ขั้นตอนวิธีการเลือกบริการโครงสร้างพื้นฐานคลาวด์แบบหลายแพลตฟอร์มด้วย แบบจำลองเวกเตอร์สเปซ

Abstract

             งานวิจัยนี้เสนอขั้นตอนวิธีการเลือกบริการโครงสร้างพื้นฐานคลาวด์แบบหลายแพลตฟอร์มด้วยการวัดความคล้ายคลึงกันโดยใช้แบบจำลองเวกเตอร์เวกเตอร์สเปซ ระหว่างแผ่นแบบเครื่องบริการ(server templates) ที่มีให้บริการ และความต้องการใช้งานทรัพยากรโครงสร้างพื้นฐานคลาวด์ของผู้ใช้ โดยแผ่นแบบเครื่องบริการที่มีความคล้ายคลึงกับความต้องการใช้งานทรัพยากรโครงสร้างพื้นฐานคลาวด์มากที่สุดจะถูกเลือก

             แบบจำลองเวกเตอร์เวกเตอร์สเปซที่ใช้ในการวัดความคล้ายคลึงกันของงานวิจัยนี้คือแบบโคไซน์ (cosine similarity) ซึ่งมีส่วนประกอบของเวกเตอร์แผ่นแบบเครื่องบริการเช่นเดียวกับเวกเตอร์ความต้องการใช้งานทรัพยากรโครงสร้างพื้นฐานคลาวด์อันได้แก่ 1) จำนวนเลขที่อยู่ไอพี 2) ค่าใช้จ่ายในการใช้บริการต่อชั่วโมง 3) จำนวนหน่วยประมวลผลกลาง 4) หน่วยความจำหลัก 5) ขนาดพื้นที่หน่วยเก็บข้อมูล 6) ขนาดพื้นที่หน่วยเก็บข้อมูลสูงสุด 7) ช่วงเวลาให้บริการ 8) ปริมาณการถ่ายโอนข้อมูลสูงสุดต่อเดือน และ 9) ระยะเวลาที่ต้องการใช้งานสูงสุด ในการประเมินประสิทธิภาพของขั้นตอนวิธีการเลือกบริการโครงสร้างพื้นฐานคลาวด์แบบหลายแพลตฟอร์มด้วยแบบจำลองเวกเตอร์สเปซที่เสนอถูกดำเนินการกับแผ่นแบบเครื่องบริการจำนวน 18 แผ่นแบบและความต้องการใช้งานทรัพยากรโครงสร้างพื้นฐานคลาวด์ของผู้ใช้จำนวน 2 ชุด

          ผลการทดลองพบว่าค่าความคล้ายคลึงเชิงมุมโคไซน์ระหว่างแผ่นแบบเครื่องบริการและความต้องการใช้เครื่องบริการเว็บขนาดกลางมีค่าเท่ากับ 0.941344157 และค่าความคล้ายคลึงเชิงมุมโคไซน์ระหว่างแผ่นแบบเครื่องบริการและความต้องการใช้เครื่องบริการเว็บขนาดใหญ่มีค่าเท่ากับ 0.999991086 ในภาพรวมพบว่าขั้นตอนวิธีที่เสนอมีค่าความเที่ยงเท่ากับ100 เปอร์เซ็นต์ ค่าความระลึกได้เท่ากับ 100 เปอร์เซ็นต์และค่าเอฟ-เมเชอร์เท่ากับ 100 เปอร์เซ็นต์          

             This paper presents an algorithm to select cloud infrastructure-as-a-service in multi-platform by measuring similarity based on the vector space model between the server templates that are available and user requirement for cloud infrastructure resources. A server template that is most similar with the requirement of the user will be chosen.

             The vector space model is used to measure the similarity of this research is cosine similarity, which cloud infrastructure-as-a-service templates have the following vector components: 1) number of IP Addresses 2) the cost per hour of the service 3) number of CPUs 4) main memory size 5) storage space  6) ephemeral storage space 7) period of service as a percentage (SLA uptime) 8) maximum amount of monthly data transfer and 9) maximum time requirement. The evaluation of our proposed multi-platform infrastructure-as-a-service selection algorithm with vector space model was conducted with 18 server templates and 2 sets of user requirements for cloud infrastructure resources.

             The experimental results were that the value of the cosine similarity between a chosen server template and a user requirement for middle-scale web server was equal to 0.941344157 and the cosine similarity value between another chosen server template and a user requirement for large-scale web server was equal to 0.999991086. In overall, it was found that the algorithm delivered 100 percent precision, 100 percent recall and 100 percent F-Measure.