Normally web services are classified by the quality of services; however, the term quality is not absolute and defined relatively. The quality of web services is measured or derived using various parameters like reliability, scalability, flexibility, and availability. The limitation of the methods employing these parameters is that sometimes they are producing similar web services in recommendation lists. To address this research problem, the novel improved clustering-based web service recommendation method is proposed in this paper. This approach is mainly dealing with producing diversity in the results of web service recommendations. In this method, functional interest, quality of service (QoS) preference, and diversity features are combined to produce a unique recommendation list of web services to end-users. To produce the unique recommendation results, we propose a varied web service classification order that is clustering-based on web services’ functional relevance such as non-useful pertinence, recorded client intrigue importance, and potential client intrigue significance. Additionally, to further improve the performance of this approach, we designed web service graph construction, an algorithm of various widths clustering. This approach serves to enhance the exceptional quality, that is, the accuracy of web service recommendation outcomes. The performance of this method was implemented and evaluated against existing systems for precision, and f-score performance metrics, using the research datasets.

I. GIỚI THIỆUĐiện toán đám mây (ĐTĐM) là một mô hình điện toán sử dụng công nghệ máy tính và phát triển dựa vào internet. Thuật ngữ "đám mây" là một cách nói ẩn dụ nhằm để chỉ mạng internet mà ở đó cung cấp môi trường tính toán là nơi cung cấp phần mềm, nền tảng, tài nguyên theo yêu cầu. Mô hình dịch vụ cơ sở hạ tầng (IaaS) cung cấp cho người dùng cơ sở hạ tầng như mạng, máy chủ, CPU, bộ nhớ, không gian lưu trữ và các tài nguyên tính toán dưới dạng máy ảo (VM) bằng công nghệ ảo hóa máy chủ. Công nghệ ảo hóa máy chủ cho phép tạo ra nhiều máy ảo trên một máy chủ vật lý, mỗi máy ảo cũng được cấp phát tài nguyên phần cứng như máy thật với RAM, CPU, card mạng, ổ cứng, hệ điều hành và các ứng dụng riêng. Người dùng gửi yêu cầu tài nguyên (CPU, bộ nhớ, không gian lưu trữ,…) đến nhà cung cấp dịch vụ ĐTĐM để xây dựng máy ảo. Đa số nhà cung cấp dịch vụ ĐTĐM xây dựng hệ thống với một số lượng lớn các máy chủ vật lý và tính chi phí sử dụng dịch vụ cho khách hàng theo thời gian sử dụng. Tùy vào nhu cầu sử dụng tài nguyên của người dùng theo thời gian mà nhà cung cấp dịch vụ ĐTĐM có thể điều chỉnh việc phân phối tài nguyên để đảm bảo chất lượng dịch vụ cũng như là lợi nhuận. Do vậy, việc quản lý, sử dụng tài nguyên trên ĐTĐM một cách hiệu quả là một thách thức lớn. Cấp phát tài nguyên tối ưu là rất cần thiết trong việc sử dụng hiệu quả tài nguyên trong ĐTĐM, bài toán tối ưu dạng này thường thuộc lớp NP-Hard hoặc NP-Complete [1]. Bên cạnh đó, đa số tài nguyên vật lý trong môi trường ĐTĐM không đồng nhất với nhau đồng thời yêu cầu từ người dùng cùng không đồng nhất đối với các loại tài nguyên. Các yêu cầu tài nguyên không đồng nhất đã gây ra hiện tượng xuất hiện phân mảnh tài nguyên cũng như gây ra việc lãng phí không gian tài nguyên. Đa số nhà cung cấp dịch vụ muốn tối đa hóa lợi nhuận với chi phí đầu tư là thấp nhất điều đó dẫn đến phải tối đa hóa việc sử dụng tài nguyên. Tuy nhiên, việc tối đa hóa sử tài nguyên -cụ thể ở đây là máy chủ vật lý thường dẫn đến những vi phạm về chất lượng dịch vụ đối với khách hàng.Để giải quyết vấn đề có tính tương tác giữa nhiều bên liên quan đa phần được tiếp cận từ lý thuyết trò chơi. Lý thuyết trò chơi được dùng để phân tích các tình huống dành cho hai hoặc nhiều cá nhân mà kết cục của một hành động được một trong số họ thực hiện không chỉ phụ thuộc và hành động cụ thể của chính cá nhân đó mà còn phụ thuộc vào hành động của những cá nhân khác còn lại trong trò chơi. Kết cục về lý thuyết của trò chơi được biểu diễn dưới dạng những tổ hợp chiến lược có nhiều khả năng đạt được mục tiêu của các người chơi nhất căn cứ vào thông tin sẵn có cho họ. Các tổ hợp chiến lược được gọi là các chiến lược cân bằng (equilibrium strategy) của người chơi nếu không có bất kỳ người chơi nào có động cơ thay đổi kế hoạch hành động của mình. Sự cân bằng của một trò chơi diễn tả những chiến lược mà các người chơi duy lý được tiên đoán là sẽ chọn khi họ tương tác với nhau. Để đảm bảo sử dụng tài nguyên hiệu quả và ổn định cần có chiến lược cấp phát tài máy ảo trong ĐTĐM hợp lý. Trong những trường hợp này, các kế hoạc...

Cloud computing has become one of the most prominent trends in the IT industry. In particular, the problem of autoscaling (allocation /deallocation) of resources is a great challenge, greatly affecting the efficient exploitation of resources should always be subject to research in recent times. Most of the algorithms for auto-scaling resources in the cloud computing are based on threshold mechanisms. However, threshold-based techniques are not flexible and adaptable when there are major fluctuations in resource requirements, especially in the cloud computing environment. In this paper, we built a model for auto-scaling resources based on fuzzy logic and reinforcement learning-Fuzzy Q-Learning to increase adaptability as well as the ability to immediately respond to resource requirements in dynamic allocation/deallocation of resources in the direction of load balancing.

No abstract