[논문 리뷰] CBC Approach for Evaluating Potential SaaS on the Cloud

Dhanamma Jagli, Sunita Mahajan외 1명|arXiv (Cornell University)|2019. 05. 25.

Cloud Computing and Resource Management참고 문헌 6인용 수 4

한 줄 요약

이 논문은 사용자 요구사항과 품질 속성들을 통합하여 클라우드 환경에서 소프트웨어로서의 서비스(SaaS) 제공품목을 평가하기 위해 제약 기반 클러스터링(CBC) 모델을 제안한다. 이 방법은 기능적 및 비기능적 기준에 기반해 서비스를 클러스터링함으로써 기존의 SaaS 평가 방식을 향상시켜, 서비스 기능과 사용자 요구사항 간의 정합성을 높인다.

ABSTRACT

The cloud computing is evolving as a key computing platform for sharing resources like infrastructure, platform, software etc. This has proven to be an essential requirement for extending many existing applications. Software as a service (SaaS) is referred as on-demand software supplied by service providers in which software and associated data are hosted on the cloud and it can be accessed by service users using a thin client via a web browser. SaaS is commonly utilized and it provides many benefits to service users. To realize these benefits, it is essential to evaluate potential quality of SaaS, not only to the service users but also to the service providers. They have to evaluate their services against requirements of service users. The existing evaluation models are focusing only on quality attributes of SaaS. In this paper, a new evaluation model is proposed based on the data mining technique of Constraint Based Clustering (CBC). The proposed model gives emphasis on potential requirements of service users along with quality attributes of services.

연구 동기 및 목표

• 기존의 SaaS 평가 모델이 품질 속성에만 초점을 맞추고 사용자 중심의 요구사항을 고려하지 않는 격차를 해결하기 위해.
• 기능적 필요사항과 비기능적 품질 속성의 양측을 고려하는 종합적인 평가 프레임워크를 개발하기 위해.
• 사용자 기대사항과 제약 조건에 부합하는 실제 사용자 요구에 맞춰 서비스 선택 정확도를 향상시키기 위해.
• 데이터 기반 클러스터링을 통해 서비스 제공자가 자신의 제공품목을 사용자 요구에 기반해 비교할 수 있도록 하기 위해.
• 데이터 마이닝 기법에 기반한 하이브리드 평가 모델을 통해 클라우드 SaaS 도입 시 의사결정을 향상시키기 위해.

제안 방법

• 제안된 모델은 제약 기반 클러스터링(CBC)을 사용하며, 이는 정의된 제약 조건에 따라 SaaS 서비스를 그룹화하는 데이터 마이닝 기법이다.
• 제약 조건은 사용자 요구사항(기능적)과 품질 속성(비기능적)에서 유도되며, 성능, 보안, 가용성 등이 포함된다.
• 클러스터링 과정은 사용자 특정 제약 조건과 서비스 품질(QoS) 기준을 모두 충족하는 서비스를 우선순위로 삼는다.
• 모델은 사용자 입력과 서비스 메타데이터를 통합하여 클러스터링을 위한 다차원 평가 공간을 형성한다.
• 결과 클러스터는 유사한 기능 프로파일을 가진 SaaS 솔루션의 집합을 나타내며, 타겟팅된 선택을 가능하게 한다.
• 이 접근법은 기능적 및 비기능적 기준을 기반으로 한 구조화된 제약 기반 분석을 통해 서비스 사용자와 제공자 모두가 최적의 SaaS 매칭을 식별하는 데 지원한다.

실험 결과

연구 질문

• RQ1 어떻게 SaaS 평가 모델을 개선하여 품질 속성 외에도 특정 사용자 요구사항을 포함시킬 수 있는가?
• RQ2 제약 기반 클러스터링은 SaaS 추천 및 선택 정확도를 어느 정도 향상시킬 수 있는가?
• RQ3 클라우드 환경에서 높은 잠재력을 지닌 SaaS 제공품목을 다른 것들과 구분짓는 주요 제약 조건은 무엇인가?
• RQ4 기능적 및 비기능적 기준의 통합은 SaaS 서비스의 클러스터링 결과에 어떤 영향을 미치는가?
• RQ5 CBC 기반 평가가 서비스 사용자와 제공자 모두가 SaaS 도입 및 향상에 대해 정보 기반 의사결정을 내리는 데 지원할 수 있는가?

주요 결과

• CBC 기반 모델은 사용자 요구사항과 품질 속성에 부합하도록 SaaS 서비스를 성공적으로 클러스터링한다.
• 이 방법은 사용자가 정의한 제약 조건에 가장 잘 맞는 SaaS 솔루션을 식별함으로써 서비스 선택을 향상시킨다.
• 모델은 서비스 제공자가 자신의 제공품목을 사용자 기대에 기반해 비교할 수 있도록 하여 지속적인 개선을 지원한다.
• 기능적 및 비기능적 기준의 통합은 기존의 품질 중심 평가 모델을 초월해 SaaS 평가의 정밀도를 향상시킨다.
• 사례 연구를 통해 검증된 바와 같이, 평가 프레임워크는 실제 SaaS 선택 시나리오에서 실용적인 적용 가능성을 보여준다.
• CBC를 통한 데이터 마이닝 활용은 동적인 클라우드 환경에서 확장 가능하고 자동화된 SaaS 평가를 가능하게 한다.