CN106817401A - 一种云环境中的资源配置方法 - Google Patents

Abstract

本发明公开了一种云环境中的资源配置方法，包括：云服务消费者和云服务提供者把各自的投标信息提交给拍卖中介；拍卖中介利用能耗估测系统对云服务消费者所提交的资源请求进行能耗预估；在获胜者确定方案中，拍卖中介根据信誉度、预估的能耗值和竞价密度计算双方的rank值，再将云服务消费者按rank值进行降序排列，云服务提供者按照rank值升序排列，将云服务消费者和云服务提供者依次匹配而得到资源的分配结果。通过本发明的方法，抵制了拍卖中的欺诈问题和恶意行为，保证了市场参与者的公平性，并考虑了计算资源的能耗开销，增加了云服务提供者的收益，提高了云计算系统的资源利用率，降低了数据中心的能耗。

Description

一种云环境中的资源配置方法

技术领域

本发明涉及云计算环境中对于云资源的分配和定价算法，尤其涉及云环境下考虑能耗和信誉度的资源分配方法。

背景技术

随着分布式处理、普适计算的高速发展，现如今云计算已经成为最受欢迎的信息技术服务交付模型。在云计算环境中，云服务提供者利用虚拟化技术将各种资源(如计算资源、存储资源或者虚拟机服务等)提供给云服务消费者。云服务消费者与服务资源管理系统是分隔开的，当云服务消费者需要使用资源时，不必花钱去购买价格昂贵的硬件装置，只需按需从云服务提供者以付费的方式购买资源。然而随着大规模数据中心在全球范围内扩展，其消耗的高能源和大量的碳排放等问题日益突出，高能耗问题极大地阻碍了云计算产业的发展。目前云数据中心运营的最大成本来源于能耗，如何构建绿色的数据中心，降低数据中心的能耗受到越来越广泛的关注。

由于云环境中的资源具有分散性、不稳定性和异构性等特点，使得云环境下的资源高效分配成为云计算研究中的一个热点与难点问题。根据大量研究结果表明，由于现实经济市场与具有动态性和异构性的云计算环境非常相似，可以借用经济学中的市场机制来优化资源分配方法，运用一些经济学中的理念和方案来解决云环境中的资源配置问题。在经济学中，由于拍卖模型具有易于实现的分布式的结构，且不需要太多的全局信息，使它成为能够有效的分配资源的基础，如今关于拍卖的资源分配算法在云计算环境中被广泛地研究和采用。

目前，很多已有的关于云资源拍卖策略的研究不支持多种资源组合，不能满足云环境下云服务消费者对服务的多样化需求。在资源交易中，基本上忽略了参与者体验质量的重要性，没有提出相应的方案来解决市场拍卖交易中可能存在的欺骗行为对资源分配产生的不良影响，造成不能提供可信任的云服务交易平台给用户。此外，目前大多数基于拍卖机制的云资源分配策略只考虑参与者的金钱效益，忽视了过高的能耗开销将会带来很多的负面效应，如增加云服务提供者的运营成本，大量温室气体的排放对生态环境造成了很大的威胁等。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种云环境中考虑能耗和信誉度的资源配置方法，基于体验质量评分的信誉系统，综合考虑信誉值、能耗开销等各种影响因素，抵御拍卖中的不诚实问题和恶意行为。

为了实现上述目的，本发明采用了如下技术方案：

一种云环境中的资源配置方法，包括以下步骤：

S1：云服务消费者将资源请求信息提交给用户代理，所述用户代理对所述资源请求信息进行整理和规范后发送给拍卖中介，同时云服务提供者将资源配置信息发送给拍卖中介；

S2：所述拍卖中介对用户代理提交的资源请求进行能耗预估；

S3：所述拍卖中介根据信誉度、能耗和竞价密度计算双方的rank值，再将云服务消费者按rank值进行降序排列，将云服务提供者按rank值升序排列，将云服务消费者和云服务提供者依次匹配，并计算云服务消费者需要支付的费用；

S4：所述拍卖中介将分配的结果返回给用户代理和云服务提供者，用户代理将结果返回给云服务消费者；

S5：所述云服务提供者根据分配结果提供相应的资源给云服务消费者，云服务消费者支付相应的费用给云服务提供者，完成交易。

进一步的，还包括：

S6：交易完成后，云服务消费者和云服务提供者根据体验质量对其合作伙伴的行为进行评分，并提交给拍卖中介；

S7：拍卖中介相应地更新双方的信誉值。

进一步的，所述资源请求信息包括需要的组合资源种类以及数量、请求使用资源的时间、出价，所述资源配置信息包括可提供的组合资源种类以及数量、要价。

进一步的，不同的组合资源种类由基于计算机处理器能力、内存、磁盘存储和网络带宽的不同资源组合构成。

进一步的，步骤S2中，能耗预估值按照以下公式进行计算：

云服务消费者i所提交的资源请求的总能耗预估值：

云服务消费者i所提交的资源请求的平均能耗预估值：

其中，表示云服务消费者i申请的第k类资源组合的能耗预估值，为云服务消费者i申请的第k类资源组合的数量，Eng_avg_i，Eng_total_i分别为云服务消费者i资源请求的平均能耗预估值和总能耗预估值。

进一步的，步骤S3具体包括：

S31：把每个云服务消费者的组合资源按照计算机处理器大小从低到高进行排序，同时，把每个云服务提供者的组合资源按照计算机处理器大小从低到高进行排序；

S32:拍卖中介计算云服务消费者和云服务提供者提交的组合资源中的每一类资源组合的属性值，具体包括：

S321：采用实数规范化公式对资源组合中的各资源属性进行归一化处理，具体的归一化公式如下：

则对各资源属性进行归一化后的结果为:

其中，A_cpu、A_mem、A_str、A_bw分别表示资源组合中的计算机处理器能力、内存大小、磁盘容量和网络带宽大小，分别为计算机处理器能力、内存大小、磁盘容量和网络带宽大小的归一化值；

S322：采用线性加权法对资源组合的各个属性进行加权求和，其中第k类资源组合的属性值通过以下公式计算：

其中，ω_n(n＝1,2,3,4)为相应资源属性的权重系数，ω_n∈[0，1]，且权重系数之间存在如下所示的关系：

S33：拍卖中介计算云服务消费者和云服务提供者的竞价密度，其中：

云服务消费者i的竞价密度按照以下公式进行：

其中，a_i，k，分别表示云服务消费者i的第k类资源组合的属性值以及申请的数量；l为资源组合的种类数；b_i为云服务消费者i对所有申请的资源在单位时间内的出价；t_i为请求使用这些资源的时间，bd_i为云服务消费者i的竞价密度；

云服务提供者j的竞价密度按照以下公式进行：

其中，a′_j，k，分别表示云服务提供者j能提供的第k类资源组合的属性值以及相应的数量；b′_j为云服务提供者j对提供的所有资源在单位时间内的要价；bd′_j为云服务提供者j的竞价密度；

S34：拍卖中介根据信誉度、能耗和竞价密度计算云服务消费者和云服务提供者的rank值，其中：

云服务消费者i的rank值根据以下公式计算：

云服务提供者j的rank值根据以下公式计算：

其中，REP_k，REP′_k分别表示云服务消费者i和云服务提供者j在第k轮拍卖的信誉值；

S35：把云服务消费者列表按照rank值从高到底进行排序，云服务提供者列表按照rank值从低到高进行排序；

S36：从云服务消费者列表的第一个云服务消费者的第一种资源组合开始，将云服务提供者列表的第一个云服务提供者的第一种资源组合与之进行匹配，如果不能满足云服务消费者的资源组合需求，就将该云服务提供者的第二种资源组合与之进行匹配，循环下去，直至匹配为止；如果该云服务提供者的所有资源组合都不能满足云服务消费者需求，就从下一个云服务提供者开始匹配，直到该云服务消费者的所有资源组合需求得到满足；如果所有云服务提供者都不能满足云服务消费者的某一个资源组合要求，则不分配给该云服务消费者任何资源，即该云服务消费者的资源分配数量为零，并接着为云服务消费者列表中下一个云服务消费者开始进行资源组合的匹配，一直循环下去，完成对所有用户云服务消费者的资源需求的分配工作。

进一步的，步骤S5中，计算云服务消费者i需要支付给云服务提供者j的费用具体包括：

S51：计算云服务消费者和云服务提供者分别给出的平均价格：

云服务消费者i：

云服务提供者j：

其中，tq_i，tq′_j分别为云服务消费者i和云服务提供者j的组合资源的总数量；ap_i，ap′_j分别为表示云服务消费者i和云服务提供者j在单位时间内单位资源的价格；

S52：双方平均交易价格通过以下公式计算：

S53：最终云服务消费者i需要在单位时间内支付给云服务提供者j的费用按照以下公式计算：

其中，为云服务提供者j分配给云服务消费者i的第k种资源组合的数量。

进一步的，步骤S7中，更新双方的信誉值按照以下公式进行：

更新第k轮云服务消费者i的信誉值：

更新第k轮云服务提供者j的信誉值：

其中，total_tr_i，k-1，total_tr′_j，k-1分别表示云服务消费者i和云服务提供者j参加第k-1次拍卖后的累计交易额；表示第k轮拍卖中，云服务消费者i支付给云服务提供者j的费用；表示第k轮拍卖中，云服务提供者j从云服务消费者i得到的费用；Score_j，i，k、Score′_i，j，k分别表示云服务提供者j对云服务消费者i在第k次拍卖中的表现的评分、云服务消费者i对云服务提供者j在第k次拍卖中的表现的评分，且Score_j，i，k，Score′_i，j，k∈[0,1]；CR_j，i，k，CR′_i，j，k分别表示云服务提供者j对云服务消费者i在第k次拍卖中的可信度和云服务消费者i对云服务提供者j在第k次拍卖中的可信度；是信誉值随时间的衰减系数，公式如下所示：

其中，表示参与者参加第k次和第k-1次拍卖的时间间隔，t_min和t_max表示时间间隔的上限和下限；

可信度CR_j，i，k，CR′_i，j，k分别通过以下公式计算：

或

其中num_eva_j，i，k，num_eva′_i，j，k分别为截止到第k轮拍卖为止，云服务提供者j对云服务消费者i总共评价的次数和云服务消费者i对云服务提供者j总共评价的次数；num_dis_j，i，k，num_dis′_i，j，k分别为为截止到第k轮拍卖为止，云服务提供者j认为云服务消费者i不诚实的次数和云服务消费者i认为云服务提供者j不诚实的次数。

本发明的有益效果：本发明采用组合双向拍卖模型来实现资源的分配方法，该方法针对云资源市场中多个云服务消费者和多个云服务提供者参与拍卖，参与者在市场拍卖中进行交易时，不仅考虑双方的价格因素，也综合考虑双方的信誉度和能耗等各种因素。并且还采用了贪婪算法来选取云服务消费者与云服务提供者最优的资源匹配组合，极大地提高了拍卖市场的效率，抵制了拍卖中的欺诈问题和恶意行为，保证了市场参与者的公平性，增加了云服务提供者的收益，提高了云计算系统的资源利用率，降低了数据中心的能耗。

附图说明

图1为实施本发明的云环境中的资源配置方法的拍卖市场的基本框架。

图2为本发明的云环境中的资源配置方法中基于信任和能耗感知的组合双向拍卖机制的系统框架。

图3为本发明的云环境中的资源配置方法中双向组合拍卖机制的流程图。

图4为本发明的云环境中的资源配置方法中双向组合拍卖实例示意图。

具体实施方式

为了进一步理解本发明，下面结合附图1-4及具体实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。

实施例1

本发明提供的云环境中考虑能耗和信誉度的资源配置方法，如图3所示，包括以下步骤：

S1：本发明提出的云环境下的资源分配方法有以下3种角色:用户代理Proxy、云服务提供者CSP和拍卖中介AI。其中，拍卖中介负责收集参与者的投标信息，然后执行资源分配过程，用户代理帮助云服务消费者整理和规范资源请求并将资源提交给拍卖中介。

拍卖中介通知拍卖开始，当云服务消费者需要资源时，就把竞标的相关信息(如需要的组合资源种类以及数量、请求使用资源的时间、出价等)提交给Proxy，Proxy发送给AI；当CSP愿意提供资源服务时，就把竞标的相关信息(如提供的组合资源种类以及数量、要价等)发送给AI；

请求/提供资源的信息如下：计算机处理器能力CPU(MIPS)、内存memory(MB)、磁盘存储storage(MB)和网络带宽(B/S)。云服务消费者可以申请多种资源组合，每种资源组合也可以被申请多个。云服务提供者也提供多种资源组合，云服务提供者是以虚拟机的形式提供组合资源的，每种资源组合也被云服务提供者提供多个。

S2：AI收集到这些市场参加者的投标，利用能耗估测系统对云服务消费者所提交的资源请求进行能耗预估；

S21：云服务消费者i所提交的组合资源请求的总能耗预估值：

云服务消费者i所提交的组合资源请求的平均能耗预估值：

其中，表示云服务消费者i申请的第k类资源组合的能耗预估值，为云服务消费者i申请的第k类资源组合的数量，Eng_avg_i，Eng_total_i分别为云服务消费者i资源请求的平均能耗预估值和总能耗预估值。

S3：AI根据信誉度、能耗和竞价密度计算双方的rank值,再将云服务消费者按rank值进行降序排列，将CSP按rank值升序排列，将云服务消费者和云服务提供者依次匹配而得到资源分配方法，决定获胜的云服务消费者和CSP，并计算云服务消费者需要支付的费用。获胜者确定方法的包括以下步骤：

S31：把每个云服务消费者的组合资源按照计算机处理器大小从低到高进行排序，同时，把每个CSP的组合资源按照计算机处理器大小从低到高进行排序。

S32:拍卖中介计算云服务消费者和CSP的提交的组合资源中的每一类资源组合的属性值。

采用实数规范化公式对资源组合中的各资源属性如CPU大小、内存大小等进行归一化处理，具体的归一化公式如下：

则对各资源属性进行归一化后的结果为:

其中，A_cpu、A_mem、A_str、A_bw分别表示资源组合中的CPU处理能力、内存大小、磁盘容量和网络带宽大小，分别为CPU处理能力、内存大小、磁盘容量和网络带宽大小的归一化值。

为了计算具有不同属性量纲的资源，本专利采用线性加权法对各个属性进行加权求和。第k类资源组合的属性值通过以下公式计算：

其中，a_k表示云服务消费者或CSP提交的组合资源中的第k类资源组合的属性值。ω_n(n＝1,2,3,4)为相应资源属性的权重系数，且ω_n∈[0，1]，ω_n的不同取值表明各资源属性的偏好程度不同。权重系数之间存在如下所示的关系：

S33：拍卖中介计算云服务消费者和CSP的竞价密度。

云服务消费者i的竞价密度按照以下公式进行：

其中，a_i，k，分别表示云服务消费者的第k类资源组合的属性值以及申请的数量；l为资源组合的种类数；b_i为云服务消费者对所有申请的资源在单位时间内的出价；t_i为请求使用这些资源的时间，bd_i为云服务消费者i的竞价密度。

CSP_j的竞价密度按照以下公式进行：

其中，a′_j，k，分别表示云服务提供者j能提供的第k类资源组合(虚拟机)的属性值以及相应的数量；b′_j为云服务提供者j对提供的所有资源在单位时间内的要价；bd′_j为CSP_j的竞价密度。

S34：拍卖中介根据信誉度、能耗和竞价密度计算双方的rank值。在拍卖市场中，云服务提供者想要把资源提供给价格高、信誉度高且消耗能耗预估值少的云服务消费者，同样，云服务消费者希望从那些信誉度高且出价少的云服务提供者们那里得到所需的资源。

云服务消费者i的rank值根据下列式子计算：

CSP_j的rank值根据下列式子计算：

其中，REP_k，REP′_k分别表示云服务消费者i和CSP_j在第k轮拍卖的信誉值。

S35：把云服务消费者列表按照rank值从高到底进行排序，CSP列表按照rank值从低到高进行排序；

S36：从云服务消费者列表的第一个云服务消费者的第一种资源组合开始，将CSP列表的第一个云服务提供者的第一种资源组合(即虚拟机)与之进行匹配，如果不能满足云服务消费者的资源组合需求，就将该云服务提供者的第二种资源组合与之进行匹配，循环下去，直至匹配为止；如果该云服务提供者的所有资源组合都不能满足云服务消费者需求，就从下一个云服务提供者开始匹配，直到该云服务消费者的所有资源组合需求得到满足；如果所有云服务提供者都不能满足云服务消费者的某一个资源组合要求，则不分配给该云服务消费者任何资源，即该云服务消费者的资源分配数量为零，并接着为云服务消费者列表中下一个云服务消费者开始进行资源组合的匹配，一直循环下去，完成对所有云服务消费者的资源需求的分配工作。

S4：AI将分配的结果返回给用户代理Proxy和CSP，用户代理再将结果返回给云服务消费者；

S5：CSP根据分配结果提供相应的资源给云服务消费者，云服务消费者支付相应的费用给CSP，完成交易。云服务消费者i需要支付给的费用通过以下公式计算：

S51：按照以下公式，计算云服务消费者和云资源提供者分别给出的平均价格：

云服务消费者i：

CSP_j；

其中，tq_i，tq′_j分别为云服务消费者i和CSP_j的组合资源的总数量；ap_i，ap′_j分别为表示云服务消费者i和CSP_j在单位时间内单位资源的价格。

S52：双方平均交易价格通过以下式子进行：

S53：最终云服务消费者i需要在单位时间内支付给CSP_j的费用按照以下公式计算：

其中，为CSP_j分配给云服务消费者i的第k种资源组合(虚拟机)的数量。

S6：拍卖之后，每个云服务消费者和每个云服务提供者根据其体验质量对其合作伙伴的行为进行评分，并提交给AI；

S7：拍卖中介对应地更新双方的信誉值，计算信誉值分别按照以下公式进行：

更新第k轮云服务消费者i的信誉值：

更新第k轮CSP_j的信誉值：

其中，total_tr_i，k-1，total_tr′_j，k-1分别表示云服务消费者i和CSP_j参加第k-1次拍卖后的累计交易额；表示第k轮拍卖中，云服务消费者i支付给云服务提供者j的费用；表示第k轮拍卖中，云服务提供者j从云服务消费者i得到的费用；Score′_j，i，k、Score′_i，j，k分别表示CSP_j对云服务消费者i在第k次拍卖中的表现的评分、云服务消费者i对CSP_j在第k次拍卖中的表现的评分，且Score_j，i，k，Score′_i，j，k∈[0,1]；CR_j，i，k，CR′_i，j，k分别表示CSP_j对云服务消费者i在第k次拍卖中的可信度和云服务消费者i对CSP_j在第k次拍卖中的可信度；是信誉值随时间的衰减系数，公式如下所示：

其中，表示参与者参加第k次和第k-1次拍卖的时间间隔，t_min和t_max表示时间间隔的上限和下限。

可信度CR_j，i，k，CR′_i，j，k分别可以通过以下式子计算：

或

其中num_eva_j，i，k，num_eva′_i，j，k分别为截止到第k轮拍卖为止，CSP_j对云服务消费者i总共评价的次数和云服务消费者i对CSP_j总共评价的次数；num_dis_j，i，k，num_dis′_i，j，k分别为为截止到第k轮拍卖为止，CSP_j认为云服务消费者i不诚实的次数和云服务消费者i认为CSP_j不诚实的次数。

S8：拍卖结束。

实施例2

作为一个具体的例子，结合图4所示，以一个具体的拍卖实例来描述本发明的双向组合拍卖机制的流程，实体间具体的拍卖流程如下：

在双向组合拍卖市场中，假设有3个云服务消费者和3个云服务提供者参与拍卖市场。

拍卖中介通知拍卖开始，云服务消费者1将资源请求发送给用户代理1，用户代理1为云服务消费者1整理出规范格式的投标信息“{(250,256,10000,400),3；(500,256,1500,250),1；72RMB；53min}”。其中，在“(250,256,10000,400),3；”中，250、256、10000、400分别表示云服务消费者1申请的一组资源组合中CPU处理能力、内存容量、磁盘存储和网络带宽的大小，3为请求该资源组合的数量。在“(500,256,1500,250),1；”中，500、256、1500、250分别为云服务消费者1申请的另一组资源组合中CPU处理能力、内存容量、磁盘存储和带宽的大小，1为请求该资源组合的数量。云服务消费者1请求使用这两个组合资源的时间为53分钟，出价为72元人民币。与此同时，云服务消费者2和云服务消费者3将各自的资源请求提交给代理2和代理3，代理们再将相应的云服务消费者投标提交给拍卖中介。云服务提供者1将愿意提供资源的投标信息{VM1(1000,512,4000,500),3；VM2(500,256,2000,300),5；144RMB}提交给拍卖中介。其中，在“VM1(1000,512,4000,500)；3”中，1000、512、4000、500分别为云服务提供者提供的一组资源组合(虚拟机)中CPU处理能力、内存容量、磁盘存储和网络带宽的大小，3为提供该虚拟机的数量。云服务提供者对于其提供的所有资源组合的要价为144元人民币。与此同时，云服务提供者2和3也将各自愿意提供资源的投标信息提交给拍卖中介。

拍卖中介收集到这些市场参加者的投标信息，利用能耗估测系统对云服务消费者所提交的组合资源进行能耗估值。然后拍卖中介根据信誉度、能耗和竞价密度计算双方的rank值,再将云服务消费者按rank值进行降序排列，将云服务提供者按rank值升序排列，执行资源分配方法，决定获胜的云服务消费者和云服务提供者，并计算云服务消费者需要支付的费用。

资源分配完成后，拍卖中介将分配的结果返回给双方，云服务提供者根据分配结果提供相应的资源给云服务消费者，云服务消费者支付相应的费用给云服务提供者，完成交易。

在交易完成之后，每个云服务消费者和每个云服务提供者根据其体验质量对其合作伙伴的行为进行评分，并提交给拍卖中介，拍卖中介对应的更新双方的信誉值，到此一轮拍卖过程结束。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (8)

1.一种云环境中的资源配置方法，其特征在于，包括以下步骤：

S1：云服务消费者将资源请求信息提交给用户代理，所述用户代理对所述资源请求信息进行整理和规范后发送给拍卖中介，同时云服务提供者将资源配置信息发送给拍卖中介；

S2：所述拍卖中介对用户代理提交的资源请求进行能耗预估；

S3：所述拍卖中介根据信誉度、能耗和竞价密度计算双方的rank值，再将云服务消费者按rank值进行降序排列，将云服务提供者按rank值升序排列，将云服务消费者和云服务提供者依次匹配，并计算云服务消费者需要支付的费用；

S4：所述拍卖中介将分配的结果返回给用户代理和云服务提供者，用户代理将结果返回给云服务消费者；

S5：所述云服务提供者根据分配结果提供相应的资源给云服务消费者，云服务消费者支付相应的费用给云服务提供者，完成交易。

2.根据权利要求1所述的云环境中的资源配置方法，其特征在于，还包括：

S6：交易完成后，云服务消费者和云服务提供者根据体验质量对其合作伙伴的行为进行评分，并提交给拍卖中介；

S7：拍卖中介相应地更新双方的信誉值。

3.根据权利要求1或2所述的云环境中的资源配置方法，其特征在于，所述资源请求信息包括需要的组合资源种类以及数量、请求使用资源的时间、出价，所述资源配置信息包括可提供的组合资源种类以及数量、要价。

4.根据权利要求3所述的云环境中的资源配置方法，其特征在于，不同的组合资源种类由基于计算机处理器能力、内存、磁盘存储和网络带宽的不同资源组合构成。

5.根据权利要求4所述的云环境中的资源配置方法，其特征在于，步骤S2中，能耗预估值按照以下公式进行计算：

云服务消费者i所提交的资源请求的总能耗预估值：

$Eng\_{\mathrm{total}}_i=\underset{k=1}{\overset{l}{\Σ}}({\mathrm{Eng}}_k^i\×q_k^i)$

云服务消费者i所提交的资源请求的平均能耗预估值：

$Eng\_{\mathrm{avg}}_i=\frac{Eng\_{\mathrm{total}}_i}{{\mathrm{\Σ}}_{k=1}^l{q}_k^i}$

其中，表示云服务消费者i申请的第k类资源组合的能耗预估值，为云服务消费者i申请的第k类资源组合的数量，Eng_avg_i，Eng_total_i分别为云服务消费者i资源请求的平均能耗预估值和总能耗预估值。

6.根据权利要求5所述的云环境中的资源配置方法，其特征在于，步骤S3具体包括：

S31：把每个云服务消费者的组合资源按照计算机处理器大小从低到高进行排序，同时，把每个云服务提供者的组合资源按照计算机处理器大小从低到高进行排序；

S32:拍卖中介计算云服务消费者和云服务提供者提交的组合资源中的每一类资源组合的属性值，具体包括：

S321：采用实数规范化公式对资源组合中的各资源属性进行归一化处理，具体的归一化公式如下：

$\stackrel{\‾}{G}=\sqrt{{\left(A_{cpu}\right)}^2+{\left(A_{mem}\right)}^2+{\left(A_{str}\right)}^2+{\left(A_{bw}\right)}^2}$

则对各资源属性进行归一化后的结果为:

$\begin{array}{cccc}\stackrel{\‾}{S_{cpu}}=\frac{A_{cpu}}{\stackrel{\‾}{G}}& \stackrel{\‾}{S_{mem}}=\frac{A_{mem}}{\stackrel{\‾}{G}}& \stackrel{\‾}{S_{str}}=\frac{A_{str}}{\stackrel{\‾}{G}}& \stackrel{\‾}{S_{bw}}=\frac{A_{bw}}{\stackrel{\‾}{G}}\end{array}$

其中，A_cpu、A_mem、A_str、A_bw分别表示资源组合中的计算机处理器能力、内存大小、磁盘容量和网络带宽大小，分别为计算机处理器能力、内存大小、磁盘容量和网络带宽大小的归一化值；

S322：采用线性加权法对资源组合的各个属性进行加权求和，其中第k类资源组合的属性值通过以下公式计算：

$a_k={\mathrm{\ω}}_1\×\stackrel{\‾}{S_{cpu}}+{\mathrm{\ω}}_2\×\stackrel{\‾}{S_{mem}}+{\mathrm{\ω}}_3\×\stackrel{\‾}{S_{str}}+{\mathrm{\ω}}_4\×\stackrel{\‾}{S_{bw}}$

其中，ω_n(n＝1,2,3,4)为相应资源属性的权重系数，ω_n∈[0，1]，且权重系数之间存在如下所示的关系：

S33：拍卖中介计算云服务消费者和云服务提供者的竞价密度，其中：

云服务消费者i的竞价密度按照以下公式进行：

$M_i=\underset{k=1}{\overset{l}{\Σ}}\left(a_{i,k}\×q_k^i\right)$

${\mathrm{bd}}_i=\frac{b_i}{\sqrt{M_i}}\×t_i$

其中，a_i，k，分别表示云服务消费者i的第k类资源组合的属性值以及申请的数量；l为资源组合的种类数；b_i为云服务消费者i对所有申请的资源在单位时间内的出价；t_i为请求使用这些资源的时间，bd_i为云服务消费者i的竞价密度；

云服务提供者j的竞价密度按照以下公式进行：

${M^{\′}}_j=\underset{k=1}{\overset{l}{\Σ}}({a^{\′}}_{j,k}\×q_k^j)$

${{\mathrm{bd}}^{\′}}_j=\frac{{b^{\′}}_j}{\sqrt{{M^{\′}}_j}}$

其中，a′_j，k，分别表示云服务提供者j能提供的第k类资源组合的属性值以及相应的数量；b′_j为云服务提供者j对提供的所有资源在单位时间内的要价；bd′_j为云服务提供者j的竞价密度；

S34：拍卖中介根据信誉度、能耗和竞价密度计算云服务消费者和云服务提供者的rank值，其中：

云服务消费者i的rank值根据以下公式计算：

${\mathrm{rank}}_i=\frac{{\mathrm{bd}}_i\×{\mathrm{REP}}_k}{Eng\_{\mathrm{avg}}_i}$

云服务提供者j的rank值根据以下公式计算：

${{\mathrm{rank}}^{\′}}_j=\frac{{{\mathrm{bd}}^{\′}}_j}{{{\mathrm{REP}}^{\′}}_k}$

其中，REP_k，REP′_k分别表示云服务消费者i和云服务提供者j在第k轮拍卖的信誉值；

S35：把云服务消费者列表按照rank值从高到底进行排序，云服务提供者列表按照rank值从低到高进行排序；

S36：从云服务消费者列表的第一个云服务消费者的第一种资源组合开始，将云服务提供者列表的第一个云服务提供者的第一种资源组合与之进行匹配，如果不能满足云服务消费者的资源组合需求，就将该云服务提供者的第二种资源组合与之进行匹配，循环下去，直至匹配为止；如果该云服务提供者的所有资源组合都不能满足云服务消费者需求，就从下一个云服务提供者开始匹配，直到该云服务消费者的所有资源组合需求得到满足；如果所有云服务提供者都不能满足云服务消费者的某一个资源组合要求，则不分配给该云服务消费者任何资源，即该云服务消费者的资源分配数量为零，并接着为云服务消费者列表中下一个云服务消费者开始进行资源组合的匹配，一直循环下去，完成对所有用户云服务消费者的资源需求的分配工作。

7.根据权利要求6所述的云环境中的资源配置方法，其特征在于，步骤S5中，计算云服务消费者i需要支付给云服务提供者j的费用具体包括：

S51：计算云服务消费者和云服务提供者分别给出的平均价格：

云服务消费者i：

${\mathrm{qp}}_i=\frac{b_i}{{\mathrm{tq}}_i}$

云服务提供者j：

${{\mathrm{ap}}^{\′}}_j=\frac{{b^{\′}}_j}{{{\mathrm{tq}}^{\′}}_j}$

其中，tq_i，tq′_j分别为云服务消费者i和云服务提供者j的组合资源的总数量；ap_i，ap′_j分别为表示云服务消费者i和云服务提供者j在单位时间内单位资源的价格；

S52：双方平均交易价格通过以下公式计算：

${\mathrm{atp}}_i^j=\left(\frac{{\mathrm{ap}}_i+{{\mathrm{ap}}^{\′}}_j}{2}\right)$

S53：最终云服务消费者i需要在单位时间内支付给云服务提供者j的费用按照以下公式计算：

${\mathrm{pay}}_i^j=\underset{k=1}{\overset{l}{\Σ}}({\mathrm{atp}}_i^j\×{\mathrm{aq}}_{i,k}^j)$

其中，为云服务提供者j分配给云服务消费者i的第k种资源组合的数量。

8.根据权利要求7所述的云环境中的资源配置方法，其特征在于，步骤S7中，更新双方的信誉值按照以下公式进行：

更新第k轮云服务消费者i的信誉值：

更新第k轮云服务提供者j的信誉值：

其中，total_tr_i，k-1，total_tr′_j，k-1分别表示云服务消费者i和云服务提供者j参加第k-1次拍卖后的累计交易额；表示第k轮拍卖中，云服务消费者i支付给云服务提供者j的费用；表示第k轮拍卖中，云服务提供者j从云服务消费者i得到的费用；Score_j，i，k、Score′_i，j，k分别表示云服务提供者j对云服务消费者i在第k次拍卖中的表现的评分、云服务消费者i对云服务提供者j在第k次拍卖中的表现的评分，且Score_j，i，k，Score′_i，j，k∈[0,1]；CR_j，i，k，CR′_i，j，k分别表示云服务提供者j对云服务消费者i在第k次拍卖中的可信度和云服务消费者i对云服务提供者j在第k次拍卖中的可信度；是信誉值随时间的衰减系数，公式如下所示：

其中，表示参与者参加第k次和第k-1次拍卖的时间间隔，t_min和t_max表示时间间隔的上限和下限；

可信度CR_j，i，k，CR′_i，j，k分别通过以下公式计算：

${\mathrm{CR}}_{j,i,k}=\frac{num\_{\mathrm{eva}}_{j,i,k}-num\_{\mathrm{dis}}_{j,i,k}}{num\_{\mathrm{eva}}_{j,i,k}}$

或

${{\mathrm{CR}}^{\′}}_{i,j,k}=\frac{num\_{{\mathrm{eva}}^{\′}}_{i,j,k}-num\_{{\mathrm{dis}}^{\′}}_{i,j,k}}{num\_{{\mathrm{eva}}^{\′}}_{i,j,k}}$

其中num_eva_j，i，k，num_eva′_i，j，k分别为截止到第k轮拍卖为止，云服务提供者j对云服务消费者i总共评价的次数和云服务消费者i对云服务提供者j总共评价的次数；num_dis_j，i，k，num_dis′_i，j，k分别为为截止到第k轮拍卖为止，云服务提供者j认为云服务消费者i不诚实的次数和云服务消费者i认为云服务提供者j不诚实的次数。