CN105512933A - 基于多归属组合双向拍卖的sdn网络资源定价方法 - Google Patents
基于多归属组合双向拍卖的sdn网络资源定价方法 Download PDFInfo
- Publication number
- CN105512933A CN105512933A CN201510931268.1A CN201510931268A CN105512933A CN 105512933 A CN105512933 A CN 105512933A CN 201510931268 A CN201510931268 A CN 201510931268A CN 105512933 A CN105512933 A CN 105512933A
- Authority
- CN
- China
- Prior art keywords
- resource
- node
- transaction
- demand
- sdn
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多归属组合双向拍卖的SDN资源定价方法,该方法包括如下步骤:确定SDN资源系统的服务链以及资源各种变量的参数,资源代理将节点发送的多归属服务链拆解成购买和出售两种类型的服务链;求出满足市场利益最大化的节点,资源代理将不同类型的节点放到相应的序列表中;排序得到交易的平均定价矩阵;利用K-定价方案计算得到SDN环境下的交易价格矩阵QUOTE
Description
技术领域
本发明属于SDN网络领域,具体涉及一种基于多归属组合双向拍卖的SDN资源定价方法。
背景技术
二十一世纪初,网格计算(GridComputing)将资源调度策略引入到了计算机网络。网格计算又称为分布式计算,其含义就是指将一个需要非常巨大的计算能力才能解决的问题划分成多个小的计算,然后将这些小计算分别分配给不同的计算机进行处理,最后把这些计算结果汇总得到最终结果的过程。网格计算中的主要的调度策略有三种:1)面向应用的调度策略,大部分都采用这种策略(Login中的方法),此策略对整个系统的影响不考虑在内。2)面向系统的调度策略,在整个系统的基础上去判定策略的可行性。3)面向资源市场的调度策略,这种调度策略由澳大利亚Monash大学的RajkumarBuyya最早提出,它的主要思想是:把网格环境和市场环境进行类比,也就是经济学模型引入到网格计算。
2006年8月9日,Google首席执行官埃里克施密特在搜索引擎大会首次提出“云计算”(CloudComputing)的概念。其中资源调度作为云计算的一个核心问题,其主要思想就是将整个互联网的资源汇聚整合起来,通过网络以便利的、按需的方式访问一个可配置的计算资源共享池来实现资源的虚拟化,以便于资源的调度。云计算资源调度策略主要有:1)以降低云计算数据中心的耗能为目的的调度策略,具体措施是动态调节服务器CPU电压或频率或者关闭闲置的服务器来降低耗能;2)IBM则开发出专用的资源监控代理和作业调度器实现云计算中资源的管理与调度。例如,IBM蓝云架构采用Tivoli系列产品来完成资源的管理与调度;3)云计算大部分采用Map.Reduce的编程模式,作为一种任务调度模型。与网格计算不同,云计算提供了一种虚拟化的环境。网格计算和云计算都可以提高网络资源的利用率。但是,网格计算主要是针对不同计算机之间计算能力的连接,非常适合高强度计算环境下的应用,并不适合多租户的共享;云计算主要是对网络资源的汇聚整合(即资源池化)以及虚拟化,之后按需向上提供网络资源,允许用户对基础设施的共享;其次,网格计算是对具有计算能力节点的自发联盟,一起解决具有大规模的计算难题,是对网络共享模式的递进;云计算根据网络资源的灵活性,是对网络资源进行外包的一种商业模型的创新。
网格计算与云计算中资源调度策略的引入,一定程度上缓解了资源浪费及不合理分配的问题。网格计算将一个整体的资源分割成多个小区域,分别进行资源的管理及分配。可以看出网格计算的操作是在一个整体的平台上进行的,然后将最终结果反馈给计算机系统。云计算则是将所有计算资源等虚拟化,归纳到一个大的资源池,然后在此资源池内对资源进行相关的搜索、组合、定价以及分配操作。其类似于网格计算,均在一个大的平台上进行操作的。
然而,这种单一平台方式并不能充分满足用户的需求,同时当得到用户需求的变化时也不能及时做出反映。对于所有资源的集中管理,不管是网格计算还是云计算都不能完美实现。不同于网格计算与云计算,SDN的分层架构使得资源操作扩展到了多个平台中。SDN同样采用云计算对资源的虚拟化以及池化,然而SDN的集中控制特点将用户需求的资源“抓”到统一的交易平台。最后交易双方将在此平台上进行交易,顾客需求的变化会及时反映到交易平台,平台也会做出及时地反应。同时,SDN的分层架构就使得层与层之间也存在着交易过程,每层之间的协商算法各不相同,最终协商出结果后,归纳到统一的平台进行交易。
SDN的面世,以其控制与转发的分离以及集中控制能力为特色,在分层的角度,诠释了未来网络架构的特性。其集中化的控制特点可以集中控制并整合所有网络资源,以便于资源的有效管理;其灵活的软件编程能力特点可以让非专业人员在调度策略中添加其他策略(例如,价格协商策略),进一步提高资源调度的性能;其高度的可扩展性特点可以解决业务需求快速增加而导致的资源调度效率低的问题。因此,在SDN体系机构背景下,系统可以更加灵活地调度网络资源,更容易实现资源的定价以及交易管理。顾客、服务提供商、拍卖代理以及拍卖平台,层次分明。如果将组合双向拍卖模型应用于其他网络(主要包括传统网络环境、网格计算环境以及云计算环境)中,该网络的一系列问题将会在这种组合双向拍卖中重现,不仅不能达到资源优化、节省的效果,反而会进一步加重网络的负担。SDN的分层架构,可以将四种角色完美地集成到每一层之中,这样就形成了一种层与层之间的SDN平台价格协商算法。
此外,考虑到最大化交易双方的利益,本发明将资源交易的平台不仅仅局限于一个平台,而是将其扩展为一种基于多归属结构的SDN资源交易模型,如图1所示。
根据SDN的三层架构,提出一种新型的多归属组合双向拍卖模型(Multi-OwnershipCombinatorialDoubleAuctionModel,简称MCDAM)。不同于传统组合双向拍卖模型,在SDN环境下,三种市场参与者是分层的,彼此之间的交流是通过特殊的协议来完成,因此它们之间既是相互独立的,又是紧密联系的。AppLayer中设有许多用户,用户之间是相互独立的,它们归属于不同的平台。ControlLayer中存在多个平台,平台两端分别连接着不同的用户和提供商,多个平台的存在解决了单一平台时的垄断性以及用户和提供商选择单一性的问题。ForwardLayer中有众多提供商加盟,它们为各个平台提供不同类型的资源。
发明内容
本发明的目的是针对现有SDN网络资源分配定价机制的不足,提供一种基于多归属组合双向拍卖的SDN资源定价方法。
解决技术问题所采用的方案包括如下步骤:
步骤1:在SDN资源交易过程中,不同类型的SDN资源链接在一起形成一种资源组合服务链,从而完成某一种特定的服务功能。每个节点(包括用户和提供商)向隶属于交易平台的资源代理提供服务链,每条链中都携带着对资源的需求以及供给,其目的主要是向市场传递自己的交易信息。在提供的过程中,节点仅仅是以各自的代理去传递的,因此不存在用户和提供商的概念。资源代理的一个功能就是将服务链拆解,并分类为买方和卖方。
确定SDN资源系统的服务链以及资源相关各种变量的定义,竞价开始时节点向资源代理发送多归属服务链,资源代理将服务链拆解成购买和出售两种类型的服务链,具体如下:
首先假设SDN资源系统有n个节点,k种资源。服务链表示为一个二元集合(qj,pj),j∈{1,2,…,n};多归属组合资源价格链pj=(p1j,p2j,…,pij,…,pkj),其中pij代表节点j上i类资源的价格,该价格链为一个由正数组成的集合;多归属组合资源数量链qj=(q1j,q2j,…,qij,…,qkj),代表对资源的需求情况,若qij为正,则代表节点j为买方且需要i类资源,若qij为负,则代表节点j为卖方且提供i类资源,若qij为零,则代表节点j并没有需求或者供给,此时供需平衡;
资源代理向整个SDN环境发布竞价开始,整个SDN资源系统中的节点向资源代理发送多归属服务链(Multi-homingServiceChain,简称MSC),随后资源代理将MSC拆解成m个购买类型的服务链和n-m个出售类型的服务链,同时保留供需平衡(qij=0)的服务链。
步骤2:根据通用组合双向拍卖模型,即(公式1)求出满足市场利益最大化的节点,同时保证需求都能得到供给。然后,资源代理将购买类型的节点统一存放到购买序列表Bl中,将出售类型的节点统一存放到出售序列表Sl中,将供需平衡的节点统一存放到序列表Hl中。可能会存在某些即充当卖方又充当买方的节点,因此Bl和Sl中肯定有重复的节点。xj表示一种0-1规划模型,将整个组合双向拍卖模型的复杂度降低。xj=0代表交易失败,xj=1代表交易成功。
(公式1)
步骤3:对于资源类型i,资源代理将购买序列表Bl中的节点按照价格pij降序排列,得到一个新的序列表DBli并将其对应的资源需求的出价pij存放到UBi中,对应的资源需求的数量qij存放到NBi中;然后,将出售序列表Sl中的节点按照价格pij升序排列,得到一个新的序列表USli并将其对应的资源提供的要价pij存放到USi中,对应的资源提供的数量qij存放到NSi中。
根据UBi和USi得到交易的平均定价矩阵ap(u,v),其含义代表用户代理平均价格序列表UBi中的第u个用户同SDN服务提供商平均价格序列表USi中的第v个提供商交易过程中的平均价格。
步骤4:利用K-定价方案计算得到SDN环境下的交易价格矩阵T(u,v),T(u,v)的含义是降序排列DBl中的顺序为u的用户DBlu与升序排序USl中的顺序为v的SDN服务提供商USlv交易时的价格矩阵。计算如下:
(公式2)
步骤5:对于资源类型i,序列表DBli中的第一个节点B1和序列表USli中的第一个节点S1交易,判断节点S1的交易数量是否满足买家B1的需要数量。其一,若交易数量等于买家的需要数量,且节点S1剩余的资源数量大于零,则让序列表DBli中的第二个节点B2继续与节点S1交易;若交易数量等于买家的需要数量,且节点S1剩余的资源数量等于零,则让序列表DBli中的第二个节点B2与序列表USli中的第二个节点S2交易。其二,若交易数量小于买方的需要数量,代表节点S1提供量不足,则让节点B1与序列表USli中的第二个节点S2交易。直到资源i买卖结束,进行下一类型资源i+1的交易。
在交易过程中,对资源的定价具体包括以下步骤:
(5.1)初始化资源种类i、多归属服务链的买家x和卖家y以及UBi中第x个买家和USi中第y个卖家对资源i的交易数量Qi(x,y)和交易价格Pi(x,y)。即i=1,x=1,y=1,Qi(x,y)=[],Pi(x,y)=[]。
(5.2)查看两节点之间的交易情况。
判断①.供大于需NSi(v)>NBi(u)
新的交易数量为初始化交易数量与买家需求之和,
即,Qi(x,y)=Qi(x,y)+NBi(u);
新的交易价格矩阵为初始化价格矩阵与买家需求和平均价格之积的和,
即,Pi(x,y)=Pi(x,y)+ap(u,v)*NBi(u);
新的提供商供应量变为初始化供应量与用户需求之差,
即,NSi(v)=NSi(v)-NBi(u);
此时,该用户需求为零,NBi(u)=0;
执行步骤(5.3)。
判断②.供小于需NSi(v)<NBi(u)
新的交易数量为初始化交易数量与提供商供应量之和,
即,Qi(x,y)=Qi(x,y)+NSi(v);
新的交易价格为初始化交易价格与供应量和平均价格之积的和,
即,Pi(x,y)=Pi(x,y)+ap(u,v)*NSi(v);
新的用户需求为初始化需求与供应量之差,
即,NBi(u)=NBi(u)-NSi(v);
此时,该提供商的供应量为零,NSi(v)=0;
执行步骤(5.4)。
判断③.供需平衡NSi(v)=NBi(u)
即,
此时供需平衡,为了增加双方的收益,令K=1/2,即将整个云市场的盈余平均分配给交易双方;
结束。
(5.3)判断第u个用户对i类型资源的需求是否满足,并储存当前交易的数量Qi(x,y)以及价格Pi(x,y)。如果所有用户对i类型资源的需求得到满足,则结束;如果未满足,则对下一个用户(u=u+1)继续迭代,跳往(5.2)。
(5.4)判断第v个提供商对i类型资源的需求是否满足,并储存当前交易的数量Qi(x,y)以及价格Pi(x,y)。如果所有提供商对i类型资源的需求得到满足,则结束;如果未满足,则对下一个提供商(v=v+1)继续迭代,跳往(5.2)。
步骤6:经过上述迭代可以得到第x个用户买进资源i的花费OBi(x)以及第y个提供商供给资源i的收入OSi(y)。
(公式0)
并由资源i的收入情况可以得到k种资源的全部收入,即:
(公式4)
本发明有益效果如下:
在SDN的分层架构中,市场多归属性得到了充分的体现,就使得层与层之间也存在着交易过程,每层之间的协商算法各不相同,最终协商出结果后,归纳到统一的平台进行交易。依据本发明提出的SDN网络资源定价方法,有如下有益效果:
1.根据现有的拍卖模型算法中的定价优势,利用经济学原理结合SDN架构的特性,提出的新算法更适用于SDN环境;
2.在SDN资源交易过程中,使得出价较高的用户节点获得更高的效用,而出价低的提供商节点也可以获得较高的效用,能够缓解SDN资源面临问题。
附图说明
图1为多归属组合双向拍卖模型;
图2为A资源各个节点的出价与效用;其中(a)为买家对A资源需求的出价与效用图,(b)为卖家对A资源供给的出价与效用图;
图3为B资源各个节点的出价与效用;其中(a)为买家对B资源需求的出价与效用图,(b)为卖家对B资源供给的出价与效用图;
图4为C资源各个节点的出价与效用;其中(a)为买家对C资源需求的出价与效用图,(b)为卖家对C资源供给的出价与效用图;
图5为D资源各个节点的出价与效用。其中(a)为买家对D资源需求的出价与效用图,(b)为卖家对D资源供给的出价与效用图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
本发明提供的一种基于多归属组合双向拍卖的SDN网络资源定价方法,该方法包括以下步骤:
步骤1:在SDN资源交易过程中,不同类型的SDN资源链接在一起形成一种资源组合服务链,从而完成某一种特定的服务功能。每个节点(包括用户和提供商)向隶属于交易平台的资源代理提供服务链,每条链中都携带着对资源的需求以及供给,其目的主要是向市场传递自己的交易信息。在提供的过程中,节点仅仅是以各自的代理去传递的,因此不存在用户和提供商的概念。资源代理的一个功能就是将服务链拆解,并分类为买方和卖方。
确定SDN资源系统的服务链以及资源相关各种变量的定义,竞价开始时节点向资源代理发送多归属服务链,资源代理将服务链拆解成购买和出售两种类型的服务链,具体如下:
首先假设SDN资源系统有n个节点,k种资源。服务链表示为一个二元集合(qj,pj),j∈{1,2,…,n};多归属组合资源价格链pj=(p1j,p2j,…,pij,…,pkj),其中pij代表节点j上i类资源的价格,该价格链为一个由正数组成的集合;多归属组合资源数量链qj=(q1j,q2j,…,qij,…,qkj),代表对资源的需求情况,若qij为正,则代表节点j为买方且需要i类资源,若qij为负,则代表节点j为卖方且提供i类资源,若qij为零,则代表节点j并没有需求或者供给,此时供需平衡;
资源代理向整个SDN环境发布竞价开始,整个SDN资源系统中的节点向资源代理发送多归属服务链(Multi-homingServiceChain,简称MSC),随后资源代理将MSC拆解成m个购买类型的服务链和n-m个出售类型的服务链,同时保留供需平衡(qij=0)的服务链。
步骤2:根据通用组合双向拍卖模型,即(公式1)求出满足市场利益最大化的节点,同时保证需求都能得到供给。然后,资源代理将购买类型的节点统一存放到购买序列表Bl中,将出售类型的节点统一存放到出售序列表Sl中,将供需平衡的节点统一存放到序列表Hl中。可能会存在某些即充当卖方又充当买方的节点,因此Bl和Sl中肯定有重复的节点。xj表示一种0-1规划模型,将整个组合双向拍卖模型的复杂度降低。xj=0代表交易失败,xj=1代表交易成功。
(公式1)
步骤3:对于资源类型i,资源代理将购买序列表Bl中的节点按照价格pij降序排列,得到一个新的序列表DBli并将其对应的资源需求的出价pij存放到UBi中,对应的资源需求的数量qij存放到NBi中;然后,将出售序列表Sl中的节点按照价格pij升序排列,得到一个新的序列表USli并将其对应的资源提供的要价pij存放到USi中,对应的资源提供的数量qij存放到NSi中。
根据UBi和USi得到交易的平均定价矩阵ap(u,v),其含义代表用户代理平均价格序列表UBi中的第u个用户同SDN服务提供商平均价格序列表USi中的第v个提供商交易过程中的平均价格。
步骤4:利用K-定价方案计算得到SDN环境下的交易价格矩阵T(u,v),T(u,v)的含义是降序排列DBl中的顺序为u的用户DBlu与升序排序USl中的顺序为v的SDN服务提供商USlv交易时的价格矩阵。计算如下:
(公式2)
步骤5:对于资源类型i,序列表DBli中的第一个节点B1和序列表USli中的第一个节点S1交易,判断节点S1的交易数量是否满足买家B1的需要数量。其一,若交易数量等于买家的需要数量,且节点S1剩余的资源数量大于零,则让序列表DBli中的第二个节点B2继续与节点S1交易;若交易数量等于买家的需要数量,且节点S1剩余的资源数量等于零,则让序列表DBli中的第二个节点B2与序列表USli中的第二个节点S2交易。其二,若交易数量小于买方的需要数量,代表节点S1提供量不足,则让节点B1与序列表USli中的第二个节点S2交易。直到资源i买卖结束,进行下一类型资源i+1的交易。
在交易过程中,对资源的定价具体包括以下步骤:
(5.1)初始化资源种类i、多归属服务链的买家x和卖家y以及UBi中第x个买家和USi中第y个卖家对资源i的交易数量Qi(x,y)和交易价格Pi(x,y)。即i=1,x=1,y=1,Qi(x,y)=[],Pi(x,y)=[]。
(5.2)查看两节点之间的交易情况。
判断①.供大于需NSi(v)>NBi(u)
新的交易数量为初始化交易数量与买家需求之和,
即,Qi(x,y)=Qi(x,y)+NBi(u);
新的交易价格矩阵为初始化价格矩阵与买家需求和平均价格之积的和,
即,Pi(x,y)=Pi(x,y)+ap(u,v)*NBi(u);
新的提供商供应量变为初始化供应量与用户需求之差,
即,NSi(v)=NSi(v)-NBi(u);
此时,该用户需求为零,NBi(u)=0;
执行步骤(5.3)。
判断②.供小于需NSi(v)<NBi(u)
新的交易数量为初始化交易数量与提供商供应量之和,
即,Qi(x,y)=Qi(x,y)+NSi(v);
新的交易价格为初始化交易价格与供应量和平均价格之积的和,
即,Pi(x,y)=Pi(x,y)+ap(u,v)*NSi(v);
新的用户需求为初始化需求与供应量之差,
即,NBi(u)=NBi(u)-NSi(v);
此时,该提供商的供应量为零,NSi(v)=0;
执行步骤(5.4)。
判断③.供需平衡NSi(v)=NBi(u)
即,
此时供需平衡,为了增加双方的收益,令K=1/2,即将整个云市场的盈余平均分配给交易双方;
结束。
(5.3)判断第u个用户对i类型资源的需求是否满足,并储存当前交易的数量Qi(x,y)以及价格Pi(x,y)。如果所有用户对i类型资源的需求得到满足,则结束;如果未满足,则对下一个用户(u=u+1)继续迭代,跳往(5.2)。
(5.4)判断第v个提供商对i类型资源的需求是否满足,并储存当前交易的数量Qi(x,y)以及价格Pi(x,y)。如果所有提供商对i类型资源的需求得到满足,则结束;如果未满足,则对下一个提供商(v=v+1)继续迭代,跳往(5.2)。
步骤6:经过上述迭代可以得到第x个用户买进资源i的花费OBi(x)以及第y个提供商供给资源i的收入OSi(y)。
(公式0)
并由资源i的收入情况可以得到k种资源的全部收入,即:
(公式4)
实施例
资源代理发布拍卖开始之后,所有节点均是随机充当买卖双方的,有的可以既是买方又是卖方,而这种随机性会增加交易过程中的不均衡性,即供需不平衡。因此,我们不能仅仅通过某一特定的价格变量来解决这种不平衡,而是在交易过程中的效用入手分析。
在效用方面而言,为了详细地分析基于SDN平台的MCDAM算法在效用方面的特色,下面给出了14个节点的资源供需情况。其中,为了体现交易的无差别性,资源的价格/效用等信息均采用了无量纲,即只分析资源的数据量而不分析其具体的单位含义。
仿真参数如下:14个SDN节点,7个用户以及7个提供商;A、B、C、D四种资源进行交易;对A、B、C、D四类资源的报价范围分别取:70~90、10~25、155~195、20~45之间均匀分布的整数值。
由表1可知,表1(a)代表14个节点上对A、B、C、D四种资源的供需情况,其中数字大于零代表用户提出需求,小于零代表提供商提出供给。例如,对于A资源,节点1,2,4,7,8,10,13位用户提出需求,其余为提供商提出供给。表1(b)代表14个节点上对A、B、C、D四种资源的要价出价情况。如果节点代表用户,则表示对该资源的出价;如果节点代表提供商,则代表对该资源的要价。
表1节点资源供需以及报价
(a)资源供需
(b)资源报价
我们将给出A、B、C、D四种资源根据资源的类型分为买家和卖家的情况:
(a)买家出价降序排列;(b)卖家要价升序排列。
表2A资源的交易细节
(a)买家出价降序排列
节点编号 | 4 | 7 | 1 | 8 | 13 | 10 | 2 |
A需求量 | 1 | 2 | 3 | 3 | 2 | 1 | 1 |
买家出价 | 92 | 87 | 86 | 83 | 81 | 78 | 76 |
交易价格 | 80.5 | 78/78.5 | 78/78/79 | 79/79/80 | 79.5 | 79 | 78 |
交易平均价格 | 80.5 | 78.25 | 78.3 | 79.3 | 79.5 | 79 | 78 |
买家效用 | 11.5 | 8.75 | 7.7 | 3.7 | 1.5 | ‐1 | ‐2 |
(b)卖家要价升序排列
表3B资源的交易细节
(a)买家出价降序排列
(b)卖家要价升序排列
节点编号 | 11 | 3 | 9 | 6 | 2 | 12 | 14 |
B供给量 | ‐2 | ‐2 | ‐1 | ‐2 | ‐3 | ‐1 | ‐1 |
卖家要价 | 9 | 10 | 11 | 13 | 14 | 16 | 17 |
交易价格 | 15 | 14.5/14 | 13.5 | 14.5 | 14.5/13.5/13.5 | 12 | \ |
交易平均价格 | 15 | 14.25 | 13.5 | 14.5 | 13.8 | 12 | \ |
卖家效用 | 5 | 4.25 | 2.5 | 1.5 | ‐0.2 | ‐4 | \ |
表4C资源的交易细节
(a)买家出价降序排列
(b)卖家要价升序排列
表5D资源的交易细节
(a)买家出价降序排列
节点编号 | 10 | 3 | 8 | 9 | 11 | 14 | 6 |
D需求量 | 1 | 3 | 0 | 2 | 3 | 1 | 2 |
买家出价 | 45 | 44 | 41 | 39 | 38 | 35 | 30 |
交易价格 | 33 | 34/34/35.5 | \ | 33 | 33/33/35.5 | 34.5 | 32 |
交易平均价格 | 33 | 34.5 | \ | 33 | 33.8 | 34.5 | 32 |
买家效用 | 12 | 9.5 | \ | 6 | 4.2 | 0.5 | ‐2 |
(b)卖家要价升序排列
节点编号 | 12 | 7 | 6 | 1 | 5 | 13 | 2 |
D供给量 | ‐1 | ‐2 | ‐3 | ‐1 | ‐2 | ‐3 | ‐1 |
卖家要价 | 21 | 24 | 27 | 28 | 33 | 34 | 38 |
交易价格 | 33 | 34 | 35.5/33/33 | 33 | 35.5 | 34.5/32/32 | \ |
交易平均价格 | 33 | 34 | 33.8 | 33 | 35.5 | 32.8 | \ |
卖家效用 | 12 | 10 | 6.8 | 5 | 2.5 | ‐1.2 | \ |
由上述表及图2-5可知,A、B、C、D四种资源根据基于SDN平台的MCDAM算法可以分别得出其交易的最优价格。采用本发明的MCDAM形式,概述了某一时刻SDN市场的全部资源,这样使得出价较高的用户节点获得更高的效用,而出价低的提供商节点也可以获得较高的效用。在上述表格中某些资源并没有交易价格、交易平均价格以及效用,其代表该节点没有交易成功。虽然我们旨在确保所有参与者的权益,但往往会存在一些失败的节点,并不能代表我们算法的失败。其次在某些节点会存在负效用,就卖方而言,其负效用代表该节点卖出的价格太高;就买方而言,其负效用代表该节点买入的价格太低。
Claims (1)
1.一种基于多归属组合双向拍卖的SDN资源定价方法,其特征在于,该方法包括以下步骤:
步骤1:确定SDN资源系统的服务链以及资源相关各种变量的定义,竞价开始时节点向资源代理发送多归属服务链,资源代理将服务链拆解成购买和出售两种类型的服务链,具体如下:
首先假设SDN资源系统有n个节点,k种资源。服务链表示为一个二元集合(qj,pj),j∈{1,2,…,n};多归属组合资源价格链pj=(p1j,p2j,…,pij,…,pkj),其中pij代表节点j上i类资源的价格,该价格链为一个由正数组成的集合;多归属组合资源数量链qj=(q1j,q2j,…,qij,…,qkj),代表对资源的需求情况,若qij为正,则代表节点j为买方且需要i类资源,若qij为负,则代表节点j为卖方且提供i类资源,若qij为零,则代表节点j并没有需求或者供给,此时供需平衡;
资源代理向整个SDN环境发布竞价开始,整个SDN资源系统中的节点向资源代理发送多归属服务链MSC,随后资源代理将MSC拆解成m个购买类型的服务链和n-m个出售类型的服务链,同时保留供需平衡(qij=0)的服务链。
步骤2:根据通用组合双向拍卖模型,即(公式1)求出满足市场利益最大化的节点,同时保证需求都能得到供给。然后资源代理将购买类型的节点统一存放到购买序列表Bl中,将出售类型的节点统一存放到出售序列表Sl中,将供需平衡的节点统一存放到序列表Hl中。xj表示一种0-1规划模型,将整个组合双向拍卖模型的复杂度降低。xj=0代表交易失败,xj=1代表交易成功。
步骤3:对于资源类型i,资源代理将购买序列表Bl中的节点按照价格pij降序排列,得到一个新的序列表DBli并将其对应的资源需求的出价pij存放到UBi中,对应的资源需求的数量qij存放到NBi中;然后,将出售序列表Sl中的节点按照价格pij升序排列,得到一个新的序列表USli并将其对应的资源提供的要价pij存放到USi中,对应的资源提供的数量qij存放到NSi中。
根据UBi和USi得到交易的平均定价矩阵ap(u,v),其含义代表用户代理平均价格序列表UBi中的第u个用户同SDN服务提供商平均价格序列表USi中的第v个提供商交易过程中的平均价格。
步骤4:利用K-定价方案计算得到SDN环境下的交易价格矩阵T(u,v),T(u,v)的含义是降序排列DBl中的顺序为u的用户DBlu与升序排序USl中的顺序为v的SDN服务提供商USlv交易时的价格矩阵。计算如下:
步骤5:对于资源类型i,序列表DBli中的第一个节点B1和序列表USli中的第一个节点S1交易,判断节点S1的交易数量是否满足买家B1的需要数量。其一,若交易数量等于买家的需要数量,且节点S1剩余的资源数量大于零,则让序列表DBli中的第二个节点B2继续与节点S1交易;若交易数量等于买家的需要数量,且节点S1剩余的资源数量等于零,则让序列表DBli中的第二个节点B2与序列表USli中的第二个节点S2交易。其二,若交易数量小于买方的需要数量,代表节点S1提供量不足,则让节点B1与序列表USli中的第二个节点S2交易。直到资源i买卖结束,进行下一类型资源i+1的交易。
在交易过程中,对资源的定价具体包括以下步骤:
(5.1)初始化资源种类i、多归属服务链的买家x和卖家y以及UBi中第x个买家和USi中第y个卖家对资源i的交易数量Qi(x,y)和交易价格Pi(x,y)。即i=1,x=1,y=1,Qi(x,y)=[],Pi(x,y)=[]。
(5.2)查看两节点之间的交易情况。
判断①.供大于需NSi(v)>NBi(u)
新的交易数量为初始化交易数量与买家需求之和,
即,Qi(x,y)=Qi(x,y)+NBi(u);
新的交易价格矩阵为初始化价格矩阵与买家需求和平均价格之积的和,
即,Pi(x,y)=Pi(x,y)+ap(u,v)*NBi(u);
新的提供商供应量变为初始化供应量与用户需求之差,
即,NSi(v)=NSi(v)-NBi(u);
此时,该用户需求为零,NBi(u)=0;
执行步骤(5.3)。
判断②.供小于需NSi(v)<NBi(u)
新的交易数量为初始化交易数量与提供商供应量之和,
即,Qi(x,y)=Qi(x,y)+NSi(v);
新的交易价格为初始化交易价格与供应量和平均价格之积的和,
即,Pi(x,y)=Pi(x,y)+ap(u,v)*NSi(v);
新的用户需求为初始化需求与供应量之差,
即,NBi(u)=NBi(u)-NSi(v);
此时,该提供商的供应量为零,NSi(v)=0;
执行步骤(5.4)。
判断③.供需平衡NSi(v)=NBi(u)
即,
此时供需平衡,为了增加双方的收益,令K=1/2,即将整个云市场的盈余平均分配给交易双方;
结束。
(5.3)判断第u个用户对i类型资源的需求是否满足,并储存当前交易的数量Qi(x,y)以及价格Pi(x,y)。如果所有用户对i类型资源的需求得到满足,则结束;如果未满足,则对下一个用户(u=u+1)继续迭代,跳往(5.2)。
(5.4)判断第v个提供商对i类型资源的需求是否满足,并储存当前交易的数量Qi(x,y)以及价格Pi(x,y)。如果所有提供商对i类型资源的需求得到满足,则结束;如果未满足,则对下一个提供商(v=v+1)继续迭代,跳往(5.2)。
步骤6:经过上述迭代可以得到第x个用户买进资源i的花费OBi(x)以及第y个提供商供给资源i的收入OSi(y)。
(公式0)
并由资源i的收入情况可以得到k种资源的全部收入,即:
(公式4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510931268.1A CN105512933A (zh) | 2015-12-15 | 2015-12-15 | 基于多归属组合双向拍卖的sdn网络资源定价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510931268.1A CN105512933A (zh) | 2015-12-15 | 2015-12-15 | 基于多归属组合双向拍卖的sdn网络资源定价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105512933A true CN105512933A (zh) | 2016-04-20 |
Family
ID=55720892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510931268.1A Pending CN105512933A (zh) | 2015-12-15 | 2015-12-15 | 基于多归属组合双向拍卖的sdn网络资源定价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512933A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106817401A (zh) * | 2016-11-18 | 2017-06-09 | 武汉科技大学 | 一种云环境中的资源配置方法 |
CN106992942A (zh) * | 2017-03-28 | 2017-07-28 | 浙江工商大学 | 一种基于资源负载与用户需求的sdn资源定价方法 |
-
2015
- 2015-12-15 CN CN201510931268.1A patent/CN105512933A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106817401A (zh) * | 2016-11-18 | 2017-06-09 | 武汉科技大学 | 一种云环境中的资源配置方法 |
CN106992942A (zh) * | 2017-03-28 | 2017-07-28 | 浙江工商大学 | 一种基于资源负载与用户需求的sdn资源定价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Profit maximization incentive mechanism for resource providers in mobile edge computing | |
Gao et al. | Auction-based VM allocation for deadline-sensitive tasks in distributed edge cloud | |
Li et al. | Competitive proportional resource allocation policy for computational grid | |
Mihailescu et al. | On economic and computational-efficient resource pricing in large distributed systems | |
Li et al. | A game-based combinatorial double auction model for cloud resource allocation | |
Zou et al. | Resource allocation game under double-sided auction mechanism: Efficiency and convergence | |
Liu et al. | Efficient auction mechanism for edge computing resource allocation in mobile blockchain | |
CN103347051B (zh) | 一种数控机床设计资源云模式的共享与调用方法 | |
Patel et al. | Truthful online double auction based dynamic resource provisioning for multi-objective trade-offs in IaaS clouds | |
Liu et al. | A truthful double auction mechanism for multi-resource allocation in crowd sensing systems | |
Liang et al. | A combinatorial auction resource trading mechanism for cybertwin-based 6G network | |
Raja et al. | Bilateral peer-to-peer energy trading via coalitional games | |
Li et al. | A dynamic pricing reverse auction‐based resource allocation mechanism in cloud workflow systems | |
CN105512933A (zh) | 基于多归属组合双向拍卖的sdn网络资源定价方法 | |
Ardaiz et al. | The catallaxy approach for decentralized economic-based allocation in grid resource and service markets | |
Xu et al. | Resource allocation based on double auction for cloud computing system | |
Wu et al. | An effective data-driven cloud resource procurement scheme with personalized reserve prices | |
Tang et al. | Double auction mechanism for request outsourcing in cloud federation | |
Li et al. | Online truthful mechanism design in wireless communication networks | |
Xu et al. | Hierarchical combinatorial auction in computing resource allocation for mobile blockchain | |
Tong et al. | A bilateral game approach for task outsourcing in multi-access edge computing | |
Song et al. | On truthful auction mechanism for cloud resources allocation and consumption shifting with different time slots | |
Di et al. | Social-optimized win-win resource allocation for self-organizing cloud | |
Chichin et al. | Double-sided market mechanism for trading cloud resources | |
Feoktistov | Tender of computational works in heterogeneous distributed environment. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |
|
RJ01 | Rejection of invention patent application after publication |