf میانگین زمان قرارداد شده برای خطا است. بنابراین حاصل‌ضرب احتمال بروز خطا که جزئی از تجربه کاربر خبره است در میانگین زمان خطا قابلیت اطمینان را نشان می‌دهد. قابلیت اطمینان یک دستگاه ذخیره سازی را می توان از لحاظ دوام و پایداری، که شانس خرابی یه دستگاه ذخیره‌سازی را نشان می‌دهد تعریف کرد (۱). ۶ پایداری پایداری تعیین‌کننده میزان تغییرات در عملکرد سرویس است. برای دستگاه ذخیره سازی به‌صورت واریانس میانگین زمان خواندن و نوشتن است و برای منابع محاسباتی، پایداری انحراف از عملکرد است که در توافقنامه سطح سرویس مشخص شده است و به صورت زیر تعریف می‌گردد: متغیر α می‌تواند یک واحد محاسباتی، شبکه یا واحد ذخیره سازی منبع باشد، میانگین عملکرد مشاهده شده توسط کاربر iهست که سرویس ابر را اجاره کرده است، مقدار موردنظر در توافقنامه سطح سرویس است، T زمان سرویس و n تعداد کاربران است (۱). ۷ هزینه با توجه به اینکه هر سرویس دارای صفات و ابعاد خاص خود است بنابراین مقایسه ی قیمت بین سرویسهای مختلف کار پیچیدهای است. حتی یک ارائه دهنده ممکن است VM های مختلفی پیشنهاد کنند که نیازمندی‌های کاربر را برآورده کند(۱). ۸ قابلیت تطبیق به توانایی ارائه دهنده‌ سرویس در سازگار کردن تغییرات سرویس‌ها براساس درخواست‌های مشتری قابلیت تطبیق می‌گویند. این قابلیت به صورت زمان صرف شده برای سازگار شدن با تغییرات یا ارتقا سرویس به یک سطح بالاتر تعریف می‌شود(۱). ۹ قابلیت استفاده سادگی استفاده از سرویس ابر را قابلیت استفاده می‌نامیم. مؤلفه‌هایی مانند قابلیت اجرا، قابلیت یادگیری، قابلیت نصب، قابل فهم بودن می‌توانند به عنوان زمان متوسط تجربه شده توسط کاربران قبلی سرویس ابر برای کارکردن، یادگیری، نصب و فهمیدن آن به ترتیب بیان شوند(۱). ۱۰ توان عملیاتی و کارایی توان عملیاتی و کارایی مهم ترین اندازه گیری‌ها برای تخمین عملکرد سرویس های زیرساخت فراهم شده توسط ابر است. توان عملیاتی تعداد کارهای تکمیل شده توسط سرویس ابر در واحد زمان است. توان عملیاتی کمی با زمان پاسخ سرویس که با چه سرعتی سرویس فراهم می شود را اندازه گیری می کند متفاوت است. توان عملیاتی به چندین فاکتور بستگی دارد که می تواند بر اجرای یک کار تاثیر بگذارد. فرض کنید برنامه کاربردی کاربر n کار دارد و آنها برای اجرا بر روی m ماشین ارائه دهنده ارسال می شوند. فرض Te(n,m) زمان اجرای n کار بر روی m ماشین باشد. Toسربار زمانی به علت فاکتورهای گوناگون مانند تاخیر شروع زیرساخت و تاخیر ارتباط بین کار می‌باشد. بنابراین توان عملیاتی کل یک سرویس ابری به صورت زیر محاسبه می‌شود: کارایی به استفاده مؤثر از سرویس ها اشاره دارد. بنابراین مقدار بالاتر کارایی نشان می‌دهد که سربار کمتر خواهد بود. فایل اصلی مقاله را در این لینک می توانید دانلود کنید