CN106796527A - 基于价格和性能优化云服务的选择的系统和方法 - Google Patents

基于价格和性能优化云服务的选择的系统和方法 Download PDF

Info

Publication number
CN106796527A
CN106796527A CN201580037892.5A CN201580037892A CN106796527A CN 106796527 A CN106796527 A CN 106796527A CN 201580037892 A CN201580037892 A CN 201580037892A CN 106796527 A CN106796527 A CN 106796527A
Authority
CN
China
Prior art keywords
purchase
price
cloud service
cloud
computer system
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
Application number
CN201580037892.5A
Other languages
English (en)
Inventor
J·斯泰拉
D·齐皮利
M·布里克曼
A·赖特
T·德罗姆伯斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luminal Inc
Liaogu Ltd By Share Ltd
Original Assignee
Liaogu Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liaogu Ltd By Share Ltd filed Critical Liaogu Ltd By Share Ltd
Publication of CN106796527A publication Critical patent/CN106796527A/zh
Pending legal-status Critical Current

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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0617—Representative agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • 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
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • 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
    • H04L67/14—Session management
    • 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
    • H04L67/63—Routing a service request depending on the request content or context

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及基于价格和性能优化云服务的选择的系统和方法。提供了用于基于价格、性能和/或与云服务相关的其它信息生成和使用购买策略以优化对这些服务的选择的系统和方法。购买策略可以实时地全面描述各种云服务，使得客户可以利用最新的实时信息来购买云服务。购买策略可以例如描述各种云服务的定价、性能、可用性和/或其它属性。购买代理可以使用购买策略、一个或多个购买规则和/或其它信息来生成指定应该被购买的一个或多个云服务实例的购买规范。购买代理可以利用现货实例的独特性质做出有利的购买决策。例如，系统可以确定应当做出以获得某些现货实例的投标价格。

Description

基于价格和性能优化云服务的选择的系统和方法
对相关申请的交叉引用
本申请要求于2014年6月11日提交的序列为No.14/302,220的美国专利申请的权益，其全部内容通过引用被结合于此。
技术领域
本发明涉及用于基于各种云服务的价格和/或性能来生成和使用购买策略以优化对这些服务的选择的系统和方法。
背景技术
许多云服务提供商销售各种云服务来代表其客户执行计算实例。例如，AMAZON销售其AMAZON WEB SERVICES(AWS)服务、GOOGLE销售其GOOGLE APP ENGINE服务、以及其它公司销售类似的服务。通过收取费用，AMAZON、GOOGLE和其它云服务提供商以云服务实例的形式向客户提供在有限时间内其服务器和其它基础设施的使用。费用可以取决于云服务实例将要运行的时间/日期、云服务实例的性能(例如，吞吐量、等待时间等)、所提供的云服务实例是现货实例(spot instance)还是标准实例、和/或其它属性而不同。
标准实例是保证在费用被支付时运行到完成的云服务实例。现货实例是只要客户的投标价格超过可能随时间变化的当前现货价格就运行的云服务实例。如果在现货实例仍在运行时，当前现货价格被升高到高于投标价格，则现货实例可以被提前终止。虽然如果发生提前终止，现货实例的提供商通常将会退还全部或一部分投标价格(或以其它方式不收取全部或一部分投标价格)，但是使用现货实例对于不应该被中断和不应该经历停止的计算实例来说会是有风险的。因此，现货实例的价格通常低于标准实例的价格。
由于有各种云服务可用，每个云服务具有不同的定价、性能和/或其它属性，因此客户可能难以基于客户的独特需求做出购买决策。此外，由于云服务实例的价格、性能和/或其它属性会随时间变化，因此可能难以实时做出购买决策。还可能难以利用现货实例的独特性质，包括其固有的风险和费用结构。存在这些和其它缺点。
发明内容
解决这些和其它缺点的本发明涉及用于基于各种云服务的价格和/或性能来生成和使用购买策略以优化对这些服务的选择的系统和方法。该系统可以用来实时生成全面描述各种云服务的购买策略，使得客户可以利用最新的实时信息来购买云服务。购买策略可以例如描述各种云服务的定价、性能、可用性和/或其它属性。
根据本发明的方面，系统可以包括价格和性能数据库，其包括历史定价、性能和/或其它信息。价格和性能数据库可以利用自动检索定价、性能和/或其它信息的过程来自动填充。数据分析员还可以手动获得用于填充价格和性能数据库的定价、性能和/或其它信息。这种信息可以从新闻源、由数据分析员或其它人执行的市场分析、和/或其它来源获得。
来自各种云服务提供商的信息，包括它们提供的资源的类型、定价、性能、可用性和/或随时间的其它信息，也可以在价格和性能数据库中获得和存储。系统可以分析来自价格和性能数据库的信息，以找到用于在一个或多个云服务提供商内和跨一个或多个云服务提供商购买的新选项和能力。例如，系统可以针对可能触发新的分析的新添加或更新的信息监视价格和性能数据库。
在实现中，系统可以主动收集各种云服务的性能数据。系统还可以收集与客户环境相关联的元数据，以定制适合给定客户的需要和/或计算环境的购买策略。系统可以生成基于价格和性能数据库中的实时和更新信息(以及历史信息)的一个或多个购买策略，从而说明历史和当前的云市场状况。
客户可以订阅和接收购买策略，其可以被实时应用，以促进购买决策。购买策略可以经由其中应用了强安全加密和签名的异步通信来提供。客户(例如，代表客户工作的分析员)可以利用对客户可用的信息来修改购买策略、生成其自己的购买策略、提供指定对计算实例的需求的一个或多个购买规则、和/或采取与做出购买决策相关的其它动作。
客户计算机系统可以具有购买代理，购买代理使用一个或多个购买策略(例如，未修改的购买策略、修改的购买策略、客户生成的购买策略等)、一个或多个购买规则和/或其它信息来生成购买规范，其指定应当利用一个或多个购买参数来购买的一个或多个云服务实例。购买参数可以包括但不限于：应当购买现货实例还是标准实例、云服务实例的类型、时间、价格、性能、云服务实例的数量和/或与应当购买的一个或多个云服务实例相关的其它信息。购买参数可以基于由客户指定的规则(例如，最大价格、最小性能、关键性-即，要运行的计算实例是否可以被中断/提前终止等)来确定。
购买代理可以利用现货实例的独特性质做出有利的购买决策。例如，系统可以预测预计导致提前终止的投标价格，使得计算实例的至少一部分将免租(rent-free)运行。
客户计算机系统可以包括创建利用云服务运行的计算实例的云控制器。云控制器可以定期地与购买代理交互，使得由云控制器和/或购买代理执行的每个购买决策包括最优的定价策略。
当参考附图考虑以下描述和所附权利要求时，本文所公开的这些和其它目的、特征和特性，以及相关结构元件的操作方法和功能以及部件的组合和制造的经济性，都将变得更显而易见，其中附图构成本说明书的一部分，其中相同的标号在各个图中表示相应的部分。但是，应当明确地理解，附图仅仅是为了说明和描述的目的而不是要作为本发明的限制的定义。如在说明书和权利要求中所使用的，除非上下文清楚地另外指出，否则单数形式“一”、“一个”和“这个”也包括复数个的所指物。
附图说明
图1示出了根据本发明的实现的、基于各种云服务的价格和/或性能来生成和使用购买策略以优化对这些服务的选择的系统。
图2示出了根据本发明的实现的、基于各种云服务的价格和/或性能来生成和使用购买策略以优化对这些服务的选择的数据流程图。
图3示出了根据本发明的实现的、基于购买策略和/或其它信息来确定购买决策的过程。
图4示出了根据本发明的实现的、识别和利用现货实例的现货价格波动性的过程。
图5示出了根据本发明的实现的、随时间绘制的现货实例的现货价格的二维图形表示。
具体实施方式
本发明涉及用于基于各种云服务的价格和/或性能来生成和使用购买策略以优化对这些服务的选择的系统和方法。
图1示出了根据本发明的实现的、基于各种云服务的价格和/或性能来生成和使用购买策略以优化对这些服务的选择以满足计算需求的系统100。
该系统可以用来实时地生成全面描述各种云服务的购买策略，使得客户可以使用最新的实时信息来购买云服务。购买策略可以例如描述各种云服务的定价、性能、可用性和/或其它属性。
客户可以订阅和接收购买策略以做出购买决策。客户(例如，代表客户工作的分析员)可以利用对客户可用的信息来修改购买策略、生成其自己的购买策略、提供指定对计算实例的需求的一个或多个购买规则、和/或采取与做出购买决策相关的其它动作。
系统可以使用购买策略(例如，未修改的购买策略、修改的购买策略、客户生成的购买策略等)、一个或多个购买规则和/或其它信息来生成指定应该被购买的一个或多个云服务实例的购买规范。购买规范可以包括购买参数，购买参数指定与应该被购买的一个或多个云服务实例相关的时间、价格、性能和/或其它属性。购买参数可以基于由客户指定的规则(例如，最大价格、最小性能、关键性-即，要运行的计算实例是否可以被中断/提前终止等)来确定。
系统可以利用现货实例的独特性质做出有利的购买决策。例如，系统可以预测预计导致提前终止的投标价格，使得计算实例的至少一部分将免租运行。
本文描述了系统100的其它用途，并且对本领域技术人员来说，还有的其它用途将是显而易见的。已经描述了一些系统功能的高级概述，现在将注意力转向促进这些和其它功能的各种系统组件。
示例性系统体系架构
系统100可以包括计算机系统110、客户计算机系统130、一个或多个云服务提供商150和/或其它组件。
计算机系统110
计算机系统110可以包括一个或多个处理器112(为了方便，在本文中也可互换地称为多个处理器112、(一个或多个)处理器112、一个处理器112)、一个或多个存储设备114(其可以存储价格和性能分析器应用116，为了方便在下文中称为“PPA 116”)、一个或多个价格和性能数据库118和/或其它组件。处理器112可以由一个或多个计算机程序指令编程。例如，处理器112可以由PPA 116和/或其它指令编程。
客户计算机系统130
客户计算机系统130可以包括一个或多个处理器132(为了方便在本文中也可互换地称为多个处理器132、(一个或多个)处理器132、一个处理器132)、一个或多个存储设备134(其可以存储云控制器136、信息管理器137、购买代理138和/或其它指令)、客户数据储存库140和/或其它组件。处理器132可以由一个或多个计算机程序指令编程。例如，处理器132可以由云控制器136、信息管理器137、购买代理138和/或其它指令编程。
云服务提供商150
云服务提供商150可以包括销售各种云服务以代表其客户执行计算实例的实体。例如，AMAZON利用其AMAZON WEB SERVICES(AWS)服务销售云服务实例，而GOOGLE利用其GOOGLE APP ENGINE服务销售云服务实例。
云服务提供商150还可以包括为云服务提供市场或交换的实体。例如，云服务提供商150可以包括代表其它方销售云服务实例的市场，其中其它方利用其基础设施实际上提供云服务实例。以这种方式，系统100可以利用可销售来自不同实体的各种云服务实例的交换。
虽然在图1中被示为单个组件，但是计算机系统110和客户计算机系统130每个可以包括多个单独的组件(例如，计算机设备)，其中每个组件用本文所述的至少一些功能编程。如将可以理解的，以这种方式，计算机系统110和/或客户计算机系统130的一些组件可以执行一些功能，而其它组件可以执行其它功能。一个或多个处理器112、132每个可以包括由计算机程序指令编程的一个或多个物理处理器。本文所描述的各种指令仅仅是示例性的。只要(一个或多个)处理器112、132被编程为执行本文所描述的功能，就可以使用其它配置和数量的指令。
此外，应当理解，虽然各种指令在图1中被示为共同位于单个处理单元内，但是在其中(一个或多个)处理器112、132包括多个处理单元的实现中，一个或多个指令可以远离其它指令被执行。此外，本文相对于(一个或多个)处理器112描述的功能中的至少一些功能可以由(一个或多个)处理器132执行，反之亦然。例如，(一个或多个)处理器112可以由购买代理138和/或云控制器136编程。在前述例子中，客户计算机系统130可以从计算机系统110获得购买决策。
由本文所描述的不同指令提供的功能的描述是为了说明性的目的，而不是要进行限制，因为任何指令可以比所描述的提供更多或更少的功能。例如，可以消除一个或多个指令，并且其功能中的一些或全部功能可以由其它指令提供。作为另一个例子，(一个或多个)处理器112可以由一个或多个附加指令编程，该一个或多个附加指令可以执行本文归属于其中一个所述指令的功能中的一些或全部功能。
本文所描述的各种指令可以存储在存储设备114中，存储设备114可以包括随机存取存储器(RAM)、只读存储器(ROM)和/或其它存储器。存储设备可以存储要由处理器112执行的计算机程序指令(例如，上述指令)以及可以由处理器112操纵的数据。存储设备可以包括软盘、硬盘、光盘、带子、或用于存储计算机可执行指令和/或数据的其它存储介质。
图1中示出的各种组件可以经由网络102耦合到至少一个其它组件，网络102可以包括例如互联网、内联网、PAN(个人局域网)、LAN(局域网)、WAN(广域网)、SAN(存储区域网)、MAN(城域网)、无线网络、蜂窝通信网络、公共交换电话网络和/或其它网络中的任何一个或多个。在图1和其它附图中，可以使用与所绘出的不同数量的实体。此外，根据各种实现，本文所描述的组件可以用硬件和/或配置硬件的软件实现。
本文所描述的各种数据库160可以是或包括例如由Oracle公司商业销售的OracleTM关系数据库，或者与其接口。也可以使用、合并或访问其它数据库，诸如InformixTM、DB2(Database 2)或包括基于文件的其它数据存储，或查询格式、平台或资源(诸如OLAP(在线分析处理)、SQL(结构化查询语言)、SAN(存储区域网络)、MicrosoftAccessTM或其它)。数据库可以包括驻留在一个或多个物理设备中和一个或多个物理位置中的一个或多个此类数据库。数据库可以存储多种类型的数据和/或文件以及相关联的数据或文件描述、管理信息或任何其它数据。
生成购买策略
在实现中，PPA 116可以对处理器112(并且因此计算机系统110)进行编程，以基于各种云服务的价格、性能和/或其它特性生成一个或多个购买策略。如下文所使用的，当实际上各种指令对处理器112进行编程以执行操作时，为了方便起见，各种指令将被描述为执行操作。给定的购买策略可以利用JAVASCRIPT Object Notation(JAVASCRIPT对象符号，JSON)、eXtensible Markup Language(可扩展标记语言，XML)和/或可以被交换的其它格式来格式化。
一般而言，购买策略可以包括描述一个或多个云服务和/或一个或多个云服务提供商150的历史和/或实时云属性的集成集合。客户可以使用购买策略来识别应当购买以运行其计算实例的一个或多个云服务和/或从其购买云服务的一个或多个云服务提供商150。因为购买策略可以描述各种云服务和/或云服务提供商150的云属性，因此客户可以做出考虑了一系列不同的服务和提供商(及其相关联的云属性)的知情的购买决策。
云属性的例子可以包括但不限于外在属性120、现货市场定价122、云性能124、云定价126和/或描述给定云服务和/或云服务提供商150的其它特性。
在实现中，外在属性120可以包括描述云服务和/或云服务提供商150的新闻事件或第三方评估的信息。作为例子而不是限制，外在属性120可以包括新闻条目、评论/评级和/或描述云服务和/或云服务提供商150的其它信息。新闻条目可以一般地涉及云服务或提供商(例如，指示云服务的价格一般地由于竞争而下降的新闻条目)或者特别地涉及特定云服务或提供商(例如，特定云服务提供商150已添加了新的计算农场(compute farm)以处理更多数量的云服务请求)。评论和评级可以来自已使用该云服务的客户、为操作计算机系统110的实体工作的分析员和/或其它审阅者。PPA 116可以将此类评论和评级包括在购买策略中。
在实现中，现货市场定价属性122可以描述可从一个或多个云服务提供商150得到的现货实例。现货市场定价属性122可以包括但不限于现货价格、客户投的投标和/或其它信息。现货市场定价属性122可以包括与日期/时间相关联的实时和/或历史信息。
在实现中，云性能属性124可以描述一个或多个云服务的性能。作为例子而不是限制，云性能属性124可以包括吞吐量/容量、等待时间、可用性、最大分组丢失和/或其它性能度量。
云性能属性124可以从云服务提供商150(或其它实体)获得，和/或可以由PPA 116进行测量。在实现中，PPA 116可以测量各种云服务提供商150(及其各自的服务)的性能，以对其性能进行采样。例如，PPA 116可以采用ping或以其它方式将请求发送到各种云服务以测量吞吐量、响应时间、等待时间和/或其它性能度量的性能测试设备。PPA 116可以在不同时间定期地测量性能，诸如贯穿一天中的不同时间、一周中的不同天等。以这种方式，PPA116可以直接测定各种云服务和/或云服务提供商150的性能属性，使得此类性能属性可以用来生成购买策略。可以使用直接测得的性能属性作为对从其它来源获得的性能属性的替代或附加。
在实现中，云定价属性126可以包括不是现货实例的云服务实例的标准价格。与现货价格不同，标准价格(如果支付)保证计算实例将运行到预先指定的计算时间已截止为止。
PPA 116可以获得和存储实时云属性，使得购买策略反映实时信息(例如，流式传输和/或定期获得的实时定价和性能信息)。可替代地或附加地，PPA 116可以获得和存储历史云属性，使得购买策略反映与历史云属性相关联的趋势、模式和/或其它信息。
PPA 116可以在价格和性能数据库118中存储云属性。PPA 116可以定期地(和/或实时地)更新价格和性能数据库118，使得利用数据库生成的购买策略反映当前信息。以这种方式，价格和性能数据库118可以用作用于生成购买策略的信息的实时和历史储存库。
在实现中，PPA 116可以连续挖掘价格和性能数据库118，以识别可能适合购买的各个云服务和/或云服务的组合。例如，PPA 116可以确定为了实现给定的性能水平(例如，吞吐量)，可以使用云服务的特定组合来最小化该(一个或多个)云服务的价格或以其它方式处于或低于特定价格。PPA 116同样也可以对其它类型的性能重复上述分析。以这种方式，购买策略可以包括云属性的分析。
提供购买策略
PPA 116可以向购买和消费云服务的客户提供一个或多个购买策略，使得他们可以优化对这些服务的选择以满足其计算需求。PPA 116可以一次性地或按照订阅提供一个或多个购买策略。例如，客户可以通过(例如，经网站或其它界面)向PPA 116做出提供购买策略的请求来一次性地获得一个或多个购买策略，提供的购买策略可以响应于请求按需生成或从存储器中检索出。在另一个例子中，客户可以订阅和接收一个或多个购买策略，其可以以定期的时间间隔、在更新的信息可用时和/或在其它时间自动地提供给客户。
在实现中，计算机系统110可以为该一个或多个购买策略收取访问费用。例如，计算机系统110可以收取一次性费用、订阅费用和/或其它类型的访问费用。此外，不同的访问费用可以取决于在给定购买策略中包括的云属性来收取。例如，包括所有历史价格信息的购买策略可以比只包括历史价格信息中的一些(例如，最后两周)的购买策略收取更高的费用。在实现中，每种类型的云属性信息可以与其自己的费用相关联。例如，可以为测得的性能度量评估单独的费用。访问费用也可以基于在购买策略中包括的云属性的其它级别。以这种方式，客户可以选择感兴趣的特定信息和/或应当与给定请求或订阅相关联地提供多少信息。
指定计算实例参数
云控制器136可以生成可以本地运行和/或利用由一个或多个云服务提供商150提供的一个或多个云服务运行的一个或多个计算实例。例如，在连续地用其它计算实例替换计算实例以确保给定计算实例的安全性的系统中，云控制器136可以创建多个计算实例并调度计算实例中的一个或多个在云服务上运行。这种替换软件组件的系统已经在于2013年8月16日提交的、标题为“System and Method for Replacing Software Components WithCorresponding Known-Good Software Components Without Regard to Whether thesoftware Components Have Been Comprised or Potentially Compromised”的共同拥有的美国专利申请序列No.13/969,181中进行了描述，该申请的全部内容通过引用被结合于此。
给定的计算实例可以与描述运行计算实例所需和/或期望的一个或多个计算参数相关联。计算参数的例子包括但不限于计算持续时间(例如，计算实例应当或预计运行的时间长度)、计算实例应当运行的时间和/或日期、计算实例是否不应当被中断的指示(例如，计算实例是否是任务关键的、可选的等)、运行计算实例的云服务所必需或期望的性能水平(例如，带宽、等待时间等)、与云服务相关联的定价和/或运行计算实例所需或期望的其它描述。
在实现中，计算参数可以被分类为必须被满足的硬计算参数或期望但不必需被满足的软计算参数。硬计算参数可以指定必须被满足的阈值。作为例子而不是限制，硬计算参数可以指定运行对应的计算实例所需的最小带宽或最大等待时间。另一方面，软计算参数可以指定某个带宽是所期望的，但不是必需的。无论计算参数被分类为硬参数还是软参数，计算参数都可以指定值的范围(例如，可接受的价格的范围)。
一个或多个用户(例如，代表客户工作的分析员)和/或云控制器136(例如，在没有用户干预的情况下自动地)可以确定计算参数。在实现中，可以针对特定的计算实例(或给定类型的计算实例)专门确定计算参数。例如，处理HTTP请求的服务器实例可以与一个或多个计算参数的第一集合相关联，而提供文件传输请求的应用实例可以与一个或多个计算参数的第二集合相关联。以这种方式，不同的计算实例可以与其自己的一个或多个计算参数的集合相关联。在实现中，可以一般地为客户的所有计算实例确定计算参数。
管理用于做出购买决策的信息
信息管理器137可以管理购买决策信息，购买决策信息可以存储在客户数据储存库140和/或其它存储装置中以及从客户数据储存库140和/或其它存储装置中检索。购买决策信息可以被客户使用来做出购买决策，并且可以包括但不限于一个或多个购买策略、一个或多个(例如，指定计算参数的)购买规则和/或用于做出购买决策的其它信息。
在实现中，信息管理器137可以从计算机系统110订阅和获得一个或多个购买策略。订阅可以是其中应用强安全加密和签名的异步通信。购买策略可以存储在客户数据储存库140和/或其它存储装置中。客户(例如，代表操作客户计算机系统130的实体工作的分析员)可以修改、删除或保持来自计算机系统110的购买策略。例如，客户可以基于客户对给定云服务的体验修改一个或多个云属性、将某些云服务或云服务提供商150列入黑名单(或白名单)和/或以其它方式修改来自计算机系统110的给定购买策略。
以这种方式，客户可以根据其认为可以加强或以其它方式修改从计算机系统110接收到的购买策略的信息来定制购买策略。在实现中，信息管理器137可以获得实时信息，诸如性能属性、价格属性和/或其它信息，以增强或以其它方式更新从计算机系统110接收到的购买策略。
在实现中，信息管理器137可以接收和存储来自客户的客户购买策略。客户购买策略可以包括在由计算机系统110提供的购买策略中提供的一些或所有云属性。在这方面，客户购买策略与由计算机系统110提供的购买策略的不同之处可以仅在于客户创建客户购买策略。可以使用客户购买策略作为由计算机系统110提供的购买策略的替代或附加。
在实现中，信息管理器137可以存储指定一个或多个计算参数的一个或多个购买规则142。不同的购买规则可以指定一个或多个计算参数的不同集合。例如，第一购买规则可以指定对于某些托管的应用，应当购买最小带宽和最大等待时间，而不考虑成本(例如，应当优化带宽和等待时间)。第二购买规则可以指定对于某些后台处理，价格不应该超过最大价格(例如，应当优化价格)。根据客户的特定需要，也可以使用包括计算参数的不同集合的购买规则的其它例子。
信息管理器137可以接收给定云属性的权重。例如，客户可以指定在做出购买决策时某个云属性应当比另一个云属性有更高的权重。给定权重可以编码在与对应的云属性相关联的一个或多个购买规则142中。
做出云服务购买决策
购买代理138可以基于在给定购买策略(其可以包括来自计算机系统110的未修改的购买策略、被客户修改的来自计算机系统110的购买策略、客户购买策略等)、一个或多个购买规则和/或其它信息中描述的一个或多个云属性来生成购买规范。购买策略可以包括一个或多个购买参数，其指定客户所期望的运行一个或多个计算实例的一个或多个云服务的购买。购买参数可以包括但不限于计算实例应当被运行时的时间、应当被使用的云服务类型(例如，现货市场资源、非现货市场资源等)、要被支付的价格、应当被投的投标、应当被使用的云服务提供商150的身份、应当被购买的计算时间的增量、应当被购买的计算实例的数量和/或其它购买参数。
购买参数可以基于实时信息来确定，使得当生成购买规范时可以考虑实时定价、性能和/或其它条件。
在实现中，购买代理138可以基于一个或多个云属性的优化来确定一个或多个购买参数。作为说明而不是限制，将在以下描述中使用价格和/或性能，但是也可以优化其它云属性。
购买代理138可以通过审查可用的云服务(例如，如在客户数据储存库140中的购买策略中所描述的)并生成将被考虑购买的一个或多个云服务的集合来优化一个或多个云属性。购买代理138可以评估云服务的每个集合以识别云服务的最优集合。一个或多个云服务的每个集合可以包括由一个或多个云服务提供商150提供的云服务。例如，在一些实例中，一个或多个云服务的集合可以包括来自第一云服务提供商150的云服务和来自第二云服务提供商150的云服务。
在实现中，购买代理138可以基于一个或多个购买规则来确定云服务是否应该被包括在给定的云服务集合中以供考虑。例如，购买规则可以指定特定计算实例是关键的，并且因此不应当被终止。基于上述规则，购买代理138可以不考虑现货实例(其会被终止)，并且因此现货实例在用于该特定计算实例的任何购买规范中都将不被使用。另一方面，在没有这种购买规则的情况下，购买代理138可以考虑现货实例(连同其它计算实例)，以潜在地确定云服务的混合来运行计算实例。
如之前所描述的，每个云服务可以与各种云属性相关联。例如，给定的云服务可以与价格、性能、所提供的云服务将被执行的时间和/或其它云属性相关联。购买代理138可以基于一个或多个云服务的集合的相应云属性相对于彼此对该一个或多个云服务的集合进行排名。在实现中，购买代理138可以向客户提供最高排名集合(或N个最高排名集合)以供选择。可替代地，购买代理138可以自动选择最高排名集合用作要购买的云服务的基础。
为了相对于另一个集合对一个或多个云服务的集合进行排名，购买代理138可以利用单个云属性执行单目标优化和/或利用多个云属性执行多目标优化。
在单目标优化中，可以优化单个云属性。例如，购买代理138可以通过性能对云服务的集合进行排名。换句话说，云服务的每个集合的预计性能可以相对于云服务的其它集合来确定和排名。对于包括多于一个云服务的云服务集合，该集合的性能可以通过对每个集合的性能求平均来确定。
在多目标优化中，可以优化多于一个的云属性。例如，购买代理138可以通过性能和价格对云服务的集合进行排名。购买代理138可以确定客户是否已经为云属性指定了任何权重。例如，客户可以指定性能的权重应当比价格的权重高1.2倍(例如，客户认为性能高于价格)。也可以使用权重的其它表示。如果客户已对任何云属性进行加权，则当对云服务的集合进行排名时，购买代理138可以考虑权重。
在实现中，购买代理138可以使用常规的多目标优化算法来确定云属性的最优集合。这种优化的结果可以包括多个云属性的最优组合的范围。例如，可以识别价格和性能以及对应的(一个或多个)云服务的最优组合。购买代理138可以呈现一系列最优组合以允许客户选择合适的一组云服务集合来购买。可替代地，购买代理138可以自动选择被确定为最佳的给定组合。
在实现中，购买代理138可以分析一个或多个购买策略来确定各种云属性中的模式。例如，购买代理138可以确定在一天中的某些时间、一周中的某些天等期间，对于某些类型的云服务价格趋于下降(或上升或保持稳定)。同样，购买代理138可以确定在一天中的某些时间、一周中的某些天等期间，对于某些类型的云服务性能趋于增加(或降低或保持稳定)。也可以确定其它类型的模式。利用这些模式，购买代理138可以确定云服务应当被订购的适当时间。例如，如果价格在深夜时段期间趋于下降，则可以购买与深夜时段相关联的云服务实例来运行计算实例(对于可以在任何时间运行的那些计算实例)。
识别和利用现货市场的稳定性和波动性
在特定实现中，购买代理138可以分析现货市场价格并确定现货价格中的模式，诸如现货价格稳定性或波动性。购买代理138可以基于来自客户的这样做的指示(例如，经由购买规则)、自动地基于计算实例的计算需求和/或其它信息来利用现货价格稳定性和/或波动性。
现货价格稳定性可以通过由下限现货价格和上限现货价格限定的现货价格的范围来定义。相反，现货价格波动性可以通过其中现货价格以预定量(例如，高于现货价格和/或其它量的范围，其它量可以包括阈值量、价格波动的某个百分比等)波动的时段来定义。该范围可以是预定的和/或动态配置的，使得现货价格稳定性和/或现货价格波动性的定义可以被调整。
现货价格稳定性可以指示针对现货实例的供应和需求相对稳定，并且与获胜投标相关联的计算实例将不会被终止。换句话说，现货价格预计不会上升到高于在现货价格稳定时段期间投的获胜投标(假设计算实例预计在现货价格稳定时段到期之前运行到完成)。
另一方面，现货价格波动性可以指示针对现货实例的供应和需求不稳定，并且与获胜投标相关联的计算实例比在现货价格稳定期间发起的计算实例经受更高被终止的风险。换句话说，现货价格预计潜在地上升到高于在现货价格波动时段期间投的获胜投标，并且因此与获胜投标相关联的计算实例经受终止的风险。
当生成购买决策时，购买代理138可以使用所确定的现货价格稳定性和/或波动性的模式。例如，购买代理138可以在否则由于提前终止的风险而不会考虑现货实例时使用它们。购买代理138可以确定在现货价格稳定时段期间处于或高于上限现货价格的投标价格，从而降低对应的现货实例将被提前终止的可能性。以这种方式，购买代理138可以利用现货实例潜在的较低现货价格(与标准实例的较高价格相对)，同时保持现货实例将在现货价格稳定时间期间运行到完成的置信度水平。因此，即使潜在的更关键的计算实例也能够利用现货实例，这以别的方式将会太有风险而不被使用。
在前述例子的扩展中，购买代理138可以识别预计保持高于当时普遍的现货价格的最低现货价格。例如，购买代理138可以识别具有最低上限现货价格的价格稳定时段。这些时段可以表示可以在运行现货实例到完成时被实现的最低现货价格。
在另一个例子中，购买代理138可以基于现货价格波动性来确定现货价格预计增加的时间。购买代理138可以确定预计在第一时间高于第一现货价格但在第二时间低于第二现货价格的投标价格。在这种情况下，与投标价格相关联的计算实例可以作为现货实例从第一时间(较少用于完成购买和启动现货实例的处理时间)开始直到第二时间运行，其中在第二时间处，现货实例将被提前终止，因为投标价格不再超过当前现货价格。
由于现货实例被云服务提供者150提前终止，因此计算实例将会在基本上没有费用的情况下从云服务提供商150运行。客户可以通过运行在终止时可以容易地用另一个计算实例来替换的计算实例来利用这种提前终止，或以其它方式在过早终止之前获得“免费”的计算周期(服从于云服务提供商的任何适当的服务条款或其它规定)。
在过早终止时(例如，如由购买代理138和/或云控制器136所监视的)，购买代理138可以使用其它云服务实例来填充任何剩余的完成处理计算实例所需的计算时间。例如，购买代理138可以识别如果和当过早终止发生时，要使用的替代云服务实例。替代云服务实例可以在这种过早终止之前和/或之后被识别。
云服务实例的类型和组合
在实现中，利用一个或多个优化、模式、趋势、价格稳定性和/或本文所描述的其它信息，购买代理138可以确定计算实例应当利用云服务实例的组合来运行。购买代理138可以确定一个或多个云属性可以通过利用多于一个的云服务实例来优化。例如，购买代理138可以确定获得某个水平的吞吐量或其它性能度量的最低价格可以通过利用一起满足所需吞吐量水平的多个云服务实例来实现。换句话说，购买代理138可以确定能够单独处理所需吞吐量水平的单个云服务实例将更昂贵。另一方面，购买代理138可以取决于(例如，从购买策略获得的)定价信息确定相反应当使用单个云服务实例。
在实现中，利用一个或多个优化、模式、趋势、价格稳定性和/或本文所描述的其它信息，购买代理138可以确定应当使用某种类型的云服务实例。例如，购买代理138可以确定计算实例是否可以被潜在地过早终止(例如，不是任务关键的)。如果不是，则购买代理138可以确定应当考虑现货实例。否则，购买代理138可以在生成购买规范时考虑现货实例。
在实现中，购买代理138可以限制应当被使用的云服务实例的类型。例如，通过购买规则，客户可以指定只现货实例应当被使用、只标准实例应当被使用、其它云服务实例应当被使用、或不同类型的云服务实例的组合应当被使用。以这种方式，购买代理138可以只使用某些类型的云服务实例。同样，云服务提供商150可以被列入黑名单和/或白名单。
购买代理138可以生成一个或多个购买订单，以促进云服务的购买。因为购买规范可以包括与在多于一个云服务实例(其可以由多于一个云服务提供商150提供)上运行计算实例相关的购买参数，因此购买代理138可以基于购买规范生成多个购买订单。
购买代理138和/或云控制器136可以向客户提供购买订单，使得客户做出订购。可替代地或附加地，购买代理138和/或云控制器136可以自动地与云服务提供商150接口以获取和监视云服务。
应当理解，关于购买代理138描述的优化和购买决策可以应用到PPA 116。例如，PPA 116可以提供已经包括一个或多个优化的云属性的购买策略，使得客户可以简单地从这些购买策略中选择购买决策。
图2示出了根据本发明的实现的、基于各种云服务的价格和/或性能来生成和提供购买策略的过程200。这里更详细地描述在图2中绘出的各种处理操作和/或数据流。所描述的操作可以利用以上详细描述的系统组件中的一些或全部来实现，并且在一些实现中，各种操作可以以不同的顺序执行，并且各种操作可以被省略。附加的操作可以与绘出的流程图中所示的操作中的一些或全部一起执行。一个或多个操作可以被同时执行。因此，如图所示(并在下面更详细描述)的操作本质上是示例性的，并且因此不应当被视为限制。
在操作202中，可以监视与云服务相关的新信息。与云服务相关的信息可以包括但不限于外在属性、现货市场定价、云性能、云定价和/或云服务的其它特性。与云服务相关的信息可以在其通过提供信息的各种来源变得可用时被实时更新。这种来源可以包括但不限于分析员、第三方实体(例如，新闻或评级服务)、云服务提供商和/或其它。
在操作204中，可以做出新信息是否可用的确定。如果没有获得新信息，则过程200可以返回到操作202。
另一方面，如果获得新信息，则在操作206中，可以分析新信息。分析可以包括但不限于对云属性进行排名，诸如定价、性能和/或在信息中包括的其它云属性。以这种方式，可以将不同的云服务及其相关联的属性彼此进行比较，以促进对适当云服务的选择。
在操作208中，一个或多个购买策略可以基于与云服务和/或分析相关的信息来生成。可以生成不同类型的购买策略。例如，购买策略可以包括包含云属性的原始信息。以这种方式，购买策略可以包括不同云服务及其属性的列表。购买策略可以包括不同云服务的排名。排名可以基于但不限于每性能单位的价格、不考虑性能的价格、不考虑价格的性能和/或其它排名标准。以这种方式，购买策略可以用允许客户基于对客户最重要的属性来选择要购买的适当云服务的信息来增强。购买策略可以包括某些云属性的优化。例如，购买策略可以包括通过价格、性能和/或其它云属性进行优化的云服务的集合。购买策略可以只包括某种信息。例如，购买策略可以包括只针对现货实例、只针对标准实例、只针对某些云服务提供商和/或其它过滤标准的信息。
在操作210中，可以标识订阅者的列表。不同级别的订阅可以与在购买策略中提供的不同级别的信息相关联。例如，基本订阅可以提供只包括原始信息的购买策略。增强订阅可以提供包括排名和/或优化的信息的购买策略。也可以使用其它供应模型，包括对购买策略的一次性请求。在操作212中，可以向订阅者提供购买策略(例如，经由异步的、加密签名的通信)。
图3示出了根据本发明的实现的、基于购买策略和/或其它信息确定购买决策的过程300。这里更详细地描述在图3中绘出的各种处理操作和/或数据流。所描述的操作可以利用以上详细描述的系统组件中的一些或全部来实现，并且在一些实现中，各种操作可以以不同的顺序执行，并且各种操作可以被省略。附加的操作可以与绘出的流程图中所示的操作中的一些或全部一起执行。一个或多个操作可以被同时执行。因此，如图所示(并在下面更详细描述)的操作本质上是示例性的，并且因此不应当被视为限制。
在操作302中，可以订阅和获得一个或多个购买策略。
在操作304中，一个或多个购买策略可以存储在客户数据储存库(诸如在图1中示出的客户数据储存库140)中。
在操作306中，可以获得客户提供的信息。客户提供的信息可以包括但不限于对一个或多个购买策略做出的定制或修改、客户购买策略(其由客户生成)、用于指定在做出云服务购买决策时要满足的要求的一个或多个购买规则和/或由客户提供的其它信息。
在操作308中，客户提供的信息可以存储在客户数据储存库中。
在操作310中，可以获得购买云服务实例的指示。例如，云控制器可以创建要运行的新计算实例和/或客户可以以其它方式希望购买一个或多个云服务实例来运行计算实例。
在操作312中，可以从客户数据储存库获得信息。例如，可以从客户数据储存库获得购买策略、客户修改的购买策略、客户购买策略、购买规则和/或其它信息。也可以获得其它信息，诸如由过程300获得或确定的实时定价或性能信息。
在操作314中，可以基于来自客户数据储存库的信息和/或由过程300获得或确定的其它信息来生成购买规范。购买规范可以包括描述要购买的云服务实例的一个或多个购买参数。
图4示出了根据本发明的实现的、识别和利用现货实例的现货价格波动性的过程400。这里更详细地描述在图4中绘出的各种处理操作和/或数据流。所描述的操作可以利用以上详细描述的系统组件中的一些或全部来实现，并且在一些实现中，各种操作可以以不同的顺序执行，并且各种操作可以被省略。附加的操作可以与绘出的流程图中所示的操作中的一些或全部一起执行。一个或多个操作可以被同时执行。因此，如图所示(并在下面更详细描述)的操作本质上是示例性的，并且因此不应当被视为限制。
在操作402中，可以获得现货价格历史。现货价格历史可以包括由现货实例的提供商提供的现货价格、被投的投标和/或与现货价格相关的其它信息的列表。
在操作404中，可以基于一个或多个现货价格是否趋于重复来识别现货价格的模式。例如，当第一现货价格在第一时间被提供并且与第一现货价格基本上相同的第二现货价格在第一时间之后的第二时间被提供时，模式可以被识别。当第一现货价格与第二现货价格之间的差不超过某个量时，第二现货价格可以基本上与第一现货价格相同。也可以确定其它模式，诸如趋于在规则时间发生的价格增加或降低(例如，在一天的某些时间的价格降低或在一天的其它时间的价格增加)。
在操作406中，可以基于现货价格的模式来识别现货价格稳定性的模式。换句话说，趋于在例如一天的某些时间重复的现货价格稳定性。现货价格稳定性是指其中现货价格不低于下限现货价格且不高于上限现货价格的时间段。例如，参考图5，现货价格稳定性可以在时间(T1)和(T2)之间被识别出，因为现货价格的范围在下限现货价格(P1)和上限现货价格(P2)之间。当这种稳定性在另一时间段期间重复时，可以识别出这种现货价格稳定性的模式。例如，现货价格稳定性的模式可以在每晚某个时间发生。
参考图4，在操作408中，做出现货价格稳定性之后是否伴随价格上涨(超过上限现货价格)的确定。如果现货价格稳定性之后伴随价格上涨，则现货价格稳定性和价格上涨可以在操作410中被标记为潜在地用于现货实例的提前终止。另一方面，如果现货价格稳定性之后不伴随价格上涨(并且因此必须在其之后伴随价格下降到低于下限现货价格)，则现货价格稳定性和价格下降可以在操作412中被标记为潜在地用于现货实例的完成。
在操作414中，可以做出是否更多现货价格可用于分析的确定。如果更多的现货价格可用于分析，则过程400可以返回到操作406，其中可以识别出价格稳定时段。
否则，可以在操作416中分析标记的潜在可能性。取决于购买决策的目的，可以选择适当的潜在可能性。例如，如果目标是利用提前终止来获得免费的计算时段，则可以选择在其之后伴随价格上涨的价格稳定性用于分析。如果价格在一段时间的价格稳定性之后上涨，则很可能在价格稳定时段期间投放和接受的投标产生的现货实例将在价格上涨超过投标时被提前终止(假设现货实例被调度为在价格上涨之后运行到完成)。时间和投标量可以基于预计的运行时间(例如，其中现货实例将运行的持续时间)、稳定性的时段和价格增加来确定。
另一方面，如果目标是利用现货实例完成来使用可能低于标准价格的现货价格，则可以选择在其之后伴随价格下降的价格稳定性用于分析。如果价格在一价格稳定时段之后下降，则很可能在价格稳定时段期间投放和接受的投标产生的现货实例即使在价格下降到低于投标时也会运行到完成(假设现货价格不随后在现货实例运行到完成之前增加超过投标)。时间和投标量可以基于预计运行时间(例如，其中现货实例将运行的持续时间)、稳定时段和价格下降来确定。
图5示出了根据本发明的实现的、随时间绘制的现货实例的现货价格的示例性二维图形表示500。提供二维图形表示500是为了说明性的目的，以绘出用于基于价格曲线(P)确定一个或多个购买参数的分析框架。可以以类似的方式分析其它类型的云属性(例如，标准价格、性能等)来确定一个或多个购买参数。
由于现货价格(P)落在由(P1)和(P2)限定的价格的范围内，因此价格稳定时段在时间t1和t2之间发生。在时间t3，观察到在价格稳定时段之后价格增加到价格P3。假设从t1到t2的价格稳定性和在t3的价格增加形成模式(例如，在另一组时间重复，其中P1、P2和P3在该另一组时间不偏离价格超过指定量)，则可以利用该模式来实现提取终止目标、完成目标和/或相对于现货实例的其它目标。
提前终止目标
提前终止目标可以致力于针对预计由于在现货实例运行时当前现货价格已增加超过投标而被现货实例的提供者提前终止的现货实例进行投标。因此，可以获得在现货实例被启动的时间到现货实例被提前终止的时间期间的免费(或取决于提供者降低费率)的计算时间。
例如，购买现货实例的开始时间(ti)和价格(Pi)可以被识别为提前终止目标的一部分。ti可以基于利用现货实例运行的计算实例的预计运行时间来确定。预计的免费计算时间可以被计算为t3和ti之间的差(因为现货实例预计在ti开始并且在t3提前终止)。较长的预计免费计算时间(例如，较早的ti)比较短的预计免费计算时间更可能运行到完成并且不被提前终止，因为较长的预计免费计算时间对预测的在t3处的价格增加的不准确性更敏感。因此，包括提前终止目标的任何购买规范可以平衡较长的预计免费计算时间的益处与这样做的风险。Pi可以基于P2和P3来确定。例如，Pi可以大于或等于P2并小于P3。
完成目标
完成目标可以致力于为预计运行到完成的现货实例投标。因此，通常较低价格但对关键计算实例更有风险的现货实例可以用于可能对提前终止敏感的计算实例。
例如，购买现货实例的开始时间(ti)和价格(Pi)可以被识别为完成目标的一部分，ti可以基于利用现货实例和t3运行的计算实例的预计运行时间来确定。ti应该小于t3减去运行时间。换句话说，应当购买和启动现货实例，使得该现货实例预计在t3之前结束。以这种方式，现货实例应当被预计运行到完成。虽然未在图5中示出，但是在t3处可能发生价格降低，在这种情况下，取决于任何下一个预计的价格上涨超过Pi，ti可以被延伸到更晚的时间。
此外，虽然相对于价格稳定性和波动性进行了说明，但是可以识别任何价格的模式，以实现提前终止或完成目标。例如，可以使用其中观察到价格上涨的任何模式来实现提前终止目标。
考虑本文所公开的本发明的说明书和实践，本发明的其它实现、用途和优点对本领域技术人员将是显而易见的。说明书应当仅被认为是示例性的，并且本发明的范围相应地旨在仅由以下权利要求限制。

Claims (30)

1.一种优化云服务实例的购买的计算机实现的方法，所述方法在具有用计算机程序指令编程的一个或多个物理处理器的计算机系统中实现，所述计算机程序指令在被所述一个或多个物理处理器执行时，使所述计算机系统执行所述方法，所述方法包括：
由所述计算机系统获得与计算实例相关联的一个或多个需求；
由所述计算机系统获得包括与一个或多个云服务实例相关联的一个或多个云属性的购买策略；
由所述计算机系统基于所述购买策略和所述一个或多个需求识别运行所述计算实例的云服务实例；及
由所述计算机系统生成包括描述所述云服务实例的一个或多个购买参数的购买规范。
2.如权利要求1所述的方法，其中所述一个或多个云属性包括实时定价信息，所述实时定价信息包括所述一个或多个云服务实例的实时价格。
3.如权利要求2所述的方法，其中所述一个或多个需求指定要为所述一个或多个云服务实例支付的最大价格或价格范围。
4.如权利要求1所述的方法，其中所述一个或多个云属性包括指示所述一个或多个云服务实例的实时性能的实时性能信息。
5.如权利要求4所述的方法，其中所述一个或多个需求涉及所述一个或多个云服务实例的所需性能。
6.如权利要求1所述的方法，其中所述云服务实例包括现货实例或标准实例，所述方法还包括：
基于所述一个或多个需求确定是购买现货实例还是标准实例，其中所述云服务实例是基于所述确定识别的。
7.如权利要求1所述的方法，其中识别运行所述计算实例的云服务实例包括：
识别运行所述计算实例的多个云服务实例，其中所述购买规范指定应当被购买来运行所述计算实例的所述多个云服务实例。
8.如权利要求7所述的方法，所述方法还包括：
确定所述多个云服务实例与以下项相关联：(i)与使用较少数量的云服务实例相比，较低的总价格，和/或(ii)与使用较少数量的云服务实例相比，较高的性能。
9.如权利要求7所述的方法，其中所述多个云服务实例中的第一云服务实例将从第一云服务提供商购买，并且所述多个云服务实例中的第二云服务实例将从与第一云服务提供商不同的第二云服务提供商购买。
10.如权利要求1所述的方法，其中所述一个或多个需求涉及提前终止目标，所述云服务实例包括现货实例，并且所述一个或多个云属性涉及历史现货价格，所述方法还包括：
基于历史现货价格，识别在第一时间的第一现货价格和在第二时间的高于第一现货价格的第二现货价格；
确定在第一现货价格和第二现货价格之间的投标价格；及
确定应当做出投标价格的在第一时间和第二时间之间的时间，使得所述现货实例预计运行超过第二时间并且被提前终止。
11.如权利要求1所述的方法，其中所述一个或多个需求涉及完成目标，所述云服务实例包括现货实例，并且所述一个或多个云属性涉及历史现货价格，所述方法还包括：
基于历史现货价格识别价格稳定时段，其中在所述价格稳定时段期间的多个价格在下限现货价格和上限现货价格之内；
确定高于或等于上限现货价格的投标价格；及
确定应当做出投标价格的时间，使得现货实例预计在价格稳定时段之内运行到完成。
12.如权利要求1所述的方法，所述方法还包括：
获得从远程计算机系统接收一个或多个购买策略的预订，其中所述购买策略是基于所述预订从所述远程计算机系统获得的。
13.如权利要求1所述的方法，其中所述购买策略从远程计算机系统接收，所述方法还包括修改所述购买策略。
14.如权利要求1所述的方法，所述方法还包括：
从一个或多个来源获得所述一个或多个云属性；
基于所获得的一个或多个云属性生成一个或多个购买策略；及
将所述一个或多个购买策略存储在数据储存库中。
15.一种优化云服务实例的购买的系统，所述系统包括：
计算机系统，其具有用计算机程序指令编程的一个或多个处理器，所述计算机程序指令在被所述一个或多个物理处理器执行时，使所述计算机系统：
获得与计算实例相关联的一个或多个需求；
获得包括与一个或多个云服务实例相关联的一个或多个云属性的购买策略；
基于所述购买策略和所述一个或多个需求识别运行所述计算实例的云服务实例；及
生成包括描述所述云服务实例的一个或多个购买参数的购买规范。
16.如权利要求15所述的系统，其中所述一个或多个云属性包括实时定价信息，所述实时定价信息包括所述一个或多个云服务实例的实时价格。
17.如权利要求16所述的系统，其中所述一个或多个需求指定要为所述一个或多个云服务实例支付的最大价格或价格范围。
18.如权利要求15所述的系统，其中所述一个或多个云属性包括指示所述一个或多个云服务实例的实时性能的实时性能信息。
19.如权利要求18所述的系统，其中所述一个或多个需求涉及所述一个或多个云服务实例的所需性能。
20.如权利要求15所述的系统，其中所述云服务实例包括现货实例或标准实例，并且其中所述计算机系统还被编程为：
基于所述一个或多个需求确定是购买现货实例还是标准实例，其中所述云服务实例是基于所述确定识别的。
21.如权利要求15所述的系统，其中为了识别运行所述计算实例的云服务实例，所述计算机系统还被编程为：
识别运行所述计算实例的多个云服务实例，其中所述购买规范指定应当被购买来运行所述计算实例的所述多个云服务实例。
22.如权利要求21所述的系统，其中所述计算机系统还被编程为：
确定所述多个云服务实例与以下项相关联：(i)与使用较少数量的云服务实例相比，较低的总价格，和/或(ii)与使用较少数量的云服务实例相比，较高的性能。
23.如权利要求21所述的系统，其中所述多个云服务实例中的第一云服务实例将从第一云服务提供商购买，并且所述多个云服务实例中的第二云服务实例将从与第一云服务提供商不同的第二云服务提供商购买。
24.如权利要求15所述的系统，其中所述一个或多个需求涉及提前终止目标，所述云服务实例包括现货实例，并且所述一个或多个云属性涉及历史现货价格，并且其中所述计算机系统还被编程为：
基于历史现货价格，识别在第一时间的第一现货价格和在第二时间的高于第一现货价格的第二现货价格；
确定在第一现货价格和第二现货价格之间的投标价格；及
确定应当做出投标价格的在第一时间和第二时间之间的时间，使得所述现货实例预计运行超过第二时间并且被提前终止。
25.如权利要求15所述的系统，其中所述一个或多个需求涉及完成目标，所述云服务实例包括现货实例，并且所述一个或多个云属性涉及历史现货价格，并且其中所述计算机系统还被编程为：
基于历史现货价格识别价格稳定时段，其中在所述价格稳定时段期间的多个价格在下限现货价格和上限现货价格之内；
确定高于或等于上限现货价格的投标价格；及
确定应当做出投标价格的时间，使得现货实例预计在价格稳定时段之内运行到完成。
26.如权利要求15所述的系统，其中所述计算机系统还被编程为：
获得从远程计算机系统接收一个或多个购买策略的预订，其中所述购买策略是基于所述预订从所述远程计算机系统获得的。
27.如权利要求15所述的系统，其中所述购买策略从远程计算机系统接收，其中所述计算机系统还被编程为：
修改所述购买策略。
28.如权利要求15所述的系统，其中所述计算机系统还被编程为：
从一个或多个来源获得所述一个或多个云属性；
基于所获得的一个或多个云属性生成一个或多个购买策略；及
将所述一个或多个购买策略存储在数据储存库中。
29.一种生成购买策略的计算机实现的方法，所述方法在具有用计算机程序指令编程的一个或多个物理处理器的计算机系统中实现，所述计算机程序指令在被所述一个或多个物理处理器执行时，使所述计算机系统执行所述方法，所述方法包括：
由所述计算机系统从一个或多个来源获得一个或多个云属性，其中所述一个或多个云属性描述与一个或多个云服务实例相关联的一个或多个云服务；
由所述计算机系统基于所获得的一个或多个云属性生成一个或多个购买策略；
由所述计算机系统识别已订阅接收所述一个或多个购买策略的一个或多个订阅者；及
由所述计算机系统向所述一个或多个订阅者提供所述一个或多个购买策略。
30.一种生成购买策略的系统，所述系统包括：
具有用计算机程序指令编程的一个或多个处理器的计算机系统，所述计算机程序指令在被所述一个或多个物理处理器执行时，使所述计算机系统：
从一个或多个来源获得一个或多个云属性，其中所述一个或多个云属性描述与一个或多个云服务实例相关联的一个或多个云服务；
基于所获得的一个或多个云属性生成一个或多个购买策略；
识别已经订阅接收所述一个或多个购买策略的一个或多个订阅者；及
向所述一个或多个订阅者提供所述一个或多个购买策略。
CN201580037892.5A 2014-06-11 2015-06-04 基于价格和性能优化云服务的选择的系统和方法 Pending CN106796527A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/302,220 2014-06-11
US14/302,220 US9508095B2 (en) 2014-06-11 2014-06-11 System and method for optimizing the selection of cloud services based on price and performance
PCT/US2015/034109 WO2015191352A1 (en) 2014-06-11 2015-06-04 System and method for optimizing the selection of cloud services based on price and performance

Publications (1)

Publication Number Publication Date
CN106796527A true CN106796527A (zh) 2017-05-31

Family

ID=54834121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580037892.5A Pending CN106796527A (zh) 2014-06-11 2015-06-04 基于价格和性能优化云服务的选择的系统和方法

Country Status (9)

Country Link
US (1) US9508095B2 (zh)
EP (1) EP3155519A4 (zh)
JP (1) JP2017521765A (zh)
KR (1) KR20170018038A (zh)
CN (1) CN106796527A (zh)
AU (1) AU2015275073A1 (zh)
CA (1) CA2951847A1 (zh)
IL (1) IL249479A0 (zh)
WO (1) WO2015191352A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882387A (zh) * 2020-07-22 2020-11-03 山东大学 一种竞价型云计算资源租赁策略动态调整方法及系统
CN111882134A (zh) * 2020-08-04 2020-11-03 山东大学 一种云计算服务调度方法、系统、介质及电子设备
CN111967938A (zh) * 2020-08-18 2020-11-20 中国银行股份有限公司 云资源推荐方法、装置、计算机设备及可读存储介质
CN112766951A (zh) * 2021-02-03 2021-05-07 北京寄云鼎城科技有限公司 一种线上软件计费方法、装置、计算机设备及存储介质

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10673952B1 (en) * 2014-11-10 2020-06-02 Turbonomic, Inc. Systems, apparatus, and methods for managing computer workload availability and performance
US20160154673A1 (en) * 2014-07-23 2016-06-02 Sitting Man, Llc Methods, systems, and computer program products for providing a minimally complete operating environment
US10084721B2 (en) * 2015-01-16 2018-09-25 Vmware, Inc. Transformation of discrete service events into continuous, periodic data for metering and billing of cloud services
US10341194B2 (en) 2015-10-05 2019-07-02 Fugue, Inc. System and method for building, optimizing, and enforcing infrastructure on a cloud based computing environment
US11281498B1 (en) * 2016-06-28 2022-03-22 Amazon Technologies, Inc. Job execution with managed compute environments
US10735281B1 (en) * 2016-12-14 2020-08-04 Amazon Technologies, Inc. Application focused provisioning system
US10931761B2 (en) * 2017-02-10 2021-02-23 Microsoft Technology Licensing, Llc Interconnecting nodes of entity combinations
US10447614B2 (en) * 2017-06-23 2019-10-15 Red Hat, Inc. Providing high availability for a thin-provisioned container cluster
CA3098670A1 (en) 2018-05-06 2019-11-14 Strong Force TX Portfolio 2018, LLC Methods and systems for improving machines and systems that automate execution of distributed ledger and other transactions in spot and forward markets for energy, compute, storage and other resources
US11550299B2 (en) 2020-02-03 2023-01-10 Strong Force TX Portfolio 2018, LLC Automated robotic process selection and configuration
US11669914B2 (en) 2018-05-06 2023-06-06 Strong Force TX Portfolio 2018, LLC Adaptive intelligence and shared infrastructure lending transaction enablement platform responsive to crowd sourced information
US11238012B1 (en) 2018-05-15 2022-02-01 Splunk Inc. Log data extraction from data chunks of an isolated execution environment
WO2020047390A1 (en) 2018-08-30 2020-03-05 Jpmorgan Chase Bank, N.A. Systems and methods for hybrid burst optimized regulated workload orchestration for infrastructure as a service
US11537627B1 (en) 2018-09-28 2022-12-27 Splunk Inc. Information technology networked cloud service monitoring
US10785128B1 (en) 2018-11-21 2020-09-22 Candid Partners, LLC System, apparatus and method for deploying infrastructure to the cloud
US10872029B1 (en) 2018-11-21 2020-12-22 Candid Partners, LLC System, apparatus and method for deploying infrastructure to the cloud
US10990370B1 (en) 2018-11-21 2021-04-27 Candid Labs, Inc. System, apparatus and method for deploying infrastructure to the cloud
US10994198B1 (en) * 2018-11-28 2021-05-04 Amazon Technologies, Inc. Risk assessment for placement of hosted sessions
US11645592B2 (en) * 2019-06-28 2023-05-09 EMC IP Holding Company LLC Analyzing cloud backup service options using historical data protection activities
US11410107B2 (en) * 2019-11-07 2022-08-09 Salesforce.Com, Inc. Systems and methods for real-time determination of cost-to-serve metrics and cost attribution for cloud applications in the public cloud
US11171845B2 (en) * 2020-01-03 2021-11-09 International Business Machines Corporation QoS-optimized selection of a cloud microservices provider
US11982993B2 (en) 2020-02-03 2024-05-14 Strong Force TX Portfolio 2018, LLC AI solution selection for an automated robotic process
KR102443202B1 (ko) * 2020-09-21 2022-09-14 주식회사 디투오 Csp에 따른 가격 정책 비교 기반의 컴퓨팅 인프라 환경 지원 장치 및 방법
KR102443199B1 (ko) * 2020-09-21 2022-09-14 주식회사 디투오 서비스 프로필 기반으로 컴퓨팅 인프라 환경을 추천하는 컴퓨팅 인프라 환경 지원 장치 및 방법
KR102437052B1 (ko) * 2020-09-21 2022-09-29 주식회사 디투오 Csp에 따른 마크업 언어 재구성 기반의 컴퓨팅 인프라 환경 지원 장치 및 방법
WO2022202676A1 (ja) * 2021-03-25 2022-09-29 日本電気株式会社 情報資源割当支援装置、情報資源割当支援方法、及び、情報資源割当支援プログラムが格納された記録媒体
US11941421B1 (en) 2021-07-09 2024-03-26 Splunk Inc. Evaluating and scaling a collection of isolated execution environments at a particular geographic location

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030115123A1 (en) * 2001-12-14 2003-06-19 Lang David A. Network and method for delivering active investing services for multiple subscribers
US20100145864A1 (en) * 2001-06-04 2010-06-10 Boesjes Eimar M Multiply-integrated system for product inventory, sales, and distribution
US20120016721A1 (en) * 2010-07-15 2012-01-19 Joseph Weinman Price and Utility Optimization for Cloud Computing Resources
US20140040885A1 (en) * 2012-05-08 2014-02-06 Adobe Systems Incorporated Autonomous application-level auto-scaling in a cloud

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7571120B2 (en) * 2005-01-12 2009-08-04 International Business Machines Corporation Computer implemented method for estimating future grid job costs by classifying grid jobs and storing results of processing grid job microcosms
US7472079B2 (en) * 2005-01-12 2008-12-30 International Business Machines Corporation Computer implemented method for automatically controlling selection of a grid provider for a grid job
US9842004B2 (en) 2008-08-22 2017-12-12 Red Hat, Inc. Adjusting resource usage for cloud-based networks
US8238256B2 (en) 2008-09-08 2012-08-07 Nugent Raymond M System and method for cloud computing
US8244559B2 (en) 2009-06-26 2012-08-14 Microsoft Corporation Cloud computing resource broker
US20110119104A1 (en) 2009-11-17 2011-05-19 Xerox Corporation Individualized behavior-based service bundling and pricing
US9274848B2 (en) 2009-12-03 2016-03-01 International Business Machines Corporation Optimizing cloud service delivery within a cloud computing environment
US8615584B2 (en) 2009-12-03 2013-12-24 International Business Machines Corporation Reserving services within a cloud computing environment
JP5552343B2 (ja) * 2010-03-16 2014-07-16 株式会社日本総合研究所 管理装置、管理方法およびプログラム
US9021362B2 (en) 2010-07-19 2015-04-28 Soasta, Inc. Real-time analytics of web performance using actual user measurements
US8977754B2 (en) 2011-05-09 2015-03-10 Metacloud Inc. Composite public cloud, method and system
US20130031028A1 (en) * 2011-07-25 2013-01-31 Bank Of America Exchange System Supporting Cloud Computing
US8676621B1 (en) 2011-09-28 2014-03-18 Amazon Technologies, Inc. System and method for managing requests for pooled resources during non-contention
JP5579157B2 (ja) * 2011-11-29 2014-08-27 株式会社ゼンリンデータコム サービス推奨装置及びサービス推奨方法
US20130179289A1 (en) * 2012-01-09 2013-07-11 Microsoft Corportaion Pricing of resources in virtual machine pools
US20130346227A1 (en) 2012-06-22 2013-12-26 Microsoft Corporation Performance-Based Pricing for Cloud Computing
US20140067496A1 (en) 2012-08-31 2014-03-06 International Business Machines Corporation Providing real-time trading of virtual infrastructure resources
JP5662981B2 (ja) * 2012-10-09 2015-02-04 株式会社ヴァイナス クラウドコンピュータ選択システム、およびクラウドコンピュータ選択用プログラム
US10552774B2 (en) * 2013-02-11 2020-02-04 Amazon Technologies, Inc. Cost-minimizing task scheduler
US9818127B2 (en) * 2013-03-15 2017-11-14 International Business Machines Corporation Implementing comparison of cloud service provider package offerings

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100145864A1 (en) * 2001-06-04 2010-06-10 Boesjes Eimar M Multiply-integrated system for product inventory, sales, and distribution
US20030115123A1 (en) * 2001-12-14 2003-06-19 Lang David A. Network and method for delivering active investing services for multiple subscribers
US20120016721A1 (en) * 2010-07-15 2012-01-19 Joseph Weinman Price and Utility Optimization for Cloud Computing Resources
US20140040885A1 (en) * 2012-05-08 2014-02-06 Adobe Systems Incorporated Autonomous application-level auto-scaling in a cloud

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882387A (zh) * 2020-07-22 2020-11-03 山东大学 一种竞价型云计算资源租赁策略动态调整方法及系统
CN111882387B (zh) * 2020-07-22 2022-04-19 山东大学 一种竞价型云计算资源租赁策略动态调整方法及系统
CN111882134A (zh) * 2020-08-04 2020-11-03 山东大学 一种云计算服务调度方法、系统、介质及电子设备
CN111967938A (zh) * 2020-08-18 2020-11-20 中国银行股份有限公司 云资源推荐方法、装置、计算机设备及可读存储介质
CN111967938B (zh) * 2020-08-18 2023-07-21 中国银行股份有限公司 云资源推荐方法、装置、计算机设备及可读存储介质
CN112766951A (zh) * 2021-02-03 2021-05-07 北京寄云鼎城科技有限公司 一种线上软件计费方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
KR20170018038A (ko) 2017-02-15
JP2017521765A (ja) 2017-08-03
US20150363851A1 (en) 2015-12-17
IL249479A0 (en) 2017-02-28
WO2015191352A1 (en) 2015-12-17
CA2951847A1 (en) 2015-12-17
US9508095B2 (en) 2016-11-29
EP3155519A1 (en) 2017-04-19
EP3155519A4 (en) 2017-11-08
AU2015275073A1 (en) 2017-01-12

Similar Documents

Publication Publication Date Title
CN106796527A (zh) 基于价格和性能优化云服务的选择的系统和方法
US9984138B2 (en) Visual representations of recurring revenue management system data and predictions
US10896203B2 (en) Digital analytics system
JP2021523504A (ja) エネルギー、コンピュータ、ストレージ、及びその他のリソースの、スポット市場及び先物市場における分散型元帳及びその他のトランザクションの実行を自動化する、機械及びシステムを改善するための方法及びシステム
US20140122176A1 (en) Predictive model of recurring revenue opportunities
US11170391B2 (en) Method and system for validating ensemble demand forecasts
CN105074664A (zh) 成本最小化的任务调度程序
US11373199B2 (en) Method and system for generating ensemble demand forecasts
US11295324B2 (en) Method and system for generating disaggregated demand forecasts from ensemble demand forecasts
US20130339088A1 (en) Recurring revenue management benchmarking
US20140289007A1 (en) Scenario based customer lifetime value determination
KR102464018B1 (ko) 블록체인 기반 탄소중립 실천을 위한 유통채널 탄소 상쇄 서비스 제공 시스템
CA2877291A1 (en) In-line benchmarking and comparative analytics for recurring revenue assets
WO2020086872A1 (en) Method and system for generating ensemble demand forecasts
Kokos et al. Demand response strategy for optimal formulation of flexibility services
US9268509B2 (en) Automated computer controlled system for measuring the consumption of printer resources and transacting environmental offsets
Uppari et al. Design of off-grid lighting business models to serve the poor: Field experiments and structural analysis
KR20180019256A (ko) 비즈니스 프로세스 모델의 거래를 가능하게 하는 방법, 컴퓨터 판독가능 기록 매체, 및 컴퓨터 시스템
JP2024030310A (ja) 顧客行動予測装置、顧客行動予測方法、及びプログラム
US20160247187A1 (en) Metering real time service data
NZ705576A (en) Frameworks and methodologies configured to determine probabilistic desire for goods and/or services

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170531

WD01 Invention patent application deemed withdrawn after publication