CN106209990A - 一种分布异地云数据中心下成本可感知的请求调度方法 - Google Patents
一种分布异地云数据中心下成本可感知的请求调度方法 Download PDFInfo
- Publication number
- CN106209990A CN106209990A CN201610497064.6A CN201610497064A CN106209990A CN 106209990 A CN106209990 A CN 106209990A CN 201610497064 A CN201610497064 A CN 201610497064A CN 106209990 A CN106209990 A CN 106209990A
- Authority
- CN
- China
- Prior art keywords
- data center
- cloud data
- cost
- request
- distribution
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Abstract
本发明涉及一种分布异地云数据中心下成本可感知的请求调度方法。该方法考虑了网络带宽成本和能量成本的地理多样性。将每个云数据中心中每个应用建模为先来先服务的M/M/m排队系统。基于此,考虑排队系统稳定性、用户响应时间约束、物理服务器个数限制、网络服务提供商带宽容量限制等因素,建立了分布异地云数据中心中成本可感知的请求调度的混合整数线性规划模型。并采用有效界限舍入方法将该模型转化为一个线性规划问题,通过求解该问题给出了成本可感知的请求调度策略。本发明通过为每个应用的请求同时指定网络连接提供商和确定每个云数据中心中开启的服务器个数,能够最小化分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。
Description
技术领域
本发明涉及一种成本可感知的请求调度方法,提别是一种分布异地云数据中心下成本可感知的请求调度方法。
背景技术
多个不同类型的应用并行地运行在当前的云数据中心的基础设施资源中,并向用户提供其所需的服务。为了维护这些数量较大的服务器,每个云数据中心往往需要上千万瓦的电能。为保证应用的可用性及性能,每个应用往往部署在分布异地的多个云数据中心中。考虑到成本和性能等因素,每个云数据中心同时与多个可用的网络服务提供商相连接。因此在海量用户和云数据中心提供商间通信的数据均通过这些网络服务提供商传输。
目前云数据中心中用户的应用请求的数量显著增加,云数据中心的能量成本也快速增长。目前有很多来自学术界和工业界的工作专注于降低数据中心能量成本的问题。比如,目前存在的工作通过利用位于不同区域的电力成本的地理多样性来降低云数据中心提供商的能量成本。而在实际情况下,应用请求须先经过由网络服务提供商提供的传输链路,而后到达后端分布异地的多个云数据中心中。目前的云数据中心提供商包括Facebook和谷歌等,每天通过网络传输的数据量巨大,往往可以达到PB级。因此,为了在用户和分布式的多云数据中心之间传输数据,目前的云提供商承受着较大的网络连接成本。研究表明能量和网络连接成本在云提供商的运维成本中占据很大的比重。
此外,每一个网络服务提供商的单位带宽成本由其与云提供商之间签订的服务等级协议确定。连接每一个云数据中心的网络服务提供商的单位带宽成本存在差异,因此,某些网络服务提供商的单位带宽成本较低。然而,目前的研究工作忽视了网络服务提供商的单位带宽成本和对应的容量限制的差异。因此,会造成请求的损失和网络连接成本的提高。总之,随着云数据中心的运维成本(主要包括能量和网络成本)的越来越大,在网络带宽成本和能量成本均具有地理多样性的情况下,如何通过智能的请求调度来降低云提供商的运维成本成为了一个难题。
发明内容
针对以上现有技术的不足,本发明提供一种分布异地云数据中心下成本可感知的请求调度方法,通过为每个应用的请求同时指定网络连接提供商和确定每个云数据中心中开启的服务器个数,能够最小化分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。
根据本发明的一个方面,提供了分布异地云数据中心下请求调度模型,包括:根据应用请求的特点,建立一种针对每个云数据中心中每个应用的先来先服务M/M/m排队系统;结合网络带宽成本和能量成本的地理多样性,考虑排队系统的稳定性、用户的响应时间约束、物理服务器的个数限制、网络服务提供商的带宽容量限制等因素,建立了分布异地云数据中心中成本可感知的请求调度的混合整数线性规划模型。
根据本发明的另一方面,提供了一种成本可感知的请求调度方法,包括:采用有效界限的舍入方法,将该请求调度的混合整数线性规划模型转化为典型的线性规划问题;通过求解转化后的线性规划问题,获得成本可感知的请求调度策略。
根据本发明的上述方面,针对目前分布异地云数据中心执行来自用户的应用请求的架构特点,在分布异地云数据中心下成本可感知的请求调度方法基础上,通过为每个应用的请求同时指定网络连接提供商和确定每个云数据中心中开启的服务器个数,使得分布异地云数据中心提供商的运维成本最小化。
本发明的目的通过以下技术方案来实现:
一种分布异地云数据中心下成本可感知的请求调度方法,该方法包括如下步骤:
1)根据分布异地云数据中心下用户请求的特点,基于排队论将每个云数据中心中每个应用建立为一种先来先服务的M/M/m的排队系统,从而正确计算每个云数据中心中每个应用请求的平均响应时间;
2)设计一种考虑到网络带宽成本和能量成本的地理多样性的目标函数,从而计算分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本);
3)考虑排队系统的稳定性、用户的响应时间约束、物理服务器的个数限制、网络服务提供商的带宽容量限制等因素,建立分布异地云数据中心中成本可感知的请求调度的混合整数线性规划模型;
4)在3)的基础上,采用有效界限的舍入方法将混合整数线性规划模型转化为典型的线性规划问题;
5)求解4)中的线性规划问题,获得成本可感知的请求调度策略,从而最小化分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。
进一步,所述针对每个云数据中心中每个应用的排队系统模型为一个先来先服务的M/M/m模型。
进一步,所述先来先服务M/M/m模型中每个云数据中心c(1≤c≤C)中每个应用n(1≤n≤N)的请求平均响应时间为:
其中,
i)ARTc,n表示云数据中心c中应用n的每个请求的平均响应时间;
ii)mc,n表示云数据中心c中对应于应用n的开启的物理服务器的个数;
iii)μc,n表示云数据中心c中对应于应用n的每一个物理服务器的平均服务率;
iv)λc,n表示云数据中心c中应用n的请求到达率。
进一步,所述一种考虑到网络带宽成本和能量成本的地理多样性的目标函数TotalCost的具体定义方式为:
其中,
i)pricek表示第k(1≤k≤K)个网络服务提供商的单位带宽成本;
ii)λn,k,c表示λn,k中分配到云数据中心c的部分请求;
iii)sn表示应用n的每个请求的大小;
iv)Mc,n表示云数据中心c中对应于应用n的物理服务器的总数;
v)表示云数据中心c中每个开启的对应于应用n的物理服务器的能量成本;
vi)表示云数据中心c中每个备用的对应于应用n的物理服务器的能量成本。
进一步,所述分布异地云数据中心中成本可感知的请求调度模型,是典型的混合整数线性规划模型。
进一步,通过网络服务提供商k的所有的请求的总带宽需求不能超过该网络服务提供商的带宽容量限制,即:
其中,
i)表示网络服务提供商k的带宽容量限制。
进一步,应用n的请求的平均响应时间要小于用户指定的应用n的响应时间约束,即:
其中,
i)表示用户指定的应用n的响应时间约束。
进一步,云数据中心c中开启的对应于应用n的物理服务器的个数要小于对应的限制Mc,n,即:
mc,n≤Mc,n
进一步,为了保证M/M/m的排队系统的稳定性,云数据中心c的应用n的请求到达率要小于所有云数据中心c中对应于应用n的所有物理服务器的处理能力,即:
进一步,每个应用n的请求都需要得到处理,即:
其中,
i)λn表示应用n的请求到达率。
进一步,采用有效界限的舍入方法将混合整数线性规划模型转化为典型的线性规划问题。通过求解该线性规划问题,获得成本可感知的请求调度策略。
本发明的优点在于:
1.通过将云数据中心中应用建模为一个先来先服务的M/M/m的排队系统,能够正确估算应用请求的响应时间,从而可以有针对性地保证排队系统的稳定性、满足请求的响应时间约束和网络服务提供商的带宽容量限制要求等。
2.能够实现分布异地云数据中心下成本可感知的请求调度,通过利用网络带宽成本和能量成本的地理多样性,能够选取合适的网络服务提供商和确定每一个云数据中心开启的服务器个数,从而最小化分布异地云数据中心提供商的运维成本,并保证用户应用请求的性能要求。
附图说明
图1一种分布异地云数据中心下成本可感知的请求调度方法组成示意图;
图2分布异地云数据中心架构图。
具体实施方式
下面将给出一种分布异地云数据中心下成本可感知的请求调度方法的具体步骤。
第一步建立一种针对分布异地云数据中心中应用的排队系统模型
云数据中心中的每个应用被建模为一个先来先服务的M/M/m的排队系统。在该排队系统中,每个物理服务器的服务时间独立同分布地服从指数分布。此外,假定每个应用的请求的到达过程满足泊松分布。表示请求在该M/M/m的排队系统的队列中等待的概率。ARTc,n表示云数据中心c中应用n的每个请求的平均响应时间,可以由下式(1)计算得到。
假定在每个云数据中心的每个应用的M/M/m的排队系统中,总是有请求在等待接受处理,即公式(1)中的值为1。因此,ARTc,n可以由下式(2)计算得到。
ρc,n表示云数据中心c中的每个应用n的M/M/m的排队系统的服务强度。由排队论可知,一个M/M/m的排队系统能够保持稳定的前提是ρc,n<1。因此,可以得到下式(2)。
第二步建立一种考虑到网络带宽成本和能量成本的地理多样性的目标函数
本发明建立一种目标函数TotalCost来计算分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。TotalCost的具体定义方式在下式(3)中给出。
第三步建立分布异地云数据中心中成本可感知的请求调度模型
分布异地云数据中心中成本可感知的请求调度可以形式化为问题(P1),如下式(5):
mc,n≤Mc,n (8)
mc,n∈N+,λn,k,c≥0 (11)
在问题(P1)中,目标函数TotalCost表示分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。约束式(6)表示通过网络服务提供商k的所有的请求的总带宽需求不能超过该网络服务提供商的带宽容量限制。约束式(7)表示应用n的请求的平均响应时间要小于用户指定的应用n的响应时间约束。约束式(8)表示云数据中心c中开启的对应于应用n的物理服务器的个数要小于对应的限制Mc,n。约束式(9)表示为了保证M/M/m的排队系统的稳定性,云数据中心c的应用n的请求到达率要小于所有云数据中心c中对应于应用n的所有物理服务器的处理能力。约束式(10)保证所有接受的应用n的请求都得到处理。约束式(11)表示所有决策变量的定义域。
第四步建立一种有效界限的舍入方法
本发明建立一种有效界限的舍入方法将混合整数线性规划问题转化为一个典型的线性规划问题。将约束式(7)转化为将mc,n近似为将约束式(8)中的mc,n替换为可得约束式(8)变为替换约束式(9)中的决策变量mc,n。约束式(9)变为而约束式(7)说明大于因此,约束式(9)可以从问题(P1)中直接删除掉。通过以上变换,原问题(P1)可转化为如下的线性规划问题(P2)。
λn,k,c≥0 (16)
第五步给出一种成本可感知的请求调度策略
通过求解在第四步转化后的线性规划问题,从而解决分布异地云数据中心提供商的运维成本最小化问题,获得成本可感知的请求调度策略。通过为每个应用的请求同时指定网络连接提供商和确定每个云数据中心中开启的服务器个数,能够最小化分布异地云数据中心提供商的运维成本。
Claims (10)
1.一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,该方法包括如下步骤:
1)根据分布异地云数据中心下用户请求的特点,基于排队论将每个云数据中心中每个应用建立为一种先来先服务的M/M/m的排队系统,从而正确计算每个云数据中心中每个应用请求的平均响应时间;
2)在1)的基础上,设计一种考虑到网络带宽成本和能量成本的地理多样性的目标函数,从而计算分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。
3)在1)和2)的基础上,考虑排队系统的稳定性、用户的响应时间约束、物理服务器的个数限制、网络服务提供商的带宽容量限制等因素,建立分布异地云数据中心中成本可感知的请求调度的混合整数线性规划模型;
4)在3)的基础上,采用有效界限的舍入方法将混合整数线性规划模型转化为典型的线性规划问题;
5)求解4)中的线性规划问题,获得成本可感知的请求调度策略,通过为每个应用的请求同时指定网络连接提供商和确定每个云数据中心中开启的服务器个数,能够最小化分布异地云数据中心提供商的运维成本(包括网络带宽成本和能量成本)。
2.根据权利要求2所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,所述针对每个云数据中心中每个应用的排队系统为一个先来先服务的M/M/m模型,并且该模型中每个云数据中心c(1≤c≤C)中每个应用n(1≤n≤N)的请求平均响应时间为:
其中,
i)ARTc,n表示云数据中心c中应用n的每个请求的平均响应时间;
ii)mc,n表示云数据中心c中对应于应用n的开启的物理服务器的个数;
iii)μc,n表示云数据中心c中对应于应用n的每一个物理服务器的平均服务率;
iv)λc,n表示云数据中心c中应用n的请求到达率。
3.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,所述一种考虑到网络带宽成本和能量成本的地理多样性的目标函数TotalCost的具体定义方式为:
其中,
i)pricek表示第k(1≤k≤K)个网络服务提供商的单位带宽成本;
ii)λn,k,c表示λn,k中分配到云数据中心c的部分请求;
iii)sn表示应用n的每个请求的大小;
iv)Mc,n表示云数据中心c中对应于应用n的物理服务器的总数;
v)表示云数据中心c中每个开启的对应于应用n的物理服务器的能量成本;
vi)表示云数据中心c中每个备用的对应于应用n的物理服务器的能量成本。
4.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,所述分布异地云数据中心中成本可感知的请求调度模型,是典型的混合整数线性规划模型。
5.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,通过网络服务提供商k的所有的请求的总带宽需求不能超过该网络服务提供商的带宽容量限制,即:
其中,
i)表示网络服务提供商k的带宽容量限制。
6.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,应用n的请求的平均响应时间要小于用户指定的应用n的响应时间约束,即:
其中,
i)表示用户指定的应用n的响应时间约束。
7.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,云数据中心c中开启的对应于应用n的物理服务器的个数要小于对应的限制Mc,n,即:
mc,n≤Mc,n
8.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,为了保证M/M/m的排队系统的稳定性,云数据中心c的应用n的请求到达率要小于所有云数据中心c中对应于应用n的所有物理服务器的处理能力,即:
9.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,每个应用n的请求都需要得到处理,即:
其中,
i)λn表示应用n的请求到达率。
10.根据权利要求1所述的一种分布异地云数据中心下成本可感知的请求调度方法,其特征在于,采用有效界限的舍入方法将混合整数线性规划模型转化为典型的线性规划问题。通过求解该线性规划问题,获得成本可感知的请求调度策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610497064.6A CN106209990A (zh) | 2016-06-29 | 2016-06-29 | 一种分布异地云数据中心下成本可感知的请求调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610497064.6A CN106209990A (zh) | 2016-06-29 | 2016-06-29 | 一种分布异地云数据中心下成本可感知的请求调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106209990A true CN106209990A (zh) | 2016-12-07 |
Family
ID=57463562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610497064.6A Pending CN106209990A (zh) | 2016-06-29 | 2016-06-29 | 一种分布异地云数据中心下成本可感知的请求调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106209990A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052378A (zh) * | 2017-10-31 | 2018-05-18 | 北京交通大学 | 面向复杂仿真工作流应用的利润敏感的任务调度方法 |
CN109218439A (zh) * | 2018-10-11 | 2019-01-15 | 北京交通大学 | 分布式绿色云数据中心利润和性能敏感的多目标任务调度方法 |
CN110083503A (zh) * | 2019-03-27 | 2019-08-02 | 上海德衡数据科技有限公司 | 基于数据中心运维的知识库信息感知方法 |
CN110689175A (zh) * | 2019-09-16 | 2020-01-14 | 北京工业大学 | 混沌多重宇宙的分布式绿色云数据中心能耗优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103384272A (zh) * | 2013-07-05 | 2013-11-06 | 华中科技大学 | 一种云服务分布式数据中心系统及其负载调度方法 |
CN103414752A (zh) * | 2013-07-16 | 2013-11-27 | 上海交通大学 | 一种网络感知的云数据中心虚拟机分配方法 |
-
2016
- 2016-06-29 CN CN201610497064.6A patent/CN106209990A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103384272A (zh) * | 2013-07-05 | 2013-11-06 | 华中科技大学 | 一种云服务分布式数据中心系统及其负载调度方法 |
CN103414752A (zh) * | 2013-07-16 | 2013-11-27 | 上海交通大学 | 一种网络感知的云数据中心虚拟机分配方法 |
Non-Patent Citations (1)
Title |
---|
HAITAO YUAN: "CAWSAC: Cost-Aware Workload Scheduling and Admission Control for Distributed Cloud Data Centers", 《IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052378A (zh) * | 2017-10-31 | 2018-05-18 | 北京交通大学 | 面向复杂仿真工作流应用的利润敏感的任务调度方法 |
CN108052378B (zh) * | 2017-10-31 | 2021-08-31 | 北京交通大学 | 一种面向复杂仿真工作流应用的利润敏感的任务调度方法 |
CN109218439A (zh) * | 2018-10-11 | 2019-01-15 | 北京交通大学 | 分布式绿色云数据中心利润和性能敏感的多目标任务调度方法 |
CN110083503A (zh) * | 2019-03-27 | 2019-08-02 | 上海德衡数据科技有限公司 | 基于数据中心运维的知识库信息感知方法 |
CN110689175A (zh) * | 2019-09-16 | 2020-01-14 | 北京工业大学 | 混沌多重宇宙的分布式绿色云数据中心能耗优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110187973B (zh) | 一种面向边缘计算的服务部署优化方法 | |
Zeng et al. | Joint optimization of task scheduling and image placement in fog computing supported software-defined embedded system | |
CN111679905B (zh) | 算网融合网络模型系统 | |
CN109240818A (zh) | 一种边缘计算网络中基于用户体验的任务卸载方法 | |
CN106209990A (zh) | 一种分布异地云数据中心下成本可感知的请求调度方法 | |
CN108123995A (zh) | 分布式绿色云数据中心中空间觉察的请求调度与优化方法 | |
Liu et al. | Performance modeling of representative load sharing schemes for clustered servers in multiaccess edge computing | |
CN112650581A (zh) | 一种面向智能楼宇的云边协同任务调度方法 | |
CN108600355A (zh) | 一种雾计算负载均衡调度系统及方法 | |
Li et al. | Deployment of edge servers in 5G cellular networks | |
CN106454947A (zh) | 一种ap接入负载均衡方法 | |
CN108924228B (zh) | 基于边缘计算的工业互联网优化系统 | |
CN105119751A (zh) | 一种基于环境实时感知的服务评估及选取方法 | |
Mi et al. | Software-defined green 5G system for big data | |
CN106095529A (zh) | 一种c‑ran架构下的载波迁移方法 | |
CN106060145A (zh) | 一种分布式多云数据中心中基于收益的请求访问控制方法 | |
CN108833227A (zh) | 一种基于边缘计算的智能家居通信优化调度系统及方法 | |
CN108833167B (zh) | 一种基于边缘计算的通信优化系统及方法 | |
Zhu et al. | Optimal service rate in cognitive radio networks with different queue length information | |
Wang et al. | Performance modeling and suitability assessment of data center based on fog computing in smart systems | |
CN113032146A (zh) | 一种面向多接入边缘计算环境的健壮性服务供应方法 | |
CN107071020A (zh) | 一种应用于云计算服务器的负载均衡架构 | |
CN104410976B (zh) | 一种分布式端到端用户和蜂窝网络用户关联及时间分配方法 | |
Chen | Design of computer big data processing system based on genetic algorithm | |
CN106713244A (zh) | 一种能力接入方法及网元 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161207 |