基于性能感知云服务的模型组成及相关算法的介绍

　　互联网上出现越来越多的云服务， 面对种类繁多的云服务， 如何准确地在众多云服务中把符合用户需求并且性能好价格低的服务推荐给用户成为云服务推荐的研究热点。 现有的服务推荐方法往往只是根据当前云服务的历史性能记录为用户进行推荐， 并没有充分考虑云服务的性能趋势。 针对上述问题， 本文提出了一种基于性能预测的服务推荐模型， 该模型利用共轭梯度改进人工神经网络对云服务的性能进行预测， 使用层次分析法对性能， 价格等因素进行综合比较计算， 最终为用户推荐最为合适的云服务。 实验结果表明， 使用改进神经网络对服务性能进行预测能够获得较高的准确度， 层次分析法可以综合考虑服务的性能与价格， 为用户推荐最为合适的云服务。

　基于性能感知的服务推荐模型

　　云服务性能指的是一个云服务响应处理用户请求的能力。 在基于性能感知的服务推荐模型中， 用户根据自身需求提出服务申请， 服务资源计算模块计算所需服务资源; 服务资源列表中存储各个服务的实时资源状态用于性能预测; 性能预测模块预测服务性能并将结果交予层次分析系统; 层次分析系统给出服务推荐序列，同时更新服务资源列表。 图 1 为基于性能感知的云服务推荐模型的结构图。