A Multi-criteria Scoring Method based on Performance Indicators for Cloud Computing Provider Selection

Abstract

Cloud computing is a service model that allows hosting and on demand distribution of computing resources all around the world, via Internet. Thus, cloud computing has become a successful paradigm that has been adopted and incorporated into virtually all major known IT companies (e.g., Google, Amazon, Microsoft). Based on this success, a large number of new companies were competitively created as providers of cloud computing services. This fact hindered the clients' ability to choose among those several cloud computing providers the most appropriate one to attend their requirements and computing needs. This work aims to specify a logical/mathematical multi-criteria scoring method able to select the most appropriate(s) cloud computing provider(s) to the user (customer), based on the analysis of performance indicator values desired by the customer and associated with every cloud computing provider that supports the demanded requirements. The method is a three stages algorithm that evaluates, scores, sorts and selects different cloud providers based on the utility of their performance indicators for each specific user of the method. An example of the method's usage is given in order to illustrate its operation.

Seleção de Provedores de Nuvem através do Auxílio de Aprendizado de Máquina Automatizado

“…Em relação a precisão dos resultados utilizando a abordagem empregada, foi aproveitado a mesma base de dados do trabalho [de Moraes et al 2017] que possui 300 provedores de nuvem reais, para a realização da predição de pontuação utilizando o modelo de regressão com o algoritmo GBM. Assim, são comparados os valores de pontuação obtidos pelo algoritmo de Matching com os valores de predição de pontuação obtidos com o modelo criado pela função AutoML.…”

“…A abordagem empregada foi escolhida com a finalidade de agilizar o processo de obtenção dos resultados em comparação com a metologia determinística e exata desenvolvida no trabalho de [de Moraes et al 2017] e providenciar um ambiente mais simples para importação de base de dados e exportação dos resultados de predições. Na abordagem empregada, para oferecer uma maior riqueza de dados destinada ao treinamento de modelos AutoML,é usado uma base de dados de indicadores de provedores de nuvem fictícios (para o treinamento), gerada a partir de um algoritmo escrito em JavaScript.…”

“…Na abordagem empregada, para oferecer uma maior riqueza de dados destinada ao treinamento de modelos AutoML,é usado uma base de dados de indicadores de provedores de nuvem fictícios (para o treinamento), gerada a partir de um algoritmo escrito em JavaScript. Esse algoritmo, a partir da base de indicadores de provedores de nuvem reais usada na metodologia determinística de [de Moraes et al 2017], gera a base de dados de treino com mais entradas -aumentando de 300 provedores de nuvem reais para 5000 provedores de nuvem fictícios -e maior diversidade de valores. No algoritmoé usado uma variação da função Random da biblioteca Math do JavaScrpit que retorna um número inteiro aleatório para um caso ou um número racional aleatório para outro caso, conforme os parâmetros utilizados, entre os os limites mínimos e máximos definidos para os casos.…”

“…Assim, o cliente precisa apenas alugar o serviço no modo pague-por-uso como uma comodidade similar ao mercado de energia eágua [Repschläger et al 2011]. Assim, a computação na nuvem abstrai para o usuário a complexa infraestrutura e arquitetura interna do provedor de serviço de nuvem [de Moraes et al 2017]. Entretanto, isso introduz um novo dilema, o problema de tomada de decisão acerca do provedor de nuvem mais adequado para um indivíduo ou organização.…”

“…Para atingir tal objetivo, foi utilizada uma abordagem ao problema com a aplicação de modelos de regressão por meio de Automated Machine Learning (AutoML) obtidos com o uso da plataforma H2O, e auxílio da interface gráfica baseada em web chamada H2O Flow. Tais modelos baseiam-se no treinamento supervisionado embasado nos resultados obtidos pela solução de algoritmo de Matching proposto no trabalho [de Moraes et al 2017]. Esse algoritmo de Matching se fundamenta em um método multicritério lógico-matemático que realiza a pontuação de provedores de nuvem a partir dos seus indicadores de desempenho.…”