CN105450707A - 一种云媒体资源的分配方法及系统 - Google Patents
一种云媒体资源的分配方法及系统 Download PDFInfo
- Publication number
- CN105450707A CN105450707A CN201410438605.9A CN201410438605A CN105450707A CN 105450707 A CN105450707 A CN 105450707A CN 201410438605 A CN201410438605 A CN 201410438605A CN 105450707 A CN105450707 A CN 105450707A
- Authority
- CN
- China
- Prior art keywords
- resource
- tasks
- price
- income
- average
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种云媒体资源的分配方法及系统,所述方法包括:根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益;按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配。通过考虑资源任务申请者和资源拥有者的信用度,结合时间和价格因素,得出分配收益最大的分配序列,准确性高,可靠性强,分配成功率和用户体验均得到了显著的提升。
Description
技术领域
本发明涉及通信技术领域,具体而言,涉及一种云媒体资源的分配方法及系统。
背景技术
在云环境中,存在着大量的资源,这些资源被多个用户请求使用。对这些资源进行合理有效得分配,不仅可以极大地提高资源利用率,还可以增加经济QoS(QualityofService,服务质量)和性能QoS。如何高效地分配这些资源是目前亟待解决的问题。
目前,传统的分配方式是按照资源任务的发布时间找待分配时间最长的资源进行分配,即先到先得原则;另一种分配方式是通过定价的方式分析出资源任务和资源的虚拟价值,按照二者交易的收益价格最大序列进行分配,但按照这种方式进行资源分配后,经常会出现资源申请者又不需要资源的情况出现,导致资源分配成功率低,容易造成资源的浪费,并且由于分析的因素不全面,导致分配的效用低。
发明内容
本发明旨在提供一种云媒体资源的分配方法,以解决现有技术中资源分配效用低的问题。
在一些说明性实施例中,所述云媒体资源的分配方法,包括:根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益;按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配。
本发明的另一个目的是提供一种云媒体资源的分配系统。
在一些说明性实施例中,所述云媒体资源的分配系统,包括:收益结算模块,用于根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益;分配模块,用于按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配。
与现有技术相比,本发明的说明性实施例包括以下优点:
通过考虑资源任务的申请者和资源的拥有者的信用度,结合时间和价格因素,得出交易收益最大的分配序列进行分配,准确性高,可靠性强,分配成功率和用户体验得到了显著的提升。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了说明性实施例的流程图;
图2示出了说明性实施例的流程图;
图3示出了说明性实施例的系统框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了更好的理解本发明中的说明性实施例,下面对本发明说明性实施例中的主要思想进行简单说明。
目前,对于云媒体资源分配以下有多种算法支持:
1、贪心算法:又称贪婪算法,仅仅是从一个资源任务出发进行考虑,找到该资源任务在资源中最好的选择,是从单一方面进行的分析,仅仅找到了这个资源任务最好的选择,并没有从所有资源任务和所有资源以整体的角度出发进行考虑,因此通过贪心算法得到的分配序列对于整体资源分配来说意义不大,分配效用很低。
2、先来先服务算法(FCFS:firstcomefirstservice):总是把当前处于就绪队列之首的那个进程调度到运行状态。也就说,它只考虑进程进入就绪队列的先后,而不考虑它的下一个CPU周期的长短及其他因素。FCFS算法简单易行,但性能、效用很低。
3、双向拍卖算法:买方和卖方给出各自的报价和参加交易的产品数量信息,根据产品信息和报价找到最优的购买方式。
本发明是对云媒体资源进行分配时基于上述中的双向拍卖算法,根据资源任务和资源的自身属性,分别确定二者的虚拟价格,以及二者之间的虚拟交易收益,从而以交易收益最大的分配序列进行分配,得到云媒体资源中最优的分配序列。并且由于在实际的分配中,经常会出现资源分配成功,而资源任务的申请者不再需要该资源的情况,撤销资源任务,导致资源分配失败,效用低的问题;本发明还通过分析资源申请者或资源拥有者在以往分配过程中的分配成功率作为其信用度,将交易收益与其信用度相结合,得到可靠性强、分配效用最高的分配序列作为最优分配序列。
如图1所示,公开了一种云媒体资源的分配方法,包括:
S11、根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益;
S12、按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配。
通过考虑资源任务的申请者和资源的拥有者的信用度,结合时间和价格因素,得出分配收益最大的分配序列,准确性高,可靠性强,分配成功率和用户体验得到了显著的提升。
在一些说明性实施例中,所述根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益,具体包括:
根据每个资源任务在每个资源的拥有者守信和不守信两种状态下的收益,确定该资源任务的平均期望;
根据每个资源在每个资源任务的申请者守信和不守信两种状态下的收益,确定该资源的平均期望;
根据每个所述资源任务的平均期望以及每个所述资源的平均期望,计算出每个所述资源任务与每个所述资源进行交易的综合收益。
在一些说明性实施例中,在确定每个所述资源任务的平均期望之前,还包括:
根据每个资源任务的价格、以及资源任务与资源之间交易的平均价格,确定该资源任务在所述两种状态下的收益。
在一些说明性实施例中,通过如下公式获得所述资源任务在两种状态下的收益:
其中,为第i个资源任务的收益,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,fp(t)为资源任务与资源之间交易的平均价格,表示第j个资源的拥有者守信,表示第j个资源的拥有者不守信。
在一些说明性实施例中,通过如下公式获得所述资源任务的平均期望:
其中,为第i个资源任务的平均期望,表示第i个资源任务在第j个资源的拥有者守信的情况下的收益,表示第i个资源任务在第j个资源的拥有者不守信的情况下的收益,p(rj)表示第j个资源的拥有者的信用度。
在一些说明性实施例中,在确定每个所述资源的平均期望之前,还包括:
根据每个资源的价格、以及资源任务与资源之间交易的平均价格,确定该资源在所述两种状态下的收益。
在一些说明性实施例中,通过如下公式获得所述资源在两种状态下的收益:
其中,为第j个资源的收益,fp(t)为资源任务与资源之间交易的平均价格,lpj为第j个资源的最低要求价格,表示第i个资源任务的申请者守信,表示第i个资源任务的申请者不守信。
在一些说明性实施例中,通过如下公式获得所述资源的平均期望:
其中,为第j个资源任务的平均期望,表示第j个资源在第i个资源任务的申请者守信的情况下的收益,表示第j个资源在第i个资源任务的申请者不守信的情况下的收益,p(ui)表示第i个资源任务的申请者的信用度。
在一些说明性实施例中,所述资源任务与资源之间交易的平均价格为每个所述资源任务的价格中最高价格和每个所述资源的价格中最低价格的平均值。
在一些说明性实施例中,每个所述资源任务的价格是根据基于平均剩余时间的时间价格,以及基于剩余资源的任务价格获得的综合价格。
在一些说明性实施例中,每个所述资源任务的时间价格根据该资源任务的任务长度和期望价格、所述资源的平均要求价格和平均剩余时间、以及该资源任务对所述资源中最大剩余时间确定。
在一些说明性实施例中,通过如下公式获得每个所述资源任务的时间价格:
其中,为第i个资源任务的时间价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,为资源的平均剩余时间,为第i个任务对于所有资源的最大剩余时间,β为第一调节系数。
在一些说明性实施例中,每个所述资源任务的任务价格根据该资源任务的任务长度和期望价格、以及所述资源的平均要求价格确定。
在一些说明性实施例中,通过如下公式获得资源任务的的任务价格:
其中,为第i个资源任务的任务价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,表示为t时刻支持与该资源任务进行交易的资源的数量,表示支持与该资源任务进行交易的资源的总数量,α为第二调节系数。
在一些说明性实施例中,通过如下公式获得所述资源任务的价格:
其中,为第i个资源任务的时间价格,为第i个资源任务的任务价格,α′,β′分别为第三调节系数和第四调节系数。
在一些说明性实施例中,所述资源的价格根据该资源的要求价格上限、要求价格下限,以及该资源处理下一个资源任务的开始时间和该资源当前执行的资源任务的总时间确定。
在一些说明性实施例中,通过如下公式获得所述资源的价格:
其中,rpj(t)为资源的价格,lpj为资源的最低要求价格,hpj为资源的最高要求价格,stj(t)表示资源处理下一个资源任务的开始时间,wlj(t)表示资源当前执行的资源任务的总时间,σ为第五调节系数。
在一些说明性实施例中,通过如下公式获得每个所述资源任务与每个所述资源进行交易的综合收益:
其中,Uti(fp(t))为综合收益,为第i个资源任务的平均期望,为第j个资源任务的平均期望。
在一些说明性实施例中,所述按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配,具体包括:以所述资源任务和所述资源的序号,建立包含有每个所述资源任务和每个所述资源进行交易的概率的矩阵;将每个所述资源任务和每个所述资源进行交易的综合收益与其对应的概率相乘,得到该资源任务与该资源进行交易的最终收益;按照所述所有分配序列中最终收益之和最大的分配序列进行资源分配。
概率矩阵如下P:
其中,pij为第i个资源任务与第j个资源进行交易的概率;矩阵中的每一行和每一列的概率的代数和为1;即满足
每个资源任务与每个资源进行交易的综合收益结合概率矩阵,得到收益矩阵Ω:
其中,pij·Uti(fpij)为第i个资源任务和第j个资源进行交易的最终收益。
通过Uti(Γ*)=maxUti(Γ)找出最优分配序列,Γ={(1,j1),(2,j2),...,(m,jk)},jk∈[1,n]表示每一个可能的分配序列,例如一个分配序列包括:第1个资源任务分配给第1个资源,……,由于第1个资源任务和第1个资源分配完成,所以第1个资源任务和其他资源无法再次分配,直至所有资源任务分配结束。又例如第2个资源任务分配给了第3个资源,由于第2个资源任务和第3个资源分配完成,无法再次分配给其他资源,直至资源任务完全分配结束。Γ*={(1,j1 *),(2,j2 *),...,(m,jk *)},jk∈[1,n]表示Γ中最终收益之和最大的分配序列,即最优分配序列,按照此分配序列进行分配。
如图2所示,在一些说明性实施例中,公开了一种云媒体资源的分配方法,包括:
S21、数据初始化;
资源申请者的集合U={u1,u2,......,um}及资源任务的集合T={t1,t2,...,tm};每一个资源申请者只能申请一个资源任务,即u1的资源任务为t1;每个资源任务的属性为ti={tidi,li,bi,di},i∈[1,m];tidi表示第i个任务的身份标识;li表示第i个任务的长度;bi表示第i个任务的期望价格;di表示第i个任务的最后期限。
资源拥有者的集合O={o1,o2,......,on}及资源的集合R={r1,r2,......,rn};每一个资源拥有者只能具有一个资源,即o1的资源为r1;每个资源的属性rj={ridj,cpuj,stj,lpj,hpj},j∈[1,n],ridj表示第j个资源的身份标识;cpuj表示第j个资源的任务处理速度以及计算能力;stj表示第j个资源处理任务的开始时间;lpj表示第j个资源的最低要求价格,即成本价;hpj表示第j个资源的最高要求价格。
S22、建立概率矩阵 表示m个资源任务以及n个资源的进行交易的概率矩阵,其中pij表示第j个资源分配给第i个任务的概率。
S23、确定资源任务的价格和资源的价格;
公式1:
公式2:
公式3:
通过公式1、公式2和公式3确定资源任务的价格;
公式4:
通过公式4确定资源的价格。
S24、确定交易平均价格;
公式5:
根据公式5确定资源任务和资源进行交易平均价格。
S25、确定资源任务的收益和资源的收益;
公式6:
根据公式6确定资源任务在每个资源的拥有者守信和不守信两种状态下的收益;
公式7:
根据公式7确定资源在每个资源任务的申请者守信和不守信两种状态下的收益。
S26、确定资源任务和资源的收益的平均期望;
公式8:
根据公式8确定每个资源任务的收益的平均期望;
公式9:
根据公式9确定每个资源的收益的平均期望。
S27、确定每个资源任务和每个资源进行交易的综合收益;
公式10:
根据公式10确定每个资源任务和每个资源进行交易的综合收益。
S28、建立最终收益矩阵;
将步骤S22中得到的概率矩阵与综合收益相结合,得到收益矩阵。
S29、确定最优分配序列,并按照最优分配序列进行分配。
如图3所示,公开了一种云媒体资源的分配系统100,包括:根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益的收益结算模块101;按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配的分配模块102。
在一些说明性实施例中,所述收益结算模块中包括:根据每个资源任务在每个资源的拥有者守信和不守信两种状态下的收益,确定该资源任务的平均期望第一结算子模块103;根据每个资源在每个资源任务的申请者守信和不守信两种状态下的收益,确定该资源的平均期望的第二结算子模块104;根据每个所述资源任务的平均期望以及每个所述资源的平均期望,计算出每个所述资源任务与每个所述资源进行交易的综合收益的第三结算子模块105。
在一些说明性实施例中,所述系统中还包括:在确定每个所述资源任务的平均期望之前,根据每个资源任务的价格、以及资源任务与资源之间交易的平均价格,确定该资源任务在所述两种状态下的收益的资源任务收益评估模块106。
在一些说明性实施例中,所述资源任务收益评估模块用于通过如下公式获得所述资源任务在两种状态下的收益:
其中,为第i个资源任务的收益,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,fp(t)为资源任务与资源之间交易的平均价格,表示第j个资源的拥有者守信,表示第j个资源的拥有者不守信。
在一些说明性实施例中,所述第一结算子模块用于通过如下公式获得所述资源任务的平均期望:
其中,为第i个资源任务的平均期望,表示第i个资源任务在第j个资源的拥有者守信的情况下的收益,表示第i个资源任务在第j个资源的拥有者不守信的情况下的收益,p(rj)表示第j个资源的拥有者的信用度。
在一些说明性实施例中,所述系统中还包括:在确定每个所述资源的平均期望之前,根据每个资源的价格、以及资源任务与资源之间交易的平均价格,确定该资源在所述两种状态下的收益的资源收益评估模块107。
在一些说明性实施例中,所述资源收益评估模块用于通过如下公式获得所述资源在两种状态下的收益:
其中,为第j个资源的收益,fp(t)为资源任务与资源之间交易的平均价格,lpj为第j个资源的最低要求价格,表示第i个资源任务的申请者守信,表示第i个资源任务的申请者不守信。
在一些说明性实施例中,所述第二结算子模块用于通过如下公式获得所述资源的平均期望:
其中,为第j个资源任务的平均期望,表示第j个资源在第i个资源任务的申请者守信的情况下的收益,表示第j个资源在第i个资源任务的申请者不守信的情况下的收益,p(ui)表示第i个资源任务的申请者的信用度。
在一些说明性实施例中,所述资源任务与资源之间交易的平均价格为每个所述资源任务的价格中最高价格和每个所述资源的价格中最低价格的平均值。
在一些说明性实施例中,所述系统中还包括:根据基于平均剩余时间的时间价格,以及基于剩余资源的任务价格确定该资源任务的价格的资源任务价格评估模块108。
在一些说明性实施例中,所述系统中还包括:根据每个资源任务的任务长度和期望价格、所述资源的平均要求价格和平均剩余时间、以及该资源任务对所述资源中最大剩余时间确定该所述资源任务的时间价格的时间价格评估模块109。
在一些说明性实施例中,所述时间价格评估模块,用于通过如下公式获得每个所述资源任务的时间价格:
其中,为第i个资源任务的时间价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,为资源的平均剩余时间,为第i个任务对于所有资源的最大剩余时间,β为第一调节系数。
在一些说明性实施例中,所述系统中还包括:根据每个资源任务的任务长度和期望价格、以及所述资源的平均要求价格确定该所述资源任务的任务价格的任务价格评估模块110。
在一些说明性实施例中,所述任务价格评估模块,用于通过如下公式获得资源任务的的任务价格:
其中,为第i个资源任务的任务价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,表示为t时刻支持与该资源任务进行交易的资源的数量,表示支持与该资源任务进行交易的资源的总数量,α为第二调节系数。
在一些说明性实施例中,所述资源任务价格评估模块用于通过如下公式获得所述资源任务的价格:
其中,为第i个资源任务的时间价格,为第i个资源任务的任务价格,α′,β′分别为第三调节系数和第四调节系数。
在一些说明性实施例中,所述系统中还包括:根据每个资源的要求价格上限、要求价格下限,以及该资源处理下一个资源任务的开始时间和该资源当前执行的资源任务的总时间确定该资源的价格的资源价格评估模块111。
在一些说明性实施例中,所述资源价格评估模块,用于通过如下公式获得所述资源的价格:
其中,rpj(t)为资源的价格,lpj为资源的最低要求价格,hpj为资源的最高要求价格,stj(t)表示资源处理下一个资源任务的开始时间,wlj(t)表示资源当前执行的资源任务的总时间,σ为第五调节系数。
在一些说明性实施例中,所述第三结算子模块用于通过如下公式获得每个所述资源任务与每个所述资源进行交易的综合收益:
其中,Uti(fp(t))为综合收益,为第i个资源任务的平均期望,为第j个资源任务的平均期望。
在一些说明性实施例中,所述分配模块中包括:以所述资源任务和所述资源的序号,建立包含有每个所述资源任务和每个所述资源进行交易的概率的矩阵的矩阵建立模块112;将每个所述资源任务和每个所述资源进行交易的综合收益与其对应的概率相乘,得到该资源任务与该资源进行交易的最终收益的收益计算模块113;按照所述所有分配序列中最终收益之和最大的分配序列进行资源分配的分配子模块114。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (38)
1.一种云媒体资源的分配方法,其特征在于,包括:
根据每个资源任务申请者和每个资源拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益;
按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配。
2.根据权利要求1所述的分配方法,其特征在于,所述根据每个资源任务申请者和每个资源拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益,具体包括:
根据每个资源任务在每个资源的拥有者守信和不守信两种状态下的收益,确定该资源任务的平均期望;
根据每个资源在每个资源任务的申请者守信和不守信两种状态下的收益,确定该资源的平均期望;
根据每个所述资源任务的平均期望以及每个所述资源的平均期望,计算出每个所述资源任务与每个所述资源进行交易的综合收益。
3.根据权利要求2所述的分配方法,其特征在于,在确定每个所述资源任务的平均期望之前,还包括:
根据每个资源任务的价格、以及资源任务与资源之间交易的平均价格,确定该资源任务在所述两种状态下的收益。
4.根据权利要求3所述的分配方法,其特征在于,通过如下公式获得所述资源任务在两种状态下的收益:
其中,为第i个资源任务的收益,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,fp(t)为资源任务与资源之间交易的平均价格,表示第j个资源的拥有者守信,表示第j个资源的拥有者不守信。
5.根据权利要求4所述的分配方法,其特征在于,通过如下公式获得所述资源任务的平均期望:
其中,为第i个资源任务的平均期望,表示第i个资源任务在第j个资源拥有者守信的情况下的收益,表示第i个资源任务在第j个资源拥有者不守信的情况下的收益,p(rj)表示第j个资源拥有者的信用度。
6.根据权利要求2所述的分配方法,其特征在于,在确定每个所述资源的平均期望之前,还包括:
根据每个资源的价格、以及资源任务与资源之间交易的平均价格,确定该资源在所述两种状态下的收益。
7.根据权利要求6所述的分配方法,其特征在于,通过如下公式获得所述资源在两种状态下的收益:
其中,为第j个资源的收益,fp(t)为资源任务与资源之间交易的平均价格,lpj为第j个资源的最低要求价格,表示第i个资源任务申请者守信,表示第i个资源任务申请者不守信。
8.根据权利要求7所述的分配方法,其特征在于,通过如下公式获得所述资源的平均期望:
其中,为第j个资源任务的平均期望,表示第j个资源在第i个资源任务申请者守信的情况下的收益,表示第j个资源在第i个资源任务申请者不守信的情况下的收益,p(ui)表示第i个资源任务申请者的信用度。
9.根据权利要求3或6所述的分配方法,其特征在于,所述资源任务与资源之间交易的平均价格为每个所述资源任务的价格中最高价格和每个所述资源的价格中最低价格的平均值。
10.根据权利要求3所述的分配方法,其特征在于,每个所述资源任务的价格是根据基于平均剩余时间的时间价格,以及基于剩余资源的任务价格获得的综合价格。
11.根据权利要求10所述的分配方法,其特征在于,每个所述资源任务的时间价格根据该资源任务的任务长度和期望价格、所述资源的平均要求价格和平均剩余时间、以及该资源任务对所述资源中最大剩余时间确定。
12.根据权利要求11所述的分配方法,其特征在于,通过如下公式获得每个所述资源任务的时间价格:
其中,为第i个资源任务的时间价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,为资源的平均剩余时间,为第i个任务对于所有资源的最大剩余时间,β为第一调节系数。
13.根据权利要求10所述的分配方法,其特征在于,每个所述资源任务的任务价格根据该资源任务的任务长度和期望价格、以及所述资源的平均要求价格确定。
14.根据权利要求13所述的分配方法,其特征在于,通过如下公式获得资源任务的的任务价格:
其中,为第i个资源任务的任务价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,表示为t时刻支持与该资源任务进行交易的资源的数量,表示支持与该资源任务进行交易的资源的总数量,α为第二调节系数。
15.根据权利要求10所述的分配方法,其特征在于,通过如下公式获得所述资源任务的价格:
其中,为第i个资源任务的时间价格,为第i个资源任务的任务价格,α′,β′分别为第三调节系数和第四调节系数。
16.根据权利要求6所述的分配方法,其特征在于,所述资源的价格根据该资源的要求价格上限、要求价格下限,以及该资源处理下一个资源任务的开始时间和该资源当前执行的资源任务的总时间确定。
17.根据权利要求16所述的分配方法,其特征在于,通过如下公式获得所述资源的价格:
其中,rpj(t)为资源的价格,lpj为资源的最低要求价格,hpj为资源的最高要求价格,stj(t)表示资源处理下一个资源任务的开始时间,wlj(t)表示资源当前执行的资源任务的总时间,σ为第五调节系数。
18.根据权利要求2所述的分配方法,其特征在于,通过如下公式获得每个所述资源任务与每个所述资源进行交易的综合收益:
其中,Uti(fp(t))为综合收益,为第i个资源任务的平均期望,为第j个资源任务的平均期望。
19.根据权利要求1所述的分配方法,其特征在于,所述按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配,具体包括:
以所述资源任务和所述资源的序号,建立包含有每个所述资源任务和每个所述资源进行交易的概率矩阵;
将每个所述资源任务和每个所述资源进行交易的综合收益与其对应的概率相乘,得到该资源任务与该资源进行交易的最终收益;
按照所述所有分配序列中最终收益之和最大的分配序列进行资源分配。
20.一种云媒体资源的分配系统,其特征在于,包括:
收益结算模块,用于根据每个资源任务的申请者和每个资源的拥有者的信用度,确定每个所述资源任务与每个所述资源进行交易的综合收益;
分配模块,用于按照每个所述资源任务与每个所述资源之间进行交易的所有分配序列中所述综合收益之和最大的分配序列进行资源分配。
21.根据权利要求20所述的分配系统,其特征在于,所述收益结算模块中包括:
第一结算子模块,用于根据每个资源任务在每个资源的拥有者守信和不守信两种状态下的收益,确定该资源任务的平均期望;
第二结算子模块,用于根据每个资源在每个资源任务的申请者守信和不守信两种状态下的收益,确定该资源的平均期望;
第三结算子模块,用于根据每个所述资源任务的平均期望以及每个所述资源的平均期望,计算出每个所述资源任务与每个所述资源进行交易的综合收益。
22.根据权利要求21所述的分配系统,其特征在于,还包括:
资源任务收益评估模块,用于在确定每个所述资源任务的平均期望之前,根据每个资源任务的价格、以及资源任务与资源之间交易的平均价格,确定该资源任务在所述两种状态下的收益。
23.根据权利要求22所述的分配系统,其特征在于,所述资源任务收益评估模块用于通过如下公式获得所述资源任务在两种状态下的收益:
其中,为第i个资源任务的收益,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,fp(t)为资源任务与资源之间交易的平均价格,表示第j个资源的拥有者守信,表示第j个资源的拥有者不守信。
24.根据权利要求23所述的分配系统,其特征在于,所述第一结算子模块用于通过如下公式获得所述资源任务的平均期望:
其中,为第i个资源任务的平均期望,表示第i个资源任务在第j个资源的拥有者守信的情况下的收益,表示第i个资源任务在第j个资源的拥有者不守信的情况下的收益,p(rj)表示第j个资源的拥有者的信用度。
25.根据权利要求21所述的分配系统,其特征在于,还包括:
资源收益评估模块,用于在确定每个所述资源的平均期望之前,根据每个资源的价格、以及资源任务与资源之间交易的平均价格,确定该资源在所述两种状态下的收益。
26.根据权利要求25所述的分配系统,其特征在于,所述资源收益评估模块用于通过如下公式获得所述资源在两种状态下的收益:
其中,为第j个资源的收益,fp(t)为资源任务与资源之间交易的平均价格,lpj为第j个资源的最低要求价格,表示第i个资源任务的申请者守信,表示第i个资源任务的申请者不守信。
27.根据权利要求26所述的分配系统,其特征在于,所述第二结算子模块用于通过如下公式获得所述资源的平均期望:
其中,为第j个资源任务的平均期望,表示第j个资源在第i个资源任务的申请者守信的情况下的收益,表示第j个资源在第i个资源任务的申请者不守信的情况下的收益,p(ui)表示第i个资源任务的申请者的信用度。
28.根据权利要求22或25所述的分配系统,其特征在于,所述资源任务与资源之间交易的平均价格为每个所述资源任务的价格中最高价格和每个所述资源的价格中最低价格的平均值。
29.根据权利要求22所述的分配系统,其特征在于,还包括:
资源任务价格评估模块,用于根据基于平均剩余时间的时间价格,以及基于剩余资源的任务价格确定该资源任务的价格。
30.根据权利要求29所述的分配系统,其特征在于,还包括:
时间价格评估模块,用于根据每个资源任务的任务长度和期望价格、所述资源的平均要求价格和平均剩余时间、以及该资源任务对所述资源中最大剩余时间确定该所述资源任务的时间价格。
31.根据权利要求30所述的分配系统,其特征在于,所述时间价格评估模块,用于通过如下公式获得每个所述资源任务的时间价格:
其中,为第i个资源任务的时间价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,为资源的平均剩余时间,为第i个任务对于所有资源的最大剩余时间,β为第一调节系数。
32.根据权利要求29所述的分配系统,其特征在于,还包括:
任务价格评估模块,用于根据每个资源任务的任务长度和期望价格、以及所述资源的平均要求价格确定该所述资源任务的任务价格。
33.根据权利要求32所述的分配系统,其特征在于,所述任务价格评估模块,用于通过如下公式获得资源任务的的任务价格:
其中,为第i个资源任务的任务价格,为资源的平均最低价格,bi为第i个资源任务的期望价格,li为第i个任务的任务长度,表示为t时刻支持与该资源任务进行交易的资源的数量,表示支持与该资源任务进行交易的资源的总数量,α为第二调节系数。
34.根据权利要求29所述的分配系统,其特征在于,所述资源任务价格评估模块用于通过如下公式获得所述资源任务的价格:
其中,为第i个资源任务的时间价格,为第i个资源任务的任务价格,α′,β′分别为第三调节系数和第四调节系数。
35.根据权利要求25所述的分配系统,其特征在于,还包括:
资源价格评估模块,用于根据每个资源的要求价格上限、要求价格下限,以及该资源处理下一个资源任务的开始时间和该资源当前执行的资源任务的总时间确定该资源的价格。
36.根据权利要求35所述的分配系统,其特征在于,所述资源价格评估模块,用于通过如下公式获得所述资源的价格:
其中,rpj(t)为资源的价格,lpj为资源的最低要求价格,hpj为资源的最高要求价格,stj(t)表示资源处理下一个资源任务的开始时间,wlj(t)表示资源当前执行的资源任务的总时间,σ为第五调节系数。
37.根据权利要求21所述的分配系统,其特征在于,所述第三结算子模块用于通过如下公式获得每个所述资源任务与每个所述资源进行交易的综合收益:
其中,Uti(fp(t))为综合收益,为第i个资源任务的平均期望,为第j个资源的平均期望。
38.根据权利要求19所述的分配系统,其特征在于,所述分配模块中包括:
矩阵建立模块,用于以所述资源任务和所述资源的序号,建立包含有每个所述资源任务和每个所述资源进行交易的概率矩阵;
收益计算模块,用于将每个所述资源任务和每个所述资源进行交易的综合收益与其对应的概率相乘,得到该资源任务与该资源进行交易的最终收益;
分配子模块,用于按照所述所有分配序列中最终收益之和最大的分配序列进行资源分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410438605.9A CN105450707B (zh) | 2014-08-29 | 2014-08-29 | 一种云媒体资源的分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410438605.9A CN105450707B (zh) | 2014-08-29 | 2014-08-29 | 一种云媒体资源的分配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105450707A true CN105450707A (zh) | 2016-03-30 |
CN105450707B CN105450707B (zh) | 2019-03-08 |
Family
ID=55560477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410438605.9A Active CN105450707B (zh) | 2014-08-29 | 2014-08-29 | 一种云媒体资源的分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105450707B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874107A (zh) * | 2016-12-26 | 2017-06-20 | 广东工业大学 | 移动云计算中一种基于团购的微云资源拍卖技术 |
CN107944658A (zh) * | 2017-10-23 | 2018-04-20 | 深圳前海风车科技服务有限公司 | 通过组合分析引导健康资源配置的数据处理方法和装置 |
WO2018090785A1 (zh) * | 2016-11-18 | 2018-05-24 | 腾讯科技(深圳)有限公司 | 请求处理方法、服务器及客户端 |
CN108572875A (zh) * | 2018-04-28 | 2018-09-25 | 辽宁工程技术大学 | 资源分配方法、装置及系统 |
CN109491778A (zh) * | 2018-11-22 | 2019-03-19 | 西安电子科技大学 | 基于nfc-ran场景的任务分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080018013A (ko) * | 2006-08-23 | 2008-02-27 | 인하대학교 산학협력단 | 그리드 자원 관리 시스템 및 방법 |
CN101448026A (zh) * | 2008-12-16 | 2009-06-03 | 中国科学技术大学 | 网格市场中基于信任过滤的计算节点选择方法 |
CN103854208A (zh) * | 2014-03-11 | 2014-06-11 | 湖州师范学院 | 一种云市场多类型资源分配定价机制及其实现算法 |
CN103973740A (zh) * | 2013-01-31 | 2014-08-06 | 青岛海尔电子有限公司 | 资源分配方法 |
-
2014
- 2014-08-29 CN CN201410438605.9A patent/CN105450707B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080018013A (ko) * | 2006-08-23 | 2008-02-27 | 인하대학교 산학협력단 | 그리드 자원 관리 시스템 및 방법 |
CN101448026A (zh) * | 2008-12-16 | 2009-06-03 | 中国科学技术大学 | 网格市场中基于信任过滤的计算节点选择方法 |
CN103973740A (zh) * | 2013-01-31 | 2014-08-06 | 青岛海尔电子有限公司 | 资源分配方法 |
CN103854208A (zh) * | 2014-03-11 | 2014-06-11 | 湖州师范学院 | 一种云市场多类型资源分配定价机制及其实现算法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018090785A1 (zh) * | 2016-11-18 | 2018-05-24 | 腾讯科技(深圳)有限公司 | 请求处理方法、服务器及客户端 |
CN106874107A (zh) * | 2016-12-26 | 2017-06-20 | 广东工业大学 | 移动云计算中一种基于团购的微云资源拍卖技术 |
CN107944658A (zh) * | 2017-10-23 | 2018-04-20 | 深圳前海风车科技服务有限公司 | 通过组合分析引导健康资源配置的数据处理方法和装置 |
CN108572875A (zh) * | 2018-04-28 | 2018-09-25 | 辽宁工程技术大学 | 资源分配方法、装置及系统 |
CN108572875B (zh) * | 2018-04-28 | 2020-09-04 | 辽宁工程技术大学 | 资源分配方法、装置及系统 |
CN109491778A (zh) * | 2018-11-22 | 2019-03-19 | 西安电子科技大学 | 基于nfc-ran场景的任务分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105450707B (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zaman et al. | Combinatorial auction-based allocation of virtual machine instances in clouds | |
CN105450707A (zh) | 一种云媒体资源的分配方法及系统 | |
Mashayekhy et al. | A PTAS mechanism for provisioning and allocation of heterogeneous cloud resources | |
US7899697B2 (en) | Application of brokering methods to security characteristics | |
Lampe et al. | Maximizing cloud provider profit from equilibrium price auctions | |
De Assunçao et al. | An evaluation of communication demand of auction protocols in grid environments | |
Zhang et al. | An auction mechanism for resource allocation in mobile cloud computing systems | |
CN109040193B (zh) | 基于无依赖子任务的移动设备云资源分配方法 | |
Zaman et al. | Combinatorial auction-based mechanisms for vm provisioning and allocation in clouds | |
CN104216786A (zh) | 一种基于云海监控的资源分配方法 | |
Danak et al. | Resource allocation with supply adjustment in distributed computing systems | |
US8032407B2 (en) | Application of brokering methods to scalability characteristics | |
Yi et al. | Flexible instance: Meeting deadlines of delay tolerant jobs in the cloud with dynamic pricing | |
Chen et al. | Design of an aggregated marketplace under congestion effects: Asymptotic analysis and equilibrium characterization | |
US8140446B2 (en) | Application of brokering methods to operational support characteristics | |
CN103051730B (zh) | 一种云计算商务环境下多源信息服务资源分配系统及IA-Min分配方法 | |
US8041600B2 (en) | Application of brokering methods to performance characteristics | |
Vinothiyalakshmi et al. | Efficient dynamic resource provisioning based on credibility in cloud computing | |
CN106845718A (zh) | 一种高效的云市场弹性期限计算资源拍卖机制 | |
Wu et al. | An effective data-driven cloud resource procurement scheme with personalized reserve prices | |
Bapna et al. | A clock-and-offer auction market for grid resources when bidders face stochastic computational needs | |
CN109410014B (zh) | 卫星网络下基于定价机制的虚拟资源共享分配方法及应用 | |
Choi et al. | Resource management mechanism for SLA provisioning on cloud computing for IoT | |
Farajian et al. | Parallel Continuous Double Auction for Service Allocation in Cloud Computing | |
Lijun et al. | Dynamic service provisioning and selection for satisfying cloud applications and cloud providers in hybrid cloud |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160715 Address after: 266101 Haier Industrial Park, Haier Road, Laoshan District, Shandong, Qingdao, China Applicant after: Qingdao Haier Electric Appliance Co., Ltd. Applicant after: QINGDAO HAIER MULTI-MEDIA CO., LTD. Address before: 266101 Haier Industrial Park, Haier Road, Laoshan District, Shandong, Qingdao, China Applicant before: Qingdao Haier Electric Appliance Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |