(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210571663.3 (22)申请日 2022.05.24 (71)申请人 杭州师范大学钱江学院 地址 310036 浙江省杭州市下沙高教园区 学林街16号 (72)发明人 李文娟　张启飞　胡克用　李静　 周斌　葛照君　王良康　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 陈炜 (51)Int.Cl. H04L 67/563(2022.01) H04L 67/562(2022.01) H04L 67/566(2022.01) H04L 67/565(2022.01)H04L 67/60(2022.01) H04L 67/02(2022.01) H04L 67/10(2022.01) G06F 9/50(2006.01) (54)发明名称 多云异构环境下基于服务偏好学习的云互 联方法及系统 (57)摘要 本发明公开了一种多云异构环境下基于服 务偏好学习的云互联方法及系统。 该云互联系统 包括Web前端、 B roker控制台和统一 云接口平台。 本发明针对云服务结构交流复杂和分布式的特 点以及云服务市场需求庞大和不规范的现状， 提 出了基于云服务中介商的三层云服务架构。 而传 统云服务市场模型通常只考虑云服务调用者和 服务提供者两个方面， 这种模型交流次数频繁、 效率低下。 三层架构中加入的云服务中介商， 让 用服务的调用者和提供者通过中介商进行交流 合作， 将大多数决策交给服务中介商来处理， 取 代了原先落后的通信机制， 简化了用户与云服务 提供商的交流方式， 既能满足云服务市场高并发 分布式需求， 又能提升服 务沟通效率。 权利要求书2页 说明书8页 附图7页 CN 114900556 A 2022.08.12 CN 114900556 A 1.多云异构环境下基于服 务偏好学习的云互联 方法， 其特 征在于： 包括以下步骤： 步骤1、 接收用户提供的服 务需求； 步骤2、 根据用户的服 务需求， 提供最符合用户偏好的云服 务商及其云服 务套餐； 分别计算云服务提供商的回报指数 和云服务提供商提供的各个云服务套餐的 回报指数 建立云服 务提供商的回报指数 的表达式如式(2 ‑1)所示； 其中， Rsale为云提供商的销售因素， Rreliability为云提供商的信誉度， Rsatisfactory为云服 务提供商的平均服 务满意度， α 、 β 、 γ为 三个权重； 云服务套餐的回报指数 通过计算服务请求向量与服务供应向量的余弦相似度 获得； 在根节点的基础上， 构建 以各云服务提供商作为第二层节点， 以属于云服务商的各个 备选云服 务套餐作为第三层节点的蒙特卡洛树； 以对应的云服务提供商的回报指数 作为第二层节点初始的平均回报值； 以对应 的云服务套餐的回报指数 作为第三层节点的初始的平均回报值； 使用上置信区间策略UCB计算各节点的价 值Vi如式(3‑1)所示； 其中， 表示被计算节点的平均回报值； ni表示节点的被访问次数； N表示访问总次数； C 为预设参数； 根据求得的各节点的价值Vi， 对蒙特卡洛树进行迭代， 获取更新的平均回报值， 直到迭 代完成； 以价 值最大的第三层节点作为决策 结果； 步骤3、 基于步骤2的决策 结果对应的云服 务套餐进行服 务合作； 根据选定的云服务套餐， 向云互联平台发送云服务请求； 云互联平台将云服务请求通 过统一的API接口封装后发送给对应的云服务提供商； 云服务提供商接收到相应请求之后， 在云服务平台上部署相 应服务， 并将部署成功的信息反馈给云互联平台； 云互联平台再将 消息转发给用户； 用户以云互联平台为中转， 在仅使用与云互联平台交互的单一API接口的 情况下， 使用选 定的云服 务套餐。 2.根据权利要求1所述的多云异构环境下基于服务偏好学习的云互联方法， 其特征在 于： 云提供商的销售因素Rsale的表达式如式(2 ‑2)所示； 其中， ranki为某个云服务中介商榜单中云提供商i的销售排名； Nprovider为该云服务中 介商管理的云服 务提供商的总数。 3.根据权利要求1所述的多云异构环境下基于服务偏好学习的云互联方法， 其特征在 于： 用户使用选定的云服务套餐后， 对 该云服务提供商及云服务套餐进 行评价； 根据评价结权　利　要　求　书 1/2 页 2 CN 114900556 A 2果， 更新云服 务提供商的平均服 务满意度Rsatisfactory。 4.根据权利要求1所述的多云异构环境下基于服务偏好学习的云互联方法， 其特征在 于： 云互联平台在工作过程中对云服务进行遴选； 遴选的方法是将不同云服务提供商提供 云服务套餐的属性 值代入决策树， 通过决策 结果进行判断， 具体过程如下： (1)学习用户服 务偏好 首先， 收集服务样本数据， 将服务样本分为正例集和反例集， 并实施规范化处理； 接着， 使用正反例样本构建决策树； (2)根据决策树模型， 在云服 务资源池中遴选新的云服 务； (3)根据决策树模型， 淘汰不符合用户需求的云服 务。 5.多云异构环境下基于服务偏好学习的云互联系统， 其特征在于： 用于执行前述的云 互联方法， 包括 Web前端、 Bro ker控制台和统一云接口平台； Web前端具有两个用户登录接口， 分别为云用户接口和管理员接口； 云用户接口用于为 云用户使用云互联平台提供接口， 实现用户注册、 登录， 以及向云互联系统提交服务需求、 使用云服 务和进行服 务反馈/评价； 管理员接口用于提供 可视化管理界面； Broker控制台用于根据服务交互历史数据分析和挖掘用户的隐式服务需求， 学习用户 服务偏好， 实现符合用户需求的云服务商推荐、 云服务选择， 以及云服务资源池的动态调 整； 统一云接口平台用于匹配不同云服务的API接口， 并封装出统一云服务API接口； 通过 统一云服务API接口， 来自Web 前端的用户服务请求不需要分别调用不同云服务商的API接 口， 而能够直接获取相关服 务信息。权　利　要　求　书 2/2 页 3 CN 114900556 A 3