Economic Models for Managing Cloud Services

نویسندگان هر دو مدل اقتصادی کمی و کیفی را به عنوان ابزار بهینه‌سازی برای انتخاب درخواست‌های خدمات ابری بلندمدت معرفی می‌کنند. مدل‌های اقتصادی تقریباً به‌طور شهودی با روشی که معمولاً انجام می‌شود مطابقت دارند و سود یک ارائه‌دهنده ابر را برای یک دوره طولانی‌مدت به حداکثر می‌رسانند.

نویسندگان یک مارکوف مخفی چند متغیره و میانگین متحرک یکپارچه اتورگرسیو (HMM) پیشنهاد می‌کنند. -ARIMA) مدل برای پیش بینی الگوهای مختلف استفاده از منابع زمان اجرا. یک رویکرد بهینه‌سازی برنامه‌ریزی خطی عدد صحیح (ILP) مبتنی بر اکتشافی برای به حداکثر رساندن استفاده از منابع زمان اجرا توسعه داده شده است. این شبکه یک شبکه بیزی پویا (DBN) را برای مدل‌سازی قیمت‌گذاری پویا و هزینه عملیاتی بلندمدت مستقر می‌کند. یک الگوریتم ژنتیک تطبیقی ​​هیبریدی جدید (HAGA) پیشنهاد شده است که یک تابع سود غیرخطی را به صورت دوره ای برای رسیدگی به ورود تصادفی درخواست ها بهینه می کند. در مرحله بعد، نویسندگان شبکه ترجیحی شرطی زمانی (TempCP-Net) را به عنوان مدل اقتصادی کیفی برای نشان دادن استراتژی‌های تجاری سطح بالا IaaS بررسی می‌کنند. اولویت‌های کیفی زمانی در یک درخت k-d چند بعدی نمایه‌سازی می‌شوند تا به طور موثر رتبه‌بندی اولویت را در زمان اجرا محاسبه کنند. یک رویکرد یادگیری Q سه بعدی برای یافتن یک ترکیب کیفی بهینه با استفاده از تجزیه و تحلیل آماری روی الگوهای درخواست تاریخی ایجاد شده است.

در نهایت، نویسندگان یک رویکرد چند متغیره جدید را برای پیش‌بینی عملکردهای کیفیت خدمات (QoS) آینده پیشنهاد می‌کنند. ارائه دهندگان خدمات همتا برای پیکربندی موثر TempCP-Net. این نتایج تجربی را مورد بحث قرار می‌دهد و کارایی چارچوب ترکیب پیشنهادی را با استفاده از داده‌های Google Cluster، داده‌های QoS دنیای واقعی و داده‌های مصنوعی ارزیابی می‌کند. همچنین اهمیت رویکرد پیشنهادی در ایجاد یک بازار ابری پایدار و اقتصادی را بررسی می‌کند.

این کتاب می‌تواند به عنوان یک مرجع مفید برای هر کسی که به تئوری، عمل و کاربرد مدل‌های اقتصادی علاقه‌مند است استفاده شود. در رایانش ابری این کتاب راهنمای ارزشمندی برای کارآفرینان کوچک و متوسطی خواهد بود که در زیرساخت ها و خدمات ابری سرمایه گذاری کرده اند یا قصد سرمایه گذاری دارند. به طور کلی، این کتاب برای مخاطبان گسترده ای مناسب است که شامل دانشجویان، محققان و متخصصانی است که در محاسبات سرویس گرا و رایانش ابری مطالعه یا کار می کنند.

The authors introduce both the quantitative and qualitative economic models as optimization tools for the selection of long-term cloud service requests. The economic models fit almost intuitively in the way business is usually done and maximize the profit of a cloud provider for a long-term period.

The authors propose a new multivariate Hidden Markov and Autoregressive Integrated Moving Average (HMM-ARIMA) model to predict various patterns of runtime resource utilization. A heuristic-based Integer Linear Programming (ILP) optimization approach is developed to maximize the runtime resource utilization. It deploys a Dynamic Bayesian Network (DBN) to model the dynamic pricing and long-term operating cost. A new Hybrid Adaptive Genetic Algorithm (HAGA) is proposed that optimizes a non-linear profit function periodically to address the stochastic arrival of requests. Next, the authors explore the Temporal Conditional Preference Network (TempCP-Net) as the qualitative economic model to represent the high-level IaaS business strategies. The temporal qualitative preferences are indexed in a multidimensional k-d tree to efficiently compute the preference ranking at runtime. A three-dimensional Q-learning approach is developed to find an optimal qualitative composition using statistical analysis on historical request patterns.

Finally, the authors propose a new multivariate approach to predict future Quality of Service (QoS) performances of peer service providers to efficiently configure a TempCP-Net. It discusses the experimental results and evaluates the efficiency of the proposed composition framework using Google Cluster data, real-world QoS data, and synthetic data. It also explores the significance of the proposed approach in creating an economically viable and stable cloud market.

This book can be utilized as a useful reference to anyone who is interested in theory, practice, and application of economic models in cloud computing. This book will be an invaluable guide for small and medium entrepreneurs who have invested or plan to invest in cloud infrastructures and services. Overall, this book is suitable for a wide audience that includes students, researchers, and practitioners studying or working in service-oriented computing and cloud computing.