Búsqueda y selección de servicios web con restricciones QoS en ambientes cloud computing

Abstract

En la actualidad la nube enfrenta problemas para la búsqueda y selección de servicios web, debido al gran número de servicios disponibles por los diferentes proveedores cloud y a la diversidad de criterios de calidad de servicio (QoS, por sus siglas en inglés) de cada uno de ellos. Muchos servicios pueden satisfacer un requisito con criterios de calidad similares. Debido a esto, los desarrolladores de software tienen que elegir los servicios más adecuados para una composición determinada. Esta tesis desarrolla una estrategia para el descubrimiento y selección de servicios web denominada Ar_WSDS, que basa su implementación en el funcionamiento sistemático de reconocimiento de patrones del cerebro. Los servicios web son representados como patrones hacer reconocidos por Ar_WSDS, quien determina los servicios necesarios y suficientes que constituyen la composición y que cumplan con los criterios QoS que el desarrollador defina. El proceso de reconocimiento da como resultado un conjunto de servicios web que cumplen con una métrica de calidad para cada uno de sus servicios como para el servicio compuesto. Ar_WSDS ofrece una nueva visión de reconocimiento que permite dividir el problema de selección en tareas funcionales y descriptivas. El sistema es concebido desde una arquitectura por componentes, principio que brinda granularidad y adaptación para la adición nuevos criterios QoS. Los resultados de la evaluación del sistema demuestran la efectividad del proceso de descubrimiento y selección, y de categorización o ranking de servicios que ofrecen un mayor rango de búsqueda y selección, frente a otros enfoques.