Selection of Cloud Service Providers for Hosting Web Applications in a Multi-cloud Environment

Ramamurthy, Arun; Saurabh, Saket; Gharote, Mangesh; Lodha, Sachin

doi:10.1109/scc49832.2020.00034

Cited by 16 publications

(6 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Literatürde bulut bilişim servis sağlayıcı ve ürün seçimi ile ilgili karar vericileri desteklemek amacı yapılan çalışmalar öne çıkmaktadır. SOA servis sağlayıcı ve ürün seçiminde bellek, işlemci, yazma okuma hızı gibi sanal sunucu servis seviyesi performans verisinin veya hizmet kalitesi seviyesi kriterlerinin değerlendirildiği, talebe uygun ürün ve servis sağlayıcının belirlendiği çok kriterli karar verme tekniklerinin uygulandığı çalışmalar [33][34][35][36][37][38][39][40][41][42][43][44] olduğu gibi SOA ürünlerinin teknik özelliklerinin seçim kriteri olarak belirlendiği, kullanıcı talebine en uygun ürünün öneri olarak sunulduğu öneri sistemleri [45][46][47][48][49] de bulunmaktadır. Servis sağlayıcı seçiminde hizmet kalitesi kriterlerinden olan, müşteri memnuniyeti, kesinti süresi, sorun bildirimlerine dönüş hızı, ölçeklenebilirlik, servislerin performans seviyesi, hizmet seviyesi anlaşması ihlal oranları temel karşılaştırma kriterleri olarak önce çıkmaktadır.…”

Section: Bulut Bilişim üRün Seçiminde Karar Desteğiunclassified

Bulut Bilişim Sanal Sunucu Ürün Seçiminde Çok Kriterli Bir Karar Destek Modeli

KOŞAR,

ATAK

2023

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

Bulut bilişim sunduğu servislerin yönetim kolaylığı ile sıkılıkla tercih edilen bir seçenek haline gelmiştir. Bulut Bilişim’de sunulan sanal sunucular müşterilerin ihtiyacına göre belirlenebilmektedir. Sanal sunucu seçenekleri arasından hedeflenen ürünün seçimi, seçenek sayısının fazlalığı ve bir arada değerlendirilmesi gereken kriterlerin çokluğu sebebi ile çok kriterli karar verme problemine dönüşmektedir. Bu çalışmada karar vericilerin sanal sunucu seçiminde kriter ağırlıklarının Entropi yöntemi ile belirlendiği ve seçeneklerin VIKOR yöntemi ile sıralandığı bir model önerilmiştir. Modelin etkinliği kriter ağırlıklarının uzman görüşü alınarak Analitik Hiyerarşi Süreci ile hesaplandığı durum ile karşılaştırılmıştır. Geliştirilen test ortamında Amazon EC2 ürün konfigürasyon sınırları arasında rastgele oluşturulan farklı müşteri talebi senaryoları uygulanmıştır. Önerilen yöntem ve kriterlerin uzman görüşü alınarak AHS ile hesaplandığı ve VIKOR ile sıralandığı yöntemlerin sonuçları karşılaştırılmış ve %81.21 oranında aynı ürünün önerildiği gözlemlenmiştir. Bulut bilişime göç problemi kapsamında modelin yeterli teknik bilgiye sahip olmayan yönetim kademesindeki karar vericiler için alternatif bir seçenek olarak değerlendirilebileceği önerilmektedir.

show abstract

Section: Bulut Bilişim üRün Seçiminde Karar Desteğiunclassified

Bulut Bilişim Sanal Sunucu Ürün Seçiminde Çok Kriterli Bir Karar Destek Modeli

KOŞAR,

ATAK

2023

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

“…Unlike the predictive and search-based methods reviewed above, which evaluate the performance of workloads via real cloud measurements, these methods assume that the runtime of each task on a given configuration is either known a-priori or is given by some simple theoretical model based on the compute capability of the node in GFLOPS [8]. This assumption gives rise to a variety of different solutions: graphbased heuristics [8], [29], [34], genetic algorithms [24], [28], integer linear programming [30], and multiple criteria decision making [27]. To the best of our knowledge, none of these methods have been evaluated in a real cloud environment, but on simulation data.…”

Section: Related Problemsmentioning

confidence: 99%

Search-based Methods for Multi-Cloud Configuration

Łazuka¹,

Parnell²,

Anghel³

et al. 2022

Preprint

View full text Add to dashboard Cite

Multi-cloud computing has become increasingly popular with enterprises looking to avoid vendor lock-in. While most cloud providers offer similar functionality, they may differ significantly in terms of performance and/or cost. A customer looking to benefit from such differences will naturally want to solve the multi-cloud configuration problem: given a workload, which cloud provider should be chosen and how should its nodes be configured in order to minimize runtime or cost? In this work, we consider possible solutions to this multi-cloud optimization problem. We develop and evaluate possible adaptations of stateof-the-art cloud configuration solutions to the multi-cloud domain. Furthermore, we identify an analogy between multi-cloud configuration and the selection-configuration problems that are commonly studied in the automated machine learning (AutoML) field. Inspired by this connection, we utilize popular optimizers from AutoML to solve multi-cloud configuration. Finally, we propose a new algorithm for solving multi-cloud configuration, CloudBandit (CB). It treats the outer problem of cloud provider selection as a best-arm identification problem, in which each arm pull corresponds to running an arbitrary black-box optimizer on the inner problem of node configuration. Our extensive experiments indicate that (a) many state-of-the-art cloud configuration solutions can be adapted to multi-cloud, with best results obtained for adaptations which utilize the hierarchical structure of the multi-cloud configuration domain, (b) hierarchical methods from AutoML can be used for the multi-cloud configuration task and can outperform state-of-the-art cloud configuration solutions and (c) CB achieves competitive or lower regret relative to other tested algorithms, whilst also identifying configurations that have 65% lower median cost and 20% lower median time in production, compared to choosing a random provider and configuration.

show abstract

“…Ramamurthy et al 7 deployed a multiple-criteria decision-making (MCDM) technique for ranking and choosing the CSPs using diverse qualitative and quantitative conditions in a multi-cloud environment. Based on the number of virtual machines and cloud centers, the CSP is selected.…”

Section: Review Of Related Workmentioning

confidence: 99%

“…The complexities can be overcome by deploying a multi-cloud architecture that overcomes the vendor lock-in problem, reduces costs, and enhances the quality of service (QoS). 6,7 The state-of-art research mainly focused on optimizing the cost of the multi-cloud architectures rather than taking various metrics into account. 8,9 The main challenge associated with multi-cloud storage is to achieve a balance between the storage and retrieval cost.…”

Section: Introductionmentioning

confidence: 99%

H2RUN: An efficient vendor lock‐in solution for multi‐cloud environment using horse herd Runge Kutta based data placement optimization

Kumar

Mala

2022

Trans Emerging Tel Tech

View full text Add to dashboard Cite

Vendor lock‐in is a scenario where the cost of switching to another vendor is mainly high and for this reason, the consumer is mainly struck with a single cloud vendor. The vendor lock‐in mainly implies the situation of an organization where it is locked into a service or product of a single Cloud Service Providers (CSP) to prevent the disruption of the business operation or due to an insufficient workforce. Due to its high availability, portability, and other benefits, various researchers frequently adopt the multi‐cloud strategy to prevent vendor lock‐in. However, the multi‐cloud architecture also comes with major drawbacks such as cost, multiple CSP management, and the tradeoff between cost and availability. The organizations are mainly considerate about achieving the tradeoff between the cost and availability. To overcome this problem, we have proposed an H2RUN (Horse Herd Runge Kutta) optimization algorithm to achieve a tradeoff between the cost and availability using erasure coding. The proposed H2RUN optimization algorithm selects the optimal CSP and erasure coding parameters that enhance the availability of the CSP with minimal cost. The efficiency of the proposed methodology can be evaluated using the experiments conducted on different real‐time CSPs using various metrics. Based on the results achieved, the H2RUN optimizer minimizes the cost up to 48% and availability up to 58%.

show abstract

Selection of Cloud Service Providers for Hosting Web Applications in a Multi-cloud Environment

Cited by 16 publications

References 15 publications

Bulut Bilişim Sanal Sunucu Ürün Seçiminde Çok Kriterli Bir Karar Destek Modeli

Bulut Bilişim Sanal Sunucu Ürün Seçiminde Çok Kriterli Bir Karar Destek Modeli

Search-based Methods for Multi-Cloud Configuration

H2RUN: An efficient vendor lock‐in solution for multi‐cloud environment using horse herd Runge Kutta based data placement optimization

Contact Info

Product

Resources

About