CN106502780A - 基于拍卖的动态vm配置及组合分配方法 - Google Patents

Abstract

本发明公开了一种基于拍卖的动态VM配置及组合分配方法，包括以下步骤：收集云提供商提供的资源虚拟机实例；收集用户的资源使用申请；采用细菌菌落优化算法对资源进行分配：初始化算法的参数；将细菌分为泳动、翻滚和停留细菌，同时制定个体繁殖和死亡机制；将单个或多个细菌放置到解空间，计算每个细菌的适应值，判断该细菌为何种运行方式；当个体第k次迭代的适应值优于第k‑1次的适应值，则个体在k+1次首先停留，再选择泳动方式；否则个体在k+1次选择翻滚方式；记录第k次迭代时的位置及菌落所经历的最优位置；重复上述步骤，当细菌菌落消失后得最优解。本发明有效地提高了云计算资源的利用率和云提供商收益率。

Description

基于拍卖的动态VM配置及组合分配方法

技术领域

本发明属于计算机网络技术领域，特别是一种基于拍卖的动态VM配置及组合分配方法。

背景技术

Abstract-Cloud计算提供商提供的资源为不同类型的虚拟机(VM)实例，然后在特定的时间段分配给用户。VM实例分配的用户通常是使用固定价格的分配机制，不能保证分配的经济高效和云提供商的收入最大化。一个更好的选择是使用组合基于拍卖的资源分配机制。这个论点是由经济理论支持；拍卖成本很低，在云计算环境中一样，拍卖是特别有效的匹配市场价格的方法，因为产品匹配客户最高估值。

现有的组合auctionbased VM分配机制不考虑用户的供求差异，静态的配置VM实例。CA-GREEDY机制能够比CA-PROVISION机制更好的匹配供求。同时，在没有“可配置的”拍卖物品时，CA-GREEDY是一个非常有效的拍卖方式。但是当有可重构项目时，很难提前预测需求。

发明内容

本发明提供一种基于拍卖的动态VM配置及组合分配方法，以提高云计算资源的利用率和云提供商收益率。

实现本发明目的的技术解决方案为：一种基于拍卖的动态VM配置及组合分配方法，包括以下步骤：

步骤1，收集云提供商提供的资源虚拟机实例；

步骤2，收集用户的资源使用申请；

步骤3，采用细菌菌落优化算法对资源进行分配。

进一步地，步骤2所述的资源使用申请包括每个任务需要的CPU资源、内存资源、硬盘资源和带宽资源。

进一步地，步骤3所述的采用细菌菌落优化算法对资源进行分配，具体步骤如下：

步骤3.1，初始化细菌菌落优化算法的参数；

步骤3.2，将细菌按基本运行方式分为泳动细菌、翻滚细菌和停留细菌，同时制定个体繁殖和死亡机制；

步骤3.3，将单个或多个细菌放置到解空间，计算每个细菌的适应值，判断该细菌为何种运行方式；

步骤3.4，当个体第k次迭代的适应值优于第k-1次的适应值，则个体在k+1次首先停留，再选择泳动方式；否则执行步骤3.5；

步骤3.5，个体在k+1次选择翻滚方式，且每个个体都能感知整个菌落经历过的最优位置；

步骤3.6，记录第k次迭代时的位置及菌落所经历的最优位置；

步骤3.7，重复步骤3.2～3.6N_g次，当细菌菌落消失后得最优解，N_g表示细菌菌落优化算法的平均迭代次数。

进一步地，步骤3.1所述细菌菌落优化算法的参数，包括：

迭代时的位置X，种群空间的大小，种群收敛程度阀值C，加速度因子c₁和c₂；细菌初始个体为1，最大种群数量S，个体最长寿命，繁殖条件P，R,c₁,c₂是常数；

初始化菌落，利用公式(1)随机产生n个细菌菌落算法的初始解∏，∏表示第j只细菌第n个访问接入点中，用户设备M分配到的时间比例，s∈[0,1]之间的随机数，∏初始解需要满足公式(2)、(3)、和(4)：

x_j∈{0,1},j＝1,...,n, (3)

0≤p_j≤v_j j＝1,...,n, (4)

初始化迭代次数序号gen＝1。

进一步地，步骤3.2所述将细菌按基本运行方式分为泳动细菌、翻滚细菌和停留细菌，其中：

所述个体在泳动时，细菌将沿着前一次的移动方向向群体经历的最优位置移动，模型为：

x_k+1＝x_k+c₁·r₁·(x_k-x_k-1)+c₂·r₂·(g-x_k)

翻滚时个体将沿着与前次移动方向相反的方向，向群体经历的最优位置移动，模型为：

x_k+1＝x_k-c₁·r₁·(x_k-x_k+1)+c₂·r₂·(g-x_k)

细菌每次移动到浓度更高的区域，都要作停留，当个体移动到适应值更高的位置后，会在该位置停留并作随机搜索，相当于细菌进入更高浓度区域后,将作停留以吸收营养物质，满足自身成长需求，模型为：

x_k+1＝x_k+R·r

其中：x＝(x_1,k,x_2,k,...,x_d,k)是第k次迭代时的位置：g＝(g₁,g₂,...,g_d)是菌落所经历的最优位置，d是解空间维数；r₁和r₂是区间[0,1]上的随机数；R,c₁,c₂是常数；r＝(r₁,r₂,...,r_d)，r_i是区间[0,1]上的随机数。

本发明与现有技术相比，其显著优点在于：(1)CAPROVISION可以有效地捕捉市场需求，计算资源供应与需求，并生成比CA-GREEDY更好效果的分配方案，尤其是在高需求情况下；(2)在一些低需求的情况下，CAGREEDY比CA-PROVISION的用户利用率更高，有效地提高了云计算资源的利用率和云提供商收益率。

附图说明

图1为本发明基于拍卖的动态VM配置及组合分配方法的流程图。

具体实施方式

结合图1，本发明基于拍卖的动态VM配置及组合分配方法，包括以下步骤：

步骤1，收集云提供商提供的资源虚拟机实例；

步骤2，收集用户的资源使用申请；所述的资源使用申请包括每个任务需要的CPU资源、内存资源、硬盘资源和带宽资源。

步骤3，采用细菌菌落优化算法对资源进行分配。

所述的采用细菌菌落优化算法对资源进行分配，具体步骤如下：

步骤3.1，初始化细菌菌落优化算法的参数；

所述细菌菌落优化算法的参数，包括：

迭代时的位置X，种群空间的大小，种群收敛程度阀值C，加速度因子c₁和c₂；细菌初始个体为1，最大种群数量S，个体最长寿命，繁殖条件P，R,c₁,c₂是常数；

初始化菌落，利用公式(1)随机产生n个细菌菌落算法的初始解Π，Π表示第j只细菌第n个访问接入点中，用户设备M分配到的时间比例，s∈[0,1]之间的随机数，Π初始解需要满足公式(2)、(3)、和(4)：

x_j∈{0,1},j＝1,...,n, (3)

0≤p_j≤v_j j＝1,...,n, (4)

初始化迭代次数序号gen＝1。

步骤3.2，将细菌按基本运行方式分为泳动细菌、翻滚细菌和停留细菌，同时制定个体繁殖和死亡机制；所述将细菌按基本运行方式分为泳动细菌、翻滚细菌和停留细菌，其中：

所述个体在泳动时，细菌将沿着前一次的移动方向向群体经历的最优位置移动，模型为：

x_k+1＝x_k+c₁·r₁·(x_k-x_k-1)+c₂·r₂·(g-x_k)

翻滚时个体将沿着与前次移动方向相反的方向，向群体经历的最优位置移动，模型为：

x_k+1＝x_k-c₁·r₁·(x_k-x_k+1)+c₂·r₂·(g-x_k)

细菌每次移动到浓度更高的区域，都要作停留，当个体移动到适应值更高的位置后，会在该位置停留并作随机搜索，相当于细菌进入更高浓度区域后,将作停留以吸收营养物质，满足自身成长需求，模型为：

x_k+1＝x_k+R·r

其中：x＝(x_1,k,x_2,k,...,x_d,k)是第k次迭代时的位置：g＝(g₁,g₂,...,g_d)是菌落所经历的最优位置，d是解空间维数；r₁和r₂是区间[0,1]上的随机数；R,c₁,c₂是常数；r＝(r₁,r₂,...,r_d)，r_i是区间[0,1]上的随机数。

步骤3.3，将单个或多个细菌放置到解空间，计算每个细菌的适应值，判断该细菌为何种运行方式；

步骤3.4，当个体第k次迭代的适应值优于第k-1次的适应值，则个体在k+1次首先停留，再选择泳动方式；否则执行步骤3.5；

步骤3.5，个体在k+1次选择翻滚方式，且每个个体都能感知整个菌落经历过的最优位置；

步骤3.6，记录第k次迭代时的位置及菌落所经历的最优位置；

步骤3.7，重复步骤3.2～3.6N_g次，当细菌菌落消失后得最优解，N_g表示细菌菌落优化算法的平均迭代次数。

综上所述，本发明能够提高云供应商收益率和云计算资源利用率。

Claims (5)

1.一种基于拍卖的动态VM配置及组合分配方法，其特征在于，包括以下步骤：

步骤1，收集云提供商提供的资源虚拟机实例；

步骤2，收集用户的资源使用申请；

步骤3，采用细菌菌落优化算法对资源进行分配。

2.根据权利要求1所述的基于拍卖的动态VM配置及组合分配方法，其特征在于，步骤2所述的资源使用申请包括每个任务需要的CPU资源、内存资源、硬盘资源和带宽资源。

3.根据权利要求1所述的基于拍卖的动态VM配置及组合分配方法，其特征在于步骤3所述的采用细菌菌落优化算法对资源进行分配，具体步骤如下：

步骤3.1，初始化细菌菌落优化算法的参数；

步骤3.2，将细菌按基本运行方式分为泳动细菌、翻滚细菌和停留细菌，同时制定个体繁殖和死亡机制；

步骤3.3，将单个或多个细菌放置到解空间，计算每个细菌的适应值，判断该细菌为何种运行方式；

步骤3.4，当个体第k次迭代的适应值优于第k-1次的适应值，则个体在k+1次首先停留，再选择泳动方式；否则执行步骤3.5；

步骤3.5，个体在k+1次选择翻滚方式，且每个个体都能感知整个菌落经历过的最优位置；

步骤3.6，记录第k次迭代时的位置及菌落所经历的最优位置；

步骤3.7，重复步骤3.2～3.6N_g次，当细菌菌落消失后得最优解，N_g表示细菌菌落优化算法的平均迭代次数。

4.根据权利要求3所述的基于拍卖的动态VM配置及组合分配方法，其特征在于，步骤3.1所述细菌菌落优化算法的参数，包括：

迭代时的位置X，种群空间的大小，种群收敛程度阀值C，加速度因子c₁和c₂；细菌初始个体为1，最大种群数量S，个体最长寿命，繁殖条件P，R，c₁，c₂是常数；

初始化菌落，利用公式(1)随机产生n个细菌菌落算法的初始解∏，∏表示第j只细菌第n个访问接入点中，用户设备M分配到的时间比例，s∈[0,1]之间的随机数，П初始解需要满足公式(2)、(3)、和(4)：

$\Π=\underset{j=1}{\overset{n}{\Σ}}{x}_j{p}_j-c_R\underset{j=1}{\overset{n}{\Σ}}{x}_j{s}_j-c_I(M-\underset{j=1}{\overset{n}{\Σ}}{x}_j{S}_j)---\left(1\right)$

$\underset{j=1}{\overset{n}{\Σ}}{x}_j{s}_j\≤M---\left(2\right)$

x_j∈{0,1},j＝1，...，n， (3)

0≤p_j≤v_j j＝1，...，n， (4)

初始化迭代次数序号gen＝1。

5.根据权利要求3所述的基于拍卖的动态VM配置及组合分配方法，其特征在于，步骤3.2所述将细菌按基本运行方式分为泳动细菌、翻滚细菌和停留细菌，其中：

所述个体在泳动时，细菌将沿着前一次的移动方向向群体经历的最优位置移动，模型为：

x_k+1＝x_k+c₁·r₁·(x_k-x_k-1)+c₂·r₂·(g-x_k)

翻滚时个体将沿着与前次移动方向相反的方向，向群体经历的最优位置移动，模型为：

x_k+1＝x_k-c₁·r₁·(x_k-x_k+1)+c₂·r₂·(g-x_k)

细菌每次移动到浓度更高的区域，都要作停留，当个体移动到适应值更高的位置后，会在该位置停留并作随机搜索，相当于细菌进入更高浓度区域后，将作停留以吸收营养物质，满足自身成长需求，模型为：

x_k+1＝x_k+R·r

其中：x＝(x_1,k,x_2,k,...,x_d,k)是第k次迭代时的位置：g＝(g₁,g₂,...,g_d)是菌落所经历的最优位置，d是解空间维数；r₁和r₂是区间[0，1]上的随机数；R，c₁，c₂是常数；r＝(r₁,r₂,...,r_d)，r_i是区间[0，1]上的随机数。