[论文解读] CBC Approach for Evaluating Potential SaaS on the Cloud

Dhanamma Jagli, Sunita Mahajan+1 more|arXiv (Cornell University)|May 25, 2019

Cloud Computing and Resource Management参考文献 6被引用 4

一句话总结

本文提出了一种基于约束的聚类（CBC）模型，通过整合用户需求和质量属性，在云环境中评估潜在的软件即服务（SaaS）产品。该方法通过基于功能和非功能标准对服务进行聚类，增强了传统SaaS评估方法，提高了服务能力与用户需求之间的匹配度。

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.

研究动机与目标

• 解决现有SaaS评估模型仅关注质量属性而忽略用户特定需求的不足。
• 开发一个综合评估框架，同时考虑SaaS的功能需求和非功能质量属性。
• 通过将SaaS产品与实际用户期望和约束对齐，提高服务选择的准确性。
• 使服务提供商能够基于数据驱动的聚类方法，将其产品与用户需求进行基准对比。
• 通过基于数据挖掘技术的混合评估模型，提升在云SaaS采用过程中的决策能力。

提出的方法

• 所提出的模型采用基于约束的聚类（CBC）技术，这是一种数据挖掘方法，可根据预定义约束对SaaS服务进行分组。
• 约束来源于用户需求（功能方面）和质量属性（非功能方面），如性能、安全性和可用性。
• 聚类过程优先选择同时满足用户特定约束和质量服务（QoS）标准的服务。
• 该模型整合用户输入和服务元数据，构建一个多维评估空间以支持聚类。
• 生成的聚类代表具有相似能力特征的SaaS解决方案组，支持精准筛选。
• 该方法通过结构化、基于约束的分析，支持服务用户和提供商识别最优SaaS匹配。

实验结果

研究问题

• RQ1 如何增强SaaS评估模型，使其不仅包含质量属性，还涵盖特定用户需求？
• RQ2 基于约束的聚类在多大程度上能提升SaaS推荐与选择的准确性？
• RQ3 在云环境中，哪些关键约束能够区分高潜力SaaS产品与其他产品？
• RQ4 功能与非功能标准的整合如何影响SaaS服务聚类结果？
• RQ5 基于CBC的评估能否支持服务用户和提供商在SaaS采用与改进方面做出明智决策？

主要发现

• 基于CBC的模型成功地根据用户需求和质量属性对SaaS服务进行了聚类。
• 该方法通过识别最符合用户定义约束的SaaS解决方案，提升了服务选择的准确性。
• 该模型使服务提供商能够基于用户期望对其产品进行基准对比，支持持续改进。
• 功能与非功能标准的整合显著提升了SaaS评估的精确度，超越了传统仅关注质量的模型。
• 评估框架在实际SaaS选择场景中展现出良好的适用性，经由所提出的案例研究得到验证。
• 通过CBC进行数据挖掘，可在动态云环境中实现可扩展且自动化的SaaS评估。