没有合适的资源?快使用搜索试试~ 我知道了~
森达·罗姆达尼基于数据质量和服务性能的流数据服务信任评估-- -罗姆达尼·森达。基于数据质量和服务性能的流数据服务信任评估,由Chirine GHEDIRA-GUEGAN指导,Jean Moulin大学(里昂3),2022年。请访问:http://www.theses.fr/2022LYSE3012--根据合同创建我的共享资源"归属-无商业用途-无修改"发布的文档您可以自由复制、分发和向公众传播,前提是您不得修改、转换、NNT订单编号里昂大学博士论文(法语)操作范围L’Université Jean Moulin Lyon第512届博士学校计算机科学与数学(InfoMaths)博士学科:计算机科学于2022年5月10日公开支持,由森达·罗姆达尼基于数据质量和服务性能的在陪审团面前,陪审团由:CHASSOT,Christophe图卢兹INSA大学教授GRIGORI,Daniela巴黎多菲纳大学教授,报告员Hadjali,AllelISAE-ENSMA大学教授,SELLAMI报告员,SanaAix-Marseille大学讲师ZOUARI,Belhassen突尼斯SupGHEDIRA-GUEGAN,Chirine大学教授IAE-Lyon大学里昂3博士生主任VARGAS-SOLAR,Genoveva研究员- HdR CNRS-LIRIS考官BENNANI,Nadia讲师INSA里昂考官确认;这篇论文是多年辛勤工作、奉献、一致性和牺牲的成果。这次旅行对我来说非常特别,因为它充满了许多挑战,比如如何管理我的时间,如何思考和研究,如何捍卫我的想法,等等。在整个旅程中,我的三位主管通过指导我、建议我、挑战我等等,帮助了我很多。我们一起创造了平衡。为此,我要感谢Chirine GHEDIRA-GUEGAN女士的持续支持,并向我展示了如何保持专注,以简单的方式看待问题和挑战我感谢Genoveva Vargas-Solar女士挑战我组织我的时间表,向我展示如何研究,并引导我进行有见地的研究工作。谢谢女士们。Nadia Bennani挑战我改进我的想法,并向我展示如何关注重要的细节,以及如何论证我的工作。我还要感谢SUMMIT项目的另一位成员Javier ESPINOSA-OVIEDO先生,他在技术层面上支持我,并指导我完成实验。我还要感谢评估我作品的评审团成员:丹妮拉·格里戈里和Allela Hadjali评论我的论文,以及克里斯托夫·夏索先生Belhassen Zouari和夫人。Sana SELLAMI是我的陪审团成员,他们对我的工作很感兴趣。我想感谢SOC和DRIM团队成员的富有洞察力的讨论,使我在LIRIS实验室的旅程变得更好,并教我如何成为团队的一员。最后,我非常感谢我的兄弟,我的父母,我最好的朋友Khouloud,和我亲爱的朋友卢卡斯。他们总是在我身边,支持我度过艰难而美好的时光,即使我在压力下变得无法忍受(我确实做了很多)。谢谢你的理解。iii.摘要-近年来,能够从物理世界捕获实时数据的流数据服务的数量呈指数级增长。因此,选择符合用户质量要求和给定请求的条件的数据服务是具有挑战性的。特别是因为流数据服务在不同的条件下提供数据(数据新鲜度、来源、安全性、服务性能等)。此外,使用这些服务访问的数据通常用于重要(关键)决策。因此,所选择的服务必须值得信赖。值得信赖的流数据服务重新考虑其提供商承诺的QoS条款,并提供对最新数据的访问。然而,在黑盒模型下,服务被部署在不同的服务环境中此黑框模型创建了盲点,因为服务既不导出(元)数据,也不导出有关其收集数据的条件或其提供的数据质量的数据。本文提出了一种解决可信流数据服务选择挑战的方法。该解决方案包括(1)使用性能和数据质量作为信任因素来评估流数据服务的信任价值,以及(2)根据给定请求的信任级别对服务进行排名。我们的研究集中在三个问题上,主要是(1)定义流数据服务的数据质量评估模型,(2)考虑黑匣子,收集必要证据的协议和策略的建议,以及如何使用它们进行评估,以及(3)定义结合性能和数据质量的流数据服务的信任评估模型为了解决这些问题,本文从两个方面进行了贡献。首先,我们提出了一个以数据新鲜度为重点的流数据服务的数据质量评估模型 数据新鲜度使用两个时间度量来评估,包括数据时间性和数据库时间性。数据时间性表示捕获的数据到目前为止的范围。数据库时间指示服务的数据库是最新的程度然后,我们提出了TUTOR,一种用于黑盒流数据服务的daTa qUaliTy可观测性pRotocol,它有助于使用采样技术捕获必要的证据,以计算时间性指标和数据新鲜度水平。因此,服务会以最新的数据质量等级标示。第二,我们提出了一个黑盒流数据服务的信任评估模型,该模型同时基于服务的功能性和非功能换句话说,服务的技术方面和所提供数据的质量方面。为了定义信任评估模型,我们遵循了一系列步骤:首先,定义用于服务性能评估的QoS指标,包括可用性、时间效率和任务成功率。第二,定义一种组合数据质量和服务性能的方法,以计算数据服务信任。因此,服务会以最新的信任级别进行标记。最后,我们提供了这些建议的概念验证,并在SUMMIT项目关键词:信任、流数据服务、性能、数据质量。七摘要-近年来,来自物理世界的连续流数据服务呈指数级增长,这增加了根据消费者的期望和质量条件来选择它们以响应复杂查询的难度实际上,所述服务允许此外,通过这些服务获得的数据通常用于做出重要或关键的决策,因此需要选择可靠的(可信的)服务。当数据流服务符合其提供商承诺的QoS条件并提供对最新(最新)数据的访问时,但是,服务通常是通过采用黑盒模型在各种环境中交付和部署的后一种模式造成了额外的障碍,因为这些服务既不公开也不导出关于其收集数据的条件或所提供数据的质量的(元)数据基于这一认识,本文的目标是提出一种解决方案,以解决选择可靠的数据流服务的挑战。更具体地,给定用户查询,该解决方案必须允许(1)使用数据流服务的性能和它们提供的数据的质量来计算数据流服务的可靠为此,我们的研究工作集中在三个互补的问题上,即:(1)为数据流服务定义数据质量评估模型,(2)考虑到黑箱的性质,提出原型学校和收集评估所需信息的战略,以及如何将其用于此评估,(3)定义了一个结合服务性能的"黑匣子"数据服务可靠性评估模型。ICE和针对这些问题,我们首先提出了一个基于数据新鲜度的数据流服务数据质量评估模型使用两个主题度量来评估数据的新鲜度,这两个度量包括数据的主题性和数据库主题性。L’actualité des 然后,我们提出了TUTOR,一个用于黑盒数据服务的数据质量可观察性协议通过这种方式,服务被标记为最新的数据质量级别。第二,我们提出了一个数据流服务的可靠性评估模型,该模型换句话说,服务的技术方面和数据质量方面八提供。为了定义这种可靠性评估模型,采取了一系列第二,定义因此,服务被标记为具有最新的信任级别最后,我们实施了这些建议,并在SUMMIT项目的框架内使用睡眠呼吸暂停医学领域的数据服务对其进行了关键词:可靠性、数据流服务、性能、数据质量内容。首字母缩略词表xix1引言11.1动机场景31.2问题陈述51.3主要贡献出版物61.3.1主要贡献71.3.2出版物81.4论文大纲82基于服务的系统:基本概念2.1导言112.2面向服务的计算122.2.1服务通信协议132.2.2基于服务的体系结构142.2.3服务部署环境162.2.4服务描述语言协议182.2.5应用程序编程接口202.3流数据服务212.3.1数据服务质量212.3.2数据管道配置242.3.3黑盒数据服务262.4结论273最新技术水平:系统和数据信任评估模型九x内容3.1导言293.2信任的定义303.2.1社会科学信托基金303.2.2对计算机系统的313.3数据和服务信任因素343.3.1服务信任因素343.3.2数据信任因素373.3.3信任证据393.4信任评估423.4.1信任因素3.4.2信任评估技术463.5选择值得信赖的数据服务463.6结论494黑盒数据服务的数据新鲜度评估模型4.1导言514.2数据新鲜度评估模型534.3TUTOR:daTa qUaliTy可观测性pRotocol564.3.1一般原则564.3.2时间性知识模型584.3.3数据质量可观察性过程624.4导师:实施和评估664.4.1TUTOR通用架构674.4.2随机抽样方法694.5基于TUTOR的数据质量评估模型794.5.1DQEM:实验设置804.5.2排名有效性评估指标82内容XI4.5.3DQEM:结果讨论844.5.4DQEM:计算时间评估874.6结论904.6.1摘要904.6.2&增强理念90的局限性5基于信任的黑盒数据服务5.1导言935.2数据服务信任评估模型945.3检测:黑盒数据服务信任评估arChitecTure965.3.1性能测量模块975.3.2数据质量测量模块985.3.3数据服务信任测量模块995.4DETECT:实施和评估1005.4.1实验设置1005.4.2实验1:根据信任因素偏好进行1065.4.3实验2:用户满意度评估1105.4.4计算时间评估1165.5结论1175.5.1摘要1175.5.2限制&增强理念1186结论和今后的工作121结论1216.1主要发现贡献1216.1.1如何通过关注使用黑盒数据服务访问的数据的新鲜度来评估数据的质量?121xii内容6.1.2如何评估黑盒数据服务的信任级别?.............................................................. 1226.2未来工作1236.2.1信托估值及其因素的1236.2.2可扩展性123数据采样125参考书目140图列表1.1Alice数据服务41.2主要贡献71.3论文结构92.1基于服务的应用程序:图132.2面向服务的计算132.3单块与SOA与微服务2.4SOA、Web服务和云计算172.5API说明202.6流数据服务:案例场景2.7黑盒数据服务273.1计算系统的信任堆栈323.2对数据服务的343.3示例:采样方法[Jin+18]413.4信任解决方案的分类433.5信任评估解决方案444.1数据质量评估:图544.2数据时间性。.....................................................................................................................554.3导师过程574.4TUTOR4.5KDB架构类图624.6KDB对象图:示例624.7通用体系结构:黑盒数据服务十三xiv图列表4.8每500秒的数据时间性评估714.9CS 1-不同采样频率的4.10 CS2 -不同采样频率的4.11 CS3 -不同采样频率的4.12 插图CS1:静态Sf79的采样点4.13 教程1:NDCG根据DQ和DB 85对服务排名的变化4.14 根据DQ和DB 85,NDCG服务排名变化4.15 TUTOR1TUTOR2每次操作类型的NDCG864.16 TUTOR1VSTUTOR2: NDCG服务的DQ变化排名4.17 DQEM与随机选择的计算时间成本-600个请求884.18 DQEM与随机选择的计算时间成本-3000个请求4.19 计算时间开销895.1数据服务信任评估体系结构。.........................................................................................975.2信任评估流程。.................................................................................................................995.3实验设置:数据服务信任评估。...................................................................................1015.4PMM实验设置:Docker容器。.................................................................................... 1025.5JMETER:GET请求示例。............................................................................................1035.6我是普罗米修斯的听众。...............................................................................................1035.7性能监控过程。...............................................................................................................1045.8时间效率与数据新鲜度之间的关系。...........................................................................1095.9测试脚本进程:发送请求。...........................................................................................1115.10 测试脚本过程:评估用户满意度。...............................................................................1135.11 美国临时工(每个职位1份工作)。.................................................................................1135.12 美国DT随时间(每个职位1个职位)............................................................................. 1145.13 置信度评估模型的比较(x = 15)................................................................................ 1155.14 DT:信任评估模型的比较(x=15)。.........................................................................115图十五列表A.1 概率抽样方法...................................................................................................................126表列表2.1服务信任评估因素和相关指标232.2数据质量维度243.1定义服务信任因素指标的现有工作3.2定义数据信任因素指标的现有工作3.3信任因素证据:相关工作413.4每年论文数量范围474.1时间点采样数据示例St614.2包含3个样本观察结果的知识数据库示例4.3可观测性协议符号634.4CS1:数据时间性变化734.5CS2:数据时间性变化734.6CS3:数据时间性变化754.7CS1更新检测评估764.8CS2更新检测评估764.9CS3更新检测评估774.10 评估所有CS的平均值权衡774.11 结果:权衡评估(γ=θ=0.5)784.12 e-heathcare场景:数据服务更新频率804.13 服务数据质量排名:预期814.14 前10名数据服务的不同操作5.1根据信任因素排名的1065.2不同需求的请求输出108十七十八表列表5.3信托计算时间开销116首字母缩略词表应用程序应用程序编程接口检测数据服务作为黑盒信任评估arChitecTureIaaS基础架构即服务物联网物联网KPI关键绩效指标PaaS平台即服务QOD数据的质量QoS服务质量其余代表性状态转移SaaS软件即服务SLA服务水平协议SOA面向服务的体系结构SOAP简单对象访问协议峰会多云多层服务导师可观测性pRotocolUF更新频率WSWeb服务无线网络无线传感器网络十九
下载后可阅读完整内容,剩余1页未读,立即下载
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)