CN107197045A - 云计算环境下虚拟机资源的分配方法及分配系统 - Google Patents

云计算环境下虚拟机资源的分配方法及分配系统 Download PDF

Info

Publication number
CN107197045A
CN107197045A CN201710591398.4A CN201710591398A CN107197045A CN 107197045 A CN107197045 A CN 107197045A CN 201710591398 A CN201710591398 A CN 201710591398A CN 107197045 A CN107197045 A CN 107197045A
Authority
CN
China
Prior art keywords
user
virtual machine
resources
mrow
resource
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
CN201710591398.4A
Other languages
English (en)
Inventor
李智勇
杨波
龚春红
乃科
林可
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN201710591398.4A priority Critical patent/CN107197045A/zh
Publication of CN107197045A publication Critical patent/CN107197045A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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
    • G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
    • 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
    • G06Q30/08—Auctions
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Signal Processing (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种云计算环境下虚拟机资源的分配方法，包括对虚拟机资源进行分类量化；收集用户的订单信息并计算各个用户的出价密度；计算系统的目标收益上限；提取服务商的最终目标收益；确定竞得资源的用户及其应支付的费用。本发明还公开了实现所述云计算环境下虚拟机资源的分配方法的分配系统，包括依次串接的资源分类量化模块，用户订单收集与计算模块，系统目标收益计算模块，最终目标收益计算模块和资源分配与计费模块。本发明能够适用于异构虚拟机资源的组合拍卖，能够在无视市场的供求状况的情况下为服务商提供接近于最优的收益，还保证了用户不妒嫉其他用户的拍卖结果，同时还具有很好的稳定性能够保证服务商利益的最大化。

Description

云计算环境下虚拟机资源的分配方法及分配系统
技术领域
本发明具体涉及一种云计算环境下虚拟机资源的分配方法及分配系统。
背景技术
随着经济技术的发展和人们生活水平的提高，云计算环境下的虚拟机已经得到了广泛的应用，给人们的生产和生活带来了许多便利。
依托虚拟机化技术，云服务商能够以虚拟机的形式向用户提供基础设施类服务(infrastructure-as-a-service,IaaS)，用户按照实际使用情况向服务商支付费用。因此，在云计算环境中，虚拟机资源的高效分配与定价已成为云服务商当前急需解决的挑战之一。相对于固定价格模式，基于拍卖的虚拟机资源分配与定价模式可以更好的动态平衡供需双方的利益，激励用户根据供需情况去规划自己的消费行为。拍卖机制的设计一般需要涉及几个关键属性，如可信性，无妒性，经济效用等。可信性指拍卖的售价与用户出价无关，用户的支配策略为报告自己的真实出价。可信性属性是服务商利益最大化的保证，但在组合拍卖中，可信性与无妒性一般不能同时取得。无妒性指拍卖结果对所有用户都是公平的，用户不妒忌其他用户的结果。无妒性属性是拍卖机制稳定可行的保证，但无妒性下的定价不一定是用户出价无关的，因此不保证可信性。无论哪一种分配定价机制，追求经济效用的最大化，是云服务商提供服务资源的内在原始动力。
VCG拍卖方法(Vickrey-Clarke-Groves拍卖方法)是目前被证明唯一能够同时取得可信性与经济高效性的方法，它的基本原理是使面向用户的售价与用户的出价无关，以此保证机制的可信性。目前云服务商在基于此类方法的运行环境中，常常假设云服务商可提供的资源少于用户的需求，虚拟机资源的以静态或者动态的方式供给，虚拟机的种类为单一形式或者多种类型(不同类型之间资源的差异以倍乘的方式表示)。此类方法决定资源分配与定价的一般过程如下：首先设定一个不包含当前用户的用户集，计算在该用户集下的最大化社会效用，然后计算在当前用户参与但不包含该用户效用的最大化社会效用，以两者之差为当前用户的支付费用。该方法需要为每个用户重复上述计算过程来确定用户的售价。如果一个用户在该方法下的支付费用为零，则该用户在此次竞拍中失败，不会被分配任何资源，否则该用户被收取计算出的费用并获得请求的虚拟机。
由于VCG模型能够兼容可信性与社会经济效用最大化，现有的虚拟机资源拍卖方法大多基于VCG模型进行演化或改良。基于此类模型的方法需要为每个用户计算最终售价，因此需要多次重复计算，其计算代价很大，特别在系统规模庞大时，方法的实现变得非常困难。在演化或改良的模型中，各种近似算法被提出以减少系统计算的复杂度，但是近似算法的引入，使得可信性属性无法得到保证。此外，目前的技术应用环境也只考虑供少于求的情况，在这种情况下，社会经济效用与服务商的效用是一致的，但是当供大于求的情况出现时，应用此类方法两者的目标就不一致，服务商所取得经济效用可能会变得很低，这是服务商不能容忍的。除了上述不足，目前的技术少有考虑机制的无妒性，这些应用产生的结果不一定是无妒性，用户有可能更偏好其他用户的结果，这使得机制在运行中并不是稳定的。
发明内容
本发明的目的之一在于提供一种在实现虚拟机资源分配与定价时能够无视市场的供求状况，在寻求云服务商利益最大化的同时也保证系统的无妒性和高概率可信性的云计算环境下虚拟机资源的分配方法。
本发明的目的之二在于提供一种用于实现所述云计算环境下虚拟机资源的分配方法的分配系统。
本发明提供的这种云计算环境下虚拟机资源的分配方法，包括如下步骤：
S1.对系统所提供的虚拟机资源进行分类量化；
S2.当进入实际拍卖流程时，收集用户的订单信息，根据步骤S1的分类量化结果计算各个用户的出价密度；
S3.根据步骤S2得到的出价密度，计算系统的总收益作为目标收益的上限；
S4.根据步骤S3得到的目标收益上限，提取出服务商的最终目标收益；
S5.根据步骤S4得到的最终目标收益，确定竞得资源的用户及其应支付的费用。
步骤S1所述的对虚拟机资源进行分类量化，具体为采用如下步骤进行分类量化：
A.采用如下公式计算第j类虚拟机的第k类资源数量的量化结果：
其中为第j类虚拟机的第k类资源数量的量化值；为第j类虚拟机的第k类资源的数量；定义为即系统的虚拟机中占用第k类资源的最大值，其中VM表示所有的虚拟机类型组成的集合；
B.采用如下公式计算虚拟机提供的各类资源的加权价格：
式中σk为第k类资源的加权价格，vk表示第k类资源数量的市场售价；
C.根据步骤A得到的量化结果和步骤B得到的加权价格，采用如下公式计算每一类虚拟机占用各类资源的统一量化结果：
式中Nj为第j类虚拟机占用各类资源的统一量化结果。
步骤S3所述的计算系统的总收益，为采用最优单价方法计算与出价相关的总收益，具体为采用如下步骤计算总收益：
a.删除出价密度低于虚拟机服务商的保留价格或请求数量大于预设值的用户，并将剩余的用户归入有效用户集，并以出价密度为基准对有效用户集进行降序排序；
b.以虚拟机系统能够提供的有效资源确定可接纳的用户订单集；
c.寻找一个L值，使得步骤b中降序排序的可接纳用户集中的第1个用户至第L个用户的订单总数与第L个用户的出价密度的乘积最大；从而得到系统目标收益上限P、第1到第L个用户的虚拟机订单总数S，所述L为正整数。
步骤S4所述的提取出服务商的最终目标收益，为设计一个概率函数并计算服务商的最终目标收益，具体为采用如下步骤计算最终目标收益：
1)从[0,1]区间随机选取一个实数作为参数u的值；
2)从可接纳的用户订单集中选取最大的用户订单数量ξ；
3)采用如下公式计算中间变量α：
式中S为订单总数，τ为调整参数；τ的取值越大，则可信概率越高但目标受益越低，τ的取值越小，则可信概率越低但目标受益越高。
4)采用如下公式计算中间变量θ：
式中P为目标受益上限，计算符号表示向下取整计算；
5)采用如下算式计算服务商的最终目标收益：
F＝αθ+u
式中F为服务商的最终目标收益。
步骤S5所述的确定竞得资源的用户及其应支付的费用，具体为采用如下步骤确定竞得资源的用户并计算相应的支付费用：
(1)根据步骤S4得到的服务商的最终目标收益F，在可接纳用户集中寻找最大的M值，并计算从第1个用户到第M个用户所请求的总虚拟机数量sum，并使得第M个用户的出价密度不低于F/sum，所述M为正整数；
(2)确定第M+1个用户及其后面的用户竞价失败，不对该类用户分配资源，也不收取费用；
(3)确定第1个用户至第M个用户为竞价胜出者，为各个用户分配各自所请求的虚拟机资源，并对各个用户收取费用，所述各个用户收取的费用等于该用户的虚拟机资源请求量与F/sum的乘积。
本发明还提供了一种实现所述云计算环境下虚拟机资源的分配方法的分配系统，包括依次串接的资源分类量化模块，用户订单收集与计算模块，系统目标收益计算模块，最终目标收益计算模块和资源分配与计费模块；资源分类量化模块用于对系统所提供的虚拟机资源进行分类量化，用户订单收集与计算模块用于收集用户的订单信息并计算各个用户的出价密度，系统目标收益计算模块用于驾驶员系统的总收益，最终目标收益计算模块用于提取服务商的最终目标收益，资源分配与计费模块用于确定竞得资源的用户及其应支付的费用。
本发明提供的这种云计算环境下虚拟机资源的分配方法及其分配系统，是在虚拟机统一量化的前提下执行的，这使得机制能够适用于异构虚拟机资源的组合拍卖；在计算目标收益上限时采用属于贪心算法的最优单价计算方法，因此本发明的方法能够无视市场的供求状况，即使在市场供大于求的情况下(这是云服务商常面对的情况)，也能够为服务商提供接近于最优的收益；本发明中采用松弛约束条件的策略，借由概率函数实现拍卖价格与用户出价高概率无关，使机制的可信性由完全可信转变为在一个可接受的高概率范围内，保证了用户不妒嫉其他用户的拍卖结果，用户的支配策略就是报告自己的真实评估，因此本发明实现的机制具有很好的稳定性能够保证服务商利益的最大化。
附图说明
图1为本发明的方法流程图。
图2为本发明的分配系统的功能模块图。
具体实施方式
如图1所示为本发明的方法流程图：本发明提供的这种云计算环境下虚拟机资源的分配方法，包括如下步骤：
S1.对系统所提供的虚拟机资源进行分类量化；
首先对各类虚拟机资源的组成成份进行量化，计算其与服务商所提供的虚拟机占用对应类型资源(CPU，内存，存储等)最大值的比值；因此，具体为采用如下步骤进行分类量化：
A.采用如下公式计算第j类虚拟机的第k类资源数量的量化结果：
其中为第j类虚拟机的第k类资源数量的量化值；为第j类虚拟机的第k类资源的数量；定义为即系统的虚拟机中占用第k类资源的最大值，其中VM表示所有的虚拟机类型组成的集合；
B.由于不同类型的资源在价格方面也是不同的，如CPU，内存等的价格是不一样的，因此采用如下公式计算虚拟机提供的各类资源的加权价格：
式中σk为第k类资源的加权价格，vk表示第k类资源数量的市场售价；
C.根据步骤A得到的量化结果和步骤B得到的加权价格，采用如下公式计算每一类虚拟机占用各类资源的统一量化结果：
式中Nj为第j类虚拟机占用各类资源的统一量化结果
S2.当进入实际拍卖流程时，收集用户的订单信息，根据步骤S1的分类量化结果计算各个用户的出价密度：先收集用户的订单信息(订单包含用户的虚拟机需求包及总出价)，然后以存储的虚拟机量化信息计算各个用户的出价密度，并以它们的降序形式对用户订单执行排序；
S3.根据步骤S2得到的出价密度，以最优单价方法(属于贪心算法的一种)计算系统的目标收益上限；
最优单价计算方法首先删除那些出价密度低于服务商保留价格或者请求数量大于预设值的用户，然后将剩余的用户归入有效用户集O中，并以他们的出价密度对集合O进行降序排序；接着以系统可提供的有效资源确定可接纳的用户订单集A；最后寻找最大的L，使得第1个用户到第L个用户的订单总数S与第L个用户的出价密度乘积P(目标收益上限)最大，最后返回A，P，S的值给系统作为下一步方案的输入数据；
具体的，定义如下变量：
Qi，表示第i个用户的资源量化值；
表示第i个用户请求第j类虚拟机的数量；
Cres，云服务商为单位虚拟机设置的保留价格；
N，云服务商允许单个用户可申请的虚拟机数量上限；
bi，表示第i个用户的出价；
di，表示第i个用户的出价密度；
O，有效用户订单集合；
Oi,第i个用户的订单；
A，可接纳用户订单集合；
P，目标收益上限；
S，产生目标收益上限的最大资源请求数量；
最优单价算法实现流程表示如下：
1.可接受用户集A设置为空:
2.设置保留价格Cres
3.计算各个用户资源需求的量化值：
4.计算各个用户的出价密度：
5.移除出价密度低于保留价格Cres或者请求数量大于最大预设值N的用户，获得有效用户订单集O；
6.以用户出价密度di对订单集合O降序排序；
7.For all Oi∈O do
If系统有足够的资源分配给用户i
用户i的订单归入集合A中：A＝A∪{Oi}
Endif
8.Endfor
9.在集合A中寻找最大的L，使得第1个用户到第L个用户的订单总数与第L个用户出价密度的乘积P最大，即
10.计算第1个用户到第L个用户的订单总数S，即
11.向系统还回P,A,S的值；
S4.根据步骤S3得到的目标收益上限，为设计一个概率函数并计算服务商的最终目标受益；
概率函数设计的目标就是使用户相信成交价与自身出价无关的概率在一个高的范围之内，从而用户的支配策略为出真实价格，最终达到服务商利益的最大化；
定义相关的变量：
P，为目标收益上限；
S，产生目标收益上限的最大资源请求数量；
τ，为一个取值大于1的实数，在本发明中，建议取值范围[10,15]；
ξ，可接纳订单集A中最大的单个用户订单数量；
F，云服务商的目标收益；
概率函数的设计方法如下：
设随机变量u均匀分布在[0,1]区间，针对目标收益上限P，概率函数f(P)等于表达式αθ+u最接近于P的值，其中θ为满足该条件下的最大整数，α的取值为其中τ的值需要依据机制实际执行情况调整，本发明设定为12可获得可信概率约为0.91，可取得0.7-0.95倍最优值的目标收益(受拍卖规模影响)，拍卖规模越大，目标收益越高；τ的值设置越大，可信概率就越高，但是同时目标收益会降低，τ的值设置越小，目标收益越高，但可信概率越低。
通过概率函数所取得值即为服务商的目标收益，实现过程如下：
1.从[0,1]区间随机选取一个实数作为参数u的值；
2.从可接纳用户订单集A选取最大的用户订单数量ξ；
3.计算α的值：其中τ的值设定为12；
4.计算θ的值：
5.计算服务商的目标收益F：F←αθ+u；
6.向系统返回F；
S5.根据步骤S4得到的最终目标收益，确定竞得资源的用户及其应支付的费用；在获得服务商的目标收益F之后，在有效用户订单集中寻找最大的L，计算从第1到第L个用户所请求的总虚拟机数量Sum，使得第L个用户的出价密度不低于F/Sum；确定第L+1之后的用户竞价失败，不分配资源也不收取费用；第1到第L个用户为竞价胜出者，分配用户请求的虚拟机资源，各个用户收取的费用为其虚拟机请求量与F/Sum的乘积；
定义相关变量：
L，表示第L个用户；
|A|，表示系统可接纳的用户订单集；
Sum，表示从第1到第L个用户所请求的总虚拟机数量；
p，表示单位虚拟机的售价；
具体实现步骤为：
1.计算可接纳用户订单集A中总虚拟机请求数Sum；
2.For L←|A|to 1 do
Sum←Sum-第L个用户的虚拟机请求数
Else
退出循环
EndIf
3.EndFor
4.计算单位虚拟机的售价p：
5.if售价p低于第L+1用户的出价密度；
p←第L+1用户的出价密度
6.EndIF
7.第1到第L个用户的费用为其虚拟机请求量与p的乘积；
8.为第1到第L个用户分配虚拟机资源；
如图2所示为本发明的分配系统的功能模块图：本发明提供的这种实现所述云计算环境下虚拟机资源的分配方法的分配系统，包括依次串接的资源分类量化模块，用户订单收集与计算模块，系统目标收益计算模块，最终目标收益计算模块和资源分配与计费模块；资源分类量化模块用于对系统所提供的虚拟机资源进行分类量化，用户订单收集与计算模块用于收集用户的订单信息并计算各个用户的出价密度，系统目标收益计算模块用于驾驶员系统的总收益，最终目标收益计算模块用于提取服务商的最终目标收益，资源分配与计费模块用于确定竞得资源的用户及其应支付的费用。

Claims (6)

1.一种云计算环境下虚拟机资源的分配方法，包括如下步骤：
S1.对系统所提供的虚拟机资源进行分类量化；
S2.当进入实际拍卖流程时，收集用户的订单信息，根据步骤S1的分类量化结果计算各个用户的出价密度；
S3.根据步骤S2得到的出价密度，计算系统的总收益作为目标收益的上限；
S4.根据步骤S3得到的目标收益上限，提取出服务商的最终目标收益；
S5.根据步骤S4得到的最终目标收益，确定竞得资源的用户及其应支付的费用。
2.根据权利要求1所述的云计算环境下虚拟机资源的分配方法，其特征在于步骤S1所述的对虚拟机资源进行分类量化，具体为采用如下步骤进行分类量化：
A.采用如下公式计算第j类虚拟机的第k类资源数量的量化结果：
<mrow> <msubsup> <mi>N</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mfrac> <msubsup> <mi>r</mi> <mi>j</mi> <mi>k</mi> </msubsup> <msubsup> <mi>R</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>k</mi> </msubsup> </mfrac> </mrow>
其中为第j类虚拟机的第k类资源数量的量化值；为第j类虚拟机的第k类资源的数量；定义为即系统的虚拟机中占用第k类资源的最大值，其中VM表示所有的虚拟机类型组成的集合；
B.采用如下公式计算虚拟机提供的各类资源的加权价格：
<mrow> <msub> <mi>&amp;sigma;</mi> <mi>k</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>v</mi> <mi>k</mi> </msub> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <mi>K</mi> </mrow> </msub> <msub> <mi>v</mi> <mi>k</mi> </msub> </mrow> </mfrac> </mrow>
式中σk为第k类资源的加权价格，vk表示第k类资源数量的市场售价；
C.根据步骤A得到的量化结果和步骤B得到的加权价格，采用如下公式计算每一类虚拟机占用各类资源的统一量化结果：
<mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msubsup> <mi>N</mi> <mi>j</mi> <mi>k</mi> </msubsup> <msub> <mi>&amp;sigma;</mi> <mi>k</mi> </msub> </mrow>
式中Nj为第j类虚拟机占用各类资源的统一量化结果。
3.根据权利要求2所述的云计算环境下虚拟机资源的分配方法，其特征在于步骤S3所述的计算系统的总收益，为采用最优单价方法计算与出价相关的总收益，具体为采用如下步骤计算总收益：
a.删除出价密度低于虚拟机服务商的保留价格或请求数量大于预设值的用户，并将剩余的用户归入有效用户集，并以出价密度为基准对有效用户集进行降序排序；
b.以虚拟机系统能够提供的有效资源确定可接纳的用户订单集；
c.寻找一个L值，使得步骤b中降序排序的有效用户集中的第1个用户至第L个用户的订单总数与第L个用户的出价密度的乘积最大；从而得到系统目标收益上限P、第1到第L个用户的虚拟机订单总数S，所述L为正整数。
4.根据权利要求3所述的云计算环境下虚拟机资源的分配方法，其特征在于步骤S4所述的提取出服务商的最终目标收益，为设计一个概率函数并计算服务商的最终目标受益，具体为采用如下步骤计算最终目标受益：
1)从[0,1]区间随机选取一个实数作为参数u的值；
2)从可接纳的用户订单集中选取最大的用户订单数量ξ；
3)采用如下公式计算中间变量α：
<mrow> <mi>&amp;alpha;</mi> <mo>=</mo> <mn>1</mn> <mo>+</mo> <mfrac> <mrow> <mi>&amp;tau;</mi> <mi>&amp;xi;</mi> </mrow> <mrow> <mi>S</mi> <mo>-</mo> <mi>&amp;xi;</mi> </mrow> </mfrac> </mrow>
式中S为订单总数，τ为调整参数；τ的取值越大，则可信概率越高但目标受益越低，τ的取值越小，则可信概率越低但目标受益越高。
4)采用如下公式计算中间变量θ：
式中P为目标受益上限，计算符号表示向下取整计算；
5)采用如下算式计算服务商的最终目标受益：
F＝αθ+u
式中F为服务商的最终目标受益。
5.根据权利要求4所述的云计算环境下虚拟机资源的分配方法，其特征在于步骤S5所述的确定竞得资源的用户及其应支付的费用，具体为采用如下步骤确定竞得资源的用户并计算相应的支付费用：
(1)根据步骤S4得到的服务商的最终目标受益F，在可接纳用户集中寻找最大的M值，并计算从第1个用户到第M个用户所请求的总虚拟机数量sum，并使得第M个用户的出价密度不低于F/sum，所述M为正整数；
(2)确定第M+1个用户及其后面的用户竞价失败，不对该类用户分配资源，也不收取费用；
(3)确定第1个用户至第M个用户为竞价胜出者，为各个用户分配各自所请求的虚拟机资源，并对各个用户收取费用，所述各个用户收取的费用等于该用户的虚拟机资源请流量与F/sum的乘积。
6.一种实现权利要求1～5之一所述的云计算环境下虚拟机资源的分配方法的分配系统，包括依次串接的资源分类量化模块，用户订单收集与计算模块，系统目标收益计算模块，最终目标收益计算模块和资源分配与计费模块；资源分类量化模块用于对系统所提供的虚拟机资源进行分类量化，用户订单收集与计算模块用于收集用户的订单信息并计算各个用户的出价密度，系统目标收益计算模块用于驾驶员系统的总收益，最终目标收益计算模块用于提取服务商的最终目标收益，资源分配与计费模块用于确定竞得资源的用户及其应支付的费用。
CN201710591398.4A 2017-07-19 2017-07-19 云计算环境下虚拟机资源的分配方法及分配系统 Pending CN107197045A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710591398.4A CN107197045A (zh) 2017-07-19 2017-07-19 云计算环境下虚拟机资源的分配方法及分配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710591398.4A CN107197045A (zh) 2017-07-19 2017-07-19 云计算环境下虚拟机资源的分配方法及分配系统

Publications (1)

Publication Number Publication Date
CN107197045A true CN107197045A (zh) 2017-09-22

Family

ID=59882244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710591398.4A Pending CN107197045A (zh) 2017-07-19 2017-07-19 云计算环境下虚拟机资源的分配方法及分配系统

Country Status (1)

Country Link
CN (1) CN107197045A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109656678A (zh) * 2018-11-01 2019-04-19 江苏南大苏富特科技股份有限公司 基于虚拟化的动态资源管理方法
CN110162393A (zh) * 2019-05-30 2019-08-23 奇瑞汽车股份有限公司 任务调度方法、装置及存储介质
CN112181658A (zh) * 2020-09-30 2021-01-05 南京工程学院 一种异构网络中最大化网络收益的计算任务分配方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109656678A (zh) * 2018-11-01 2019-04-19 江苏南大苏富特科技股份有限公司 基于虚拟化的动态资源管理方法
CN110162393A (zh) * 2019-05-30 2019-08-23 奇瑞汽车股份有限公司 任务调度方法、装置及存储介质
CN110162393B (zh) * 2019-05-30 2023-06-27 奇瑞汽车股份有限公司 任务调度方法、装置及存储介质
CN112181658A (zh) * 2020-09-30 2021-01-05 南京工程学院 一种异构网络中最大化网络收益的计算任务分配方法
CN112181658B (zh) * 2020-09-30 2024-04-05 南京工程学院 一种异构网络中最大化网络收益的计算任务分配方法

Similar Documents

Publication Publication Date Title
CN111563786B (zh) 一种基于区块链的虚拟电厂调控平台及运行方法
CN105721565B (zh) 基于博弈的云计算资源分配方法和系统
CN106817401B (zh) 一种云环境中的资源配置方法
CN106022856A (zh) 数据推送方法及装置
CN113992676A (zh) 端边云架构和完全信息下分层联邦学习的激励方法及系统
CN106339852A (zh) 具有偏好的众包任务分配方法
CN107197045A (zh) 云计算环境下虚拟机资源的分配方法及分配系统
CN116596640B (zh) 电力零售电费套餐的推荐方法、系统、设备及存储介质
CN106529990A (zh) 一种偏差电量结算方法
CN110110895A (zh) 电动汽车优化调度的方法及终端设备
CN112688335A (zh) 一种基于博弈均衡的实时需求响应建模方法
CN102184503A (zh) 一种基于租借实例云计算计费方法
Li et al. Double Auction‐Based Two‐Level Resource Allocation Mechanism for Computation Offloading in Mobile Blockchain Application
CN115130811A (zh) 电力用户画像的建立方法、装置及电子设备
Zhang et al. Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories
CN113627991A (zh) 一种调频市场环境下需求响应聚合商的竞标方法及系统
CN109410014B (zh) 卫星网络下基于定价机制的虚拟资源共享分配方法及应用
CN115795145A (zh) 一种面向需求侧主动响应的电动汽车充电模式推送方法
CN117522424A (zh) 一种基于碳资产贡献度的碳交易方法、系统、设备与介质
CN116914845A (zh) 一种需求响应与碳捕集调度耦合的电网调度方法及系统
CN109740879A (zh) 处理充电桩数据的方法和装置
CN113807961B (zh) 基于联盟链的多微网能源交易方法及系统
CN114519506A (zh) 能量支持激励方法、系统、计算机设备、存储介质及终端
CN113592541B (zh) 一种负荷聚合商邀约寻优方法、装置及终端设备
CN108510353A (zh) 一种智能化程度高的电子商务系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170922

RJ01 Rejection of invention patent application after publication