CN107193658A - 基于博弈论的云计算资源调度方法 - Google Patents

Abstract

一种基于博弈论的云计算资源调度方法，其特征在于，具体步骤为：步骤一：接受用户请求，分析判断可用资源是否满足需求，否则拒绝，是则进入下一步；步骤二：发出接受请求确认消息；步骤三：建立以用户为博弈参与者的云用户资源调度博弈模型，或者以云数据中心可用物理机为博弈参与者的云提供商资源调度博弈模型，形成最优资源分配方案；步骤四：完成虚拟单元创建过程，执行用户的任务请求。本发明引入博弈论的理论方法，针对不同的云计算环境，定制不同优化目标，建立对应的资源调度博弈模型，建立以云用户和云提供商为博弈参与者的云用户资源调度博弈模型。并对应的资源调度算法解决资源分配不公平和资源利用率不足的问题。

Description

基于博弈论的云计算资源调度方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于博弈论的云计算资源调度方法。

背景技术

由于云计算是处于一个动态的环境中，而云用户的群体则是十分庞大的，每个用户的应用程序对资源的需求是在不断的变化着，即为资源的动态需求要满足其性能需求。应用程序资源需求持续变换是随时的、没有事先预兆并不可预测，使得供应商无规律可寻，无法掌握。从另一个角度，云计算为了屏蔽底层硬件的复杂度采用了虚拟化技术，从而提高了硬件的灵活度。在多用户环境下，存在着不同用户的应用程序运行在同一台物理主机上，它们之间共享硬件、软件以及存储资源，云计算采用按需资源共享提供给不同用户，直接导致云计算的资源调度问题成为云计算安全问题之后的第二大难题。开发和设计出更合理的资源调度方案来管理云计算中资源共享问题是保证系统的性能优化是迫切问题。

目前的云提供商，如Mesos和Yarn资源管理框架，以及云开源产品都有自己的云平台架构产品和云资源的管理方案，但是没有形成统一的标准或管理规范，他们大多数采用现有的云中间件的云资源管理控件来管理云资源用户的资源请求，但云中间件的主要功能是为系统管理人员或者外部用户提供一个编辑的管理层进行云基础平台的部署与管理，而云资源的性能(资源利用率)、质量(QoS或能源消耗)等指标优化策略以及指标之间的权衡关系，还存在许多待解决的问题，需要进一步的研究。

发明内容

本发明针对现有技术的不足，提出一种从云提供商和云用户角度出发，兼顾两者之间的利益，针对不同用户的需求，对云资源进行合理的调度，从而使得云数据中心的虚拟单元与物理资源之间形成最佳的映射关系，通过对云资源的描述方式、定价方式以及工作用户的定义及建模，深层次的分析了不同用户的云资源调度的需求，采用博弈论的理论方法，针对了不同的云计算环境，定制了不同的优化目标，形成了相应的资源调度模型，并提出了对应的资源调度方法，具体技术方案如下：

一种基于博弈论的云计算资源调度方法，具体步骤为：

步骤一：接受用户请求，分析判断可用资源是否满足需求，否则拒绝，是则进入下一步；

步骤二：发出接受请求确认消息；

步骤三：建立以用户为博弈参与者的云用户资源调度博弈模型，或者以云数据中心可用物理机为博弈参与者的云提供商资源调度博弈模型，形成最优资源分配方案；

步骤四：完成虚拟单元创建过程，执行用户的任务请求。

为更好的实现本发明，进一步为：

所述步骤三中，云用户资源调度博弈模型具体为：

3.1在某个决策时刻，云系统对用户进行建模，其中模型中博弈参与者用1到U来表示；

3.2在某个决策时，所有云用户对云资源管理系统提交资源请求，将所有的资源请求用矩阵Re表示：

矩阵中的矩阵中每一行代表为一个用户，行中数据代表每个用户任务对不同虚拟单元类型的资源配置；列代表某种类型资源的数量。用户的选择策略是通过云系统中物理机中选取相适应的主机，在这些主机上创建满足需求的虚拟单元类型。用户u的可选策略用集合表示，集合中的表示为用户u的子任务，其中用户u的子任务τ的可用资源获取情况用资源分配矩阵表示：

其中表示物理机m_i上分配给子任务τ的k类型资源数量，用四元组表示URBU＝{Users，Re，B，Utitity}，Users是博弈的参与者，即是资源申请的云用户{1,2,3,…,u,…,U}，Re是用户资源请求矩阵，B＝{B^u|u＝1,2,…,U}是用户的可选策略,Utitity＝{Utitity^u|u＝1,2,…,U}表示收益函数。

所述步骤三中，云提供商资源调度博弈模型具体为：

博弈的参与者是每台可用物理机m_i，可选策略是云中所有子任务对应的待创建虚拟单元类型在本机上可被创建的组合方案，物理机m_i的资源分配策略可表示成资源分配矩阵B(m_i)：

其中B_τ(m_i)＝(b_τ1(m_i)，b_τ2(m_i，…，b_τk(m_i)，…，b_τK(m_i))表示物理机m_i上各类型资源分配给子任务τ的数量，其中b_τk(m_i)＝s_τ(m_i).r^τΤ；用四元组表示PRSU＝{M，Re，S，Utility}；

其中M是博弈的参与者，即所有拥有可用物理资源的物理机{1,2，…，m}；Re是云中的资源请求矩阵，S＝{S(m_i)|i＝1,2,…,M}，Utitity＝{Utitity^u|u＝1,2,…,U}是收益函数。

所述步骤四虚拟单元创建过程中的虚拟机层资源调度算法中资源利用率优化方法，采用最大最小值方法，对于某台物理机上的每种类型资源，量化它们的利用率值，具体公式为：

其中R_k(m_i)是物理机m_i上可用资源k的总数量，是物理机m_i上分配给任务τ的k类型的资源数目，P_k(m_i)表示该物理机初始状态时资源k的总数量，τ表示物理机上处理的任务。

对于每台物理机m_i来说，被使用比例最小的该资源类型所对应的利用率称为最低资源利用率，表示为：

所述步骤四虚拟单元创建过程中的虚拟机层资源调度算法中的资源利用率优化方法，具体为负载均衡方法，尽可能的减少单台物理机上各类型资源占用比例的差异性，使得它们在各资源维度上趋近平衡，从而使得碎片产生的几率降低，其中偏度越小，越能减少剩余资源碎片的产生，提高资源利用率，偏度的计算公式为:

其中表示物理机上m_i资源k的利用率，表示物理机m_i的平均资源利用率。

所述步骤四虚拟单元创建过程中的虚拟机层资源调度算法中的资源分配公平性优化公式具体为:

s.t.a_τk(m_i)≥0

∑_τa_τk(m_i)≤R_k(m_i)

其中为权衡公平性利用率的收益函数，具体为：

β表示公平性和利用率之间的权重关系参数，β∈[0,1]，ν(A)是公平性偏差值，ske(m_i)是物理机m_i上不同资源类型的利用率偏度，Α＝{Α(m₁),Α(m₂)，…,Α(m_M)表示资源调度博弈的纳什均衡解。

本发明的有益效果为：引入博弈论的理论方法，针对不同的云计算环境，定制不同优化目标，建立对应的资源调度博弈模型，建立以云用户和云提供商为博弈参与者的云用户资源调度博弈模型。并对应的资源调度算法解决资源分配不公平和资源利用率不足的问题。

附图说明

图1为云资源调度中心结构图；

图2为日志分析有向无环图表(DAG)工作图；

图3为云资源调度工作流程图；

图4为虚拟机置放流程图；

图5为虚拟机放置方案图；

图6为云用户资源调度博弈图；

图7为云资源调度实例图；

图8为云提供商资源调度博弈图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。

如图1所示：云数据中心是由计算、通信、存储资源集聚在一起形成的一种大规模复杂的异构并且动态的结构。主要解决资源调度需求问题：即将数据中心的集中资源考虑不同的约束条件和各用户的利益竞争关系等因素，能合理的分配到对应用户的执行任务上。云资源调度中心的任务就是根据用户提交工作请求，给用户需求任务分配对应的合理的物理资源这一过程。本发明的云资源调度中心为了实现这一功能，将云资源调度中心分为以下主要组件：

用户交互组件：功能为完成用户的身份验证、计费以及判断分析用户请求的虚拟单元类型、数量以及QoS参数。当用户提交到云中的任务请求，用户交互组件首先分析提交任务中各子任务的资源请求及其资源请求之间的依赖关系，接着将这些资源请求对应到合理的虚拟单元类型上，并为其划分不同的处理阶段；其次用户交互组件分析监控中心中收集到的数据去判断用户的请求是否能满足在QoS约束的水平内完成。

其中在云资源调度中的用户需求分析工作，首先需要通过合理的建模方式来准确描述用户提交的任务。建模的目的是清晰的描述出每一个抽象的子任务以及他们之间的关系，在建模过程中需要包含一些参数，子任务的总量。用户则需要将其提交的任务分成多个并行执行或者顺序执行的子任务，这些子任务可以是处理不同数据采用相同的代码。对于每种类型的子任务，结合资源的需求，采用最适合的某一种类型的实例来执行该任务，这样既能满足子任务资源需求也不会造成太多的资源的浪费。一般情况下为了防止任务之间的干扰，不同任务的子任务都是交给不同虚拟单元来处理的，但由于数据通信等原因，存在子任务需求由同个实例来完成，这叫共享虚拟单元的子任务，可以在工作描述中指明。

在云计算中有两种典型的用户任务分别是事务性应用程序和分析计算型应用程序。事务性应用程序(WEB)最常见的方式是以应用程序方式部署到云中，如购票系统、购物系统等，这类型程序会频繁的持续对数据库进行读写操作，虽然对数据库读写的数据量不是很大，但是会频繁读写，每次读取可能需要处理一小部分数据(如插入几条记录或查询几条记录)。分析计算应用程序，如Mapreduce作业，表现为从海量数据中进行数据筛选、收集、归并找出规律来帮助决策，这种应用程序常表现为周期性的批量对数据库进行读写操作，每次查询操作可能涉及到海量的数据处理(如检索或查询上千万条记录甚至上亿的记录)。

如图2所示：在一个工作任务中包含了一系列串行或并行的子任务，在某些子任务中需要依赖其他子任务的计算结果。用一个有向无环图(DAG)来表示有依赖关系的子任务的工作任务。在图2中一个顶点代表了子任务，边则表示为任务之间的数据通信。DAG图在描述一个工作时考虑了两个主要因素，因素1：DAG图中含多个输入和输出；因素2：DAG图中的边模拟的各子任务之间的通信关系。以日志分析工作为例来描述云中的一个工作，如图1-1日志分析工作所示。日志分析的主要目的通过分析用户页面访问之日来了解用户的兴趣点，在图1-1中，任务URLList的目的是收集每个用户访问的URL地址，子任务WordCountSingle的作用是统计用户访问页面的关键字出现的次数，子任务WordCountTotal的目的是汇总所有页面出现某个关键字的次数，WordCorCalSingle--WordCorCalTotal子任务的作用是计算一个页面中关键字出现的重复频率，WordCal子任务使计算关键字的权重的排序，WordCorCalIndex子任务的作用是生成关键词之间的索引，WordCorCalTotal子任务的作用是统计所有页面出现关键字的次数，InterestsList子任务的作用是通过相关关键词信息生成兴趣列表。在图DAG中，表示出了各子任务之间的数据通信的路径。而在云系统中子任务是如何实现的呢？在云系统中对所有的子任务按1到T进行编号，将每个子任务τ都对应到一种类型的虚拟单元，这样既可以保证工作的正常的运行，又可以避免资源的过多的浪费。子任务τ用4元组表示<V_τ，QoS_τ，wordload_τ,DT_τ>，其中V_τ表示为子任务对应的虚拟单元类型，QoS_τ表示为服务质量约束即用户对任务完成的要求，RT_τ表示为任务最大的响应时间，wordload_τ表示为子任务的工作负载，任务完成花费的最大开销用Const_τ表示，DT_τ表示为子任务的依赖任务集合。在图2中，任务8依赖于任务4和任务7的执行结果，可以表示为DT8＝{4,7}。

(1)注册中心：注册中心是对云数据中心进行集中管理，注册中心中的数据记录了集群中所有的物理资源的信息，如主机名、MAC地址、IP地址、网络信息等，当新的物理设备的加入或者旧的设备退出时，注册中心要及时更新数据库中的记录。

(2)监控组件：监控组件是对整个数据中心的如计算、存储、网络等各种资源，以及用户提交的各种工作的负载情况(如请求提交的速度、类型、规格、数量等)的使用情况进行实时监控和信息的收集。除此监控组件还负责对各种性能参数有各种类型资源的利用率(如内存、CPU、存储空间、网络流量、响应时间)等数据的收集。监控模块的实现方式有两种：主动式和被动式。主动式实现方式：当监控中心需要信息时，主动向各子节点发送信息请求各节点的状态；被动式实现方式：由各子节点周期性向监控中心节点发送自身的数据信息。资源监控的子节点主要由集群、虚拟单元、物理机等组成，其中集群状态监控包括了网络信息、工作完成参数、工作请求阿道速率等；虚拟单元的监控器主要是监控虚拟单元的状态、虚拟单元类型、资源使用情况以及启动空闲等状态，物理机的监控器主要包括物理机的工作状态、基本信息、启动休眠关闭、资源总量、计算能力、资源使用情况等。

(3)决策中心：决策中心按决策时刻周期性进行一次资源决策，其中周期性的时间称之为决策时刻。在决策时刻时决策中心会收到来自各监控中心的各种监控数据，接着分析数据中心的物理机与虚拟单元的资源使用情况及其负载情况，采用合理的资源调度算法优化资源的供给以及调度方案，从而达到了系统的工作性能最佳状态。决策中心是云资源管理系统中的核心模块，对数据中心的可用资源进行集中的管理与调配，通过合理的资源调度算法来满足不同的优化目标，将可用的资源分解成虚拟单元分配到各用户的工作的子任务中。

(4)基础设施管理器：是负责系统基础架构的调整操作的，对数据中心的物理资源、集群、虚拟资源、虚拟镜像等进行管理，主要工作是启动关闭物理机、创建删除与配置等方式来管理虚拟单元等。基础设施上管理器模块接受到来自决策中心发出的资源调度方案，采用虚拟化技术在物理设备对虚拟单元进行管理(如创建、注销、迁移等)，接着将用户应用的任务与资源进行匹配，负责其任务具体执行工作。

如图3所示：为了满足不同用户的需求，将数据放中心中的资源合理的分配到对应用户工作的正在执行的子任务中，所以在云环境中将资源调度划分成不同的子问题，如物理资源和虚拟资源的建模、对资源需求的预测、虚拟单元的置、虚拟单元与用户任务的映射等。需要完成以下事项：

(1)资源的建模：资源建模是云资源调度首先完成第一步，采用一种通用的方式对云资源的类型和数据进行描述，关键在于对描述粒度的选择，描述的密度与选择的灵活性成正比，描述粒度越细选择的灵活性越大，但同时也会增加资源选择和优化的复杂度和难度。

(2)资源需求的预测：从用户提交工作请求和用户服务质量约束两个角度思考和估算在满足用户执行时间和成本约束条件下，需要创建多少虚拟单元才能满足用户实际的资源需求。

(3)虚拟单元置放：如何选择合理物理机上去创建虚拟单元？这个问题的关键点，首先如何将逻辑节点映射到合理的物理节点上，找到最佳的物理分配方案来同时满足逻辑网络的需求和物理资源总量的约束；其次，设计出能保证所有任务能在截止时间完成的快速找到的最佳映射算法，这种快速找到的最佳映射算法还能降低映射完成所需的花费。这种算法的设计要根据映射的资源参数(如处理器、网络、内存、硬盘数量等)建立模型来评估数据中心资源使用比例，同时要兼顾不同用户之间资源分配数量的平衡性。

(4)用户任务与虚拟单元映射：将用户工作中的子任务与具体虚拟单元执行对应起来。云供应商将资源池中各种资源(如计算、存储、网络等)以虚拟单元的方式提供给用户，并为这些虚拟单元定制了标准化的配置参数。关键点是通过合理的资源调度方法以按需供应的方式来满足不同用户的动态需求，并且要兼顾多用户之间分配的公平性、供应商的成本最小化等问题。

云供应商为了使资源和安全相互隔离通过虚拟化技术将虚拟单元提供给用户使用。在资源调度过程中，存在着多个用户并发同时提交任务情况，形成了资源的竞争，由于不同用户对资源请求的类型数量等存在各种差异和不同类型虚拟单元的构成是异构空间，为了满足不同用户对任务的约束条件(如完成任务所需的开销、任务的完成时间)，兼顾资源的最合理使用，所以需要设计合适的资源调度机制。

(5)云资源调度博弈的建模：在云计算环境中，主要包括云提供商和云资源使用者(云用户)两个角色。云提供商是提供满足用户资源请求的各项计算资源，云用户则根据云提供商提供的资源来完成各种应用程序的部署与计算工作，并按需进行付费。云资源调度中心搭建起云提供商和云用户之间的桥梁，负责资源的管理配置以及优化分配工作。

如图4所示:在图4中的上半部分，共有四台物理机，每台物理机虚拟出四台虚拟机，系统中共有4个子任务，标记为一个简单的虚拟机置放流程如下所示：

(1)每台虚拟机处理一个任务，在处理时间过程中占用物理机的计算存储资源；

(2)在保证资源数量足够的条件下，选择合适的物理主机来创建虚拟机；

(3)将第1台虚拟机创建在物理主机1上，如果物理主机1上有剩余资源够用，则继续在将第2台虚拟机创建在物理主机1上，如果物理主机1资源不够用，则启动第2台物理主机，将第2台虚拟机创建在物理主机2上。以此为规律，直到所有的虚拟机都创建在物理主机上。

(4)最后，用2台物理机就可以运行四个虚拟机，维持四个子任务的执行。

在图4中表示的是一种资源情况下一个简单虚拟机置放流程，没有进行任何的优化调整如果在多个用户多类型虚拟单元的云环境下，采用这种虚拟机置放的流程，可能带来以下问题。问题1：如图5所示，虚拟机置放的最终置放方案，在图5中百分比分别代表了内存和CPU的执行比例，物理机1中CPU的使用80％内存使用为30％，物理机2CPU的使用840％内存使用为95％，从图5中可以看出物理机2的内存分配完毕，无法继续创建虚拟机，但物理机2中的CPU使用率只有40％，直接导致资源的浪费；问题2：在图5中，虚拟机1,2,3，4对应任务分别为1,2,3，4，假设任务1,2,3都是属于用户1的工作，任务4属于用户2，这样用户1分配得到总资源为50％CPU和40％内存，而用户2分配得到的总资源为10％CPU和23％的内存，这样直接导致用户1和用户2之间的分配不公平现象。如果要考虑用户的成本、完成时间等字表，问题则会变得更加的复杂，因此需要合理的优化模型和方法来完成资源的分配方案。

建设博弈模型的每个参与者都是理性的，参与者以自身利益最大化为目标，考虑自身的知识信息和其他参与的行为预期。云资源调度博弈类型分为三类：①非合作博弈，即每个参与者行为都是独立的，这种博弈模型的前提是参与者在一个大规模的环境中，每个用户独立的提交自家的任务，用户之间很难实现合作；②合作博弈，即博弈中的各参与者在行动之前结合联盟，使整个资源的调度全局化；③半合作博弈，即每个参与者选择令一参与者进合作，如多伦竞拍。

云数据中心有M台不同规格的物理主机用{m₁，m₂，…，m_i，…m_M}表示，其中i∈{1,2,…m}，物理机m_i可用资源用向量表示，物理机m_i还包含了其他性能指标：

计算能力MIPS(m_i):指单字长定点指令平均执行时间速度；

网络带宽Band(m_i):指网络环境下的网络传输速度；

在云资源调度中心会接收到不用用户发送的请求，在这些请求中包含了消费者身份标识、服务完成质量参数、请求服务类型以及请求资源数量等信息，在每个用户请求中包含了大量的子任务。因此在某个决策时刻云资源调度中心中有T个任务,每个子任务τ需要Vt类型的虚拟单元。以虚拟机为示例：资源向量用表示，用workload_τ表示工作负载,用RT_τ表示任务最大响应时间,用Cost_τ表示成本预算，用Price＝(Price1，Price₂，…，Price_k，…PriceK)表示资源价格向量。

资源调度博弈模型的处理流程：第1步分析资源请求中的子任务的QoS约束和用户工作中DAG模型各子任务之间的关联度；第2步对系统中总的可用资源是否满足用户的资源请求进行判断，若资源不满足则直接拒绝该资源请求，若资源满足则向用户发送接收请求的确认消息；第3步建立博弈模型，选择合理的资源调度方法来求解最有的资源分配方案，并根据用户的请求对应的虚拟单元映射到合理的物理主机上。最后根据最优资源分配方案完成虚拟单元的创建，虚拟单元完成执行用户任的任务。

构成资源调度博弈模型的四个构成元素，分别是博弈参与者、策略空间、收益函数、均衡策略(即博弈结果)。在不同的云环境中资源调度博弈参与者和策略空间的选取是不相同的，根据不同的优化目标，收益函数的设计也不相同。从不同用户角度出发为例如图6所示，创建云用户资源调度博弈模型。

具体的博弈模型：在云计算环境下，资源调度中心在QoS约束指标下需要决策如何分配资源获取最大的利益。在QoS约束指标中的各种制约因素下可以设计出多个参与者系统中更合理有效的分配机制。在云系统中物理资源经过虚拟化技术化成多个虚拟单元作为运行程序的载体，用户工作中子任务对应一种最佳的虚拟单元类型，这些虚拟单元类型被创建在资源够用的物理主机上，而资源分配方案会直接影响到用户能获得的服务质量。

如图6所示云用户资源调度博弈:从用户角度出发去考虑资源博弈在某个决策时刻，建模中博弈参与者为有资源请求的所用参与者，这些参与者用1到U表示。每个用户的工作请求中可能包含了多个子任务，参与者的可选策略是选择资源够用的物理主机来创建需要的虚拟单元，而每个用户都希望能得到高质量的服务QoS，因此QoS(服务质量)是用户资源调度博弈的关注点。某个决策时刻云用户资源请求用一个资源请求矩阵Re来表示：

在矩阵中每一行代表为一个用户，行中数据代表每个用户任务对不同虚拟单元类型的资源配置；列代表某种类型资源的数量。用户的可选策略是通过云系统中选择项适应的资源够用的物理主机，在这些物理主机上创建满足需求的虚拟单元类型。用户u的可选策略用集合表示，集合中的表示为用户u的子任务，其中用户u的子任务τ的可用资源获取情况用下列资源分配矩阵表示为：

物理机m_i上分配给子任务τ的k类型资源数量用表示，云用户的资源调度模型的标准化的描述为：

定义1.1(URBU)：用一个四元组表示URBU＝{Users，Re，B，Utitity}来表示云用户资源博弈。其中第一个元组Users表示为博弈的参与者，即所有申请资源的云用户{1,2,3,…,u,…,U}；用户的资源请求矩阵用Re表示；博弈参与者的可选策略用B＝{B^u|u＝1,2,…,U}表示,收益函数用Utitity＝{Utitity^u|u＝1,2,…,U}表示，收益函数是指博弈中所有用户在选定某个博奔策略后，博弈参与者可能获得的收益。

由博弈参与者、策略空间、收益函数、均衡策略(即博弈结果)构成资源调度博弈模型的四个构成元素。提交资源请求的所有云用户构成了资源博弈模型的参与者，每个用户可能被分配到的虚拟单元数量构成策略空间，博弈参与者可能获得的收益构成了收益函数，其中收益函数是资源调度博弈模型的关键，根据不同优化目标设计的收益函数不同，会直接影响最终的博弈结果。

目前主流的虚拟化技术通过Hypervisor在软件和硬件之间抽象处虚拟层，用来屏蔽了底层硬件，应用程序就在被隔离单独的环境中运行，而底层的硬件资源实现共享从而高了系统的软硬件的效率。采用虚拟化技术将一台物理主机抽象出多台独立的虚拟机，所以虚拟化环境是更适合云计算中对弹性资源的需求。

如图7所示：采用虚拟技术的云数据中心里，在某个资源调度决策时刻中有M台可用物理机，每台物理机的可用资源用来表示。云提供商预先设置一系列的虚拟机类型为云用户提供选择，云用户用u(u∈(1,2,3,…,u)表示，每个云用户在提交工作中包含了大量的子任务τ，而决策时刻中云汇总的任务综述为T，每个子任务τ对应的虚拟机的配置参数用资源向量来表示。

在图7中，假设有两台物理机其可用资源为(4,8,40)和(4,6,50)。在某个决策时候有三个用户的他们的子任务请求虚拟机类型分别为(2,4,20)，(1,1,10)，(2,2,10)。在这个实例中资源调度的目标是合理在两台物理机上创建用户请求的虚拟机，在资源调度中要优化公平性和目标有效性。有效性是在满足用户QoS约束下，减少云资源的浪费从而提高其资源的利用率；公平性是各用户可以分配到相对公平的资源数量。资源调度的目标是云环境中可用物理资源状态和用户资源请求矩阵中能求解出物理机和虚拟机之间最合理的映射关系，可以统建建模为云提供商资源博弈URSU＝{M，Re，S，Utility},其中博弈参与者为物理机，受益函数通过权衡有效性和公平性权衡来设计，最终求解出每台物理机最有的资源分配矩阵。

在决策时间内接收用户资源请求用T*K的资源请求矩阵Re来表示，一台物理机m_i上的分配方案可以用一个分配矩阵B(m_i)来表示，用户u提交的任务τ，则云系统中分配给用户u的k类型资源总量为如物理机1创建一台虚拟机类型和一台虚拟机类型那么两台无记录的完整的分配决策为A＝{A(1)，A(2)}。

不同用户申请不同资源类型来完成各自的应用程序的部署或计算工作。不同用户工作的资源需求是各自不同的，而云数据中心中物理设计性能与规格存在着差异化，如何设计出一种有效方法求解出虚拟机最优的创建方案，通过减少资源浪费高效利用资源，同时要兼顾用户资资源获得的公平性等问题，这是在虚拟机层的资源调度算法考虑的问题。可以通过采用基于博弈论的公平性有效性权衡博弈算法FUTU(Fairness-UtilityTradfeoff Game)的资源调度算法来实现兼顾资源利用率和资源分配公平性两个优化目标的资源调度问题。

资源利用率优化：由于用户资源请求的差异性和数据中心物理设备的异构性，在具体的调度过程中存在着有些物理资源没有很好利用，导致资源浪费，因此云提供商首先要关注的如何减少资源浪费，提高资源的使用效率，降低成本问题。可以采用最小值和最大值两种方法来提高资源的利用率。什么是最大值和最小值方法？就是在最大化每台物理机上使用比例最小的资源类型的利用率，保证多台物理节点之间资源使用比例的平衡性。对于单台物理节点而言，就是减少各类型资源使用比例的不均衡性，使其个维度资源的负载均衡。

(1)最大最小值方法

从多类型资源中存在资源消耗瓶颈问题出发，在云数据中心的大量异构的物理机集群中，存在着有些物理机承载着零虚拟机这种现象导致了资源闲置，而这些承载零虚拟机的物理机需要维持其正常的工作状态，消耗了能源并增加了维护的成本。单台物理机上最佳的运行状态是使各类型资源使用率尽量都达到最佳工作负载的阈值，所以在选择物理机时，要考虑在阈值范围内使每台物理机能尽量最大化资源的利用率。如在多类型资源的情况下，应选取单台物理机上利用率最低的资源使其利用率的最大化。

首先对某台物理机的每种资源类型进行量化其利用率值,表示物理机资源类型的利用率的公式为：

在物理机资源类型的利用率公示中，物理机m_i上可用资源k的总数量用R_k(m_i)表示，物理机m_i上分配给任务τ的k类型的资源数目用表示，该物理机初始状态时资源k的总数量用P_k(m_i)表示，物理机上处理的任务用τ表示。对每台物理机m_i来说，被使用比例最小的该资源类型所对应的利用率称为最低资源利用率，可表示为：

(2)负载均衡方法

由于物理机的性能和规格存在着差异性，用户资源请求也存在差异性，因此单台物理机上各类型资源之间所占比例必然存在着差异性。当某类资源的所占的比例接近阈值时，该物理机就没有能力再新建虚拟机了，此时会出现占用比例小的资源出现浪费现象，这种现象叫做资源碎片化。为了保持各类资源维度的平衡，通过减少单台物理机上多种资源的占用比例，达到降低碎片产生的几率。

偏度是与资源碎片成正比的，偏度越小碎片生产的几率越小，从而资源利用率越高。偏度是衡量物理机上各资源占用比例的不均衡性的，其公式为：

其中表示为物理机上m_i资源k的利用率，表示物理机m_i的平均资源利用率。

(3)资源调度算法

在虚拟机层中资源博弈建模成一个动态的云提供商的资源博弈，也是一个完美信息扩展博弈。什么叫扩展博弈？就是通过用树的形式来描述一组博弈序列。什么叫完美信息博弈呢？在博弈过程中，博弈的每一个参与者都能了解其他博弈参与者通过可选策略后的收益情况和发生的所有决策。采用FUTU算法，FUTU算法是在某一个决策时刻，把整个的调度过程模拟成一个扩展博弈，博弈中参与者就是可用的物理机，在每台物理机上创建可能的虚拟机方案构成了参与者的可选策略，在一台物理机上存在着多种组合方式在有限的容量内创建用户请求的各种类型的虚拟机，物理机m_i用com^ε(m_i)＝<c_ε1,c_ε2,…c_ετ>来表示一种可能的虚拟机组合方式。如图7中，云用户资源请求的和三种虚拟机类型，用(2,4,20)，(1,1,10)，(2,2,10)向量来表示，物理机1的容量是(4,8,40)，其中<1,1,0>表示物理机m上创建了一台虚拟机和一台虚拟机

在资源调度建模过程，影响博弈参与者最关键因素是受益函数，因为公平的分配可用资源是资源调度博弈的优化目标，而每个博弈参与者都希望能在有效性原则下通过选择高资源利用率的虚拟机组合方案能使得资源浪费达到最小化。从最大化资源利用率和公平分配角度出发，提出了基于权衡公平性利用率的收益函数设计方案，该方案设计如下：

β表示公平性和利用率之间的权重关系参数，β∈[0,1]，ν(A)是公平性偏差值，ske(m_i)是物理机m_i上不同资源类型的利用率偏度，Α＝{Α(m₁),Α(m₂)，…,Α(m_M)表示资源调度博弈的纳什均衡解。公平偏差值与收益函数成反比，公平偏差值越低，其博弈参与者在某个分配方案中收益越高，其物理机对不同资源利用率的均衡度越高；公平偏差值与资源碎片成正比，公平偏差值越低，资源碎片产生的概率越低，从而参与者的收益也越高。

由于每个博弈参与者m_i都想能选择使得自身收益最高的资源调度策略，因此可以将资源调度问题转化成最优化问题，其公式为：

s.t.a_τk(m_i)≥0

∑_τa_τk(m_i)≤R_k(m_i)

Α＝{Α(m₁),Α(m₂)，…,Α(m_M)}表示资源调度博弈的纳什均衡解，即资源调度博弈的纳什均衡解就是最优的资源调度方案。

实施案例二：如图8所示。在云资源模型中，其他方法相同下，作为变形，以云提供商角度出发，云提供资源调度博弈模型中云数据中心的可用物理机作为博弈参与者，具体为：

在图8中，云提供商资源调度博弈中，云用户不要多维的资源，如内存、硬盘、网络带宽等。以电商的应用程序为例：用户请求资源主要是CPU和内存资源，对物理机而言制约主要决定因素为内存，那么内存就是其瓶颈资源。云提供商将资源调度问题模拟成待创建虚拟单元与物理机的类装箱问题，将每台可用的物理机资源定义为箱子，运载这类应用程序的虚拟单位为装在箱子里的物品。可用资源总量为箱子的总容量，由于物理机是异构的，所以每个箱子的容量规格是不相同的，物品的容量为对应虚拟单元的资源规模。在云提供商的资源调度博弈模型中，每台可用物理机m_i为博弈的参与者，用户请求工作中的所有子任务对应的待建虚拟单元类型在物理机上可被创建的组合方案为可选策略。如图8所示，某台物理机上的可用资源为(20,80,200)，三个子任务资源请求对应的三种类型的虚拟单元分别为(4,10,50)、(4,20,100)、(8,60,100)，则这台物理机上可以创建对应的虚拟单元数量组合方案为：(2,1,0)和(1,0,1)，这两种组合方案就是该物理机的可选策略。物理机的可选策略用S(m_i)＝(s ¹(m_i)，s ²(m_i)，…，s_τ(m_i)，s^T(m_i))的资源可供向量表示，s∈N表示为创建子任务τ所需虚拟单元类型的数量。某台物理机m_i上，用资源分配矩阵B(m_i)表示其资源分配策略，公式如下：

用B_τ(m_i)＝(b_τ1(m_i)，b_τ2(m_i，…，b_τk(m_i)，…，b_τK(m_i))表示物理机m_i上各类型资源分配给子任务τ的数量，其中b_τk(m_i)＝s_τ(m_i).r^τΤ；云提供商资源调度博弈的标准化描述：用URSU＝{M，Re，S，Utility}四元组表示；其中博弈的参与者用M表示，即所有所用可用物理资源的物理机用{1,2，…，m}表示；云中的资源请求矩阵用Re表示，可选策略用S＝{S(mi)|i＝1,2,…,M}表示，收益函数用Utitity＝{Utitity^u|u＝1,2,…,U}表示，收益函数是计算作为博弈参与者的物理机在选定某个博弈策略每个参与者可以获得利益。

对云提供商而言，最关注主要因素是减少资源浪费、提高资源的使用效率，获得更高的商业利润，如何在满足用户的QoS要求的条件下，采用最合理有效的方法来有效的利用数据中心的资源，云提供商博弈数据模型可以用下列公式来表示：

第一个约束条件：一个整数规划问题；第二个约束条件：每台物理机上分配虚拟单元的总资源不超过该机器可用资源的总量；第三、第四约束条件：每个用户各子任务的实际相应时间和成本开销需要在最大响应时间和预算范围内。在博弈模型中收益函数的设计是通过对应优化算法为每台物理机求解出合适的可用资源调度策略S(m_i)，收益函数实横向数据中心的资源的利用率也可以衡量资源分配的公平性，同时也能权衡多类型的优化目标。

Claims (6)

1.一种基于博弈论的云计算资源调度方法，其特征在于，具体步骤为：

步骤一：接受用户请求，分析判断可用资源是否满足需求，否则拒绝，是则进入下一步；

步骤二：发出接受请求确认消息；

步骤三：建立以用户为博弈参与者的云用户资源调度博弈模型，或者以云数据中心可用物理机为博弈参与者的云提供商资源调度博弈模型，形成最优资源分配方案；

步骤四：完成虚拟单元创建过程，执行用户的任务请求。

2.根据权利要求1所述基于博弈论的云计算资源调度方法，其特征在于：所述步骤三中，云用户资源调度博弈模型具体为：

3.1在某个决策时，云系统中对用户进行建模，其中模型中博弈参与者用1到U来表示；

3.2在某个决策时，所有云用户对云资源管理系统提交资源请求，将所有的资源请求用矩阵Re表示：

在矩阵中每一行代表为一个用户，行中数据代表每个用户任务对不同虚拟单元类型的资源配置；列代表某种类型资源的数量。用户的选择策略是通过云系统中物理机中选取相适应的主机，在这些主机上创建满足需求的虚拟单元类型。用户u的可选策略用集合表示，集合中的表示为用户u的子任务，其中用户u的子任务τ的可用资源获取情况用资源分配矩阵表示：

m_i指物理机，表示子任务τ的k类型资源能在物理机(m_i)上可分配的资源数量，用四元组来标识URBU＝{Users，Re，B，Utitity}，其中Users是所有构建用户模型的博弈的参与者，即为申请云资源的所有用户{1,2,3,…,u}；Re是所有云用户对云资源管理系统资源请求矩阵；B＝{B^u|u＝1,2,…,u}表示为用户可选策略；Utitity＝{Utitity^u|u＝1,2,…,u}则表示为收益函数。

3.根据权利要求1所述基于博弈论的云计算资源调度方法，其特征在于：所述步骤三中，云提供商资源调度博弈模型具体为：

博弈的参与者是每台可用物理机m_i，可选策略是云中所有子任务对应的待创建虚拟单元类型在本机上可被创建的组合方案，物理机m_i的资源分配策略可表示成资源分配矩阵B(m_i)：

其中表示物理机m_i上各类型资源分配给子任务τ的数量，其中用四元组表示为URSU＝{M，Re，S，Utility}；其中M是博弈的参与者，即所有拥有可用物理资源的物理机{1,2，…，m}；Re是云中的资源请求矩阵，S＝{S(mi)|i＝1,2,…,M}为可选策略，Utitity＝{Utitity^u|u＝1,2,…,U}是收益函数。

4.根据权利要求1所述基于博弈论的云计算资源调度方法，其特征在于：所述步骤四虚拟单元创建过程中的虚拟机层资源调度算法中资源利用率优化方法，采用最大最小值方法，对于某台物理机上的每种类型资源，量化它们的利用率值，具体公式为：

其中R_k(m_i)表示为物理机m_i上可用资源k的总数量，是物理机m_i上分配给任务τ的k类型的资源数目，P_k(m_i)表示为该物理机初始状态时资源k的总数量，τ表示为物理机上处理的任务。

对于每台物理机m_i来说，使用比例最小的该资源类型所对应的利用率称为最低资源利用率，表示为：

。

5.根据权利要求1或者4所述基于博弈论的云计算资源调度方法，其特征在于：所述步骤四虚拟单元创建过程中的虚拟机层资源调度算法中的资源利用率优化方法，具体为负载均衡方法，尽可能的减少单台物理机上各类型资源占用比例的差异性，使得它们在各资源维度上趋近平衡，从而使得碎片产生的几率降低，其中偏度越小，越能减少剩余资源碎片的产生，提高资源利用率，偏度的计算公式为：

其中表示物理机上m_i资源k的利用率，表示物理机m_i的平均资源利用率。

6.根据权利要求1所述基于博弈论的云计算资源调度方法，其特征在于：所述步骤四虚拟单元创建过程中的虚拟机层资源调度算法中的资源分配公平性优化公式具体为，

其中为权衡公平性利用率的收益函数，具体为

β表示公平性和利用率之间的权重关系参数，β∈[0,1]，v(A)是公平性偏差值，ske(m_i)是物理机m_i上不同资源类型的利用率偏度，Α＝{Α(m₁),Α(m₂)，…,Α(m_M)表示资源调度博弈的纳什均衡解。